Mục lục — bấm để thu gọn / mở rộng
01 · Tài liệu chính thức
02 · 6 nhóm Use Case
01Tài liệu Prompt chính thức
Nguồn: Volcengine / BytePlus ModelArk — “Doubao/Dreamina Seedance 2.0 series prompt guide”. Chọn ngôn ngữ để đọc toàn bộ nội dung; cấu trúc và ví dụ giữ nguyên như bản gốc.
Dòng mô hình Doubao/Dreamina Seedance 2.0 (dưới đây gọi tắt là Seedance 2.0) hỗ trợ tạo sinh đồng thời âm thanh và video, có khả năng hiểu ngữ nghĩa và tương tác đa phương thức vượt trội. Bài viết này giới thiệu cách viết prompt cho dòng mô hình Seedance 2.0 và các mẹo liên quan, giúp bạn sử dụng mô hình hiệu quả hơn để tạo ra video chất lượng cao đúng nhu cầu.
Ghi chú Tất cả tư liệu hình ảnh (ảnh, video) và âm thanh xuất hiện trong hướng dẫn này đều do chính các mô hình tạo sinh hình ảnh dòng Seedance/Seedream tự động tạo ra.
Công thức cơ bản
Dòng Seedance 2.0 hỗ trợ tham chiếu đồng thời nhiều loại tư liệu đa phương thức như video, hình ảnh, âm thanh. Mô hình có thể khóa chính xác các đặc điểm như ngoại hình nhân vật, hiệu ứng chuyển động, phong cách hình ảnh, âm sắc lồng tiếng — giúp hạ thấp đáng kể rào cản viết prompt. Video tạo từ tham chiếu chia thành 3 loại nhiệm vụ: tham chiếu đa phương thức, chỉnh sửa video và kéo dài video. Chọn công thức prompt theo đúng loại nhiệm vụ.
Tham chiếu đa phương thức
Trích xuất một số yếu tố từ tư liệu (chủ thể, phong cách, bối cảnh, hiệu ứng âm thanh) để tạo một video hoàn toàn mới. Áp dụng: chuyển giao động tác, tái sử dụng chủ thể, mượn không khí, v.v.
Chỉnh sửa video
Chỉnh sửa cục bộ hoặc toàn cục dựa trên video gốc — phần không được đề cập mặc định giữ nguyên. Áp dụng: thay thế cục bộ, xóa chủ thể, sửa thuộc tính.
Kéo dài video
Tiếp nối video gốc theo trục thời gian — phong cách âm thanh/hình ảnh, chủ thể và mạch truyện phải nhất quán. Áp dụng: tiếp nối cốt truyện, mở rộng động tác, hoàn thiện đoạn clip.
Lưu ý Với nhiệm vụ chỉnh sửa/kéo dài video, hãy dùng trực tiếp "<Video_N>" để chỉ video đó. Không dùng "tham chiếu <Video_N>", tránh bị hiểu nhầm thành nhiệm vụ tham chiếu.
Nhiệm vụ kết hợp
3 loại nhiệm vụ trên có thể dùng kết hợp. Áp dụng: tham chiếu một tư liệu và chỉnh sửa một tư liệu khác.
Công thức nâng cao
Về bản chất, Seedance 2.0 là một "đạo diễn AI" đa phương thức: đọc đồng thời prompt văn bản, hình ảnh, video và âm thanh, sau đó phân tách nội bộ thành hai chiều — "lớp không gian" (những gì có trong khung hình) và "lớp thời gian" (mọi thứ thay đổi theo thời gian như thế nào) — để hiểu và tạo ra hình ảnh.
Vì vậy, một prompt tốt không đơn thuần là "mô tả kiểu văn án", mà là một "chỉ thị kiểu kỹ thuật": ai, ở bối cảnh nào, làm hành động gì, máy quay di chuyển ra sao, các sự kiện diễn ra theo trình tự nào — lần lượt gửi tới lớp không gian và lớp thời gian.
Nói đơn giản: trước tiên khóa "ai" đang "làm gì", rồi giải thích "ở đâu", "không khí ra sao", tiếp đó cho mô hình biết "quay như thế nào", cuối cùng dùng phong cách, chất lượng hình ảnh và ràng buộc để siết chặt kết quả.
1. Định nghĩa chủ thể
Một ảnh tham chiếu thường chứa nhiều chủ thể. Để tham chiếu chính xác một đối tượng cụ thể, bạn phải định nghĩa chủ thể rõ ràng — chủ thể có thể là người, đạo cụ, bối cảnh.
Yêu cầu đặc điểm cốt lõi: dùng 2–3 đặc điểm tĩnh rõ ràng, ổn định (trang phục, kiểu tóc, ngoại hình, thể loại) để mô tả chủ thể, đảm bảo nhận diện duy nhất.
Ví dụ: "Định nghĩa người phụ nữ mặc váy đỏ, đội mũ rơm trong Ảnh 1 là Chủ thể 1" / "...là Trương Hồng"
- Với bối cảnh đơn giản chưa định nghĩa chủ thể: mỗi lần nhắc dùng <Chủ_thể_N>@<Ảnh_N> để nhấn mạnh liên kết chủ thể–tư liệu. Ví dụ: Trương Tam@Ảnh 1.
- Với bối cảnh đã định nghĩa trước: mỗi lần nhắc dùng cùng một nhãn nhất quán (vd. luôn gọi "cảnh sát", luôn gọi "tên trộm").
- Khi dùng thư viện tư liệu (Asset ID) vẫn phải dùng <Ảnh/Video_N> để chỉ chủ thể — không dùng trực tiếp Asset ID thay thế.
- Mô tả càng ngắn gọn càng tốt, tránh dư thừa và mâu thuẫn ngữ nghĩa.
- Nên ưu tiên thể hiện quan hệ không gian qua ảnh tham chiếu, giảm mô tả văn bản phức tạp.
2. Sắp xếp phân cảnh theo thời gian
Mô hình tách rời không gian và thời gian trong xử lý nội bộ. Hình thức prompt lý tưởng cho video phức tạp là storyboard theo trục thời gian: chia video thành nhiều cảnh (shot), mô tả động mỗi cảnh theo đúng trình tự: ai + ở đâu + làm gì + máy quay di chuyển ra sao.
Ví dụ phản diện: "Một người đàn ông chạy hoảng loạn trên phố, cảnh quay rất điện ảnh."
Ví dụ tốt:
Cảnh 1: Quay nghiêng một con hẻm; người đàn ông bắt đầu chạy chậm rãi, có cảm giác thở gấp.
Cảnh 2: Người đàn ông làm đổ một quầy trái cây; máy quay rung lắc nhanh, cận cảnh khuôn mặt hoảng sợ.
Cảnh 3: Người đàn ông trèo qua bức tường thấp rồi biến mất; máy quay từ từ lùi xa, đóng băng ở con phố trống.
Quy tắc: dùng ký hiệu Cảnh 1/2/3 theo trình tự xảy ra (chính trước, phụ sau). Không giới hạn cứng thời lượng từng đoạn — ưu tiên để mô hình tự nhiên tạo nhịp điệu.
Mẹo Mô hình hỗ trợ thời gian chính xác (vd. 0–3 giây) chưa ổn định — ép giới hạn thời lượng có thể gây kết quả bất thường.
