从一张静态图到一首歌：使用Seedream 5.0 Pro和Seedance 2.0制作情感化的MV

歌手并不存在。这首歌不是你的语言。但你仍能感受到它。

这就是创作者 Cia0 于2026年7月19日在X平台分享的一段视频下的反应：十五秒的角色演唱片段，标题为“即使一个字也听不懂也能感受到的歌曲”。描述文字用一行列出了整个技术栈：Seedream 5.0 Pro 用于图像，Seedance 2.0 用于视频，在 CapCut 上运行。真正打动人的是细节处理。嘴唇与歌声同步。头发像真发一样飘动。面部流露的是情感，而非摆拍。

本指南将逐步重建这个流程：哪个模型做什么，哪些提示词能在图像到视频的转换中传递情感，以及完成一部 MV 的实际成本。

关键要点

• 工作流程以图像为先：在 Seedream 5.0 Pro 中艺术指导关键帧，成本为 $0.045，只有在画面锁定后才支付视频费用。在静态图像中修正面部成本约为重新生成视频片段的二十分之一。
• Seedance 2.0 图像转视频接受首帧加可选末帧，每次生成 4 到 15 秒并自带音频，并可返回末帧以便下一片段继续拍摄。
• 将角色与你自己的曲目进行口型同步，使用参考转视频端点：最多 9 张图像、3 个视频和 3 个音频片段作为参考，并在提示词中使用 @提及。
• 一部 40 秒、720p 竖屏 MV 在 2026 年 7 月的折扣价下大约花费 $10，只有你的配乐成本未计入。

值得复制的 Seedream + Seedance MV

两天内三个帖子，加上一个更早的口型同步测试，勾勒出这对组合所能覆盖的全部领域。它们都不是实验室演示。每个都列出了所用工具。

四个例子中有两点重复出现。首先，图像模型和视频模型被视为独立任务：选角在 Seedream 中完成，表演在 Seedance 中完成。其次，视频模型只是整个流程的中间环节。每个描述都列出了它周围的部分：运行的应用、配乐来源、剪辑编辑器。Cia0 的两个帖子都承诺在回复中提供“中文”提示词，而日文帖子在描述中直接列出了四个工具的组合。

为什么 Seedream 优先的工作流程优于纯文本转视频

Seedance 2.0 有相当不错的文本转视频模式。但上面制作片段的人都跳过了它，原因在于算术加控制。

在 Atlas Cloud 上，Seedream 5.0 Pro 的静态图像成本为 $0.045。一个 5 秒、720p 的 Seedance 2.0 片段在享受当前折扣后约为 $0.97。每一个在静态阶段发现的面部、服装或构图错误，只需要一个静态图像的成本来修正。每一个在视频阶段发现的问题，则需要大约 20 倍的价格重新生成整个片段，还要加上等待时间。

对于 MV 来说，一致性最为关键。一部音乐视频会多次出现同一张脸。文本转视频每次生成都会重新创造角色。关键帧流程通过两种方式保持身份一致性：复用已批准的静态图像作为每个片段的起始帧，或者每次生成都提供相同的参考图像。你只需一次艺术指导，然后只为已经满意的动画支付视频费用。

在 Atlas Cloud 上运行 Seedream + Seedance 工作流程

流程的两个部分都在一个地方运行。Atlas Cloud 托管完整的 ByteDance 模型系列，因此 Seedream 5.0 Pro（自 2026 年 7 月 8 日起提供公共 API）和 Seedance 2.0（2026 年 2 月 12 日发布）位于同一账户、同一积分和同一 API 格式下。有两种工作方式：通过 Playground 点击操作，或通过代码串联端点。

方法 1：在 Playground 中生成 MV 镜头

第 1 步：在 Seedream 中塑造角色。 打开 Seedream 5.0 Pro playground，编写关键帧提示词（完整配方在下面两节）。立即匹配目标交付格式的宽高比：Shorts 和 TikTok 使用 9:16，YouTube 使用 16:9。每次运行返回一张图像，成本 $0.045，因此迭代直到面部、服装和光线完全正确。

第 2 步：将静态图像加载到 Seedance。 打开 Seedance 2.0 图像转视频 playground。该表单需要一张必填图像，即你已批准的关键帧，外加一个可选的末帧图像（如果你希望镜头以特定构图结束）。

第 3 步：编写动态提示词并设置片段。 时长范围 4 到 15 秒，或设置为“自动”让模型选择。选择与关键帧匹配的宽高比，或保留为“自动”。分辨率默认为 720p。

