Por que seus prompts do Seedance 2.0 continuam sendo sinalizados (e o que fazer)

Como funciona o sistema de entrada do Seedance 2.0

Antes de mais nada, ajuda entender exatamente o que o Seedance 2.0 aceita e onde a maioria das pessoas erra antes mesmo de escrever um prompt.

• Imagens: até 9. Usadas como frame inicial, referência de personagem, ambiente de cena ou âncora de estilo.
• Clipes de vídeo: até 3 clipes, com duração combinada de no máximo 15 segundos. Usados para referenciar movimentos de câmera, replicar movimento ou como material de origem para estender ou editar.
• Arquivos de áudio: até 3 arquivos, com duração combinada de no máximo 15 segundos. Usados para música de fundo, design de som ou referência de tom de narração.
• Texto: seu prompt, em linguagem natural.

Não existe limite combinado de arquivos entre os tipos de entrada, então nada impede você de anexar nove imagens. A disciplina está na contenção: a ByteDance recomenda de 4 a 5 assets no total e alerta que usar toda a cota deixa mais difícil para o modelo descobrir quais características importam, o que gera conflitos de estilo e identificação imprecisa do sujeito. Tire prioridade primeiro do áudio e das referências visuais secundárias, já que esses são os elementos mais fáceis de descrever em palavras. Reserve os uploads para o que realmente não dá para escrever: um rosto específico, um movimento de câmera exato, uma coreografia particular.

Dois limites que pegam as pessoas de surpresa: todo clipe de referência (vídeo ou áudio) precisa ter pelo menos 2 segundos, e texto mais áudio, sozinhos, não geram nada. O áudio sempre precisa de uma referência visual junto.

O verdadeiro motivo pelo qual seu prompt foi sinalizado

A maioria das pessoas presume que um prompt sinalizado contém uma palavra ou frase específica que ativou um filtro. Essa suposição leva a um ciclo sem fim de trocar palavras, adicionar avisos ou reduzir o prompt ao mínimo. Nada disso resolve o problema de verdade.

O filtro de conteúdo do Seedance 2.0 não funciona assim. Ele usa um modelo de linguagem para ler o prompt inteiro como uma única cena e julgar o que essa cena representa. Ele avalia intenção e contexto, não faz uma varredura por termos isolados.

Pense num segurança de estúdio de cinema comparado a um segurança de banco. A mesma arma cenográfica passa pelo portão do estúdio sem levantar suspeita, porque o contexto deixa o propósito óbvio. No banco, a história é completamente diferente. O objeto não mudou. O contexto sim.

Na prática, isso significa que uma palavra que parece sensível isolada pode aparecer dentro de um prompt cinematográfico bem construído sem nenhum problema. O filtro lê o quadro completo. Um prompt sem quadro nenhum para ler, sem cenário, sem propósito visual, sem lógica narrativa, não dá material nenhum para ele trabalhar. Quando o filtro não consegue interpretar com segurança o que está sendo feito, ele erra pelo lado da cautela.

É esse o cerne de quase todo prompt sinalizado que não deveria ter sido. Não é conteúdo ruim. Não é uma ideia ruim. É só um prompt que não deu ao filtro o suficiente para entender.

A mudança prática é esta: um prompt que se lê como um cineasta descrevendo um plano tende a passar. Um prompt que se lê como um recado para um amigo tende a ser sinalizado.

Uma categoria é bloqueio duro, não uma sinalização corrigível. Dois tipos de conteúdo são rejeitados na etapa de varredura da imagem, antes mesmo de o prompt ser lido, e nenhum enquadramento cinematográfico vai fazê-los passar:

• Rostos reais de pessoas identificáveis: celebridades, políticos e figuras públicas
• Personagens protegidos por direitos autorais: super-heróis de marcas, personagens da Disney, propriedade intelectual ficcional reconhecível

Se sua geração está falhando por causa da foto enviada de uma pessoa real, isso é uma restrição da plataforma, não um problema de prompt.

Como escrever prompts que o filtro leia como claramente criativos

[Filtro] Enquadre a cena inteira, não só a ação

A estrutura mais comum nos prompts sinalizados é uma ação isolada, sem contexto ao redor. Algo acontece, mas não há local, nem atmosfera visual, nem motivo para a câmera estar ali. O filtro não consegue distinguir se aquilo é um set de filmagem ou outra coisa.

A solução não é remover a ação. É construir a cena em volta dela até a intenção ficar evidente por si só.

A ação é idêntica. O primeiro dá ao filtro uma única coisa para avaliar. O segundo dá a ele um contexto de guerra, um período histórico, uma posição de câmera e uma atmosfera visual completa. Um se lê como um relatório. O outro se lê como um briefing de filmagem.