Mỗi cảnh nên tổ chức theo logic: chuyển động/chuyển cảnh máy quay ("toàn cảnh đẩy chậm vào", "máy cố định", "cắt sang...") → động tác & biểu cảm chủ thể → thay đổi vị trí/không gian → thông tin âm thanh (hiệu ứng, giọng nói, nhạc nền).
3. Yêu cầu mô tả động tác
Chi tiết hóa động tác cơ thể + lượng hóa mức độ — cụ thể đến tay, chân, đầu, vai, lưng, kèm biên độ/tốc độ/lực độ. Vd: từ từ giơ tay, quay đầu nhanh, đạp mạnh xuống đất, hơi cúi đầu.
Ưu tiên động tác nhỏ, chậm, liên tục — hạn chế động tác bộc phát mạnh (chạy nước rút, nhảy cao, lăn lộn). Vd: đi bộ chậm rãi, nhẹ nhàng giơ tay, ngồi xuống tự nhiên.
Bổ sung chuyển tiếp giữa các động tác — ghi rõ quán tính, sự tiếp nối. Vd: tận dụng quán tính khi quay người để thuận thế giơ tay lên.
Cụ thể hóa cảm xúc thành chi tiết cơ thể thay vì từ trừu tượng ("rất buồn", "cực kỳ giận").
| Cảm xúc trừu tượng | Ngoại hiện thành động tác & chi tiết |
|---|---|
| Buồn | cúi đầu, vai hơi run, khóe mắt ửng đỏ, ngón tay vô thức nắm chặt vạt áo, nước mắt chực trào nhưng chưa rơi |
| Vui | khóe miệng không kìm được nhếch lên, ánh mắt giãn ra, bước chân nhẹ nhàng, vô thức ngân nga, xoay vòng tại chỗ |
| Căng thẳng/lo lắng | liên tục nhìn đồng hồ, ngón tay gõ nhịp trên bàn, thở gấp, ánh mắt né tránh, vô thức cắn móng tay |
| Giận dữ | nắm chặt hai tay, quai hàm căng cứng, lồng ngực phập phồng, ánh mắt sắc như dao, nghiến răng nhả từng chữ |
| Nhẹ nhõm | thở dài một hơi sâu, vai thả lỏng hoàn toàn, nụ cười nhạt đã lâu không thấy, ngẩng đầu nhìn xa |
4. Từ khóa chuyển động máy quay
Mô hình hiểu rất tốt thuật ngữ chuyển động máy quay — dùng trực tiếp thuật ngữ quay phim chuẩn: trung cảnh, cận cảnh, toàn cảnh, đẩy máy chậm, lia ngang mượt mà, máy quay cố định.
Lưu ý Mỗi cảnh chỉ nên chỉ định 1 kiểu chuyển động máy quay — không yêu cầu đồng thời đẩy/kéo/lia/di chuyển vì sẽ làm tăng bất ổn định hình ảnh.
5. Từ khóa chất lượng hình ảnh, phong cách & ràng buộc
Là chìa khóa kiểm soát kết quả tạo video — xác định ranh giới sáng tạo, thống nhất chất lượng & tông nghệ thuật, tránh lỗi hình ảnh và sai lệch ngẫu nhiên.
- Chất lượng hình ảnh: độ nét, kết cấu chi tiết, chất lượng ánh sáng. Vd: HD, chi tiết phong phú, chất điện ảnh, màu sắc tự nhiên, ánh sáng dịu nhẹ.
- Phong cách: mỹ thuật tổng thể, tông màu. Vd: cyberpunk tông xanh-tím lạnh, phim cổ điển hoài cổ, phong cách Nhật Bản tươi mới.
- Từ khóa ràng buộc: tránh lỗi hình ảnh, biến dạng, yếu tố phi lý.
- Tránh phụ đề: "giữ không có phụ đề", "tránh tạo bất kỳ chữ viết hay phụ đề nào"
- Tránh Logo: "không tạo Logo"
- Tránh watermark: "không tạo watermark"
6. Ví dụ thực chiến
Đoản phim cảm xúc ký túc xá (thiên về thoại)
Tư liệu: @Ảnh 1 — ảnh bán thân nữ chính · @Ảnh 2 — bối cảnh ký túc xá · @Video 1 — tham chiếu chuyển động máy quay cho thoại trong nhà · @Âm thanh 1 — tiếng động môi trường/nhạc nhẹ
Mẹo khác
Tạo văn bản: Seedance 2.0 hỗ trợ tạo chữ thông dụng, tự động khớp phong cách/màu sắc theo ngữ cảnh, hoặc bạn chỉ định màu, phong cách, cách/thời điểm/vị trí xuất hiện. Ưu tiên chữ thông dụng, tránh chữ hiếm & ký hiệu đặc biệt. Hỗ trợ khẩu hiệu quảng cáo, phụ đề, bong bóng thoại.
Kéo dài video vs. ghép nối theo đoạn: Long-take liên tục (kéo dài) phù hợp "cảnh thoại" trong một bối cảnh — hội thoại dài, diễn tiến cảm xúc, di chuyển một tuyến — cho hiệu ứng một-cú-máy liền mạch. Bước ngoặt cảnh/hành động (ghép nối theo đoạn) phù hợp rượt đuổi, đánh nhau, montage — tạo clip độc lập rồi dựng ghép để giữ nhịp điệu. Thực tế thường kết hợp cả hai.
Chiến lược cấu hình tư liệu: chia thành 4 vai trò — neo nhân vật (khóa ngoại hình), định tông bối cảnh (khóa môi trường/phong cách), tham chiếu chuyển động máy quay (khóa ngôn ngữ ống kính/nhịp động tác), không khí nhịp điệu (âm thanh kiểm soát cảm xúc/âm sắc). Khuyến nghị 4–5 tư liệu: 1–2 ảnh nhân vật + 1 ảnh bối cảnh + 1 video chuyển động máy quay + 1 đoạn âm thanh. Mẹo Không nên dùng hết giới hạn — quá nhiều tư liệu khiến mô hình khó phán đoán ưu tiên, dễ xung đột phong cách.
Lưu ý
Chuẩn ngôn ngữ: lời thoại cần thống nhất, tránh trộn tiếng Trung/Anh (trừ danh từ riêng).
Chuẩn ký tự đặc biệt — dùng hợp lý ký hiệu giúp mô hình hiểu đúng loại thông tin:
| Loại thông tin | Ký hiệu | Ví dụ |
|---|---|---|
| Âm nhạc | （） | （nhạc rock nhịp nhanh đang phát ở nền） |
| Hiệu ứng âm thanh | <> | <tiếng chó sủa vọng lại từ xa> |
| Lời thoại | {} | {Xin chào, thế giới}. Nếu là ngôn ngữ hiếm (khác Trung/Anh) cần ghi chú: nói bằng tiếng Nhật {こんにちは} |
| Phụ đề | 【】 | 【Chương một: Khởi hành】 |
Câu hỏi thường gặp
Trôi ID nhân vật
Triệu chứng: ngoại hình nhân vật tạo ra không khớp ảnh tham chiếu, hoặc "đổi mặt" giữa video, khiến nhân vật giống người nổi tiếng và bị chặn kiểm duyệt.
