Seedance 2.0: Charakterkonsistenz mit Referenzen und Stimme

Charakterkonsistenz ist der Grund, warum Seedance 2.0 seine heutige Form hat: Das Modell nimmt in einer Generierung bis zu 9 Bilder, 3 Videoclips und 3 Audiospuren als Referenzen entgegen^[1]. ByteDances eigener Prompt-Leitfaden dokumentiert außerdem eine Syntax, mit der sich ein Motiv an bestimmte Referenzbilder binden lässt^[2]. Der größte Teil der Frustration in Community-Diskussionen („dieselbe Figur sah danach anders aus“, „mein zweites Referenzbild wurde ignoriert“) geht auf Regeln zurück, die tatsächlich niedergeschrieben sind, aber fast nie gelesen werden.

Dieser Leitfaden fasst diese Regeln aus ByteDances offizieller Prompt-Dokumentation, der API-Referenz und Dreaminas eigenen Tutorials zusammen. Dazu kommen die ehrlichen Grenzen: wofür es keinen offiziellen Mechanismus gibt (Charakterbindung über mehrere Anfragen, Seeds) und welche Funktion zu welcher Plattform gehört (die Frage zum Lip-Sync).

Kurzfassung

• Das Eingabebudget von Seedance 2.0 beträgt 9 Bilder + 3 Videos + 3 Audioclips. Videos und Audio sind jeweils auf insgesamt 15 Sekunden begrenzt. Audio kann nicht ohne andere Inhalte gesendet werden^[1].
• Eine offizielle Bindungssyntax existiert: Definieren Sie Ihr Motiv anhand eines nummerierten Bildes („subject@image 1“) und setzen Sie die wichtigsten Referenzen an den Anfang, denn die Reihenfolge beeinflusst ihre Gewichtung^[2].
• ByteDance empfiehlt 4–5 Referenzen statt des Maximums: pro Figur ein Porträt und eine Ganzkörperaufnahme, ohne Sets derselben Person aus mehreren Blickwinkeln^[2].
• Es gibt weder einen seed-Parameter noch eine dauerhafte Charakter-ID. Die Konsistenz zwischen Videos entsteht durch die Wiederverwendung des identischen Referenzsatzes und die Fortsetzung mit return_last_frame^[1][3].
• Stimmführung ist real, die Lip-Sync-Formulierung hängt jedoch von der Plattform ab: Die API-Dokumentation beschreibt, wie Audioreferenzen die Darbietung steuern^[1]. Das ausdrückliche „lip-sync“-Versprechen steht in Dreaminas Dokumentation, nicht in der API-Referenz^[4].
• Für mehrere Aufnahmen gibt es ein offizielles Muster: Nummerieren Sie die Aufnahmen („Shot 1… Shot 2… Shot 3…“) und betrachten Sie exakte Zeitangaben pro Aufnahme gemäß ByteDances eigener Warnung als unzuverlässig^[2].

Das genaue Referenzbudget mit 12 Plätzen

Seedance 2.0 nimmt Referenzen über ein Content-Array entgegen, in dem jedes Element eine Rolle deklariert. Die dokumentierten Grenzen: bis zu 9 Referenzbilder (unter anderem JPEG/PNG/WebP, Seitenverhältnis zwischen 0,4 und 2,5, 300 bis 6.000 Pixel pro Seite, jeweils unter 30MB), bis zu 3 Referenzvideos mit insgesamt höchstens 15 Sekunden und bis zu 3 Audioreferenzen mit ebenfalls insgesamt 15 Sekunden^[1]. Audio ist ein Modifikator, kein Motiv. Die API weist Anfragen zurück, die nur Audio und sonst nichts enthalten^[1].

Eine strukturelle Regel überrascht fast jeden: Der Modus für das erste Bild und der multimodale Referenzmodus sind gegenseitig ausschließende Anfrageformen^[1]. Entweder geben Sie dem Modell ein genaues Anfangsbild zum Animieren oder einen Stapel Referenzen, aus denen es komponiert. Beide Denkmodelle in einer Anfrage zu mischen, führt am schnellsten zu „mein Bild wurde ignoriert“.

Die Regel hinter den verwirrendsten Ablehnungen: Echte menschliche Gesichter können nicht direkt als Referenzen hochgeladen werden. Diese Einschränkung und die erlaubten, einwilligungsbasierten Wege sind ein eigenes Thema in unserem Leitfaden zu nicht zugelassenen Inhalten.