Construa a partir da ação e responda estas quatro perguntas no seu prompt:

• Onde isso está acontecendo?
• Como é a aparência visual?
• O que a câmera está fazendo?
• Qual é a atmosfera geral?

Responda às quatro e a maior parte dos problemas de sinalização se resolve sozinha.

[Prompt] Trate seu prompt como uma série de fatos visuais, não como uma história

Uma das causas menos óbvias de sinalização é um texto de prompt que se lê de forma emocional ou narrativa, em vez de visual. Estes elementos acrescentam ruído interpretativo que o modelo precisa contornar:

• Motivações do personagem
• História de fundo dramática
• Contexto de relacionamentos
• Explicações emocionais

O filtro se importa com o que a câmera veria se essa cena existisse. Ele não precisa saber por quê.

Um roteiro tem duas partes: a descrição da cena e o subtexto. O Seedance 2.0 só precisa da descrição da cena. A corrente emocional, a história prévia, o motivo pelo qual o personagem está correndo. Isso é subtexto. Pertence à cabeça do roteirista, não ao prompt.

Antes de incluir qualquer frase no seu prompt, faça uma pergunta: se isto fosse uma filmagem real, essa frase apareceria na lista de planos? Se não, ela quase certamente não pertence ao prompt.

Essa disciplina também melhora bastante a qualidade da geração. O modelo executa o que consegue ver, não o que consegue inferir. Prompts densos, específicos e visuais superam prompts longos e narrativos quase sempre.

Para sequências de vários planos, dê estrutura ao prompt. A forma recomendada pela ByteDance é um storyboard plano a plano em prosa simples: estabeleça o registro visual uma vez, depois trate cada plano em sequência como movimento de câmera, ação do sujeito, posição, som.

Registro visual (vale para tudo): luz suave de céu encoberto, sombras difusas, sem bordas duras.
Naturais dessaturados, brancos frios, tons apagados. Granulação 35mm, lente anamórfica, halação
suave nas altas luzes. Silencioso, isolado, amplo.

Plano 1: Plano aberto com câmera fixa, ângulo baixo. Um cavaleiro solitário chega ao topo de uma
        crista nevada.
Plano 2: Plano de acompanhamento por trás, com sensação de câmera na mão. Cavalo e cavaleiro
        galopam pela neve funda, a capa do cavaleiro chicoteando ao vento.
Plano 3: Plano aberto estático, totalmente fixo. Um campo de neve vazio. Um lobo imóvel sobre uma
        crista distante.

Mantenha sem legendas. Não gere marca d'água.

Estabelecer o registro visual uma única vez, logo no início, define o tom cinematográfico da sequência inteira. Cada plano então só precisa descrever o que a câmera vê naquele momento.

Não atribua uma duração a cada plano. É tentador escrever "duração": "3 segundos" em cada batida, e é a forma mais comum de as pessoas piorarem o próprio resultado. O tratamento que o Seedance dá a marcações precisas de tempo é instável, e fixar segmentos em contagens exatas de segundos pode quebrar a geração em vez de apertá-la. Ordene os planos e deixe o modelo encontrar o ritmo.

[Prompt] Use linguagem de produção para deixar claro que tipo de conteúdo é este

Existe um padrão confiável que vale conhecer: prompts que incluem o vocabulário de produção audiovisual tendem a ser avaliados com bem mais margem do que prompts escritos em linguagem comum.

O motivo é simples. Quando um prompt traz tipos de plano, especificações de lente, esquemas de iluminação e proporções de tela, o modelo o interpreta como um briefing de produção. Produções cinematográficas podem retratar material dramático, intenso e moralmente complexo. Esse contexto muda o peso que o filtro dá ao conteúdo.

Funciona um pouco como usar capacete numa obra. O capacete não muda o que você está fazendo, mas sinaliza na hora, para todo mundo em volta, que tipo de ambiente é aquele e quais são as regras. Dois ou três termos de produção num prompt fazem a mesma coisa: estabelecem o registro antes de o filtro avaliar qualquer outra coisa.

Isso não quer dizer encher todo prompt de jargão técnico. Quer dizer incluir linguagem de produção suficiente para que o enquadramento seja inequívoco. Aqui vai uma lista de referência organizada por categoria:

Tipos de plano

• Plano aberto, plano médio, close, close extremo
• Plano por sobre o ombro, POV, vista aérea, plano de dois
• Ângulo baixo, ângulo alto, ângulo holandês

Movimentos de câmera

• Dolly in / dolly out
• Plano de acompanhamento, panorâmica, tilt, plano de grua
• Câmera fixa, avanço em ângulo baixo, plano circular, câmera na mão

Lente e formato

• Granulação 35mm, lente anamórfica, proporção 2.39:1, 1.85:1
• Óptica vintage, halação suave, pouca profundidade de campo
• Flare de lente, mudança de foco

Estes são termos descritivos para a aparência, não configurações de saída. Escrever "2.39:1" no prompt diz ao modelo que tipo de imagem você quer; a proporção que você de fato seleciona nas configurações é 21:9, o formato panorâmico mais próximo que o Seedance entrega.

