Ett API-nyckel, en 15-sekundersfilm: Det fullständiga Seedream 5.0 15s-arbetsflödet

Jag byggde detta över en helg: en ensam vakt går in i ett oändligt arkiv, öppnar en bok och ljus strömmar ut ur sidorna. Femton sekunder. Karaktärsdesign, storyboard, rörelse – allt genererat, allt från en enda API-nyckel. Ingen renderfarm, ingen tre-app-pipeline, inget plugin-zoo.

Knepet var inte en smartare prompt. Det var att dela upp jobbet i två delar. De flesta ber en modell att hantera färg, ljus, textur och geometri på en gång, och undrar sedan varför resultatet ser platt ut. Detta är Seedream 5.0 15s-arbetsflödet som åtgärdar det: lås geometrin först med en djupkarta, måla på stilen efteråt. Nedan följer hela pipelinen, med alla prompter jag faktiskt använde.

Viktiga slutsatser

• Kärnan i Seedream 5.0 15s-arbetsflödet: separera geometri (en djupkarta) från stil (ett färgkort), så att du kan omforma en bild oändligt många gånger utan att kompositionen faller samman.
• Nio kameravinklar storyboardas i förväg som ett 3x3-djupgrid, vilket håller en videomodell på kontinuitet istället för att hitta på nio orelaterade bildrutor.
• Verifierad prisbild från slutet av juli 2026: en Seedream 5.0 Pro-bild kostar från $0,045 på 1,5K-nivån, ungefär en femtedel av GPT Image 2 i hög kvalitet. Bilder på Seedream 5.0 Pro, video på Seedance 2.0, en nyckel.

Varför djupkartor kommer först i Seedream 5.0 15s-arbetsflödet

Geometri är det första en bildmodell tappar. Be den lösa färg, ljus, material och 3D-rymd i ett steg, och rymden är det som kollapsar – vilket är anledningen till att så mycket AI-konst ser ut som ett snyggt klistermärke utan något rum inuti. Lösningen lånar en välkänd idé från diffusion-verktyg: ge modellen en kontrollbild och låt den bygga ovanpå den fasta strukturen (ControlNet, ICCV 2023).

Det finns tre kontrollbilder som folk brukar använda, och gapet mellan dem är större än det ser ut. Så här jämförs de i detta arbetsflöde.

En storyboard med linjekonst: kanter och poser är låsta, men varje panel läses platt utan djup

Linjekonst låser posen, och inget annat. Modellen kan inte avgöra vad som är nära eller långt borta, så bilden förblir platt.

Samma storyboard som en 3D-vit modell-rendering, där den grå lerliknande looken tar över bilden

En 3D-vit modell har volym, men den överstyr. Modellen behandlar den grå lerhuden som själva bilden, och du hamnar i en kamp mot ett plastrenderings-utseende genom varje senare steg.

En djupkarta kodar exakt en sak: avstånd från kameran. Vitt är nära, svart är långt bort, en kontinuerlig ramp av grått däremellan (Depth Anything V2, 2024). Det gör den mer exakt än linjekonst, eftersom den bär verklig rymd, och renare än en vit modell, eftersom den inte har något material och ingen stil som kan läcka. Släng på vilken look som helst ovanpå så blir geometrin aldrig kontaminerad. Lås geometrin rent, styla efteråt. Den enda vanan är vad som får resten av Seedream 5.0 15s-arbetsflödet att hålla ihop.

En API-nyckel driver hela Seedream 5.0 15s-arbetsflödet

Anledningen till att detta förblir ett helgprojekt och inte en systemintegrationshuvudvärk är att varje modell i kedjan lever bakom en slutpunkt. Bilder körs på Seedream 5.0 Pro, video körs på Seedance 2.0, och båda svarar på samma API-nyckel på Atlas Cloud. Inget byte av plattform mellan karaktärskortet och slutrenderingen, ingen avstämning av två faktureringsinstrumentpaneler, inget andra SDK.

Det betyder mer än det låter. En enda 15-sekunders kortfilm i denna pipeline berör minst fem bildgenereringar och en videopass. Sprid ut dem över tre leverantörer och halva tiden går åt till rörläggning. Håll dem under en nyckel och friktionen är nära noll.