Die offizielle Syntax zum Fixieren einer Figur

ByteDances Prompt-Leitfaden ist bei der Bindung ungewöhnlich konkret. Das kanonische Muster definiert jedes Motiv anhand eines nummerierten Bildes mit einer Kurzform, die in der Dokumentation als „subject@image 1“ erscheint^[2]. Der Einführungsblog verwendet in seinen Beispiel-Prompts dieselbe Referenz im @-Stil^[5], und Dreaminas Tutorial bildet sie als @AssetName im Editor nach^[6]. Die Syntax beseitigt Mehrdeutigkeit: Bei mehreren Referenzen sagt der Prompt ausdrücklich, welches Bild das Gesicht, welches die Kleidung und welches den Ort vorgibt.

Für diese Syntax nennt der Leitfaden vier funktionierende Regeln^[2]:

1. Verwenden Sie 4–5 Referenzen, nicht 12. Die Dokumentation rät davon ab, alle Plätze zu füllen. Jedes zusätzliche Medium verwässert die Aufmerksamkeit.
2. Pro Figur: ein Porträt und ein Ganzkörperbild. Dieses Paar verankert die Identität besser als ein Stapel verschiedener Winkel.
3. Vermeiden Sie Mehransichtssets derselben Person. ByteDance rät ausdrücklich davon ab. Sie fördern Identitätsdrift, statt sie zu verhindern.
4. Sortieren Sie nach Wichtigkeit. Je früher etwas im Prompt steht, desto größer ist sein Einfluss. Die Figur kommt vor dem Ort, der Ort vor dem Moodboard.

Das ist der ganze Trick, den die meisten Videos zu „Konsistenz-Hacks“ weiterverkaufen: Motive ausdrücklich definieren, weniger und bessere Referenzen einspeisen und sie bewusst ordnen.

Dieselbe Figur in mehreren Videos

Hier zieht die Dokumentation eine Grenze, die kein Tutorial verwischen sollte: Seedance 2.0 besitzt keine dauerhafte Charakter-ID, keine seed-Eingabe und kein Gedächtnis über Anfragen hinweg. Weder ByteDances Parameterreferenz noch reAPIs API-Oberfläche stellt überhaupt einen seed bereit^[1][3]. Die Frage „Verwendet Seedance Seed-Nummern?“ hat daher eine klare Antwort: nein. Determinismus wird durch Referenzen gesteuert, nicht durch einen seed.

Was in der Produktion funktioniert, in dieser Reihenfolge:

Fixieren Sie den Referenzsatz. Dieselben Charakterbilder, dieselbe Reihenfolge, dieselben Bindungsphrasen, Anfrage für Anfrage. Die Konsistenz von Seedance 2.0 stammt aus identischen Eingaben. Speichern Sie den Satz deshalb zusammen mit Ihren Prompts und behandeln Sie jede Änderung als neue Version der Figur.

Verketten Sie mit return_last_frame. Die API kann das letzte Bild einer Generierung zurückgeben^[1]. Geben Sie es als erstes Bild des nächsten Clips weiter, um Szenenkontinuität ohne erneute zufällige Identitätswahl an den Übergängen zu erhalten.

Führen Sie generierte Gesichter rechtmäßig wieder zu. Inhalte, die die Plattform innerhalb der vergangenen 30 Tage für Ihr Konto erzeugt hat, gelten selbst dann als vertrauenswürdige Eingabe, wenn sie Gesichter enthalten^[7]. Dadurch wird iterative Charakterarbeit unter den Gesichtsregeln überhaupt erst möglich.

Im Größenvergleich stuft ByteDances technischer Bericht Seedance 2.0 bei der Bewertung der Motivkonsistenz unter vergleichbaren Modellen auf Platz eins ein^[5]. Mit den oben beschriebenen Mechanismen lässt sich diese Fähigkeit über eine Serie statt nur in einem einzelnen Clip nutzen.

Stimme, Musik und die Lip-Sync-Frage

Die Audioreferenzen von Seedance 2.0 steuern drei Dinge: den Klang der Ausgabe, das Timing der Darbietung und den Stimmcharakter. Die API akzeptiert in der Rolle reference_audio bis zu drei Clips mit insgesamt 15 Sekunden^[1]. Der praktische Ablauf für „meine Figur soll dieses Lied vortragen“ ist wörtlich gemeint: Fügen Sie den Titel an (bei API-Plattformen über eine öffentliche URL), binden Sie Ihre Figur anhand von Bildern und beschreiben Sie die Darbietung im Prompt.