Nguyên nhân: ảnh tham chiếu mặt bị trộn lẫn với ảnh dáng/trang phục/chi tiết trong cùng 1 ảnh, hoặc tỷ lệ khuôn mặt quá nhỏ khiến mô hình gán trọng số không đủ.
Giải pháp: chuẩn bị thêm ảnh cận mặt riêng (chỉ giữ khuôn mặt, không biểu cảm, ít nhiễu nền); định nghĩa chủ thể rõ trong prompt (vd: "Chủ thể 1 — mặt tham chiếu ảnh 1 (cận mặt), trang điểm/tạo hình tham chiếu ảnh 2 (toàn thân)"); đặt tư liệu quan trọng lên trước. Chỉ cần ảnh chân dung + toàn thân, không nên dùng ảnh đa góc nhìn (dễ bị hiểu nhầm thành nhiều chủ thể, làm trôi ID nặng hơn).
Xuất hiện phụ đề ngoài ý muốn
Chưa thể tránh 100%, chỉ giảm xác suất: thêm ràng buộc rõ ("giữ không có phụ đề", "tránh tạo bất kỳ chữ hay phụ đề nào"); xóa chữ thừa trong ảnh/video tham chiếu trước bằng công cụ chỉnh sửa; ưu tiên tạo khổ ngang (xác suất sinh phụ đề thấp hơn khổ dọc) rồi cắt lại sau.
Xuất hiện Logo/watermark
Thêm ràng buộc rõ vào prompt: "không tạo watermark", "không tạo Logo".
Trôi phong cách
Triệu chứng: muốn anime 2D/3D nhưng ảnh tham chiếu tả thực và prompt không nhấn mạnh phong cách → video có thể trôi sang tả thực người thật.
Giải pháp: thêm từ khóa ràng buộc phong cách rõ ràng (vd "phong cách anime Nhật 2D", "truyện tranh Trung Hoa 3D"); nếu cần chính xác hơn, chuyển ảnh tham chiếu sang phong cách mục tiêu trước khi tạo video.
Giật hình tại điểm nối khi kéo dài video
Khắc phục ở hậu kỳ bằng căn khung hình chủ chốt: nhập video vào CapCut/phần mềm dựng phim; tại mỗi điểm nối, cắt 6 khung cuối của đoạn trước và 1 khung đầu của đoạn sau; xuất và kiểm tra độ mượt. Mẹo Nên kết thúc đoạn kéo dài đúng lúc chuyển cảnh, bắt đầu đoạn sau từ bối cảnh mới.
Nhân vật bị nhân đôi ("song sinh")
Triệu chứng: nhiều nhân vật + ảnh ba góc nhìn làm tham chiếu → dễ ra 2 nhân vật giống hệt trong cùng khung hình.
Giải pháp: định nghĩa rõ từng vai + ảnh tương ứng (vd "Trương Tam (ảnh 1) ném sổ về phía Lý Tứ (ảnh 2)"); thêm ràng buộc toàn cục cuối prompt ("cấm nhân vật trùng ngoại hình/trang phục, không tạo bản sao song sinh, mỗi khung chỉ 1 nhân vật tương ứng"); ưu tiên ảnh đơn người, không dùng đa góc nhìn; tránh dùng nguyên kịch bản dài làm prompt.
Suy giảm chất lượng khi kéo dài nhiều lần
Giảm nhẹ bằng: chuyển video gốc thành "video mô hình trắng" (white model, không màu/không kết cấu/không đổ bóng) bằng Seedance 2.0 trước khi kéo dài tiếp; ưu tiên ảnh độ phân giải cao; hạn chế kéo dài chồng lặp nhiều lần.
Hiệu ứng đặc biệt không như kỳ vọng
Vd: yêu cầu số "2999" đếm ngược nhưng số nhảy lộn xộn. Giải pháp: dùng video tham chiếu để định nghĩa hiệu ứng thay vì chỉ mô tả bằng chữ — mô hình hiểu chính xác hình thái/logic chuyển động hơn.
Quá nhiều nhân vật tham chiếu (>4 người)
Độ ổn định giảm, dễ sai số lượng/trùng lặp. Giải pháp: chia nhóm tối đa 4 người/ảnh, tạo ảnh từng nhóm trước, rồi dùng các ảnh nhóm đó làm tham chiếu để tạo video cuối cùng.
Tiếng ồn ở cuối video (khi có voiceover)
Tạo lại video, hoặc dùng volume envelope trong CapCut để fade-out âm lượng cuối track về 0, loại tạp âm cắt cụt.
Phát âm tiếng Trung không chính xác
Với chữ đa âm/hiếm dễ đọc sai, có thể thay bằng từ đồng âm thông dụng trong prompt (vd đổi "螭龙山" thành "吃龙山" cùng âm) — chỉ là giải pháp tối ưu, không tránh được 100%.
Âm sắc tham chiếu không chính xác
Bổ sung mô tả chi tiết đặc điểm âm sắc trong prompt (vd: "dùng âm sắc giọng nam trung niên trầm, ấm, hơi hạt mịn của @Âm thanh 1 để nói"); giữ phong cách lời thoại gần với ngữ điệu của âm thanh tham chiếu.
Phụ lục: Ví dụ Prompt
Tạo văn bản
Khẩu hiệu (Slogan)
Phụ đề
Bong bóng thoại
Tham chiếu ảnh
Đa góc nhìn chủ thể — Tham chiếu/Trích xuất/Kết hợp [Chủ thể] từ [Ảnh N] để tạo [Mô tả cảnh], giữ nhất quán đặc điểm [Chủ thể]
Đa ảnh (Logo, đa chủ thể, đa yếu tố)
Tham chiếu video
Động tác / chuyển động máy quay / hiệu ứng đặc biệt
Chỉnh sửa video
Kéo dài / hoàn thiện track Giới hạn tối đa 3 đoạn video đầu vào, tổng thời lượng ≤ 15 giây; mô hình tự cắt tỉa đoạn nối để hòa trộn liền mạch.
The Doubao/Dreamina Seedance 2.0 series (Seedance 2.0 series) model natively supports joint audio and video generation, with excellent semantic understanding and multimodal interaction capabilities. This article introduces how to write prompts for the Seedance 2.0 series model and related tips, helping you use the model more efficiently to generate high-quality videos that meet your needs.
Note All visual (image, video) and audio assets presented in this guide are autonomously generated by the Seedance/Seedream series visual generation models.
Basic formula
The Seedance 2.0 series model supports referencing multimodal assets such as videos, images, and audio at the same time. It can accurately lock in characteristics such as character appearance, action effects, visual style, and voice-over timbre. Reference-based video generation can be subdivided into three types of tasks: multimodal reference, editing videos, and extending videos. Choose the basic prompt formula according to the task type.
Multimodal reference
Extract some elements from the asset (subject, style, scene, sound effects) to generate a brand-new video. Applicable scenarios: action transfer, subject reuse, atmosphere reference.
Video editing
Make partial or global modifications based on the original video. Parts not mentioned remain unchanged by default. Applicable scenarios: local replacement, subject removal, attribute modification.
Video extension
Continue the original video along the time dimension, requiring the audio-video style, subject, and narrative to remain consistent. Applicable scenarios: continuing the plot, extending actions, completing clips.