Att få nyckeln tar ungefär en minut: öppna konsolen, gå till API Keys, skapa en, kopiera den. Peka sedan en HTTP-klient mot den OpenAI-kompatibla bildslutpunkten och du genererar.

Seedream 5.0 15s-arbetsflödet, sex steg från ansikte till film

Pipelinen är sex steg, och bara de två första bygger återanvändbara tillgångar. Allt efter det är komposition och rörelse. Mata karaktären och stilen framåt, håll dem låsta, och modellen slutar driva. Här är hela översikten innan vi går steg för steg.

1. Karaktärskort: lås identiteten. Mata en flerkamera-referens till Seedream 5.0 Pro och få ett blad som håller samma ansikte över fem vinklar. Ett tips som sparar mycket smärta senare: om du redan har en ren frontbild, ta bort ansiktet på helkroppsvyn. Ett ansikte per vinkel håller videomodellen från att glida in i en främling mitt i en bild.

Ett femvinkel-karaktärskort av arkivarien: helkropp, rygg, frontbild, och två trekvartsvyer

1. Stilkort: lås färgsättningen. Istället för att låta modellen improvisera utseendet, hämta en referens. Ta några bildrutor från en film du gillar, extrahera paletten till ett färgkort, och mata tillbaka det som stilankare. Utseendet kommer härifrån, kompositionen gör det inte. Jag gav Seedream 5.0 Pro några Blade Runner 2049-bilder och lät den dra paletten – det varma bärnsten som rullar in i djupt bläck-teal-skugga som Roger Deakins byggde för filmen (American Cinematographer, 2017).

Ett färgkort byggt från Blade Runner 2049-bilder, med en sex-swatch bärnsten-till-teal-palett

Den extraherade sexfärgspalettremsan: mörkbrun via bärnsten till varmgrå

1. Etableringsbild. Karaktärskort plus stilkort ger dig den första bilden av scenen. Det är här färgen från steg 2 visas i fullt flor.

Etableringsbilden: arkivarien liten och centrerad i en symmetrisk enpunkts-perspektivgång

PlainCopy
1Cinematic establishing shot, composed in the style of Denis Villeneuve / Roger Deakins: rigorous central one-point-perspective symmetry, monumental sense of scale, strong negative space, quiet and reverent.
2
3SCENE: the interior of a colossal, seemingly infinite library-archive at cathedral scale. Towering vertical bookshelves recede symmetrically on both sides down a single central aisle toward a distant glowing warm vanishing point. Volumetric amber god-ray light shafts angle down through fine floating dust and a few drifting loose pages. Three clear depth layers: sharp foreground shelf edges near camera, the hero in the midground aisle, and an infinitely receding golden-hazed background.
4
5HERO, identity and wardrobe locked to image 1. Use image 1 ONLY as the identity and wardrobe reference; do NOT reproduce its reference-sheet layout or its gray studio background. The same exact woman: her face and features unchanged, floor-length deep ink-teal wool coat over a cream turtleneck, low ponytail. She holds a small lit brass oil lantern that casts a warm pool of light around her. She stands small and centered far down the deep aisle, seen from a low angle, dwarfed by the towering shelves.
6
7GRADE and OPTICS, match image 2: warm burnished amber-gold highlights rolling into deep desaturated ink-teal shadows, low contrast with softly lifted clean blacks; tall oval anamorphic bokeh, a faint horizontal lens flare off the brightest shaft, gentle Black Pro-Mist bloom on the highlights, fine 35mm Kodak film grain, 2.00 anamorphic widescreen framing.
8
9Cinematic 35mm film still, photoreal, ultra-detailed, monumental. Not CGI, not a 3D render, not a game-engine look.

1. Djupkarta: kärnan i Seedream 5.0 15s-arbetsflödet. Konvertera den bilden till en ren gråskaledjupkarta. Vitt nära, svart långt bort, stil borttagen, endast geometri. Nu är kompositionen sitt eget lager, och du kan omforma den hur många gånger du vill utan att röra strukturen.

