一个API密钥，一部15秒短片：完整的Seedream 5.0 15秒工作流

我是在一个周末里完成的：一位孤独的守护者走进一座无尽的档案馆，翻开一本书，光芒从书页中倾泻而出。时长十五秒。角色设计、故事板、动态，全部由 AI 生成，全部来自一个 API 密钥。没有渲染农场，没有三应用管线，没有插件动物园。

诀窍不在于更聪明的提示词，而在于将任务一分为二。大多数人要求一个模型同时搞定色彩、光照、纹理和几何结构，然后纳闷为什么结果看起来平淡。这就是 Seedream 5.0 15s 工作流解决此问题的方案：先用深度图锁定几何结构，之后再绘制风格。下面是完整的管线，以及我实际使用的每一个提示词。

关键要点

• Seedream 5.0 15s 工作流的核心操作：将几何结构（深度图）与风格（色卡）分离，这样你就可以在不破坏构图的前提下无数次地重新样式化一个镜头。
• 九个相机角度预先作为一张 3x3 深度网格进行故事板编排，这能让视频模型保持连续性，而不是凭空创造九个无关的帧。
• 2026 年 7 月下旬验证的价格：Seedream 5.0 Pro 图像在 1.5K 层级起步价为 0.045 美元，大约是 GPT Image 2 高质量版价格的五分之一。图像使用 Seedream 5.0 Pro，视频使用 Seedance 2.0，一个密钥。

为什么在 Seedream 5.0 15s 工作流中先使用深度图

几何结构是图像模型最先丢失的东西。要求它一次解决色彩、光照、材质和 3D 空间，空间就会坍塌，这就是为什么很多 AI 艺术看起来像是一张漂亮的贴纸，内部没有空间感。解决办法借鉴了扩散工具中一个成熟的想法：给模型提供一个控制图像，让它在此基础上构建固定结构（ControlNet，ICCV 2023）。

人们通常会用到三种控制图像，它们之间的差距比看起来要大。以下是它们在这个工作流中的比较。

一个线稿故事板：边缘和姿势被锁定，但每个画面都显得扁平，没有深度

线稿仅锁定姿势，别无他用。模型无法判断远近，所以画面保持扁平。

同一个故事板，以 3D 白色模型渲染，灰色黏土外观占据了整个图像

3D 白色模型有体积，但过度控制。模型把那种灰色黏土皮肤当作图像本身，后续每一步你都得与这种塑料渲染效果作斗争。

深度图只编码一件事：到摄像机的距离。白色近，黑色远，中间是连续的灰色渐变（Depth Anything V2，2024）。这使得它比线稿更精确，因为它承载了真实空间；也比白色模型更干净，因为它没有材质和风格会泄露。在任何外观之上叠加，几何结构都不会被污染。先干净地锁定几何结构，之后再添加风格。这一个习惯保证了 Seedream 5.0 15s 工作流的其余部分能够保持稳定。

一个 API 密钥运行整个 Seedream 5.0 15s 工作流

这之所以能成为一个周末项目，而不是系统集成难题，是因为链条中的每个模型都位于一个端点之后。图像在 Seedream 5.0 Pro 上运行，视频在 Seedance 2.0 上运行，两者都通过 Atlas Cloud 上的同一个 API 密钥响应。无需在角色卡和最终渲染之间切换平台，无需协调两个计费仪表板，无需第二个 SDK。

这比听起来更重要。一个 15 秒的短片在这条管线中至少涉及五次图像生成和一次视频处理。如果分散到三个供应商，你一半的时间都会花在连接工作上。保持在同一个密钥下，摩擦几乎为零。

获取密钥大约需要一分钟：打开控制台，进入 API 密钥，创建一个，复制它。然后，将任何 HTTP 客户端指向兼容 OpenAI 的图像端点，你就可以开始生成了。

Seedream 5.0 15s 工作流，从面孔到成片的六个步骤

管线共六步，只有前两步构建可复用的资产。之后的所有步骤都是组合和动态。将角色和风格向前传递，保持锁定，模型就不会偏离。以下是全貌概览，然后我们再逐步深入。

1. 角色卡：锁定身份。 将多视图参考输入 Seedream 5.0 Pro，得到一个包含同一面孔五个角度的角色表。一个能避免后期大量麻烦的技巧：如果你已经有了一张干净的正面头部特写，删除全身视图上的面孔。每个角度只保留一张面孔，可以防止视频模型在镜头中途漂移到陌生人。

档案管理员的五角度角色卡：全身、背面、正面头部特写，以及两个四分之三视角

2. 风格卡：锁定调色。 不让模型随意发挥外观，而是拉取一个参考。从你喜欢的电影中抓取几帧，提取调色板形成色卡，然后将其作为风格锚点反馈回去。外观来自这里，构图不来自这里。我向 Seedream 5.0 Pro 提供了一些《银翼杀手2049》的静帧，让它提取调色板——那种温暖琥珀色过渡到深沉墨青色阴影的色调，正是罗杰·迪金斯为这部电影构建的（美国电影摄影师，2017）。

