引言：為什麼「只會寫 Prompt」在 Seedance 2.5 裡不夠用？
搜尋「Seedance 圖生視頻」「AI 多模態參考」「Seedance 參考圖」「Seedance 視頻參考」的創作者，通常已經會寫分鏡文字，卻仍卡在三件事：
- 角色/產品每次都漂：純文字描述再細，外觀仍不穩定
- 運鏡學不來：想要「像某條廣告那樣推鏡頭」，文字很難說清
- 參考一多反而崩：圖片、視頻、音頻全塞進去，模型「聽不懂誰說了算」
Seedance 2.5 支持文字 + 圖片 + 視頻 + 音頻的多模態輸入，並把單條時長拉到約 20 秒、強化跨鏡頭一致性。本文不是「多模態概念科普」（本站教程區另有入門文），而是一份可執行的 Seedance 圖生視頻與參考組合手冊：何時用哪類參考、怎麼配比、怎麼迭代、怎麼排錯。
與《分鏡 Prompt 模板庫》側重文字結構不同，本文聚焦 參考素材如何鎖定畫面；與 2.0 教程《多模態輸入技巧》相比，面向 2026 Seedance 2.5 更長時長與更強一致性 的實戰配方。
先建立分工：四種模態各自管什麼？
| 模態 | 最佳職責 | 不宜指望它做的事 |
|---|---|---|
| 文字 Prompt | 敘事、時間線、運鏡術語、禁止項 | 精確復現某張臉/某款包裝細節 |
| 圖片參考 | 角色外觀、產品外形、場景 mood、構圖風格 | 傳達連續動作與鏡頭速度 |
| 視頻參考 | 運鏡軌跡、動作節奏、轉場氣質 | 複製其中角色身份（應用圖片鎖身份） |
| 音頻參考 | 配樂節奏、環境底噪、口播語氣感 | 替代清晰台詞腳本（台詞仍寫進 Prompt） |
一句話原則：文字管「故事與指令」，圖片管「長什麼樣」，視頻管「怎麼動鏡頭」，音頻管「怎麼聽起來」。職責重疊時，模型更容易混亂。
圖生視頻 vs 純文字：什麼時候必須上參考圖？
| 場景 | 純文字 | 建議加圖片參考 | 原因 |
|---|---|---|---|
| 氛圍概念片 / 情緒片 | ✅ 可先試 | 可選 mood 圖 | 文字夠表達氣質 |
| 固定角色連載 / IP | ❌ 不穩 | ✅ 必須 | 外觀連續性優先 |
| 電商產品 / 包裝還原 | ❌ 易走形 | ✅ 必須 | 形狀、配色、logo 區 |
| 品牌調性統一 | ⚪ | ✅ 推薦 | 主色與材質語言 |
| 複雜雙人戲 | ⚪ | ✅ 每人 1–2 張 | 降低串臉 |
| 一次性抽象特效 | ✅ | 常不需要 | 參考反而限制發散 |
Seedance 圖生視頻的核心價值，不是「把靜態圖變成會動的圖」這麼簡單，而是：用圖片把身份與產品釘死，再用文字/視頻把導演意圖說清楚。
參考素材準備清單（開工前）
1. 圖片參考（最常用）
| 類型 | 數量建議 | 要求 |
|---|---|---|
| 角色正面半身 | 1–2 張 | 同髮型、服裝、年齡感 |
| 產品白底 / 主視覺 | 2–3 張 | 同色同比例，無競品入鏡 |
| 場景 mood | 1–2 張 | 固定時間與光影關鍵詞 |
| 風格參考（可選） | 0–1 張 | 只取光影/調色，勿混入第二主角 |
鐵律：
- 一張圖只承擔一個職責（正面 / 細節 / 場景分開）
- 同一角色或同一 SKU 的參考圖集，整條 campaign 不變
- 避免拼貼圖、含水印大字、多人混在一張裡
2. 視頻參考（可選但很強）