Etableringsbilden omvandlad till en gråskaledjupkarta: vita frontala hyllor som tonar till svart djup

PlainCopy
1Reinterpret this image as a single-channel linear depth pass, a grayscale Z-depth map of the kind a 3D renderer writes from its depth buffer, or a LiDAR range image. Brightness encodes distance from camera only: pure white on the nearest visible surface, pure black at the farthest, one continuous monotonic ramp of mid-grays across everything between. Anchor the scale once to the whole frame so identical distances read as identical gray anywhere in the image; never per-region auto-contrast. Hold geometry exact: rounded volumes get smooth continuous gradients, overlapping objects break at crisp hard-edged occlusion boundaries, thin structures and silhouettes stay legible, connected surfaces keep stable values. Distance is the only variable: flat depth-driven gray with no albedo, no texture, no cast shadows, no directional light, no outlines, no ambient occlusion. Output the clean depth pass and nothing else.

1. 3x3 djupstoryboard. Behöver du bara en bild? Hoppa över detta. Gör du en video? Du behöver en hel storyboard, nio bilder byggda i förväg som delar en djupkonvention och en kontinuitet, inte nio bildrutor som var och en går sin egen väg. Mata två bilder: den färgade etableringsbilden (vad som finns i scenen) och djupkartan (hur avstånd kodas). Prompterna nedan tvingar fram en distinkt kamera på varje panel, vilket hindrar en videomodell från att som standard använda samma centrerade gång nio gånger.

Ett 3x3-grid av nio gråskaledjupkartor, var och en en annan kameravinkel av samma arkiv

PlainCopy
1You are a depth-map storyboard generator. Output ONE image: a clean 3x3 grid of nine sequential shots from one continuous scene, every panel a grayscale linear depth pass (white = nearest, black = farthest) and nothing else.
2
3INPUT, Image 1 is a centered symmetric establishing depth pass. Use it for TWO things: (a) the grayscale linear-depth CONVENTION and tonal range to match across ALL nine panels; (b) the EXACT composition to reproduce in panel 2. Read the character, wardrobe (floor-length coat, brass lantern) and the archive design language from it too.
4
5CRITICAL, COMPOSITIONAL VARIETY (top priority): every panel MUST use a DISTINCT camera, different shot size, height, azimuth, tilt. ONLY panel 2 may use the centered symmetric one-point-perspective aisle; ALL other panels are FORBIDDEN from using a centered symmetric aisle. Embrace cinematic framing: oblique corners, raking diagonal colonnades, worm's-eye verticals, high top-down angles, strongly off-center asymmetric framing, Dutch tilts, deep negative space.
6
7STORY (nine panels = one continuous event; a lone woman archivist in a long coat with a brass lantern discovers one book and reaches it; read left to right, top row, middle, bottom):
81. ESTABLISHING, high aerial angle near the vaulted ceiling looking obliquely down, the aisle running diagonally, hero tiny on the diagonal.
92. ARRIVAL, the centered symmetric establishing composition from Image 1.
103. DISCOVERY, extreme worm's-eye looking almost straight up a towering shelf toward one small target book high above.
114. REACTION, medium close-up, strongly off-center: hero's face on the right third looking up-left, slight Dutch tilt.
125. PREPARATION, an oblique corner composition, hero small at the turn reaching upward, a vast dark negative-space void filling one half.
136. INSERT DETAIL, extreme macro; the shelf runs as a steep diagonal, her hand and one book spine sharp in the near corner.
147. MAIN ACTION, oblique view down a colonnade of tall repeating vertical fins raking diagonally, the opened book held large in the near foreground.
158. CONSEQUENCE, high angle looking down as loose pages scatter and fall through several depth layers.
169. RESOLUTION, elevated oblique extreme-wide from a high corner, revealing the archive as a vast asymmetric structure.
17
18CONTINUITY: keep identical across panels, character identity, coat, lantern, hair, the shelf and architecture design, scene scale. ONLY camera and pose change.
19
20DEPTH RENDER: every panel a single-channel linear depth pass, grayscale Z-depth, brightness = distance only. Pure white nearest, pure black farthest, one continuous monotonic ramp; anchor scale once and apply identically to all nine. No color, no texture, no directional light, no cast shadows, no glow, no ambient occlusion, no depth-of-field blur, no grain.
21
22GRID: exactly nine panels, three equal rows and three equal columns, identical aspect ratio, thin uniform gutters. No captions, numbers, labels, arrows, borders, or color anywhere.