第 4 步：检查三个开关。 “生成音频”为片段提供原生声音。“水印”保持关闭以获得干净母版。“返回末帧”将结束帧作为单独图像返回；将其作为下一生成的首帧输入，新片段将从上一片段停止的地方继续。这个开关是四个不连贯片段与一个连续表演之间的区别。

第 5 步：查看价格，然后运行。 “运行”按钮在提交之前显示你确切设置的成本。截至 2026 年 7 月 21 日，一个 5 秒 720p 的片段在平台 20% 限时折扣下显示约为 $0.97（标价约为 $1.21）。

方法 2：通过一个 API 串联 Seedream 和 Seedance

第 1 步：获取你的 API 密钥。 在 Atlas Cloud 控制台中创建一个密钥，并将其导出为环境变量。不要在客户端代码中暴露它。

第 2 步：查看 API 文档。 端点、参数和轮询行为位于 API 文档中。整个流程是两个提交并轮询的循环。

第 3 步：进行两次调用。 首先是关键帧：

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": "<你的关键帧提示词>",
7    "size": "1152*2048"
8  }'

轮询 GET /api/v1/model/prediction/ 直到任务完成，从输出中获取托管的图像 URL，然后直接传递到视频调用：

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": "<动态和表演提示词>",
7    "image": "<Seedream 输出 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 或资产引用，duration 接受 -1 以让模型选择。watermark 默认为 false。当 return_last_frame 设置为 true 时，完成的预测包括作为图像返回的末帧，因此脚本可以循环：生成片段，获取末帧，提交下一个片段。这个循环就是大约三十行代码的整个 MV 流程。

两次调用使用相同的基础 URL、相同的 Bearer 标头和相同的预测轮询。这就是一体化 API 设计的实际优势：你的 Seedream 集成和 Seedance 集成仅通过一个模型字符串和几个字段来区分，而下一个 ByteDance 版本将适配到相同的代码中。

用于 MV 关键帧的 Seedream 5.0 Pro 提示词配方

MV 关键帧是一个选角决定，因此提示词的首要任务是定义一个你可以再次召唤的角色。工作模式是一个角色块：一句话，40 到 60 个词，锁定面部、头发和服装。在项目的每个关键帧提示词中逐字复用。更改一个词，你就有可能召唤一个陌生人。

以下是一个完整的关键帧提示词示例：

一位年轻女性，齐腰黑发，五官柔和圆润，戴着银色垂坠耳环，身穿宽松的奶油色针织毛衣。她独自站在黄昏时分雨水湿润的屋顶上，从肩部以上平视角度拍摄。她眼睛湿润，嘴唇微张，仿佛即将歌唱，目光略过镜头。背后是冷蓝色城市的光芒，脸侧有一道温暖边缘光，浅景深，电影感静帧，柔和颗粒，9:16。

第一句是角色块。之后的所有内容随镜头变化。一个 MV 需要一个小覆盖面集，而非一张图像：

两个 Seedream 特有的注意事项。将情感描述为物理证据，而非标签：“眼睛湿润，下巴紧绷，屏住呼吸”在后续动画中更生动，而“悲伤”则沦为刻板表情。在尺寸选择器中设置宽高比，而不仅仅在文字中描述，因为参数设置优先。有关更深入的提示词结构，包括排除模式以及模型已知的 bug，请参阅我们的 Seedream 5.0 Pro 提示词指南。

用于口型同步、物理效果和情感的 Seedance 2.0 提示词

关键帧为 Seedance 2.0 提供了一个值得动画化的面孔。动态提示词决定了片段是表演还是仅仅移动。Seedance 2.0 原生生成双声道音频，并在八种以上语言中实现音素级口型同步（根据 ByteDance 的发布文章），因此提示词的任务是告诉它正在表演什么、由谁表演以及摄像机如何对待。

有两种方式实现歌唱角色。

路径 A，生成歌曲： 留在图像转视频，打开“生成音频”开关，并在提示词中描述人声。模型会创作音乐并根据自己的轨道同步口型。这是最快获得 Cia0 风格表演片段的路径。

路径 B，你自己的曲目： 切换到参考转视频，该端点每次运行最多接受 9 张参考图像、3 个视频和 3 个音频片段。上传你的歌曲部分作为音频参考，添加你的关键帧作为图像参考，并在提示词中使用 @提及来将角色绑定到动作。这是 Curious Refuge 在五月验证过的多说话人口型同步配方：“一张参考图像”，“一个黑屏视频包含音频或音频文件”，以及“一个提示词（摄像机运动 + 旁白/对话）”。在上传前将音频修剪到片段长度；计费 Token 包含输入时长加上输出时长，因此填充会浪费实际金钱。

