Seedream Seedance 关键帧交付工作流指南

文本到视频生成有一个结构性问题，任何提示词都无法解决：改变一个细节就会重写整个场景。调整光线，角色的脸就会变。修复面部，背景就会移动。每次迭代都是新的生成。

解决方案是停止让一个模型做两项工作。先用图像模型锁定帧，然后将批准的帧交付给视频模型作为参考。这就是 Seedream Seedance 工作流，其价值不在于每次生成的质量更高。而在于批准变成了持久的。

简要总结

两个阶段，两个模型。 Seedream 5.0 Pro 确定场景的样子。Seedance 处理运动。
交付是一个参考图像，不是重新描述。批准的帧作为 image_urls 传入。
Seedream 支持多达 10 个参考，带锚定编辑和多语言排版在 2K 分辨率。
在静态图像上廉价迭代，重新生成只需几分钱和几秒，而不是几美元和几分钟。
先审批运动再修改细节。 一旦摄像机运动正确，剩下的修复就是局部的。
一些分层工作流声明经不起检查。 我们在实际交付的内容中分别讨论了它们。

解耦为什么有效

两阶段管道：图像模型确定构图、光线、几何和排版，然后将一个批准的关键帧交付给视频模型，视频模型负责摄像机路径、速度和节拍

视频生成在两个方面都很昂贵：每次调用的成本比图像更高，耗时足够长，使得不好的结果会浪费真实时间。通过那个循环推送每个创意决定是团队报告花费大部分日程进行返工的原因。

分离管道改变了每次迭代的成本。

第一阶段很便宜且快速。 构图、光线、产品几何、排版、品牌色彩。这些是静帧决定，在图像模型上确定它们意味着每次尝试只花几分钱并在几秒内返回。

第二阶段继承一个已确定的帧。 运动生成从已批准的内容开始，而不是从段落重新推导场景。更少变量移动，所以更少东西出错。

经济论证很直接：昂贵的调用应该运行一次，在廉价调用消除了不确定性之后。

第一阶段：确定帧

Seedream 5.0 Pro 是资产步骤。对交付重要的是：

多达 10 个参考图像，带锚定编辑，所以产品或角色可以被固定而不是被描述。

2K 分辨率的多语言排版，保留确切的颜色和布局，当帧携带必须存活进视频的品牌文本时很重要。

像素预算计费，在 2.36M 像素处分割。16:9 的 2048×1152 帧落在更便宜的层级，这恰好是大多数关键帧的正确尺寸。详情见定价分解。

这个阶段的输出不是一个选项文件夹。它是每个镜头一个批准的帧，加上产生它的提示。

curl https://reapi.ai/api/v1/images/generations \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedream-5-0-pro",
    "prompt": "product hero on a stone counter, soft window light from camera left, brand wordmark legible on the label",
    "image_urls": ["https://example.com/packshot.jpg"],
    "size": "2048x1152"
  }'

第二阶段：交付帧

交付是人们做错的部分。本能是在视频提示中再次描述批准的帧。那重新引入了第一阶段移除的歧义。

传递帧本身：

curl https://reapi.ai/api/v1/videos/generations \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2-5",
    "prompt": "0-5s: [locked medium] no camera movement, steam rises from the cup. 5-12s: [slow dolly in] 0.3 m/s, product stays centered. Do not add text or logos.",
    "image_urls": ["https://cdn.example.com/approved-keyframe.png"],
    "resolution": "1080p",
    "duration": 12
  }'

注意视频提示做了什么，没做什么。它描述运动和约束。它没有重新描述光线、构图或产品，因为参考帧已经携带了那些。

这个分工就是纪律。关键帧中可见的任何东西都属于关键帧，不属于运动提示。

每个阶段负责什么

决定	阶段	为什么
构图和取景	图像	便宜迭代，昂贵修复
光线方向	图像	如果仅在视频提示中描述就会漂移
产品几何和徽标	图像	由参考锚定而不是生成
排版和品牌文本	图像	文本渲染最强的地方
摄像机路径和速度	视频	运动是视频模型的工作
时序和节拍	视频	时间戳结构属于运动
否定约束	两者	文本抑制在每个阶段都重要