Note For edit/extend video tasks, directly use "<Video_N>" to refer to the video. Do not use "reference <Video_N>", to avoid being incorrectly identified as a reference task.
Combined tasks
The above three types of tasks can also be used in combination. Applicable scenarios: reference one asset and edit another asset.
Advanced formula
Seedance 2.0 is essentially a multimodal AI director: it reads your text prompts, images, videos, and audio simultaneously, and internally breaks them down into two dimensions — the "spatial layer" (what is in the frame) and the "temporal layer" (how things change over time) — to understand and generate visuals.
Therefore, a good prompt is not simply "copywriting-style description", but an "engineering-style instruction": who, in what scene, doing what action, how the camera moves, and in what chronological order events occur are delivered respectively to the spatial layer and the temporal layer.
In simple terms, first lock in "who" is "doing what", then explain "where" and "what atmosphere", then tell the model "how to shoot", and finally tighten the result with style, image quality, and constraints.
1. Define the subject
One image often contains multiple subjects. To precisely reference a specific object in the asset, you must clearly define the subject — the subject can be a person, prop, scene, etc.
Core feature requirements: use 2–3 clear and stable static features (clothing, hairstyle, appearance, category) to describe the subject and ensure it can be uniquely identified.
Examples: "Define the woman wearing a red dress and a straw hat in Image 1 as Subject 1" / "...as Zhang Hong"
- For simple scenarios with undefined subjects, use <Subject_N>@<Image_N> each time to emphasize the binding relationship. Example: Zhang San@Image 1.
- For scenarios where subjects have been defined in advance, use the same label consistently each time.
- When using the asset library (Asset ID), still use <Image/Video_N> to refer to the subject — never use the Asset ID directly instead.
- Keep descriptions concise, avoid redundancy and semantic conflicts.
- Prefer expressing spatial relationships through reference images first, reducing complex text descriptions.
2. Shot sequencing
The model's internal modeling decouples space and time. The ideal prompt form for a complex video is a timeline-based storyboard: break the video into several shots, dynamically describing each in order: who + where + doing what + how the camera moves.
Negative example: "A man runs nervously down the street, and the scene feels very cinematic."
Positive example:
Shot 1: Side shot of a street alley; the man slowly starts running, with a sense of rapid breathing.
Shot 2: The man knocks over a fruit stand; the camera shakes quickly and gives a close-up of the man's frightened face.
Shot 3: The man climbs over a low wall and disappears; the camera slowly pulls back and freezes on the empty street.
Rules: use identifiers Shot 1/2/3 in the order events occur (primary first, secondary later). Do not impose strict duration limits per segment — let the model generate pacing naturally.
Tip The model's support for precise timing (e.g. 0–3 seconds) is unstable; forcibly limiting duration may lead to abnormal results.
Organize each shot by: camera movement/transition ("slowly push in from a wide shot", "fixed camera position", "cut to...") → subject actions and expressions → position/spatial changes → audio information (sound effects, voices, music).
3. Action description requirements
Body-movement refinement + degree quantification — specific to hands, legs, head, shoulders, back, plus range/speed/force. E.g.: slowly raise a hand, quickly turn the head, push hard off the ground, slightly lower the head.
Prioritize slow, gentle, continuous small movements — avoid high-burst, large-dynamic actions (sprinting, big jumps, violent rolls). E.g.: walk slowly, gently raise a hand, sit down naturally.
Supplement transitions between actions — specify inertia and continuity. E.g.: use the inertia of turning around to naturally raise a hand.
Concrete external expression of emotions — use physical details instead of abstract words ("very sad", "extremely angry").
| Abstract emotion | Externalized as actions and details |
|---|---|
| Sadness | lowering the head, shoulders trembling slightly, eyes reddening, fingers unconsciously clutching the corner of clothing, tears welling but not falling |
| Joy | corners of the mouth rising uncontrollably, brows and eyes relaxing, steps becoming light, unconsciously humming a tune, spinning in place |
| Nervousness/anxiety | frequently checking the watch, fingers tapping the tabletop, rapid breathing, eyes darting away, biting fingernails |
| Anger | both fists clenched, jawline tense, chest heaving violently, eyes sharp as knives, squeezing words through gritted teeth |
| Relief | letting out a long breath, tense shoulders relaxing, a long-lost faint smile, looking up toward the distance |
4. Camera movement prompts
The model has a strong understanding of camera movement terms — use standard terminology directly: medium shot, close-up, wide shot, slow push-in, smooth lateral tracking, fixed shot.
Note Specify only 1 type of camera movement per shot — don't require push, pull, pan, and move simultaneously, as it increases image instability.
5. Image quality, style and constraint words
Key to controlling video generation results — define creative boundaries, unify quality/tone, avoid visual flaws and random deviations.
- Image quality: clarity, detailed textures, lighting quality. E.g.: HD, rich details, cinematic texture, natural colors, soft lighting.
- Style: overall art style, visual tone. E.g.: cyberpunk cool blue-purple tone, retro film, fresh Japanese style.
- Constraint words: avoid visual flaws, deformities, unreasonable elements.
- Avoid subtitles: "keep it subtitle-free," "avoid generating any text or subtitles"
- Avoid Logo: "do not generate a logo"
- Avoid watermark: "do not generate a watermark"
6. Cases
Dormitory emotional short drama (dialogue-focused)
Assets: @Image 1 — half-body photo of the female lead · @Image 2 — dormitory scene reference · @Video 1 — camera movement reference for indoor dialogue · @Audio 1 — indoor ambient sound/light music
Other tips
Text generation: Seedance 2.0 supports generating common text, automatically matching style/color to context, or you can specify color, style, and appearance timing/position. Prioritize common characters, avoid rare characters and special symbols. Supports ad slogans, subtitles, speech bubbles.
Video extension vs. segmented stitching: Continuous long take (extension) suits "dialogue scenes" within a single scene — long conversations, emotional progression, movement along a single path — for an immersive one-shot effect. Scene/action turning points (segmented stitching) suit plot turns or fast-paced "action scenes" — chases, fights, montages — generating independent clips then editing together. In practice the two are usually combined.
Asset configuration strategy: assets divide into four functional roles — character anchoring (lock appearance), scene tone-setting (lock environment/style), camera movement reference (lock shot language/rhythm), rhythmic atmosphere (audio controls emotion/timbre). Recommended: 4–5 assets total — 1–2 character images + 1 scene image + 1 camera movement video + 1 audio clip. Tip Don't use the full asset limit — too many assets make it hard for the model to judge priority, causing style conflicts.
Things to notice
Language standards: dialogue language must be consistent, avoid mixing Chinese and English (except proper nouns).
Special character standards — reasonable use of symbols helps the model understand information types:
| Information type | Symbol | Example |
|---|---|---|
| Music | （） | （fast-paced rock music is playing in the background） |
| Sound effect | <> | <dog barking can be heard in the distance> |
| Dialogue | {} | {Hello, world}. If in a less common language, mark it: says in Japanese {こんにちは} |
| Subtitles | 【】 | 【Chapter One: Departure】 |
FAQ
Character ID drifting
Symptoms: generated appearance inconsistent with reference, or "face swapping" mid-video, causing resemblance to a celebrity and review blocks.
