SD 2.0 480p 全能参考——使用参考图像、视频和音频，以 480p 分辨率生成具有视觉一致性的视频。相比 720p 版本更具成本效益。支持最多 9 张图像、3 个视频片段和 3 个音频片段。在提示词中使用 @image1、@video1、@audio1 语法。 SD 2.0 全能参考 480p 可在 480p 分辨率下借助参考图像、视频和音频生成具有视觉一致性的视频。它以更低成本提供与 720p 版本相同的多模态参考能力——保持角色身份、视觉风格和场景连续性。一次请求最多可组合 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，精确控制每个参考素材对生成视频的影响。
SD 2.0 480p 全能参考——使用参考图像、视频和音频，以 480p 分辨率生成具有视觉一致性的视频。相比 720p 版本更具成本效益。支持最多 9 张图像、3 个视频片段和 3 个音频片段。在提示词中使用 @image1、@video1、@audio1 语法。
关于此模型
SD 2.0 全能参考 480p 可在 480p 分辨率下借助参考图像、视频和音频生成具有视觉一致性的视频。它以更低成本提供与 720p 版本相同的多模态参考能力——保持角色身份、视觉风格和场景连续性。一次请求最多可组合 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，精确控制每个参考素材对生成视频的影响。
成本分析
| 提供商 | 费用 | 备注 |
|---|---|---|
| muapiapp | $0.24/sec (high) / $0.18/sec (basic) | Per-second billing for 480p output. Video reference inputs add a 30% surcharge per second of combined input video duration. |
| 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 21% cheaper on high ($0.24/sec) and 26% cheaper on basic ($0.18/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 saves 21–26% vs Replicate at 480p resolution. |
Per-second billing for 480p output. Video reference inputs add a 30% surcharge per second of combined input video duration.
Fal.ai charges $0.3024/sec for high quality and $0.2419/sec for basic. muapiapp is 21% cheaper on high ($0.24/sec) and 26% cheaper on basic ($0.18/sec).
Replicate charges the same as Fal.ai — $0.3024/sec (high), $0.2419/sec (basic). muapiapp saves 21–26% vs Replicate at 480p resolution.
** 竞品价格根据相似模型架构和使用层级估算。
配置参数
| 参数 | 类型 | 描述 | 默认值 |
|---|---|---|---|
| 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 fictional character, reference it with @character:<id> (request_id from a completed Seedance 2 Character generation) — characters are automatically appended to images_list. Multiple characters are supported. | @image1 is the main character reference. A person walking on the beach at sunset, cinematic lighting |
| 图像 URL | array | 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。 | https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/seedance-v2.0-omni-reference.png |
| 参考视频 URL | array | 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。 | undefined |
| 参考音频 URL | array | 最多 3 参考音频 clip URLs (MP3/WAV, total max 15s). Each Nth audio corresponds to @audioN in the prompt. | undefined |
| 画面比例 | 枚举（4 个选项） | 输出视频的画面比例。 | 16:9 |
| 质量 | 枚举（2 个选项） | Generation quality. 'high' uses the standard model ($0.24/sec output + $0.072/sec per 输入视频 second). 'basic' uses the fast model ($0.18/sec output + $0.054/sec per 输入视频 second). Video reference inputs incur an additional 30% surcharge based on their combined duration. | basic |
| 时长（秒） | int | Video duration （秒） (8–15). | 8 |
Video description. Use @image1…@image9 to 参考图像, @video1…@video3 for videos, @audio1…@audio3 for audio. To use a fictional character, reference it with @character:<id> (request_id from a completed Seedance 2 Character generation) — characters are automatically appended to images_list. Multiple characters are supported.
@image1 is the main character reference. A person walking on the beach at sunset, cinematic lighting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。
https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/seedance-v2.0-omni-reference.png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。
undefined最多 3 参考音频 clip URLs (MP3/WAV, total max 15s). Each Nth audio corresponds to @audioN in the prompt.
undefined输出视频的画面比例。
16:9Generation quality. 'high' uses the standard model ($0.24/sec output + $0.072/sec per 输入视频 second). 'basic' uses the fast model ($0.18/sec output + $0.054/sec per 输入视频 second). Video reference inputs incur an additional 30% surcharge based on their combined duration.
basicVideo duration （秒） (8–15).
8开发者文档
常见问答
此端点生成 480p 视频，速度更快且更具成本效益（basic：$0.18/sec，high output：$0.24/sec），相比之下 720p 版本为（basic：$0.21/sec，high output：$0.30/sec）。两个版本都会针对输入视频的每一秒时长，在每秒费率基础上加收 30%。最小时长为 8 秒，画面比例选项仅限 16:9、9:16、4:3 和 3:4。
在 `images_list` 中使用 @image1、@image2 等，按位置引用图像；在 `video_files` 中使用 @video1、@video2，按位置引用视频；在 `audio_files` 中使用 @audio1、@audio2，按位置引用音频文件。
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。
图像：JPEG、PNG 或 WebP（最多 9 张）。视频：仅限 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）。
成本 = (rate × output_duration) + (0.3 × rate × total_input_video_duration)。'high' 质量：输出 $0.24/sec。'basic' 质量：输出 $0.18/sec。如果提供 `video_files`，则按合并输入视频时长的每一秒加收 30%。示例：8s 输出（basic）+ 两个 5s 输入视频 = 8×$0.18 + 10×$0.054 = $1.44 + $0.54 = $1.98。
480p 全能参考版本至少需要 8 秒输出，才能正确融入多模态参考素材。