根据《银翼杀手2049》静帧构建的色卡，带有六色琥珀到墨青调色板

提取的六色调色板条：深棕色到琥珀色再到暖灰色

3. 定场帧。 角色卡加风格卡，得到场景的第一帧。这是步骤 2 中的色彩读数完全显现的地方。

定场镜头：档案管理员渺小而居中，位于对称的一点透视通道中

PlainCopy
1电影定场镜头，以丹尼斯·维伦纽瓦 / 罗杰·迪金斯的风格构图：严谨的中心一点透视对称，宏伟的尺度感，强烈的负空间，安静而充满敬畏。
2
3场景：一个巨大的、看似无限的大教堂规模图书馆-档案馆内部。高耸的垂直书架在两侧对称地向后延伸，沿着一条中央通道通向远处一个发光的温暖消失点。体积感琥珀色上帝之光光束穿过精细的浮尘和几张飘落的散页。三个清晰的深度层：靠近摄像机的锐利前景书架边缘，中景通道中的主人公，以及无限后退的金色雾状背景。
4
5主人公，身份和服装锁定到图像 1。仅将图像 1 作为身份和服装参考；不要复制其参考表布局或灰色工作室背景。同一位女性：她的面孔和特征不变，及地深墨青色羊毛大衣内搭奶油色高领毛衣，低马尾。她手持一盏点亮的黄铜油灯，在她周围投下一片温暖的光晕。她渺小而居中地站在深远通道的远处，从低角度看去，被高耸的书架衬托得渺小。
6
7调色和光学，匹配图像 2：温暖的金色琥珀高光过渡到深沉的去饱和墨青色阴影，低对比度，柔和提亮的干净黑色；长椭圆变形散景，在最亮的光束上出现微弱的水平镜头光晕，高光处有柔和的 Black Pro-Mist 辉光，精细的 35mm 柯达胶片颗粒，2.00 变形宽银幕构图。
8
9电影 35mm 胶片静帧，照片级真实，超详细，宏伟。非 CGI，非 3D 渲染，非游戏引擎外观。

4. 深度图：Seedream 5.0 15s 工作流的关键。 将该帧转换为纯灰度深度通道。白色近，黑色远，风格剥离，仅几何结构。现在构图成为独立的一层，你可以无数次地重新样式化，而无需触及结构。

定场帧转换为灰度深度图：白色前景书架渐变为黑色深度

PlainCopy
1将此图像重新解释为单通道线性深度通道，一种灰度 Z 深度图，类似于 3D 渲染器从其深度缓冲区写入的图，或 LiDAR 范围图像。亮度仅编码到摄像机的距离：最近可见表面为纯白色，最远为纯黑色，两者之间所有物体为连续单调的中间灰度斜坡。将标尺一次锚定到整个帧，使得图像中任何地方相同距离读取为相同灰色；切勿按区域自动对比度。保持几何结构精确：圆形体积获得平滑连续渐变，重叠物体在清晰硬边界的遮挡边缘处断裂，细结构和剪影保持可读，相连表面保持稳定值。距离是唯一变量：平坦的深度驱动灰色，无反照率，无纹理，无投射阴影，无方向光，无轮廓，无环境光遮蔽。输出干净的深度通道，别无其他。

5. 3x3 深度故事板。 只需要一张图像？跳过这一步。要制作视频？你需要一个完整的故事板，预先构建九个镜头，共享一个深度约定和连续性，而不是九个各自为政的帧。输入两张图像：彩色定场帧（场景内容）和深度图（距离编码方式）。下面的提示词迫使每个面板使用不同的摄像机，这能防止视频模型默认九次使用相同的居中通道。