Cause: face reference mixed into one image with pose/outfit/detail references, or face occupies too small a proportion so the model under-weights it.
Solution: prepare a separate close-up face image (headshot only, no expression, minimal background); clearly define the subject ("Subject 1 — facial reference Image 1 (headshot), styling reference Image 2 (full-body)"); place important assets earlier in the prompt. Headshot + full-body is sufficient — don't use multi-view images (the model may treat different angles as different subjects, worsening drift).
Unexpected subtitles
Cannot be 100% avoided, only reduced: add explicit constraints ("keep it subtitle-free," "avoid generating any text or subtitles"); remove unneeded text from reference assets first with editing tools; prefer landscape generation (lower subtitle probability than portrait), crop afterward.
Logo or watermark appears
Add explicit constraints: "do not generate watermarks," "do not generate Logos."
Style drifting
Symptoms: expecting 2D/3D anime but reference image is realistic and prompt doesn't emphasize style → output may drift to live-action realism.
Solution: add explicit style constraint words ("2D Japanese anime style," "3D Chinese-style comic"); for more precise control, convert the reference image to the target style first.
Jump cuts at extension transition points
Fix in post by keyframe alignment: import into CapCut/editing software; at each join, trim 6 frames from the end of the previous segment and 1 frame from the start of the next; export and check smoothness. Tip End extended segments right at a transition cut, start the next from the new scene.
Duplicated characters ("twins")
Symptoms: many characters + three-view reference images → two identical characters may appear in frame.
Solution: clearly define each role with its reference ("Zhang San (Image 1) throws the passbook toward Li Si (Image 2)"); add a global constraint at the end ("prohibit identical-appearance/clothing characters, no duplicate/twin effect, only one corresponding character per frame"); prefer single-person reference photos, avoid multi-view; avoid using a full script verbatim as the prompt.
Quality degradation on repeated extension
Mitigate by converting the source video to a "white model" video (no color/texture/shadow) via Seedance 2.0 before further extension; prefer HD reference images; limit repeated stacked extensions.
Special effects don't match expectations
E.g. a "2999" countdown that jumps disorderly instead of counting down properly. Solution: define the effect via a reference video instead of text alone — the model understands motion logic more accurately.
Too many reference characters (>4)
Stability drops, wrong headcount or duplicates may occur. Solution: group people into batches of ≤4, generate images per group first, then use those grouped images as reference for the final video.
Noise at the end of the video (with narration)
Regenerate, or use a volume envelope in CapCut to fade the ending track to 0, eliminating cut-off noise.
Inaccurate Chinese pronunciation
For polyphonic/rare characters prone to mispronunciation, substitute a common homophone in the prompt — an optimization, not a full guarantee.
Inaccurate voice reference
Add detailed voice-characteristic descriptions to the prompt (e.g. "use the low, thick, warm, finely-grained middle-aged male voice of @Audio 1 to say"); keep line delivery close to the reference audio's tone.
Appendix: Prompt examples
Text generation
Slogans
Subtitles
Speech bubbles
Image reference
Multi-perspective subject reference — Refer to/Extract/Combine/Use the [Subject] from [Image N] to generate [Scene Description], maintaining consistent [Subject] features.
Multi-image reference (Logo, multi-subject, multi-element)
Video reference
Motion / camera motion / special effects reference
Video editing
Extending / completing tracks Limit max 3 video clips as input, total duration ≤ 15 seconds; the model automatically trims connecting segments for a seamless synthesis.
Doubao Seedance 2.0 系列（下文简称 Seedance 2.0 系列）模型原生支持音频与视频联合生成，拥有卓越的语义理解与多模态交互能力。本文介绍 Seedance 2.0 系列模型的提示词（Prompt）使用方法和相关技巧，帮助您更高效地利用该模型生成符合需求的优质视频作品。
注意 本指南中呈现的所有视觉（图片、视频）及音频素材，均由 Seedance/Seedream 系列视觉生成模型自主生成。
基础公式
Seedance 2.0 系列模型支持同时参考视频、图片、音频等多模态素材，能精准锁定人物样貌、动作特效、视觉风格、配音音色等特征。参考生视频可细分为三类任务：多模态参考、编辑视频和延长视频。您可根据任务类型选择提示词基础公式。
多模态参考
从素材中提取部分元素（主体、风格、场景、音效），生成一个全新视频。适用场景：动作迁移、主体复用、氛围借鉴等。
编辑视频
在原视频基础上进行局部或全局修改。未提及的部分，默认保持不变。适用场景：局部替换、主体抹除、属性修改等。
