引言：为什么「只会写 Prompt」在 Seedance 2.5 里不够用？
搜索「Seedance 图生视频」「AI 多模态参考」「Seedance 参考图」「Seedance 视频参考」的创作者，通常已经会写分镜文字，却仍卡在三件事：
- 角色/产品每次都漂：纯文字描述再细，外观仍不稳定
- 运镜学不来：想要「像某条广告那样推镜头」，文字很难说清
- 参考一多反而崩：图片、视频、音频全塞进去，模型「听不懂谁说了算」
Seedance 2.5 支持文字 + 图片 + 视频 + 音频的多模态输入，并把单条时长拉到约 20 秒、强化跨镜头一致性。本文不是「多模态概念科普」（本站教程区另有入门文），而是一份可执行的 Seedance 图生视频与参考组合手册：何时用哪类参考、怎么配比、怎么迭代、怎么排错。
与《分镜 Prompt 模板库》侧重文字结构不同，本文聚焦 参考素材如何锁定画面；与 2.0 教程《多模态输入技巧》相比，面向 2026 Seedance 2.5 更长时长与更强一致性 的实战配方。
先建立分工：四种模态各自管什么？
| 模态 | 最佳职责 | 不宜指望它做的事 |
|---|---|---|
| 文字 Prompt | 叙事、时间线、运镜术语、禁止项 | 精确复现某张脸/某款包装细节 |
| 图片参考 | 角色外观、产品外形、场景 mood、构图风格 | 传达连续动作与镜头速度 |
| 视频参考 | 运镜轨迹、动作节奏、转场气质 | 复制其中角色身份（应用图片锁身份） |
| 音频参考 | 配乐节奏、环境底噪、口播语气感 | 替代清晰台词脚本（台词仍写进 Prompt） |
一句话原则：文字管「故事与指令」，图片管「长什么样」，视频管「怎么动镜头」，音频管「怎么听起来」。职责重叠时，模型更容易混乱。
图生视频 vs 纯文字：什么时候必须上参考图？
| 场景 | 纯文字 | 建议加图片参考 | 原因 |
|---|---|---|---|
| 氛围概念片 / 情绪片 | ✅ 可先试 | 可选 mood 图 | 文字够表达气质 |
| 固定角色连载 / IP | ❌ 不稳 | ✅ 必须 | 外观连续性优先 |
| 电商产品 / 包装还原 | ❌ 易走形 | ✅ 必须 | 形状、配色、logo 区 |
| 品牌调性统一 | ⚪ | ✅ 推荐 | 主色与材质语言 |
| 复杂双人戏 | ⚪ | ✅ 每人 1–2 张 | 降低串脸 |
| 一次性抽象特效 | ✅ | 常不需要 | 参考反而限制发散 |
Seedance 图生视频的核心价值，不是「把静态图变成会动的图」这么简单，而是：用图片把身份与产品钉死，再用文字/视频把导演意图说清楚。
参考素材准备清单（开工前）
1. 图片参考（最常用）
| 类型 | 数量建议 | 要求 |
|---|---|---|
| 角色正面半身 | 1–2 张 | 同发型、服装、年龄感 |
| 产品白底 / 主视觉 | 2–3 张 | 同色同比例，无竞品入镜 |
| 场景 mood | 1–2 张 | 固定时间与光影关键词 |
| 风格参考（可选） | 0–1 张 | 只取光影/调色，勿混入第二主角 |
铁律：
- 一张图只承担一个职责（正面 / 细节 / 场景分开）
- 同一角色或同一 SKU 的参考图集，整条 campaign 不变
- 避免拼贴图、含水印大字、多人混在一张里
2. 视频参考（可选但很强）
- 时长建议：3–8 秒清晰运镜片段即可
- 用途：推镜头、环绕、跟拍节奏——学镜头，不学换脸
- Prompt 中写明：「运镜参照参考视频；角色外观严格参照图片」
3. 音频参考（可选）
- 用于节奏广告、MV 感短片、环境氛围
- 有对白时：音频给语气，台词正文仍写短句进 Prompt
Seedance 2.5 多模态组合配方（可直接套）
配方 A：角色短片（图 + 文）
- 图片：角色设定 × 2
- 文字：三镜时间线（建立 → 冲突 → 定格）
- 视频/音频：先不加
适合：短剧钩子、人设测试、身份锚定条。
配方 B：产品展示（图 + 文，可选视频）
- 图片：产品 × 2–3 + 可选场景 × 1
- 文字：亮相 → 卖点特写 → CTA 留白
- 视频：品牌既有广告运镜 1 段（可选）
适合：电商主图视频、信息流产品片。
配方 C：导演级广告（图 + 视频 + 文，可选音频）
- 图片：产品/角色锁定
- 视频：运镜气质
- 音频：BGM 节奏
- 文字：分镜 + 禁止项 + 「外观以图片为准」
适合：品牌短 TVC、提案概念样片。
配方 D：口播/表演（图 + 文 + 音频）
- 图片：出镜人设定
- 音频：语气或节拍
- 文字：短台词 + 景别；避免长独白
适合：多语言口播前的单语母版（再做语言扩展）。
推荐 Prompt 骨架（图生视频专用）
【任务】竖屏/横屏短片，电影感调色，时长约 16–20 秒。
【外观锁定】主体外观严格参照参考图片：不得换脸、改发型、改包装比例或主色。
【运镜】[若有视频参考] 镜头运动参照参考视频的推拉/环绕节奏；[若无] 写明推镜头/跟拍/固定机位。
【镜头 1 | 0–5s】建立：[场景]，[主体入画]。
