muapi Logomuapi Logo
muapi Logomuapi Logo

Seedance 2 全能参考: 图像转视频

SD 2.0 全能参考可使用参考图像、视频和音频生成具有视觉一致性的视频。保持角色身份、视觉风格和场景连续性。单次请求最多支持 9 张图像、3 个视频片段和 3 个音频文件。可在提示词中使用 @image1、@video1、@audio1 语法，精确控制每个参考素材对生成视频的影响。 SD 2.0 全能参考可使用参考图像、视频和音频生成具有视觉一致性的视频。不同于只将单张图像制作成动画的标准图生视频，全能参考会将你上传的素材用作创作引导——在保持角色身份、视觉风格和场景连续性的同时生成新视频。单次请求可组合最多 9 张图像、3 个视频片段和 3 个音频文件。在提示词中使用 @image1、@video1、@audio1 语法，可精确控制每个参考素材如何影响生成的视频。

交互式模型控制

SD 2.0 全能参考可使用参考图像、视频和音频生成具有视觉一致性的视频。保持角色身份、视觉风格和场景连续性。单次请求最多支持 9 张图像、3 个视频片段和 3 个音频文件。可在提示词中使用 @image1、@video1、@audio1 语法，精确控制每个参考素材对生成视频的影响。

📝

概览

关于此模型

SD 2.0 全能参考可使用参考图像、视频和音频生成具有视觉一致性的视频。不同于只将单张图像制作成动画的标准图生视频，全能参考会将你上传的素材用作创作引导——在保持角色身份、视觉风格和场景连续性的同时生成新视频。单次请求可组合最多 9 张图像、3 个视频片段和 3 个音频文件。在提示词中使用 @image1、@video1、@audio1 语法，可精确控制每个参考素材如何影响生成的视频。

1角色一致性：将肖像作为 @image1，保持角色在多个场景中的外观一致。
2风格迁移：将参考图像的视觉风格应用到新生成的视频场景。
3音频同步视频：通过 @audio1 生成与参考音乐片段或语音录音同步的视频。
4场景连续性：提供场景截图，生成视觉上匹配的延续内容。
5多模态控制：组合角色图像 + 动态视频 + 背景音频，实现丰富的创作控制。
💰

价格与价值

成本分析

muapiapp$0.18–$1.35/sec depending on resolution/quality

Per-second billing, scaling by resolution and quality (480p: $0.18/sec basic, $0.24/sec high; 720p: $0.21/sec basic, $0.30/sec high; 1080p: $0.4725/sec basic, $0.675/sec high; 4K: $0.945/sec basic, $1.35/sec high). Supports multi-modal references (image + video + audio) in a single request.

Fal.ai$0.3024/sec (high) / $0.2419/sec (basic)

Fal.ai charges $0.3024/sec for high quality and $0.2419/sec for basic. muapiapp is roughly the same on high ($0.30/sec) and 13% cheaper on basic ($0.21/sec).

Replicate$0.3024/sec (high) / $0.2419/sec (basic)

Replicate charges the same as Fal.ai — $0.3024/sec (high), $0.2419/sec (basic). muapiapp is competitive on high quality and 13% cheaper on basic.

** 竞品价格根据相似模型架构和使用层级估算。

⚙️

技术详情

配置参数

提示词string

Video description. Use @image1…@image9 to 参考图像, @video1…@video3 for videos, @audio1…@audio3 for audio. To use a character sheet, reference it with @character:<request_id> (from a completed Seedance 2 Character generation). To use a trained Omni Reference character, reference it with @omni-character:<character_id> where character_id is the value returned by Omni Reference Train Character (e.g. char_1775422630065_4vbana). Both methods can be combined in the same prompt. Multiple characters are supported. Example: '@omni-character:char_1775422630065_4vbana walking through a neon-lit city at night'.

