從一張靜止到一首歌：使用 Seedream 5.0 Pro 與 Seedance 2.0 打造情感 MV

歌手不存在。歌曲不是你熟悉的語言。但你依然感受到那份情感。

這是創作者 Cia0 於 2026 年 7 月 19 日在 X 平台分享 的影片底下的反應：十五秒的歌唱角色片段，被標榜為「即使聽不懂一個字也能感受到的歌曲」。標題用一句話點出整個技術棧：Seedream 5.0 Pro 生成影像，Seedance 2.0 生成影片，並在 CapCut 上運作。真正打動人的是細節處理：嘴唇對上人聲、頭髮如真髮般飄動、臉部表情傳達情緒而非只是擺姿勢。

本指南逐步重建這套流程：哪個模型負責什麼、在影像到影片的轉換過程中，承載情緒的提示詞如何撰寫，以及一支完成的 MV 實際成本為何。

重點摘要

• 工作流程以影像優先：用 Seedream 5.0 Pro 以 $0.045 的價格美術指導關鍵幀，只有在畫面確定後才支付影片生成費用。在靜態圖中修正臉部，成本約為重新生成影片的二十分之一。
• Seedance 2.0 影像轉影片接受第一幀與可選的最後一幀，每次生成 4 到 15 秒，內建原生音訊，並可返回最後一幀以便下一段片段接續拍攝。
• 將角色對嘴到自己的音軌，使用參考轉影片端點：最多 9 張圖片、3 段影片、3 段音訊作為參考，並在提示詞中使用 @-提及。
• 一支 40 秒、720p 的直式 MV，在 2026 年 7 月的折扣價格下約為 $10 美元，其中只有你的配樂成本不計入。

值得複製的 Seedream + Seedance MV

兩天內的三篇貼文，加上稍早的對嘴測試，大致勾勒出這組模型所能涵蓋的領域。沒有一篇是實驗室展示。每篇都列出了使用的工具。

這四篇貼文中有兩件事重複出現。首先，影像模型與影片模型被視為獨立的工作：選角在 Seedream 中進行，表演在 Seedance 中進行。其次，影片模型只是整個技術棧的中間環節。每篇標題都點出了圍繞它的部分：執行的應用程式、配樂來源、剪輯軟體。Cia0 的兩篇貼文都承諾在回覆中提供「中文」提示詞，而日文貼文則在標題中直接列出了四個工具的組裝流程。

為什麼 Seedream 優先的工作流程勝過純文字轉影片

Seedance 2.0 有一個相當不錯的文字轉影片模式。但上述影片的創作者都跳過了它，原因在於算術與控制力。

在 Atlas Cloud 上，一張 Seedream 5.0 Pro 靜態圖成本為 $0.045。一段 5 秒、720p 的 Seedance 2.0 影片，在目前折扣下約為 $0.97。你在靜態圖階段發現的每一個錯誤臉部、錯誤服裝或錯誤構圖，只需要一張靜態圖的成本來修正。你在影片階段發現的每一個錯誤，則需要以約 20 倍的價格完整重新生成，還要加上等待時間。

一致性點對 MV 來說最為重要。一部音樂錄影帶會重複出現同一張臉八到十次。文字轉影片每次生成都會重新創造角色。關鍵幀流程則以兩種方式維持身份：將已核准的靜態圖作為每段影片的第一幀，或是在每次生成時都餵入相同的參考影像。你只需進行一次美術指導，然後將影片預算花在動畫化你已經滿意的決定上。

在 Atlas Cloud 上執行 Seedream + Seedance 工作流程

管線的兩個部分都在同一個地方執行。Atlas Cloud 託管了完整的 ByteDance 模型家族，因此 Seedream 5.0 Pro（2026 年 7 月 8 日起提供公開 API）與 Seedance 2.0（2026 年 2 月 12 日推出）位於同一個帳戶、使用相同的點數與相同的 API 格式。有兩種工作方式：透過 Playground 點擊操作，或是在程式碼中串接端點。

