Introducción: por qué «solo escribir Prompt» no basta en Seedance 2.5
Quienes buscan «Seedance imagen a video», «referencia multimodal IA», «imagen de referencia Seedance» o «vídeo de referencia Seedance» suelen saber escribir storyboard, pero se atascan en tres cosas:
- Personaje/producto cambia en cada intento: por muy detallado el texto, la apariencia no se estabiliza
- No se copia el movimiento de cámara: quieres «empujar como ese anuncio», pero las palabras no lo describen
- Más referencias empeoran el resultado: metes imagen, vídeo y audio y el modelo «no sabe quién manda»
Seedance 2.5 admite entrada multimodal—texto + imagen + vídeo + audio—y lleva la duración por clip a unos 20 segundos con mayor consistencia entre planos. Este artículo no es un «principiante de multimodal» (hay tutoriales básicos en el sitio); es un manual ejecutable de imagen a video y combinación de referencias: cuándo usar cada tipo, cómo dosificarlas, iterar y depurar.
A diferencia de la Biblioteca de plantillas Prompt (estructura textual), aquí se centra en cómo los activos de referencia fijan el encuadre; frente al tutorial 2.0 de multimodal, apunta a recetas prácticas de Seedance 2.5 2026 con mayor duración y consistencia.
Primero, repartir roles: qué hace cada modalidad
| Modalidad | Mejor responsabilidad | No esperes que |
|---|---|---|
| Prompt de texto | Narrativa, línea temporal, términos de cámara, prohibiciones | Reproduzca al detalle una cara o un empaque concreto |
| Referencia de imagen | Apariencia del personaje, forma del producto, mood de escena, estilo de composición | Transmita acción continua y velocidad de lente |
| Referencia de vídeo | Trayectoria de cámara, ritmo de acción, sensación de transición | Copie la identidad del personaje del clip (usa imágenes para identidad) |
| Referencia de audio | Ritmo BGM, ambiente, tono de locución | Sustituya un guion de diálogo claro (el texto va en el Prompt) |
Regla en una línea: el texto manda «historia e instrucciones», la imagen «cómo se ve», el vídeo «cómo se mueve la cámara», el audio «cómo suena». Si se solapan funciones, el modelo se confunde más.
Imagen a video vs solo texto: ¿cuándo hace falta imagen de referencia?
| Escenario | Solo texto | Añadir imagen | Motivo |
|---|---|---|---|
| Pieza de concepto / emocional | ✅ Probar primero | Mood opcional | El texto basta para el tono |
| Serie fija de personaje / IP | ❌ Inestable | ✅ Obligatorio | Prioridad continuidad visual |
| Producto e-commerce / empaque fiel | ❌ Se deforma | ✅ Obligatorio | Forma, color, zona logo |
| Tono de marca unificado | ⚪ | ✅ Recomendado | Color principal y lenguaje material |
| Escena de dos personajes | ⚪ | ✅ 1–2 imágenes c/u | Menos mezcla de caras |
| Efecto abstracto puntual | ✅ | A menudo no hace falta | La referencia limita la creatividad |
El valor de Seedance imagen a video no es solo «animar una foto»: es clavar identidad y producto con imágenes y explicar la intención de director con texto/vídeo.
Lista de preparación de referencias (antes de empezar)
1. Referencias de imagen (las más usadas)
| Tipo | Cantidad sugerida | Requisitos |
|---|---|---|
| Personaje frontal medio cuerpo | 1–2 | Mismo peinado, ropa, edad aparente |
| Producto fondo blanco / hero | 2–3 | Mismo color y proporción; sin competidores |
| Mood de escena | 1–2 | Hora y luz fijas en palabras clave |
| Referencia de estilo (opc.) | 0–1 | Solo luz/grade; sin segundo protagonista |
Reglas de hierro:
- Una imagen, una función (frontal / detalle / escena separados)
- El set de referencia del mismo personaje o SKU no cambia en toda la campaña
- Evitar collages, marcas de agua grandes, varias personas en un frame
2. Referencia de vídeo (opcional pero potente)
- Duración: 3–8 s de movimiento de cámara claro
- Para: push, órbita, ritmo de seguimiento—aprende la cámara, no cambies caras
- En el Prompt: «Movimiento de cámara según vídeo de referencia; apariencia del personaje estrictamente según imágenes»
3. Referencia de audio (opcional)
- Para anuncios rítmicos, clips tipo MV, ambiente
- Con diálogo: el audio marca tono; escribe frases cortas en el Prompt
Recetas multimodales Seedance 2.5 (listas para usar)
Receta A: corto de personaje (imagen + texto)
- Imágenes: diseño de personaje × 2
- Texto: línea temporal de tres planos (establecer → conflicto → hold)
- Vídeo/audio: omitir al inicio
Ideal para: ganchos de miniserie, prueba de persona, clip de anclaje de identidad.