3x3 网格的九个灰度深度通道，每个都是同一个档案馆的不同摄像机角度

PlainCopy
1你是一个深度图故事板生成器。输出一张图像：一个干净的 3x3 网格，包含来自一个连续场景的九个连续镜头，每个面板都是灰度线性深度通道（白色 = 最近，黑色 = 最远），别无其他。
2
3输入，图像 1 是一个居中的对称定场深度通道。用它做两件事：(a) 灰度线性深度约定和色调范围，以便在所有九个面板中匹配；(b) 要在面板 2 中复制的确切构图。同时从中读取角色、服装（及地大衣、黄铜油灯）和档案馆设计语言。
4
5关键，构图多样性（最高优先级）：每个面板必须使用不同的摄像机，不同的景别、高度、方位角、倾斜度。仅面板 2 可以使用居中的对称一点透视通道；禁止所有其他面板使用居中的对称通道。采用电影化构图：斜角、耙状对角线柱廊、虫眼垂直视角、高俯视角度、强烈偏离中心的非对称构图、荷兰式倾斜、深负空间。
6
7故事（九个面板 = 一个连续事件；一位穿长外套、提黄铜油灯的孤独女档案管理员发现一本书并伸手去拿；从左到右阅读，顶行，中间，底部）：
81. 建立，高角度俯拍，靠近拱形天花板，斜向下看，通道对角线延伸，主角在对角线上微小。
92. 到达，来自图像 1 的居中对称定场构图。
103. 发现，极低虫眼视角，几乎垂直向上看一个高耸的书架，朝向高处一个小的目标书本。
114. 反应，中景特写，强烈偏离中心：主角的脸位于右侧三分之一，向左上方看，轻微荷兰式倾斜。
125. 准备，一个斜角构图，主角在转角处渺小并向上伸手，巨大的黑暗负空间虚影占据了一半。
136. 插入细节，极端微距；书架以陡峭对角线延伸，她的手和一个书脊在近角处清晰。
147. 主要动作，斜向视野穿过一排高耸的垂直鳍片，斜向耙状排列，打开的书本在近前景中大幅呈现。
158. 后果，高角度俯视，散落的书页穿过多个深度层飘散和落下。
169. 结局，从高处角落升起的斜向极宽全景，揭示档案馆是一个巨大的非对称结构。
17
18连续性：在所有面板中保持相同，角色身份、外套、油灯、头发、书架和建筑设计、场景比例。只有摄像机和姿势变化。
19
20深度渲染：每个面板都是单通道线性深度通道，灰度 Z 深度，亮度 = 仅距离。最近为纯白色，最远为纯黑色，一个连续单调斜坡；锚定标尺一次，并相同地应用于所有九个。无颜色，无纹理，无方向光，无投射阴影，无发光，无环境光遮蔽，无景深模糊，无颗粒。
21
22网格：正好九个面板，三个等高的行和三个等宽的列，相同的宽高比，薄而均匀的间距。任何地方无标题、数字、标签、箭头、边框或颜色。

6. 视频。 将面孔、定场帧和 3x3 故事板输入 Seedance 2.0，它会根据你的故事板逐镜头渲染序列。深度网格在这里发挥了实际作用：因为每个面板都编码了距离，模型可以模拟视差，并在镜头之间保持物体位置稳定，而不是在每次切换时重新排列场景。

成片中的一帧：档案馆的俯拍镜头，光线爆发，书页散落

PlainCopy
1一个电影化的 15 秒连续单镜头，2.00 变形宽银幕，照片级真实 35mm 胶片外观，带有精细柯达颗粒，无 AI 光泽。场景：一个巨大的、看似无限的高耸书架图书馆-档案馆内部，书架退入温暖的黑暗。视觉风格：温暖的金色琥珀主光过渡到深沉的去饱和墨青色阴影，体积感上帝之光光束穿过精细浮尘，维伦纽瓦 / 迪金斯史诗风格。导演主题：一位孤独的守护者行走在每一个被书写过的故事的无限档案馆中，找到一本发光的书并打开它，光芒和世界从书页中倾泻而出。
2
3锁定：
4- 身份：图像 1 是女性面孔和身份的唯一来源，在每一个镜头中保持她的面孔相同，永不漂移。
5- 服装、第一帧和调色：图像 2 是第一帧和外观，匹配其温暖的琥珀色与墨青色调色、变形光学和整个影片中的 35mm 颗粒。
6- 构图和摄像机：图像 3 是一个 3x3 深度图故事板，包含九个镜头构图；从图像 3 开始按顺序驱动序列（面板 1 到面板 9），每个镜头匹配其面板的取景、景别和摄像机角度。
7- 连续性：同一女性，同一外套，同一油灯，整个过程中同一档案馆建筑和比例。
8- 负面锁定：无手部变形，一致的自然手指，无面部扭曲，无重复或漂浮的肢体，任何地方无文字或标题。
9
10时间线（从图像 3 驱动；所有光线由油灯和发光书本激发）：
110-2 秒 镜头 1（面板 1），高斜向俯拍，缓慢漂移进入。
122-3.5 秒 镜头 2（面板 2），居中对称广角，沿轴线缓慢推进。
133.5-5 秒 镜头 3（面板 3），极端虫眼视角，向上对准一本发光的书。
145-6.5 秒 镜头 4（面板 4），偏离中心的中景特写，她的眼睛抬起，带着安静的敬畏。
156.5-8 秒 镜头 5（面板 5），斜角，她向上伸手，进入深负空间。
168-9.5 秒 镜头 6（面板 6），紧微距，她的手指滑出一本书。
179.5-11.5 秒 镜头 7，第一人称视角，她的手拿着书打开，温暖的光线向镜头爆发。
1811.5-13.5 秒 镜头 8（面板 8），高角度，散落的书页在她周围的通道中飘动。
1913.5-15 秒 镜头 9（面板 9），从高处角落升起的斜向极宽全景，她渺小地站在广阔档案馆中，现在温暖地发光。