区分表演与屏幕保护程序的提示词线索：

超过 15 秒的内容是拼接任务：使用设置部分中的“返回末帧”技巧，在每个新提示词中加入歌曲的下一行。保持 Seedream 提示词中的角色块措辞也出现在动态提示词中。冗余是保持身份一致性的廉价保险。

从 Seedance 片段到完成的 MV：剪辑和预算

日文“眼药水扭曲”帖子最清晰地展示了完成阶段，因为创作者在描述中列出了整个装配线：Seedream 用于静态图像，Seedance 2.0 用于动态，Mureka V9 用于配乐，OpenShot（免费桌面编辑器）用于剪辑。Cia0 的片段则指定 CapCut 作为其平台。无论你选择哪个编辑器，剪辑工作都是一样的：首先铺好完整轨道，在节拍上修剪片段，并从头到尾保持一个宽高比。

关于 CapCut 路径的说明。在 CapCut 内部，Seedance 2.0 作为 Dreamina Seedance 2.0 运行，自 2026 年 4 月 7 日起在美国可用，根据 CapCut 自己的公告，它带有一些限制，包括阻止从包含真实面部的图像生成视频，以及在输出上添加可见水印。对于梗图来说没问题，但对于干净的 MV 母版来说有限制。API 和 Playground 路径默认关闭水印，并接受你生成的任何关键帧。

整个项目的成本，基于 2026 年 7 月 Atlas Cloud 的折扣价：

草稿行是很多人跳过但不应跳过的。Seedance 2.0 Mini 运行相同的首帧加提示词工作流程，每秒成本 $0.045（标价 $0.056），约为旗舰版 720p 费率的四分之一，因此分镜、摄像机运动和物理效果可以在最终渲染前廉价地调试。如果没有折扣，同样的预算在标价下约为 $12.40，仍然低于大多数素材库订阅的月费。

常见问题解答

Seedance 2.0 能否将角色与我自己的歌曲进行口型同步？

可以。使用参考转视频端点，该端点每次生成最多接受 3 个音频片段，以及 9 张图像和 3 个视频。上传歌曲部分作为音频参考，添加你的 Seedream 关键帧作为图像参考，在提示词中使用 @提及，并描述表演和摄像机。先修剪音频到片段长度，因为计费 Token 包含输入时长加上输出时长。

Seedream 和 Seedance 的提示词必须用中文吗？

不需要。Cia0 分享的是中文提示词，围绕 ByteDance 模型的中文提示词文化很强，但两个模型都接受英文提示词，Seedance 2.0 的口型同步在八种以上语言中在音素级别工作。重要的是在提示词中指定人声的语言，以便嘴型与轨道匹配。

单个 Seedance 2.0 生成可以持续多长时间？

每次运行 4 到 15 秒，支持在该窗口内进行多镜头序列，或者将时长设置为 -1 让模型选择。对于完整的 MV，需要拼接生成：启用“返回末帧”，并从上一片段的结束帧开始下一个片段，使表演保持连续。

我的 MV 片段会有水印吗？

默认情况下 API 和 Playground 没有水印：watermark 参数默认为 false，因此母版输出是干净的。CapCut 消费者版本则不同。Dreamina Seedance 2.0 会应用可见水印，并阻止从包含真实面部的图像生成视频，这是其 2026 年重新发布时附带的安全措施包的一部分。

完整的 Seedream + Seedance MV 成本是多少？

在 2026 年 7 月的折扣价下，一部 40 秒 720p 竖屏视频大约 $10：关键帧 $0.45，Mini 草稿 $1.80，最终 720p 片段约 $7.74，使用 CapCut 或 OpenShot 剪辑免费。按标价计算，同样的运行约为 $12.40。关键帧阶段是保持成本如此之低的原因，因为画面决策在 $0.045 时做出，而不是在每次重新生成约 $0.97 时做出。

结论

本月流传的片段并非某个秘密功能的成果。它们体现的是分工合作：Seedream 5.0 Pro 决定谁在屏幕上以及画面感觉如何，Seedance 2.0 决定他们如何移动和发声，而免费编辑器将片段变成一首有面孔的歌曲。每个步骤都是可检查的，每个错误都在最便宜的地方被捕获。

借鉴这个操作顺序。锁定一个角色块，以 $0.045 的价格购买你的错误，只对你已经批准的进行动画化，让一个片段的末帧打开下一个片段。工具是新的。但纪律只是电影制作。