延长视频
在时间维度上延续原视频，要求音视频风格、主体与叙事保持一致。适用场景：续写剧情、延展动作、补全片段等。
注意 编辑/延长视频任务，直接使用"<视频N>"指代视频，请勿使用"参考<视频N>"，以免被误判为参考任务。
组合任务
上述3种任务也支持组合使用。适用场景：参考某个素材，编辑另一个素材。
进阶公式
Seedance 2.0 本质上是一个多模态 AI 导演：同时读取你的文字提示词、图片、视频、音频，并在内部拆成"空间层"（画面里有什么）和"时间层"（事情如何随时间变化）两个维度来理解和生成画面。
因此，好的提示词不是单纯的"文案型形容"，而是"工程型指令"：谁、在什么场景、做什么动作、镜头如何运动、按怎样的时间顺序发生，分别投递给空间层和时间层。
简单说就是，先锁定"谁"在"干什么"，再交代"在哪""什么氛围"，然后告诉模型"怎么拍"，最后用风格、画质和约束条件把结果收紧。
1 定义主体
一张图片中往往存在多个主体，为了精准引用素材中的特定对象，必须进行明确的主体定义。主体可以是人物、道具、场景等。
核心特征要求：使用 2–3 个清晰、稳定的静态特征（服饰、发型、外观、类别）进行描述，确保唯一可识别性。
示例："将图片1中穿红色连衣裙、戴草帽的女人定义为主体1" / "...定义为张红"
- 对于未定义主体的简单场景，每次提到主体时使用<主体N>@<图片N>，强调主体和素材的绑定关系。例如：张三@图片1。
- 对于已提前定义主体的场景，每次提到主体时都应使用同一标签。
- 使用素材库（Asset ID）时，仍需使用<图片/视频N>指代主体，不得直接以 Asset ID 替代。
- 描述尽量简洁，避免冗余，避免语义冲突。
- 空间关系建议优先通过参考图表达，减少复杂文字描述。
2 使用分镜时序
模型的内部建模是空间和时间解耦的。一个复杂视频的提示词，最理想的形态是时间轴化分镜：把视频拆成几个分镜，按事件发生顺序动态描述每个分镜：谁 + 在哪 + 做什么 + 镜头怎么动。
反面案例："男人在街头紧张地奔跑，画面很有电影感。"
正面案例：
镜头 1：街巷侧拍，男人缓慢起跑，带有急促的呼吸感。
镜头 2：男人撞翻水果摊，镜头快速摇动并给到男人惊恐的特写。
镜头 3：男人翻过矮墙消失，镜头缓慢拉远定格在空荡的街道。
具体规则：使用镜头1、镜头2、镜头3等标识，按事件发生顺序（先主后次）组织内容。不强制限制每段时长，优先让模型根据剧情自然生成节奏。
说明 模型对精确时间（如 0–3 秒）的支持不稳定，强行限制时长可能导致生成结果异常。
每个镜头推荐按以下逻辑组织：运镜或镜头切换方式（"全景缓慢推近""固定机位""镜头切至…"）→ 主体动作与表情 → 位置或空间变化 → 音频信息（音效、人声、背景音乐）。
3 动作描述要求
肢体细化 + 程度量化 —— 具体到手、腿、头部、肩背，同时补充幅度、速度、力度。示例：缓慢抬手、快速转头、用力蹬地、微微低头。
优先低缓连续小动作 —— 规避狂奔、大跳、剧烈翻滚等高爆发动作。示例：缓慢行走、轻轻抬手、顺势坐下。
补充动作过渡衔接 —— 写明前后动作的惯性与承接关系。示例：借着转身惯性顺势抬手。
情绪具象外化表达 —— 用具体身体细节表现情绪，替代"很悲伤""非常愤怒"这类抽象词汇。
| 抽象情绪 | 外化为动作与细节 |
|---|---|
| 悲伤 | 低头、肩膀微微颤抖、眼眶泛红、手指无意识地攥紧衣角、泪水在眼眶里打转但没有落下 |
| 喜悦 | 嘴角抑制不住地上扬、眉眼舒展、脚步变得轻快、下意识地哼起小曲、忍不住原地转个圈 |
| 紧张/焦虑 | 频繁地看手表、手指不停敲击桌面、呼吸急促、眼神闪躲、无意识地啃咬指甲 |
| 愤怒 | 双拳紧握、下颌线紧绷、胸口剧烈起伏、眼神如刀般锐利、从牙缝里挤出话语 |
| 释然 | 长长地舒了一口气、紧绷的肩膀完全放松下来、脸上露出久违的淡淡的微笑、抬头望向远方 |
4 运镜写法
模型对运镜词理解力很强，直接使用标准运镜术语即可，例如"中景、特写、全景、缓慢推镜、平稳横移、固定镜头"。
注意 一个镜头里尽量只指定 1 种运镜方式，不要同时要求推拉摇移，会增加画面的不稳定性。
5 画质、风格与约束词
是把控视频生成效果的关键，能够为模型划定创作边界、统一画质与美术调性，同时规避画面瑕疵与随机偏差。
- 画质：定义画面清晰度、细节纹理与光影质感。示例：高清，细节丰富，电影质感，色彩自然，光影柔和。
- 风格：设定整体美术画风与视觉调性。示例：赛博朋克冷蓝紫色调、复古胶片、日系清新。
- 约束词：有效规避画面瑕疵、畸形崩坏及不合理元素。
- 避免生成字幕："保持无字幕"、"避免生成任何文字或字幕"
- 避免生成 Logo："不要生成Logo"
- 避免生成水印："不要生成水印"
6 实战案例
宿舍情感短剧（偏文戏/对话）
素材：@图片1 女主半身照 · @图片2 宿舍场景参考图 · @视频1 室内对话运镜参考 · @音频1 室内环境声/轻音乐
其他技巧
文字生成：Seedance 2.0 支持生成常用文字，模型能根据情境自动匹配合适的风格与颜色，也支持在提示词中指定文字的颜色、风格、出现方式、时机、位置。编写时请优先使用常用字，避免生僻字与特殊符号。当前支持广告语、字幕、气泡等场景。
视频延长 vs 分段拼接：连续长镜头（视频延长）适用于单一场景内的"文戏"，如长对话、情绪递进、单一路径移动，实现沉浸式一镜到底效果。场景/动作转折（分段拼接）适用于剧情转折或复杂快速的"武戏"，如追逐、打斗、蒙太奇，独立生成片段再剪辑组合。实际制作中通常结合两种方式。
素材配置策略：通常把素材分成四种"功能角色"：角色锚定（锁定外观）、场景定调（锁定环境与风格）、运镜参考（锁定镜头语言与动作节奏）、节奏氛围（用音频控制情绪、音色）。推荐配置（总计4-5个素材）：角色图1-2张 + 场景图1张 + 运镜视频1段 + 音频1段。说明 不建议用满素材上限，过多素材易导致风格冲突、主体识别模糊。
注意事项
语言规范：台词语言需统一，避免中英文混用（专有名词除外）。
特殊字符规范 —— 合理使用符号有助于模型准确理解不同信息类型：
| 信息类型 | 符号 | 示例 |
|---|---|---|
| 音乐 | （） | （背景中播放着快节奏的摇滚乐） |
| 音效 | <> | <远处传来狗叫声> |
| 台词 | {} | {你好，世界}。若为小语种需标注语种：用日语说道{こんにちは} |
| 字幕 | 【】 | 【第一章：启程】 |
常见问题
人物 ID 漂移
典型现象：生成的角色形象与参考图不一致，或在视频中途发生"换脸"，导致人物撞脸明星被审核拦截。
根因：人脸参考图与全身/半身、服装、细节图混用在同一张图片中；或人脸占比过小，模型提取特征时权重不够。
解决方案：额外准备只包含头部的人脸特写图（大头照、无表情、少干扰）；提示词中主体定义清晰（"主体1的面部特征参考图片1（大头照），妆造参考图片2（全身照）"）；重要素材前置。人物参考用大头照+全身照即可，不建议使用多视图（易被识别为多个主体，加剧漂移）。
视频中包含字幕
目前无法直接做到100%避免，只能降低概率：加入明确约束指令（"保持无字幕""避免生成任何文字或字幕"）；参考素材中非必要文字先用工具去除；优先横屏生成（横屏生成字幕概率明显低于竖屏），后续再裁剪。
视频中有 Logo/水印
加入明确约束指令："不要生成水印"、"不要生成Logo"。
风格漂移
典型现象：期望2D/3D动漫风格，但参考图偏写实且提示词未强调风格，生成结果可能漂移成真人写实风格。
解决方案：加入明确风格约束词（"2D日漫风格""3D国风漫画"）；需更精准控制时，先将参考图转为目标风格再生视频。
延长视频衔接处跳变
通过后期剪辑修补，对齐关键帧：导入剪映等软件；每个衔接处，前一段末尾删减6帧，后一段开头删减1帧；导出检查流畅度。说明 建议续写视频以转场切镜时刻结尾，下一段以切镜后新场景开始。
双胞胎问题
典型现象：人物较多且传入三视图作为参考时，易在同一画面出现两个完全相同的人物。
解决方案：明确定义每个角色与参考图对应关系（"张三（对应图片1）...李四（对应图片2）"）；提示词末尾加全局约束（"禁止外形/着装/配饰完全一致的人物，禁止双胞胎效果，同一画面仅保留单个对应人物"）；人物参考优先单人照，不用三视图；不要直接用完整剧本做提示词。
视频延长画质劣化
可通过以下方式缓解：先用 Seedance 2.0 把原始视频转为"白模视频"（无色彩、无纹理、无阴影）再作续写输入；优先高清参考图；合理控制续写次数，避免多次叠加。
特效效果不符合预期
如指定数字"2999"倒计时动画，实际却无序跳变。解决方案：用参考视频定义特效，而非仅用文字描述，让模型精准理解特效形态与运动逻辑。
参考人物过多（超过4人）
模型输出稳定性下降，易出现人数不符或重复。解决方案：分组生成，每组不超过4人，先生成分组图片，再用这些图片作为参考生成最终视频。
视频结尾有噪音（含旁白时）
重新生成，或用剪映等工具通过音量包络线对片尾音轨做淡出处理，消除截断噪音。
中文发音不准
对多音字、生僻字，可替换为发音一致的常用同音字，规避发音偏差——仅为优化手段，无法完全避免。
音色参考不准
在提示词中补充细致的音色特征描述（如"使用@音频1低厚温润带细碎颗粒感中年男声的音色说"）；保持台词风格与参考音频的语气接近。
附录：提示词案例
文字生成
广告语（Slogan）
字幕
气泡台词
图片参考
主体多视角图参考 —— 参考/提取/结合/使用[主体]从[图片N]生成[场景描述]，保持[主体]特征一致
多图参考（Logo、多主体、多元素）
视频参考
动作参考 / 运镜参考 / 特效参考
视频编辑
延长 / 轨道补齐 限制 最多支持3段视频输入，总时长不超过15秒；模型自动截取衔接部分进行合成。
02Hướng dẫn theo 6 nhóm Use Case
ByteDance chưa công bố tài liệu chính thức tách riêng theo 6 nhóm này — nội dung dưới đây được tổng hợp và dịch từ các trang hướng dẫn / thư viện prompt uy tín của bên thứ ba (fal.ai, GitHub awesome-seedance, imagine.art, videoai.me...), diễn giải lại theo văn phong riêng, kèm liên kết nguồn để bạn đối chiếu.