Receta B: showcase de producto (imagen + texto, vídeo opcional)
- Imágenes: producto × 2–3 + escena opcional × 1
- Texto: reveal → close-up de beneficio → espacio CTA
- Vídeo: un clip de cámara de anuncio de marca (opcional)
Ideal para: vídeo hero e-commerce, piezas de producto en feed.
Receta C: anuncio nivel director (imagen + vídeo + texto, audio opcional)
- Imágenes: bloqueo producto/personaje
- Vídeo: temperamento de cámara
- Audio: ritmo BGM
- Texto: storyboard + prohibiciones + «apariencia según imágenes»
Ideal para: TVC corto de marca, muestra de concepto para pitch.
Receta D: locución / performance (imagen + texto + audio)
- Imágenes: diseño del presentador
- Audio: tono o pulso
- Texto: líneas cortas + encuadre; evitar monólogos largos
Ideal para: master monolingüe antes de expansión multilingüe.
Esqueleto Prompt recomendado (imagen a video)
【Tarea】Corto vertical/horizontal, grade cinematográfico, ~16–20 s.
【Bloqueo apariencia】La apariencia del sujeto sigue estrictamente las imágenes de referencia: sin cambio de cara, peinado, proporción de empaque ni color principal.
【Cámara】[Si hay vídeo ref] Movimiento según push/órbita del vídeo; [si no] especificar push/seguimiento/cámara fija.
【Plano 1 | 0–5s】Establecer: [escena], [sujeto entra].
【Plano 2 | 5–13s】Desarrollar: [acción/beneficio], plano medio o close-up.
【Plano 3 | 13–20s】Cierre: [expresión/hold producto], espacio negativo limpio; sin texto pequeño legible.
【Audio】[Descripción de ambiente o «seguir ritmo del audio»]; diálogo máx. 1–2 frases cortas.
【Prohibido】Texto garbled de fondo, extras robando foco, cambio de ropa/producto a mitad.Frase clave en casi todo Prompt: «La apariencia sigue estrictamente las imágenes de referencia». Es el interruptor de consistencia más barato y eficaz en referencia multimodal Seedance.
Tres casos completos
Caso 1: anclaje IP de personaje (12 s → 18 s)
Objetivo: confirmar «la misma persona» antes de la narrativa.
- Solo imágenes de personaje × 2 + texto: «Plano medio cercano, push lento, expresión neutra, fondo limpio»
- Tras aprobar, añadir historia de tres planos; mismo set de imágenes
- Si falla, reduce densidad de eventos—no más imágenes sueltas
Caso 2: auriculares imagen a video (16 s · 9:16)
Historia: reveal en mesa blanca → close-up material auricular → hold con espacio.
Referencias: producto fondo blanco × 2, detalle × 1. Enfoque Prompt: frase de bloqueo + línea temporal tres planos + «no generar texto pequeño en empaque». Opcional: vídeo de órbita 5 s; escribir «solo aprender cámara».
Caso 3: pieza emocional noche lluviosa (imagen + vídeo + audio)
Imágenes: mood calle lluviosa × 1, personaje × 1 Vídeo: referencia de seguimiento lento Audio: ambiente húmedo o pad grave Texto: gancho tres planos; evitar texto claro en móvil/pantalla
Configuración completa de referencia multimodal Seedance, pero «identidad en imágenes, lente en vídeo, historia en texto».
Iteración en cuatro pasos (multimodal)
- Solo texto para estructura (10–12 s): ¿el gancho se entiende?
- Solo imágenes para apariencia (sigue 12 s): ¿sigue siendo la misma persona/producto?