【镜头 2 | 5–13s】发展：[动作/利益点]，中景或特写。
【镜头 3 | 13–20s】收束：[表情/产品定格]，留白干净；不生成可读小字。
【音频】[氛围描述或「参照音频节奏」]；对白不超过 1–2 短句。
【禁止】背景乱码文字、额外路人抢戏、中途更换服装/产品。关键句请几乎每条都保留：「外观严格参照参考图片」。这是 Seedance 多模态参考里最便宜、最有效的一致性开关。
三大完整案例
案例 1：人物 IP 锚定（12 秒 → 18 秒）
目标：先确认「同一个人」，再上叙事。
- 仅上传角色图 × 2 + 文字：「中近景，缓慢推镜头，中性表情，干净背景」
- 通过后再加三镜故事，同一图集不变
- 失败时减事件密度，而不是加更多杂图
案例 2：耳机产品图生视频（16 秒 · 9:16）
叙事：白台亮相 → 耳罩材质特写 → 佩戴定格留白。
参考：白底产品图 × 2、细节图 × 1。
Prompt 要点：外观锁定句 + 三镜时间线 + 「不生成包装小字」。
可选：加 5 秒环绕运镜参考视频，并写明「只学运镜」。
案例 3：雨夜情绪片（图 + 视频 + 音频）
图片：雨夜街道 mood × 1、角色 × 1
视频：缓慢跟拍参考
音频：潮湿环境底噪或低频 pad
文字：三镜钩子；短信/屏幕避免清晰小字
这是典型的 Seedance 多模态参考满配，但仍保持「身份看图、镜头看视频、故事看文字」。
迭代四步法（多模态专用）
- 文字-only 跑结构（10–12 秒）：钩子是否可读
- 只加图片锁定外观（仍 12 秒）：是否还像同一个人/同一产品
- 再加视频或音频之一：不要一次加满
- 延长至 16–20 秒：检查后半是否崩外观、崩运镜
若第 4 步失败：拆成两段生成再剪，或回到第 2 步减少参考数量。
常见误区（比「不会写 Prompt」更致命）
- 参考越多越好：超过职责所需就会互相打架
- 用视频参考锁人脸：应用图片锁身份，视频只借运镜
- 一张拼贴图塞多个角色：模型难以解析
- 要求画面内写出清晰 slogan/参数：易乱码，改后期字幕
- 第一次就上满 20 秒 + 全模态：先短后长、先图后音视频
- 中途更换参考图集：等于换演员/换货
常见翻车与修复
| 现象 | 可能原因 | 修复 |
|---|---|---|
| 换脸 / 产品走形 | 图冲突或未写锁定句 | 固定 1–3 张核心图 + 重复锁定句 |
| 有图仍不像 | 图清晰度差/妆发不一致 | 换同妆发正面图，去掉侧面杂图 |
| 运镜与参考无关 | 未声明「运镜参照视频」 | Prompt 明确分工 |
| 双人串脸 | 参考过多 | 每人最多 1–2 张，文字区分角色名 |
| 音频抢戏导致口型飘 | 台词过长 | 缩到 1 句；音画意图对齐 |
| 加视频后身份漂 | 视频里另一张脸被学习 | 强调「外观以图片为准」或去掉视频 |
与纯文字工作流怎么选？
| 你的目标 | 推荐路径 |
|---|---|
| 快速试想法 / 抽象氛围 | 纯文字 → 再决定是否加 mood 图 |
| 可连载角色 / 可投放产品 | 图生视频为主（配方 A/B） |
| 要「像某条片」的镜头感 | 图锁身份 + 视频锁运镜（配方 C） |
| 节奏/口播驱动 | 图 + 文 + 音频（配方 D） |
对 SEO 与实际产能而言：「Seedance 图生视频」和「Seedance 多模态参考」往往是同一条生产线的两个搜索说法——本质都是用参考降低随机性。
SEO 与素材管理建议
- 标题与封面点明「图生视频 / 多模态参考」，匹配高意图搜索
- 正文自然覆盖 Seedance 2.5、图生视频、参考图、视频参考、音频参考
- 为每个角色/SKU 建「参考包」文件夹（图集版本号），禁止随意替换
- 通过质检的配方沉淀为内部模板，与 Prompt 模板库交叉复用
常见问题
Q：Seedance 2.5 图生视频必须上传图片吗？
A：不是必须。但角色连载、产品还原、品牌调性场景强烈建议上传；否则一致性成本会显著上升。
Q：最多能塞多少张图？
A：以「职责清晰」为准，通常角色 1–2、产品 2–3、场景 1–2 足够。宁少勿杂。
Q：视频参考会不会把参考片里的人物也学进来？
A：有可能。务必在 Prompt 写明外观以你的图片为准，或改用无主角的纯运镜片段。
Q：和 Seedance 2.0 多模态有何不同？
A：流程兼容；2.5 更长时长与更强跨镜头一致性，更适合「参考锁定后一口气讲完 16–20 秒钩子」。
Q：图生视频生成后还能再改运镜吗？
A：可保留同一图集，只改文字运镜或替换视频参考重跑；不要同时大改外观描述与参考图。
结语：让参考成为 Seedance 的「场记板」
多模态不是素材堆叠竞赛，而是给 Seedance 2.5 一张清楚的场记板：
- 图片钉死身份与产品
- 视频借来镜头语言
- 音频稳住节奏与气息
- 文字写出时间线与禁止项
建议今天就做一次对照实验：同一段三镜故事，先纯文字出一条，再加 2 张参考图出一条——当你明显感到「后一条才像可连载资产」时，你的 Seedance 图生视频生产线才算真正开工。