🎞 Animation
Anime · 2D/3D · CGIĐây là một trong những use case mạnh nhất của Seedance 2.0. Nhờ hỗ trợ tới 9 ảnh tham chiếu để khóa nhận dạng nhân vật, tạo nhiều cảnh liên tiếp (~15s/clip) và audio/lip-sync gốc, mô hình dùng tốt cho anime, phim ngắn 2D cel-shaded, CGI kiểu 3D/Pixar, claymation, mực vẽ manga và phong cách pha trộn trong cùng một dự án. Mô hình giỏi animate lại artwork đã định hình phong cách (qua ảnh tham chiếu) hơn là tự sáng tác thiết kế nhân vật hoàn toàn mới chỉ từ text — vì vậy nên dựng trước một "bộ tham chiếu nhân vật" (character sheet) nếu muốn giữ nhất quán qua nhiều cảnh/phong cách.
Ví dụ prompt (diễn giải lại, có thể tùy biến):
Mẹo thực chiến:
- Dựng trước một "bộ tham chiếu nhân vật" (pose chính + trang phục/đạo cụ) bằng model ảnh, ánh sáng đều phẳng, rồi gắn nhất quán qua các cảnh — đây là yếu tố quyết định nhất cho tính nhất quán.
- Dùng từ khóa phong cách cụ thể thay vì mơ hồ: "cel-shaded, viền nét đậm, bảng màu giới hạn" hoặc "mực manga seinen thập niên 80-90, cross-hatching, chấm screentone" hiệu quả hơn "cảm giác anime chill".
- Với 2D/anime phẳng, yêu cầu "giữ pose chốt" (held key poses) hoặc "nhịp dứt khoát" thay vì chuyển động mượt — làm mượt quá tay sẽ mất chất anime; để ý hiện tượng viền "nhảy" (line boil) và màu "rung" (color crawl) ở chi tiết nhỏ.
- Mỗi cảnh một hành động rõ ràng — đừng gộp biến hình + chiến đấu + cao trào cảm xúc vào một lần tạo; tách thành nhiều clip rồi dựng ghép.
- Không nên chồng quá nhiều từ khóa phong cách — chọn một phong cách, một tâm trạng, một chuyển động máy quay cho mỗi cảnh.
Nguồn: fal.ai prompting guide · imagine.art 70-prompt guide · invideo.io · atlascloud.ai, videoweb.ai, higgsfield.ai (thư viện prompt phim ngắn AI)
📣 Commercial
Product ad · BrandBao gồm hero-shot sản phẩm, TVC thương hiệu, video quảng cáo nhiều cảnh — đồ uống, mỹ phẩm, giày, thiết bị điện tử. Seedance 2.0 mạnh ở các "money shot" mô phỏng vật lý (chất lỏng bắn tóe, hơi nước ngưng tụ, va chạm vật liệu), và hỗ trợ chuỗi cảnh quảng cáo có cấu trúc (mở màn → chi tiết → hành động → gắn thương hiệu). Cấp ảnh tham chiếu giúp khóa hình dáng/nhãn/màu sản phẩm xuyên suốt nhiều biến thể quảng cáo và nhiều định dạng nền tảng (15s/30s, dọc/ngang).
Ví dụ prompt (diễn giải lại):
Mẹo thực chiến:
- Mở đầu bằng một hành động hero rõ ràng (rót, bắn tóe, bật nắp) — động từ chuyển động hiệu quả hơn xếp chồng tính từ.
- Gán rõ ảnh tham chiếu ("giữ hình dáng/nhãn sản phẩm theo ảnh này, chuyển động máy quay theo clip này") để sản phẩm không đổi dạng giữa các cảnh.
- Mô tả ánh sáng như một setup cụ thể ("viền sáng cứng", "studio mềm + viền sáng") thay vì từ cảm tính — hiệu quả hơn nhiều cho cảm giác cao cấp.
- Kiểm soát âm thanh trực tiếp: gọi tên âm thanh diegetic muốn có (tiếng bật, tiếng sủi), và ghi rõ "không nhạc/không voiceover" nếu không muốn mô hình tự chèn nhạc nền.
- Với quảng cáo dài, nên chia thành chuỗi cảnh (shot sequence) thay vì một long-take liên tục để giữ mạch kể chuyện.
Nguồn: fal.ai · imagine.art · invideo.io · help.apiyi.com · github.com/ZeroLu/awesome-seedance
👗 Fashion
Lookbook · GRWM · Try-onGồm clip lookbook người mẫu sải bước, GRWM (get-ready-with-me), thử/đổi trang phục, và các đoạn "quét" trang phục kiểu editorial. Seedance 2.0 xử lý tốt dáng đi tự nhiên và chuyển động vải (bay, rủ, hồi phục dáng), có thể giữ nhất quán khuôn mặt/trang phục qua nhiều góc hoặc nhiều bộ outfit nếu cấp ảnh tham chiếu — hữu ích cho showcase đa góc hoặc đa outfit. Mô hình cũng dựng tốt các chuyển động máy quay kiểu editorial (tracking shot, quét từ đầu đến chân) và ánh sáng kiểu sàn diễn.
Ví dụ prompt (diễn giải lại):
Mẹo thực chiến:
- Gọi tên chất liệu và trang phục cụ thể ("lụa xanh ngọc", "blazer len cấu trúc") — mô tả vải chung chung dễ cho kết quả rủ vải không nhất quán.
- Giữ đoạn đi ngắn (khoảng 4-5 bước) thay vì cả đường catwalk dài — đi dài dễ trôi dáng đi/nhận dạng nhân vật.
- Neo ánh sáng rõ ràng (giờ vàng, ánh sáng cửa sổ, đèn sân khấu) và giới hạn bảng màu vài tông để giữ cảm giác editorial thống nhất.