- Añadir vídeo O audio—no ambos a la vez
- Extender a 16–20 s: ¿la segunda mitad rompe apariencia o cámara?
Si falla el paso 4: generar en dos tramos y editar, o volver al paso 2 con menos referencias.
Errores comunes (más letales que «mal Prompt»)
- Más referencias = mejor: más allá de lo necesario, se pelean
- Usar vídeo para fijar cara: imágenes para identidad; vídeo solo para cámara
- Un collage con varios personajes: difícil de parsear
- Pedir slogan/spec legible en frame: se garblea—subtítulos en post
- Primera vez a 20 s + todas las modalidades: corto primero, imágenes antes de audio/vídeo
- Cambiar set de referencias a mitad: equivale a cambiar actor/producto
Fallos frecuentes y reparación
| Síntoma | Causa probable | Reparación |
|---|---|---|
| Cambio de cara / producto deformado | Conflicto de imágenes o sin frase de bloqueo | Fijar 1–3 imágenes clave + repetir bloqueo |
| Con imágenes aún no parece | Baja calidad / maquillaje-peinado inconsistente | Cambiar a frontal mismo look; quitar laterales |
| Cámara ajena a referencia | No declaró «cámara según vídeo» | Clarificar reparto en Prompt |
| Mezcla de caras en dúo | Demasiadas refs | Máx. 1–2 por persona; nombrar roles |
| Audio roba foco, labios flotan | Diálogo largo | Reducir a 1 frase; alinear AV |
| Identidad flota tras añadir vídeo | Aprendió otra cara del clip | «Apariencia según imágenes» o quitar vídeo |
¿Cómo elegir frente al flujo solo texto?
| Tu objetivo | Ruta recomendada |
|---|---|
| Probar idea / mood abstracto | Solo texto → decidir mood image |
| Personaje serializable / producto lanzable | Imagen a video principal (Receta A/B) |
| Sensación de cámara «como ese film» | Imagen identidad + vídeo cámara (Receta C) |
| Ritmo / locución | Imagen + texto + audio (Receta D) |
Para SEO y producción real: «Seedance imagen a video» y «referencia multimodal Seedance» suelen ser dos búsquedas del mismo pipeline—referencias para bajar aleatoriedad.
SEO y gestión de activos
- Título y portada con «imagen a video / referencia multimodal» para búsqueda de alta intención
- Cuerpo con Seedance 2.5, imagen a video, imagen de referencia, vídeo de referencia, audio de referencia
- Carpeta «pack de referencia» por personaje/SKU (versionado); sin swaps casuales
- Archivar recetas aprobadas como plantillas internas; cruzar con biblioteca Prompt
Preguntas frecuentes
P: ¿Es obligatorio subir imágenes en imagen a video Seedance 2.5? R: No. Pero series de personaje, fidelidad de producto y tono de marca se benefician mucho; sin ellas sube el coste de consistencia.
P: ¿Cuántas imágenes puedo meter? R: Prioriza «funciones claras»—personaje 1–2, producto 2–3, escena 1–2 suele bastar. Menos y limpio.
P: ¿El vídeo de referencia trae personas del clip? R: Puede. Escribe que la apariencia sigue tus imágenes, o usa clips solo de cámara sin protagonista.
P: ¿Diferencia con multimodal Seedance 2.0? R: Flujo compatible; 2.5 añade duración y consistencia entre planos—mejor para contar un gancho 16–20 s de una vez tras bloquear referencias.
P: ¿Puedo cambiar la cámara tras generar? R: Sí—mismo set de imágenes, cambiar texto de cámara o vídeo ref y regenerar; no cambiar a la vez descripción de apariencia e imágenes.
Conclusión: que la referencia sea el «script supervisor» de Seedance
Multimodal no es acumular activos—es un tablero claro para Seedance 2.5:
- Imágenes clavan identidad y producto
- Vídeo presta lenguaje de lente
- Audio estabiliza ritmo y aliento
- Texto escribe línea temporal y prohibiciones
Haz hoy un experimento: misma historia de tres planos—una solo texto, otra con 2 imágenes de referencia. Cuando la segunda se sienta «activo serializable», tu línea de producción imagen a video Seedance está en marcha.