- 時長建議：3–8 秒清晰運鏡片段即可
- 用途：推鏡頭、環繞、跟拍節奏——學鏡頭，不學換臉
- Prompt 中寫明：「運鏡參照參考視頻；角色外觀嚴格參照圖片」
3. 音頻參考（可選）
- 用於節奏廣告、MV 感短片、環境氛圍
- 有對白時：音頻給語氣，台詞正文仍寫短句進 Prompt
Seedance 2.5 多模態組合配方（可直接套）
配方 A：角色短片（圖 + 文）
- 圖片：角色設定 × 2
- 文字：三鏡時間線（建立 → 衝突 → 定格）
- 視頻/音頻：先不加
適合：短劇鉤子、人設測試、身份錨定條。
配方 B：產品展示（圖 + 文，可選視頻）
- 圖片：產品 × 2–3 + 可選場景 × 1
- 文字：亮相 → 賣點特寫 → CTA 留白
- 視頻：品牌既有廣告運鏡 1 段（可選）
適合：電商主圖視頻、資訊流產品片。
配方 C：導演級廣告（圖 + 視頻 + 文，可選音頻）
- 圖片：產品/角色鎖定
- 視頻：運鏡氣質
- 音頻：BGM 節奏
- 文字：分鏡 + 禁止項 + 「外觀以圖片為準」
適合：品牌短 TVC、提案概念樣片。
配方 D：口播/表演（圖 + 文 + 音頻）
- 圖片：出鏡人設定
- 音頻：語氣或節拍
- 文字：短台詞 + 景別；避免長獨白
適合：多語言口播前的單語母版（再做語言擴展）。
推薦 Prompt 骨架（圖生視頻專用）
【任務】豎屏/橫屏短片，電影感調色，時長約 16–20 秒。
【外觀鎖定】主體外觀嚴格參照參考圖片：不得換臉、改髮型、改包裝比例或主色。
【運鏡】[若有視頻參考] 鏡頭運動參照參考視頻的推拉/環繞節奏；[若無] 寫明推鏡頭/跟拍/固定機位。
【鏡頭 1 | 0–5s】建立：[場景]，[主體入畫]。
【鏡頭 2 | 5–13s】發展：[動作/利益點]，中景或特寫。
【鏡頭 3 | 13–20s】收束：[表情/產品定格]，留白乾淨；不生成可讀小字。
【音頻】[氛圍描述或「參照音頻節奏」]；對白不超過 1–2 短句。
【禁止】背景亂碼文字、額外路人搶戲、中途更換服裝/產品。關鍵句請幾乎每條都保留：「外觀嚴格參照參考圖片」。這是 Seedance 多模態參考裡最便宜、最有效的一致性開關。
三大完整案例
案例 1：人物 IP 錨定（12 秒 → 18 秒）
目標：先確認「同一個人」，再上敘事。
- 僅上傳角色圖 × 2 + 文字：「中近景，緩慢推鏡頭，中性表情，乾淨背景」
- 通過後再加三鏡故事，同一圖集不變
- 失敗時減事件密度，而不是加更多雜圖
案例 2：耳機產品圖生視頻（16 秒 · 9:16）
敘事：白台亮相 → 耳罩材質特寫 → 佩戴定格留白。
參考：白底產品圖 × 2、細節圖 × 1。 Prompt 要點：外觀鎖定句 + 三鏡時間線 + 「不生成包裝小字」。 可選：加 5 秒環繞運鏡參考視頻，並寫明「只學運鏡」。
案例 3：雨夜情緒片（圖 + 視頻 + 音頻）
圖片：雨夜街道 mood × 1、角色 × 1 視頻：緩慢跟拍參考 音頻：潮濕環境底噪或低頻 pad 文字：三鏡鉤子；短信/屏幕避免清晰小字
這是典型的 Seedance 多模態參考滿配，但仍保持「身份看圖、鏡頭看視頻、故事看文字」。
迭代四步法（多模態專用）
- 文字-only 跑結構（10–12 秒）：鉤子是否可讀
- 只加圖片鎖定外觀（仍 12 秒）：是否還像同一個人/同一產品
- 再加視頻或音頻之一：不要一次加滿
- 延長至 16–20 秒：檢查後半是否崩外觀、崩運鏡