1. Video. Mata ansiktet, etableringsbilden och 3x3-storyboarden till Seedance 2.0, och den renderar sekvensen bild för bild från din storyboard. Djupgridet gör verkligt arbete här: eftersom varje panel kodar avstånd kan modellen simulera parallax och hålla objektpositioner stabila från en bild till nästa istället för att omstrukturera scenen vid varje klipp.

En bild från den färdiga filmen: en ovanifrån-bild av arkivet när ljus briserar och sidor sprids

PlainCopy
1A cinematic 15-second single continuous piece, 2.00 anamorphic widescreen, photoreal 35mm film look with fine Kodak grain, no AI gloss. SCENE: the interior of a colossal, seemingly infinite library-archive of towering bookshelves receding into warm darkness. VISUAL STYLE: warm burnished amber-gold key light rolling into deep desaturated ink-teal shadows, volumetric god-ray shafts through fine floating dust, a Villeneuve / Deakins epic look. DIRECTOR THESIS: a lone keeper walks the infinite archive of every story ever written, finds one glowing book and opens it, and light and worlds pour out of its pages.
2
3LOCKS:
4- Identity: image 1 is the SOLE source of the woman's face and identity, keep her face identical in every shot, never drift.
5- Wardrobe, first frame and grade: image 2 is the FIRST FRAME and the look, match its warm amber-and-ink-teal grade, anamorphic optics and 35mm grain across the whole film.
6- Composition and camera: image 3 is a 3x3 depth-map storyboard of nine shot compositions; drive the sequence shot by shot from image 3 IN ORDER (panel 1 through panel 9), each shot matching the framing, shot size and camera angle of its panel.
7- Continuity: same woman, same coat, same lantern, same archive architecture and scale throughout.
8- Negative locks: no hand morphing, consistent natural fingers, no face distortion, no duplicated or floating limbs, no text or captions anywhere.
9
10TIMELINE (drive from image 3; all light motivated by the lantern and the glowing book):
110-2s SHOT 1 (panel 1), high oblique aerial looking down, slow drift in.
122-3.5s SHOT 2 (panel 2), centered symmetric wide, slow push-in along the axis.
133.5-5s SHOT 3 (panel 3), extreme worm's-eye craning up toward one glowing book.
145-6.5s SHOT 4 (panel 4), off-center medium close-up, her eyes lifting in quiet awe.
156.5-8s SHOT 5 (panel 5), oblique corner, she reaches upward into deep negative space.
168-9.5s SHOT 6 (panel 6), tight macro, her fingers slide one book free.
179.5-11.5s SHOT 7, first-person POV, her hands hold the book open and warm light erupts toward the lens.
1811.5-13.5s SHOT 8 (panel 8), high angle, loose pages drift through the aisle around her.
1913.5-15s SHOT 9 (panel 9), elevated oblique extreme-wide, she stands tiny in the vast archive now glowing warm.

Vad Seedream 5.0 15s-arbetsflödet faktiskt kostar

Hela kortfilmen kostar mindre än en kaffe att generera. Denna pipeline producerar en hög med bilder innan en enda bildruta rör sig: karaktärskort, stilkort, etableringsbild, djupkarta och niopanelers storyboard – så fem bildgenereringar plus en videopass. Det är där priset per bild slutar vara en avrundningsfråga och börjar avgöra om du itererar fritt eller ransonerar dina försök. Alla siffror nedan är verifierade från Atlas Cloud modellprissidor från slutet av juli 2026.

Till $0,2419 per sekund för 720p tillkommer ungefär $3,63 för en hel 15-sekunderssekvens, så hela kortfilmen hamnar under $4 att generera, bilder och rörelse tillsammans. Seedance 2.0 sjunker också till $0,1486 per sekund när du matar den med en videoingång, och dess referens-till-video-läge accepterar upp till nio referensbilder, vilket är precis vad en storyboard-driven sekvens vill ha.