方法一：在 Playground 中生成你的 MV 鏡頭

步驟 1：在 Seedream 中選角。 開啟 Seedream 5.0 Pro playground，撰寫關鍵幀提示詞（完整的配方在下方兩節）。現在就將長寬比設定為你的最終輸出格式：9:16 給 Shorts 和 TikTok，16:9 給 YouTube。每次生成回傳一張圖片，成本 $0.045，因此請反覆調整直到臉部、服裝與光線完全正確。

步驟 2：將靜態圖載入 Seedance。 開啟 Seedance 2.0 image-to-video playground。表單接受一張必填影像（你已核准的關鍵幀），以及一個可選的最後一幀影像（如果你希望鏡頭結束在特定構圖上）。

步驟 3：撰寫動態提示詞並設定片段。 持續時間可設定為 4 到 15 秒，或設為 Auto 讓模型選擇。選擇與關鍵幀相符的長寬比，或保持 Auto。解析度預設為 720p。

步驟 4：檢查三個切換開關。「Generate audio」為片段提供原生音效。「Watermark」保持關閉以獲得乾淨的母帶。「Return last frame」會將結尾幀作為獨立圖片回傳給你；將它作為下一段生成的第一幀餵入，新片段就會從此處接續。這個切換開關是區分四段不連續片段與一段連續表演的關鍵。

步驟 5：查看價格，然後執行。 執行按鈕會在確認前顯示你確切設定的成本。截至 2026 年 7 月 21 日，一段 5 秒的 720p 片段，在平台 20% 限時折扣後顯示約 $0.97（原價約 $1.21）。

方法二：透過單一 API 串接 Seedream 與 Seedance

步驟 1：取得你的 API 金鑰。 在 Atlas Cloud 控制台建立一個金鑰，並將其設為環境變數。不要放在客戶端程式碼中。

步驟 2：查閱 API 文件。 端點、參數與輪詢行為位於 API 文件 中。整個管線是兩個 submit-and-poll 循環。

步驟 3：進行兩次呼叫。 首先是關鍵幀：

plaintextCopy
1curl -X POST https://api.atlascloud.ai/api/v1/model/generateImage \
2  -H "Content-Type: application/json" \
3  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
4  -d '{
5    "model": "bytedance/seedream-v5.0-pro/text-to-image",
6    "prompt": "<你的關鍵幀提示詞>",
7    "size": "1152*2048"
8  }'

輪詢 GET /api/v1/model/prediction/ 直到任務完成，從輸出中取得託管圖片 URL，然後直接傳入影片呼叫：

plaintextCopy
1curl -X POST https://api.atlascloud.ai/api/v1/model/generateVideo \
2  -H "Content-Type: application/json" \
3  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
4  -d '{
5    "model": "bytedance/seedance-2.0/image-to-video",
6    "prompt": "<動態與表演提示詞>",
7    "image": "<Seedream 輸出 URL>",
8    "duration": 10,
9    "resolution": "720p",
10    "ratio": "adaptive",
11    "generate_audio": true,
12    "return_last_frame": true
13  }'

image 接受 URL、Base64 或資產參考；duration 接受 -1 讓模型選擇。watermark 預設為 false。設定 return_last_frame 後，完成的預測會包含最終幀作為圖片，因此腳本可以循環：生成片段、取得最後一幀、提交下一段片段。這個循環就是整個 MV 管線，大約三十行程式碼。

兩次呼叫使用相同的基礎 URL、相同的 bearer 標頭、相同的預測輪詢。這就是單一 API 設計的實際好處：你的 Seedream 整合與 Seedance 整合只差在模型字串和幾個欄位，而 ByteDance 的下一個版本發佈時，也能無縫接入相同的程式碼。