默认值@image1 is the main character reference. A person walking on the beach at sunset, cinematic lighting
分辨率枚举（4 个选项）

Output resolution. Choose 480p, 720p, 1080p, or 4k; price scales with the resolution chosen.

默认值720p
图像 URLarray

最多 9 个参考图像 URL（JPEG/PNG/WebP）。第 N 张图像对应提示词中的 @imageN。

默认值https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/seedance-v2.0-omni-reference.png
参考视频 URLarray

最多 3 个参考视频片段 URL（MP4，每个最长 15 秒）。第 N 个视频对应提示词中的 @videoN。

默认值undefined
参考音频 URLarray

最多 3 参考音频 clip URLs (MP3/WAV, total max 15s). Each Nth audio corresponds to @audioN in the prompt.

默认值undefined
画面比例枚举（6 个选项）

输出视频的画面比例。

默认值16:9
质量枚举（2 个选项）

Generation quality. 'high' uses the standard model ($0.30/sec output + $0.09/sec per 输入视频 second). 'basic' uses the fast model (~2x speed, $0.21/sec output + $0.063/sec per 输入视频 second). Video reference inputs incur an additional 30% surcharge based on their combined duration.

默认值high
时长（秒）int

Video duration （秒） (4–15).

默认值5
📖

实施指南

开发者文档

  1. 将参考图像（JPEG/PNG/WebP）作为 'images_list' 上传，最多 9 张。
  2. 可选上传视频片段（MP4，每个最长 15s）作为 'video_files'，最多 3 个视频。
  3. 可选上传音频文件（MP3/WAV）作为 'audio_files'，最多 3 个文件，总时长最长 15s。
  4. 编写描述场景的提示词。使用 @image1…@image9 引用图像，使用 @video1…@video3 引用视频，使用 @audio1…@audio3 引用音频。
  5. 设置时长（4–15s）和画面比例。
  6. 轮询或使用 webhook 获取已完成的视频。
❓

常见问题

常见问答

全能参考与图生视频有什么不同？

图生视频会把你的图像作为实际第一帧并将其制作成动画。全能参考会将图像、视频和音频作为创作引导——模型生成与参考素材在视觉上匹配的新场景，而不会将它们作为实际帧使用。它还支持图生视频不支持的视频和音频参考。

如何在提示词中引用上传的文件？

使用 @image1、@image2 等，按其在 images_list 中的位置引用图像。使用 @video1、@video2，按其在 video_files 中的位置引用视频。使用 @audio1、@audio2，按其在 audio_files 中的位置引用音频。如果不使用 @ 语法，系统会自动将第一个参考素材作为主要参考。

需要提供所有类型的参考素材吗？

不需要。所有参考数组都是可选的。你可以只提供图像、只提供视频、只提供音频，或任意组合。仅使用文本提示词也有效。

支持哪些文件格式？

图像：JPEG、PNG 或 WebP（最多 9 个）。视频：仅支持 MP4，每个最长 15 秒（最多 3 个）。音频：MP3、WAV 或其他常见格式，总时长最长 15 秒（最多 3 个文件）。所有 URL 必须可公开访问。

费用如何计算？

费用 =（费率 × 输出时长）+（0.3 × 费率 × 输入视频总时长）。'high' 质量：输出 $0.30/sec。'basic' 质量：输出 $0.21/sec。如果提供 video_files，则按合计输入视频时长的每一秒额外收取 30% 附加费。示例：5s 输出（high）+ 两个 5s 输入视频 = 5×$0.30 + 10×$0.09 = $1.50 + $0.90 = $2.40。

'high' 和 'basic' 质量有什么区别？

'high' 使用标准模型以获得最佳输出质量。'basic' 使用快速模型，生成速度约为 2 倍，但质量略有降低——适合快速迭代和预览。未包含 quality 字段的现有请求默认使用 'high'。

支持哪些画面比例？

16:9、9:16、1:1、4:3、3:4 和 21:9。默认值为 16:9。