Bildekonomin är den del som fick mig att titta två gånger. En Seedream 5.0 Pro-bild startar på $0,045 på 1,5K-nivån, ungefär en femtedel av GPT Image 2 i hög kvalitet, som kostar $0,21572 för en 1024-pixel bild och $0,16964 vid 1536 x 1024. Även på den fulla 2K-nivån, där GPT Image 2 inte når, är Seedream 5.0 Pro $0,09 per bild, fortfarande under halva priset samtidigt som den producerar en större bild. Generera fem bilder per kortfilm, eller femtio över en batch, och det gapet ackumuleras snabbt.

Notera tidpunkten: Seedream 5.0 Pro kör en 20-procentig tidsbegränsad rabatt just nu, så 1.5K-bilden är i praktiken $0,036 och 2K-bilden $0,072 under kampanjfönstret. Priser och kampanjer förändras, så kolla modellsidan innan du budgeterar en stor batch.

Ta Seedream 5.0-arbetsflödet bortom en enda kortfilm

Uppdelningen i djup och stil är inte bara för filmiskt bruk. Samma disciplin – lås struktur först och behandla kontinuitet som sitt eget lager – är vad som låter Seedream 5.0 Pro hålla ett konsekvent designsystem över många paneler samtidigt. Det är användbart var du än behöver en uppsättning bilder som hör ihop snarare än en enda hjältebild.

En niopanelers biografisk tidslinjelayout med ett konsekvent designsystem över varje kort

Ett flerpanels kunskapskort eller en karusell är samma problem som en nio-bilders storyboard: håll typografi, avstånd och färgspråk identiskt medan innehållet ändras cell för cell. Seedream 5.0-familjen är ovanligt stark här eftersom den hanterar strukturerad layout och textrendering väl, vilket är den kategori där den håller jämna steg med de andra frontier-bildmodellerna. Bygg gridet en gång, håll konventionen låst, och varje panel läses som en enhet.

Djupkartor, storyboards, färgkort – allt är egentligen bara ett sätt att tänka igenom en bild innan du förbinder dig. Verktygen blir bara vildare och billigare. Vad de fortfarande inte kan göra är att bestämma vilken historia du faktiskt vill berätta.

Vanliga frågor

Vad är Seedream 5.0 15s-arbetsflödet i en mening?

Det är en sexstegs-pipeline som separerar geometri från stil: du låser en scenens komposition som en gråskaledjupkarta, storyboardar nio kameravinklar som ett enda 3x3-djupgrid, matar sedan det plus en låst karaktär och färgsättning till en videomodell för att rendera en 15-sekunders kortfilm.

Behöver jag Stable Diffusion eller ComfyUI för detta arbetsflöde?

Nej. Djupkarte-idén kommer från ControlNet-verktyg, men hela detta arbetsflöde körs på värdbaserade API-modeller. Du genererar varje bild på Seedream 5.0 Pro och videon på Seedance 2.0, båda genom en API-nyckel, så det finns ingen lokal installation, inget GPU-krav och ingen nodgraf att underhålla.

Hur mycket kostar Seedream 5.0 15s-arbetsflödet per kortfilm?

Runt $4 att generera till listpris i slutet av juli 2026. De fem bildtillgångarna kostar totalt cirka $0,315 på Seedream 5.0 Pro, och en 15-sekunders 720p-klipp på Seedance 2.0 tillför cirka $3,63 vid $0,2419 per sekund. En aktuell 20-procentig rabatt sänker bildkostnaden ytterligare. Kontrollera alltid på den levande modellsidan.

Kan Seedream 5.0 15s-arbetsflödet hålla en karaktär konsekvent?

Ja, och det är poängen med det första steget. Du bygger ett femvinkel-karaktärskort, tar bort dubblettansikten så att varje vinkel har en ren referens, låser sedan den bilden som den enda identitetskällan i storyboard- och videoprompterna. Djupstoryboarden hanterar kompositionen medan karaktärskortet hanterar ansiktet.

Varför är djupkartor bättre än linjekonst eller en 3D-vit modell här?

Linjekonst låser poser men bär ingen rymd, så bilder förblir platta. En 3D-vit modell tillför volym men tvingar in ett grått lerutseende i slutbilden. En djupkarta kodar endast avstånd, vitt nära och svart långt bort, så den ger exakt geometri med noll stil att förorena, vilket låter dig omforma samma komposition hur många gånger du vill.