Seedream 5.0 15s 工作流的实际成本

整个短片生成成本不到一杯咖啡。这条管线在单个帧移动之前会产生一堆图像：角色卡、风格卡、定场帧、深度图和九面板故事板，因此是五次图像生成加一次视频处理。这就是每张图像的价格不再是四舍五入的误差，而是决定你是自由迭代还是定量尝试的关键所在。以下所有数字均来自 Atlas Cloud 模型定价页面，验证时间为 2026 年 7 月下旬。

以 720p 每秒 $0.2419 计算，完整的 15 秒序列大约增加 $3.63，因此整个短片（图像和动态合计）生成成本低于 $4。Seedance 2.0 在输入视频时还会降至每秒 $0.1486，其参考转视频模式最多可接受九张参考图像，这正是故事板驱动序列所需要的。

图像经济性让我多看了一眼。Seedream 5.0 Pro 帧在 1.5K 层级起步价为 $0.045，大约是 GPT Image 2 高质量版（1024 像素帧 $0.21572，1536x1024 为 $0.16964）的五分之一。即使在完整的 2K 层级（GPT Image 2 无法达到），Seedream 5.0 Pro 每张图像 $0.09，仍不到后者价格的一半，同时输出更大的帧。每个短片生成五张图像，或一批生成五十张，这个差距会迅速累积。

注意时机：Seedream 5.0 Pro 目前正在限时打八折，因此在促销窗口期间，1.5K 帧实际为 $0.036，2K 帧为 $0.072。价格和促销活动会变动，所以在预算大批量生成之前，请查看模型页面。

将 Seedream 5.0 工作流扩展到单个短片之外

深度与风格分离不仅适用于电影拍摄。同样的原则——先锁定结构，将连续性视为独立层——正是 Seedream 5.0 Pro 能够一次在多个面板上保持一致设计系统的原因。这在任何需要一组彼此协调的图像（而非单张主角帧）的场景中都很有用。

一个九面板传记年表布局，每个卡片采用一致的设计系统

多面板知识卡片或轮播图与九镜头故事板是同一个问题：在内容逐格变化时，保持字体、间距和色彩语言一致。Seedream 5.0 系列在这方面异常强大，因为它能很好地处理结构化布局和文本渲染，这是它与其他前沿图像模型抗衡的领域之一。构建一次网格，保持约定锁定，每个面板看起来就像是一个整体。

深度图、故事板、色卡，所有这些都是你在提交前仔细思考一个镜头的方式。工具变得越来越狂野和便宜。但它们仍然无法决定你真正想讲述什么故事。

常见问题

用一句话概括 Seedream 5.0 15s 工作流是什么？

这是一个六步管线，将几何结构与风格分离：你将场景构图锁定为灰度深度图，将九个摄像机角度编排为单个 3x3 深度网格，然后将这些加上锁定的角色和色彩分级输入视频模型，渲染出一个 15 秒的短片。

这个工作流需要 Stable Diffusion 或 ComfyUI 吗？

不需要。深度图的想法来自 ControlNet 工具，但这个工作流完全在托管的 API 模型上运行。你在 Seedream 5.0 Pro 上生成所有图像，在 Seedance 2.0 上生成视频，两者通过同一个 API 密钥，因此无需本地安装、无需 GPU、无需维护节点图。

Seedream 5.0 15s 工作流每部短片的成本是多少？

2026 年 7 月下旬按标价生成大约 4 美元。五张图像资产在 Seedream 5.0 Pro 上总计约 0.315 美元，15 秒 720p 片段在 Seedance 2.0 上以每秒 0.2419 美元计算约增加 3.63 美元。当前的八折优惠进一步降低了图像成本。请始终在实时模型页面上确认。

Seedream 5.0 15s 工作流能保持一个角色一致吗？

可以，这正是第一步的目的。你构建一个五角度角色卡，删除重复的面孔，使每个角度保持一个干净的参考，然后在故事板和视频提示中锁定该图像作为唯一身份来源。深度故事板处理构图，而角色卡处理面孔。

为什么深度图在这里优于线稿或 3D 白色模型？

线稿锁定姿势但不携带空间信息，因此画面保持扁平。3D 白色模型增加了体积，但会将灰色黏土外观带入最终图像。深度图只编码距离（白色近，黑色远），因此提供精确的几何结构，且无风格污染，这让你可以按照需要多次重新样式化同一个构图。