MV 關鍵幀的 Seedream 5.0 Pro 提示詞配方

MV 關鍵幀是一個選角決定，因此提示詞的首要任務是定義一個你可以再次召喚的人。可行的模式是角色區塊：一句話，40 到 60 字，鎖定臉部、頭髮與服裝。在整個專案的每個關鍵幀提示詞中，這段文字會原封不動地重複使用。改一個字就可能召喚出一個陌生人。

以下是一個完整關鍵幀提示詞的範例：

一位年輕女性，及腰黑髮、柔和圓潤的五官、戴著銀色垂墜耳環，身穿一件 oversized 奶油色針織毛衣。她獨自站在黃昏時分濕漉漉的屋頂上，以平視角度從肩膀以上取景。雙眸水潤，嘴唇微啟像要唱歌，視線略過鏡頭。身後是冰冷的藍色城市光暈，臉頰上有一道溫暖的邊緣光，淺景深，電影感靜止畫面，柔和顆粒感，9:16。

第一句是角色區塊。之後的內容會根據每個鏡頭變動。一部 MV 需要的不是一張圖片，而是一套涵蓋基本鏡位的小型組合：

兩個 Seedream 特定注意事項。將情感寫成物理證據，而非標籤：「雙眼水潤、下顎緊繃、屏住呼吸」在後續動畫中會更有效，而「悲傷」則會變成僵化的表情。另外，在尺寸選擇器中設定長寬比，而不只是在提示詞中描述，因為參數會優先。有關提示詞更深入的結構，包括排除模式與模型已知問題，請參閱我們的 Seedream 5.0 Pro 提示詞指南。

用於對嘴、物理與情感的 Seedance 2.0 提示詞

關鍵幀為 Seedance 2.0 提供了一張值得動畫化的臉。動態提示詞則決定了這個片段是在表演，還是只是在動。Seedance 2.0 原生生成雙聲道音訊，並根據 ByteDance 的推出文章所述，在八種以上語言中進行音素級別的對嘴。因此，提示詞的任務是告訴模型：表演的內容是什麼、由誰表演、以及攝影機如何處理。

有兩種途徑可以讓角色唱歌。

途徑 A，生成歌曲： 停留在影像轉影片功能，開啟「Generate audio」開關，並在提示詞中描述人聲。模型會自行創作音樂，並將嘴唇同步到自己的音軌。這是達到 Cia0 風格表演片段最快的方法。

途徑 B，你自己的音軌： 切換到 參考轉影片，每次生成可接受最多 9 張參考圖片、3 段參考影片與 3 段參考音訊。上傳你的歌曲段落作為音訊參考，加入你的關鍵幀作為圖片參考，並在提示詞中使用 @-提及來將角色與動作綁定。這就是 Curious Refuge 在 5 月驗證 的多說話者對嘴配方：「一張參考圖片」、「一段黑畫面影片加上音訊或音訊檔案」，以及「一段提示詞（攝影機運動 + 旁白/對話）」。在上傳前將音訊修剪到與片段長度相同；計費代幣會計算輸入長度加上輸出長度，因此留白會花費實際金錢。

將表演與螢幕保護程式區分開來的關鍵提示：

任何超過 15 秒的內容都是串接工作：使用設定章節中的返回最後一幀技巧，並在每個新提示詞中加入歌曲的下一句。在你的動態提示詞中也保留 Seedream 提示詞中的角色區塊措辭。冗餘是身份維持的廉價保險。

從 Seedance 片段到完成 MV：剪輯與預算

日文「眼藥水扭曲」貼文最清楚地描繪了後製階段，因為創作者在標題中列出了整個組裝流程：Seedream 生成靜態圖、Seedance 2.0 生成動態、Mureka V9 生成配樂，以及 OpenShot（一款免費的桌面編輯器）進行剪輯。Cia0 的片段則將 CapCut 列為其平台。無論你選擇哪種編輯器，剪輯工作本身都相同：先鋪好完整音軌，在節拍上修剪片段，並從頭到尾保持一致的長寬比。