Beim Lip-Sync unterscheiden sich die Quellen, deshalb lohnt sich Genauigkeit. ByteDances API-Dokumentation beschreibt die gemeinsame Audio-Video-Generierung und audiogesteuerte Ausgabe; die Wörter „lip-sync“ kommen nicht vor. Das ausdrückliche Versprechen steht in Dreaminas Produktdokumentation. Dort heißt es, ein Stimmmuster leite den Stimmcharakter und „aligns lip-sync, pacing, expressions“^[4]. In der Praxis wird beides von derselben Modellfamilie angetrieben. Benötigt Ihre Pipeline vertraglich eine mundgenaue Synchronisierung, testen Sie jedoch eigenes Material, statt eine Dokumentationsseite zu zitieren, denn die API-Formulierung verspricht absichtlich weniger.

Für die Stimmkonsistenz über mehrere Clips gilt dieselbe Logik wie für die visuelle Konsistenz: Verwenden Sie jedes Mal dasselbe Stimmmuster im selben Platz. Es gibt keine voice ID zum Fixieren; das Muster selbst ist die ID.

Prompts für mehrere Aufnahmen, die die Generierung überstehen

Das offizielle Muster für mehrere Aufnahmen in einem Clip ist nummerierte Storyboard-Prosa: „Shot 1: … Shot 2: … Shot 3: …“^[2]. Zwei Warnungen stammen direkt aus dem Leitfaden: Genaue Sekundenangaben pro Aufnahme werden nicht zuverlässig eingehalten. Schreiben Sie deshalb Reihenfolge und Gewichtung statt Timecodes^[2]. Außerdem vervielfacht die Anzahl der Aufnahmen die Komplexität, weshalb die Regel mit weniger Referenzen in Mehrfachaufnahme-Prompts doppelt wichtig ist.

Für alles, was länger als eine Generierung ist (Seedance 2.0 endet bei 15 Sekunden^[1]), lautet die Kette: Storyboard → Prompts pro Clip mit fixiertem Referenzsatz → Übergänge über return_last_frame. Genau diesen Arbeitsablauf sollen Seedance 2.5 mit der angekündigten 30-Sekunden-Generierung in einem Durchlauf und die Prompt-Steuerung auf Segmentebene verkürzen. Unser Leitfaden vor dem Start von Seedance 2.5 verfolgt die bestätigten Angaben.

Wenn Sie all das über eine API ausführen möchten, steht die gesamte Referenzoberfläche – Bilder, Videos, Audio, erstes Bild und Rückgabe des letzten Bildes – auf reAPIs Seedance 2.0 mit sekundengenauer Abrechnung bereit. Anfragen im Referenzmodus kosten weniger als reine Text-zu-Video-Generierungen^[3].

FAQ

Wie viele Referenzbilder kann Seedance 2.0 verarbeiten?

Bis zu 9 Bilder sowie 3 Videos (insgesamt 15 s) und 3 Audioclips (insgesamt 15 s) in einer Anfrage^[1]. ByteDance selbst empfiehlt 4–5 gut ausgewählte Medien statt des Maximums^[2].

Wie behalte ich dieselbe Person über mehrere Seedance-2.0-Videos bei?

Fixieren Sie einen Referenzsatz (Porträt + Ganzkörperbild), binden Sie ihn mit der subject@image-Syntax, verwenden Sie ihn unverändert in jeder Anfrage und verketten Sie Szenen mit return_last_frame^[1][2]. Es gibt keinen Parameter zur Charakterbindung; der Referenzsatz ist die Bindung.

Verwendet Seedance 2.0 Seed-Nummern als Eingabe?

Nein. Weder in ByteDances dokumentiertem Anfrageschema noch auf reAPIs Oberfläche existiert ein seed-Parameter^[1][3]. Wiederholbarkeit entsteht durch identische Referenzen und Prompts. Sie ist weich und nicht bitweise identisch.

Kann Seedance 2.0 die Lippen zu einem Suno-Song synchronisieren?