- Cấp ảnh tham chiếu khuôn mặt/outfit và ghi rõ "giữ khuôn mặt và trang phục nhất quán" để tránh đổi nhận dạng hoặc đổi đồ giữa clip.
- Ưu tiên động từ chuyển động (xoay, tung bay, kéo dài, quay người) hơn tính từ khen ("tuyệt đẹp", "lộng lẫy") để mô hình có hướng dẫn cụ thể.
Nguồn: fal.ai · imagine.art · invideo.io · videoai.me/blog (Seedance 2.0 fashion prompts) · github.com/ZeroLu/awesome-seedance
🎛 Motion Design
Motion graphics · Kinetic typeSeedance 2.0 xử lý motion graphics như một phần mở rộng của cách "đạo diễn một cảnh" nói chung, chứ không phải chế độ riêng biệt — mạnh ở logo reveal, quét ánh sáng (light sweep), đẩy máy vào (push-in), biến hình khối/hạt (shape/particle morph), và kinetic typography đồng bộ theo nhịp nhạc, đặc biệt khi bạn chia mốc thời gian rõ ràng và gắn nhịp hình ảnh với cue âm thanh. Không có "từ vựng" motion-graphics riêng trong các guide hiện có — kết quả tốt nhất thường mượn cấu trúc từ công thức quảng cáo và beat-sync hơn là ngôn ngữ "điện ảnh".
Ví dụ prompt (diễn giải lại):
Mẹo thực chiến:
- Chia clip dài thành các đoạn mốc thời gian rõ ràng (0–4s / 4–8s...) thay vì viết một đoạn văn liên tục — đây là cấu trúc được khuyến nghị nhất quán nhất trong các nguồn.
- Ưu tiên động từ và chuyển động cụ thể thay vì tính từ tâm trạng — theo fal.ai, "chuyển động là thứ mô hình sẽ animate, nên dồn từ ngữ vào động từ".
- Với typography, chỉ rõ thứ tự phân cấp (chữ nào vào trước, mỗi dòng giữ bao lâu) và đồng bộ theo nhịp nhạc — coi chữ là công cụ kể chuyện, không phải trang trí.
- Tách vai trò tham chiếu khi có thể: một tư liệu cho nhịp camera/chuyển động, một tư liệu khác cho chủ thể/nội dung — để có thể mượn hiệu ứng chuyển cảnh độc lập với nội dung.
- Tránh chồng nhiều phép biến đổi đồng thời (scale + xoay + đổi vị trí cùng lúc) lên chữ — sẽ làm giảm độ rõ.
Nguồn: fal.ai · github.com/ZeroLu/awesome-seedance · capcut.com/ideas (logo & text animation với Seedance 2.0) · chatcut.io/blog/seedance-2-prompt-guide
📱 UGC
TikTok/Reels · Talking-headNhóm nội dung kiểu creator trên TikTok/Reels — review sản phẩm nói thẳng vào camera, unboxing, vlog đời thường. Thế mạnh của Seedance 2.0 ở đây là tạo ra sự "chân thực có chủ đích": khung hình cầm tay kiểu iPhone, ánh sáng tự nhiên (không phải studio), lời thoại ngắn đồng bộ, và các chi tiết "không hoàn hảo" nhỏ khiến video trông như thật thay vì như quảng cáo dàn dựng.
Ví dụ prompt (diễn giải lại):
Mẹo thực chiến — "6 thành phần" (theo videoai.me/starpop.ai):
- Danh tính máy quay (camera identity) — vd "UGC creator, cầm tay iPhone"
- Neo chủ thể (subject anchor) — mô tả rõ người nói/sản phẩm
- Chi tiết địa điểm (location details)
- Nhịp hành động (action beats)
- Ánh sáng (lighting)
- Danh sách cue phủ định (negative cue list) — vd "không nhạc, không logo, không chữ trên màn hình"
Thiếu một trong 6 yếu tố trên, kết quả có xu hướng trôi về hướng "quảng cáo studio bóng bẩy" thay vì UGC chân thực. Mở đầu prompt bằng các từ khóa định hướng phong cách ("UGC creator, cầm tay iPhone, [điều kiện ánh sáng]") trước khi thêm chi tiết cảnh, để định hướng mô hình ngay từ đầu. Đặt lời thoại trong ngoặc kép ngay sau cue hành động (vd: "nhìn vào camera, nói: '...'") để đồng bộ lip-sync tốt hơn; câu ngắn, chia theo từng cảnh cắt. Thêm các cue "không hoàn hảo" (gió nhẹ, rung tay, độ sâu trường ảnh nông) thay vì tính từ bóng bẩy; để nhất quán sản phẩm, nên cấp nhiều ảnh tham chiếu thay vì chỉ mô tả bằng chữ.
Nguồn: videoai.me — Seedance 2.0 UGC prompts · starpop.ai · fal.ai · github.com/ZeroLu/awesome-seedance · imagine.art
🎮 Video Game
Cinematic · Trailer · PrevizStudio game và người làm nội dung dùng Seedance 2.0 để biến concept art, character sheet, moodboard môi trường có sẵn thành bản previz chuyển động — nói cách khác là "làm sống dậy" tài sản studio đã có sẵn thay vì tạo mới từ đầu. Dùng cho mockup trailer kiểu AAA, previz cutscene theo phong cách in-engine ("Unreal Engine 5"), và làm sống động nhân vật IP game cho mục đích marketing. Khả năng nhận nhiều tham chiếu cùng lúc (tới 9 ảnh, 3 video, 3 audio) cho phép kết hợp ảnh thiết kế nhân vật, ảnh môi trường và track nhạc/SFX vào cùng một cảnh điện ảnh.
Ví dụ prompt (diễn giải lại):
Mẹo thực chiến:
- Đưa thẳng concept art/character sheet làm ảnh tham chiếu thay vì chỉ mô tả thiết kế bằng chữ — giữ đúng tỷ lệ, chi tiết giáp, bảng màu.
- Dùng từ vựng camera cụ thể ("dolly chậm tiến vào", "góc trên cao", "cầm tay tracking", "rack focus") — các từ mơ hồ như "quay phim hoành tráng" cho kết quả kém hơn.
- Tận dụng từ khóa thể loại: "Unreal Engine 5", "cinematic", "color grading cam-xanh lục", "hạt phim", "cel-shaded" (cho game phong cách anime) để định hướng render giống trailer game.
- Tránh các từ như "nhanh", "gấp gáp" cho chuyển động — thường làm giảm độ chi tiết; mô tả kết quả thay vì tốc độ (vd "tia lửa bắn ra khi va chạm").
- Giữ mỗi cảnh chiến đấu/hành động một nhịp rõ ràng, nối nhiều lần tạo ngắn lại với nhau thay vì yêu cầu cả trận chiến trong một prompt — cảnh đông người/nhiều hành động đồng thời vẫn dễ giảm chất lượng.
Nguồn: imagine.art (mẫu AAA game-style fight) · picxstudio.com (mẫu chuỗi cảnh game đối kháng 2D) · các bài viết về studio game dùng Seedance 2.0 cho trailer/cutscene previz (nguồn phụ, độ tin cậy thấp hơn do một số trang chặn truy cập trực tiếp)