若第 4 步失敗：拆成兩段生成再剪，或回到第 2 步減少參考數量。
常見誤區（比「不會寫 Prompt」更致命）
- 參考越多越好：超過職責所需就會互相打架
- 用視頻參考鎖人臉：應用圖片鎖身份，視頻只借運鏡
- 一張拼貼圖塞多個角色：模型難以解析
- 要求畫面內寫出清晰 slogan/參數：易亂碼，改後期字幕
- 第一次就上滿 20 秒 + 全模態：先短後長、先圖後音視頻
- 中途更換參考圖集：等於換演員/換貨
常見翻車與修復
| 現象 | 可能原因 | 修復 |
|---|---|---|
| 換臉 / 產品走形 | 圖衝突或未寫鎖定句 | 固定 1–3 張核心圖 + 重複鎖定句 |
| 有圖仍不像 | 圖清晰度差/妝髮不一致 | 換同妝髮正面圖，去掉側面雜圖 |
| 運鏡與參考無關 | 未聲明「運鏡參照視頻」 | Prompt 明確分工 |
| 雙人串臉 | 參考過多 | 每人最多 1–2 張，文字區分角色名 |
| 音頻搶戲導致口型飄 | 台詞過長 | 縮到 1 句；音畫意圖對齊 |
| 加視頻後身份漂 | 視頻裡另一張臉被學習 | 強調「外觀以圖片為準」或去掉視頻 |
與純文字工作流怎麼選？
| 你的目標 | 推薦路徑 |
|---|---|
| 快速試想法 / 抽象氛圍 | 純文字 → 再決定是否加 mood 圖 |
| 可連載角色 / 可投放產品 | 圖生視頻為主（配方 A/B） |
| 要「像某條片」的鏡頭感 | 圖鎖身份 + 視頻鎖運鏡（配方 C） |
| 節奏/口播驅動 | 圖 + 文 + 音頻（配方 D） |
對 SEO 與實際產能而言：「Seedance 圖生視頻」和「Seedance 多模態參考」往往是同一條生產線的兩個搜索說法——本質都是用參考降低隨機性。
SEO 與素材管理建議
- 標題與封面點明「圖生視頻 / 多模態參考」，匹配高意圖搜索
- 正文自然覆蓋 Seedance 2.5、圖生視頻、參考圖、視頻參考、音頻參考
- 為每個角色/SKU 建「參考包」文件夾（圖集版本號），禁止隨意替換
- 通過質檢的配方沉澱為內部模板，與 Prompt 模板庫交叉複用
常見問題
Q：Seedance 2.5 圖生視頻必須上傳圖片嗎？ A：不是必須。但角色連載、產品還原、品牌調性場景強烈建議上傳；否則一致性成本會顯著上升。
Q：最多能塞多少張圖？ A：以「職責清晰」為準，通常角色 1–2、產品 2–3、場景 1–2 足夠。寧少勿雜。
Q：視頻參考會不會把參考片裡的人物也學進來？ A：有可能。務必在 Prompt 寫明外觀以你的圖片為準，或改用無主角的純運鏡片段。
Q：和 Seedance 2.0 多模態有何不同？ A：流程兼容；2.5 更長時長與更強跨鏡頭一致性，更適合「參考鎖定後一口氣講完 16–20 秒鉤子」。
Q：圖生視頻生成後還能再改運鏡嗎？ A：可保留同一圖集，只改文字運鏡或替換視頻參考重跑；不要同時大改外觀描述與參考圖。
結語：讓參考成為 Seedance 的「場記板」
多模態不是素材堆疊競賽，而是給 Seedance 2.5 一張清楚的場記板：
- 圖片釘死身份與產品
- 視頻借來鏡頭語言
- 音頻穩住節奏與氣息
- 文字寫出時間線與禁止項
建議今天就做一次對照實驗：同一段三鏡故事，先純文字出一條，再加 2 張參考圖出一條——當你明顯感到「後一條才像可連載資產」時，你的 Seedance 圖生視頻生產線才算真正開工。