Fügen Sie den Titel als Audioreferenz hinzu und beschreiben Sie die Gesangsdarbietung im Prompt. Die API dokumentiert audiogesteuerte Generierung^[1], während die ausdrückliche Zusage zur Lip-Sync-Ausrichtung aus Dreaminas Dokumentation stammt^[4]. Prüfen Sie für veröffentlichungsreife Synchronisierung Ihr eigenes Material.

Wie viele Audioclips kann Seedance 2.0 verarbeiten?

Drei, mit insgesamt höchstens 15 Sekunden, und niemals allein. Audio muss in der Anfrage mit anderen Inhalten kombiniert werden^[1].

Wie beschreibe ich mehrere Aufnahmen in einem Seedance-2.0-Clip?

Im nummerierten Storyboard-Stil „Shot 1 / Shot 2 / Shot 3“ gemäß dem offiziellen Leitfaden. Dieser weist auch darauf hin, dass genaue Dauern pro Aufnahme nur ungefähr eingehalten werden^[2].

Warum wurde das Gesicht meiner Figur abgelehnt?

Gesichter echter Personen können nicht direkt als Referenzen hochgeladen werden. Das ist eine Regel auf Modellebene mit dokumentierten, einwilligungsbasierten Ausnahmen^[7]. Die vollständige Erklärung steht in unserem Leitfaden zu nicht zugelassenen Inhalten.

Das Konsistenz-Handbuch in einem Satz

Binden Sie Motive ausdrücklich, verwenden Sie 4–5 sorgfältig gewählte Referenzen mit der Figur an erster Stelle, fixieren Sie diesen Satz für die gesamte Serie, verketten Sie Clips über das letzte Bild und nutzen Sie bei wichtigem Ton stets dasselbe Stimmmuster. Alles oben stammt aus ByteDances eigener Dokumentation statt aus Hörensagen und funktioniert über einen Endpunkt auf reAPI. So gelingt Charakterkonsistenz mit Seedance 2.0 ohne Geheimnis: weniger, bessere Referenzen, die jedes Mal gleich verwendet werden.

Quellen

1. Volcano Engine / BytePlus (ByteDance). Seedance-2.0-API-Referenz – Inhaltsrollen, Referenzgrenzen, Ausschließlichkeit des ersten Bildes und return_last_frame. Abgerufen im Juli 2026 von docs.byteplus.com/en/docs/ModelArk/1520757
2. Volcano Engine / BytePlus (ByteDance). Offizieller Prompt-Leitfaden für Seedance 2.0 – Motivbindungssyntax, Anzahl und Reihenfolge der Referenzen, Mehrfachaufnahme-Muster. Abgerufen im Juli 2026 von docs.byteplus.com/en/docs/ModelArk/2222480
3. reAPI. Seedance 2.0 – API-Dokumentation und Modellseite. Abgerufen im Juli 2026 von reapi.ai/docs/seedance-2-0
4. Dreamina (CapCut). Seedance-2.0-Werkzeugseite – Stimmmuster und Lip-Sync-Ausrichtung. Abgerufen im Juli 2026 von dreamina.capcut.com/tools/seedance-2-0
5. ByteDance Seed. Einführungsblog und technischer Bericht zu Seedance 2.0 (arXiv:2604.14148). Abgerufen im Juli 2026 von seed.bytedance.com/en/blog/seedance-2-0-official-launch
6. Dreamina (CapCut). Prompt-Tutorial für Seedance 2.0 – @AssetName-Referenzen und Multiframes. Abgerufen im Juli 2026 von dreamina.capcut.com/resource/seedance-2-0-prompt
7. Volcano Engine / BytePlus (ByteDance). Ausnahmen für vertrauenswürdige Eingaben aus generierten Inhalten und einwilligungsgeprüften Medien. Abgerufen im Juli 2026 von docs.byteplus.com/en/docs/ModelArk/2291680

Weiterführende Artikel

• reAPI. Seedance 2.0 „nicht zugelassen“: Ursachen und funktionierende Wege. reapi.ai/blog/seedance-not-eligible-explained
• reAPI. Was ist Seedance 2.0 und wie wird es verwendet? (Leitfaden 2026). reapi.ai/blog/what-is-seedance-2-0-and-how-to-use-it
• reAPI. Seedance 2.5: Was wir vor der öffentlichen Einführung wissen. reapi.ai/blog/seedance-2-5-what-we-know-2026