關於 CapCut 路線的注意事項。在 CapCut 內部，Seedance 2.0 以 Dreamina Seedance 2.0 的形式運作，自 2026 年 4 月 7 日起在美國可用，並且根據 CapCut 的官方公告，它附帶限制，包括禁止從包含真實人臉的圖片生成影片，以及輸出帶有可見浮水印。這對迷因來說沒問題，但對於乾淨的 MV 母帶則有限制。API 和 Playground 路線預設不開啟浮水印，並且接受你生成的任何關鍵幀。

在 2026 年 7 月 Atlas Cloud 的折扣價格下，整個流程的成本：

草稿階段是人們常跳過但不該跳過的。Seedance 2.0 Mini 使用相同的第一幀加提示詞工作流程，每秒 $0.045（原價 $0.056），約為旗艦版 720p 費率的四分之一，因此可以在最終渲染前以低成本調試運鏡、攝影機運動與物理效果。如果沒有折扣，相同的預算在牌價下約為 $12.40，仍然低於大多數素材庫訂閱每月收取的費用。

常見問題

Seedance 2.0 可以讓角色對嘴到我自己創作的歌曲嗎？

可以。使用參考轉影片端點，每次生成可接受最多 3 段音訊，以及 9 張圖片和 3 段影片。將歌曲段落作為音訊參考上傳，加入你的 Seedream 關鍵幀作為圖片參考，在提示詞中 @-提及它，並描述表演與攝影機。先將音訊修剪到與片段長度相同，因為計費代幣會計算輸入加上輸出長度。

Seedream 和 Seedance 的提示詞必須用中文嗎？

不需要。Cia0 分享的提示詞是中文，而且圍繞 ByteDance 模型的中文提示詞文化很強，但兩個模型都接受英文提示詞，而 Seedance 2.0 的對嘴功能在八種以上語言中以音素級別運作。重要的是在提示詞中指明人聲的語言，以便嘴巴形狀符合音軌。

一段 Seedance 2.0 生成可以有多長？

每次運行 4 到 15 秒，可在該時間範圍內支援多鏡頭序列，或將持續時間設為 -1 讓模型選擇。對於完整的 MV，請串接生成：啟用「return last frame」並從上一段片段的結尾幀開始下一段片段，以保持表演的連續性。

我的 MV 片段會有浮水印嗎？

API 和 Playground 預設不會：watermark 參數預設為 false，因此母帶是乾淨的。CapCut 消費者版本則不同。Dreamina Seedance 2.0 會加上可見浮水印，並禁止從包含真實人臉的圖片生成影片，這是它在 2026 年重新推出時所附帶的防護措施的一部分。

一套完整的 Seedream + Seedance MV 成本是多少？

在 2026 年 7 月的折扣價格下，一支 40 秒、720p 的直式影片約為 $10 美元：關鍵幀 $0.45、Mini 草稿 $1.80、最終 720p 片段約 $7.74，剪輯在 CapCut 或 OpenShot 中免費。在牌價下，相同的製作約為 $12.40。關鍵幀階段是讓這個數字保持在這麼低的原因，因為外觀決策是在 $0.045 的階段做出，而不是在每次重新生成約 $0.97 的階段。

結論

這個月流傳的片段並非某個秘密功能的作用。它們是分工的結果：Seedream 5.0 Pro 決定誰在螢幕上以及畫面氛圍，Seedance 2.0 決定他們如何移動與發聲，而免費的編輯器將片段轉變為一首有臉孔的歌曲。每個步驟都可檢視，每個錯誤都在最便宜的環節被抓到。

偷學這個操作順序。鎖定一個角色區塊，用 $0.045 的代價購買你的錯誤，只動畫化你已經核准的內容，讓一段片段的結尾幀成為下一段的開頭。工具是新的。但紀律只是電影製作。