Iluminação

• Luz difusa de céu encoberto, raios volumétricos atravessando a névoa
• Iluminação prática, contraluz lateral, sombra motivada
• Hora dourada, luz direcional dura, luz de contorno

Cor e tonalidade

• Paleta apagada e dessaturada, alto contraste, bleach bypass
• Tons azuis frios, âmbar quente, pretos esmagados
• Altas luzes estouradas, gradação plana de baixo contraste

Acrescentar dois ou três termos de qualquer uma dessas categorias a um prompt estabelece o contexto de produção com clareza. Muitas vezes é tudo o que basta.

Por que seu prompt é sinalizado mesmo sem nenhum conteúdo sensível

Às vezes uma geração é sinalizada e não há nada nem remotamente sensível no prompt. Nenhuma ação, nenhum drama, nenhum assunto delicado. Só uma cena que deveria passar sem problema.

Isso acontece quando o prompt é escasso demais. Uma descrição curta e simples, sem enquadramento cinematográfico, contexto de cena ou especificidade visual, dá ao filtro um quadro incompleto. É como mandar para alguém uma única frase do meio de um roteiro, sem capa, sem cabeçalho de cena e sem rubrica. A pessoa não consegue dizer se é um suspense, uma comédia ou outra coisa. Quadros incompletos não são aprovados, ficam retidos.

Mesmo objeto, leitura completamente diferente. O primeiro dá ao filtro um objeto e uma ação. O segundo dá a ele um ambiente, um propósito, um contexto de produção e uma descrição de câmera.

A correção é simples. Até uma cena simples se beneficia destas adições:

• Um cenário e um período de tempo específicos
• Um descritor de atmosfera ou clima
• Uma posição de câmera ou tipo de plano
• Um ou dois termos de linguagem de produção para estabelecer o contexto

O sistema de referência @: por que os uploads falham em silêncio

Boa parte dos problemas com o Seedance 2.0 não tem nada a ver com filtro. São problemas de referência. As pessoas enviam imagens e clipes de vídeo esperando que o modelo entenda para que serve cada arquivo, e o modelo não presume nada.

Enviar um vídeo não o transforma em referência de câmera. Enviar uma imagem não a transforma no frame inicial. Pense em entregar uma pilha de fotos sem etiqueta a um diretor no set. Ele vê o que há em cada foto, mas não faz ideia de qual você quer como frame inicial, qual é referência de figurino e qual é só inspiração de fundo. Sem etiquetas, ele chuta. O Seedance 2.0 não é diferente. Todo arquivo enviado precisa de um papel explícito declarado no prompt com tags @, ou será processado de forma ambígua.

Ative as tags @ digitando @ no campo do prompt (um seletor de referências vai aparecer) ou clicando no ícone @ na barra de ferramentas. Depois diga exatamente para que serve cada arquivo, antes de descrever a ação.

Ao usar várias referências, liste toda a atribuição de papéis no topo do prompt, antes de qualquer descrição de cena. Uma tag @ sem papel explícito é uma das causas mais confiáveis de resultado inconsistente ou inesperado.

Como o Seedance 2.0 lê as imagens enviadas (e onde isso desanda)

[Imagem] Quando você envia a imagem de um personagem, deixe a imagem fazer o trabalho

Existe uma tentação natural, ao enviar uma imagem de referência de personagem, de descrever esse personagem também no prompt. Resista. A imagem já fez esse trabalho. Repetir em texto não reforça o resultado. Introduz uma segunda camada de informação, concorrente, que o modelo precisa conciliar.

O que o prompt precisa fazer é descrever a cena com clareza:

• O que está acontecendo no plano
• Como a câmera está posicionada
• Como é o ambiente
• Como o plano se move

A imagem cuida da aparência. O prompt cuida de tudo o que a câmera vê.

É aqui também que a sinalização vira um problema de imagem. O Seedance 2.0 aplica avaliação mais rígida a qualquer prompt em que um personagem possa ser lido como menor de idade. Palavras que sinalizam juventude ("criança", "garoto", "jovem", "menino", "menina") disparam escrutínio elevado sobre o prompt inteiro, não só sobre a frase em que aparecem, e independentemente do que a imagem enviada mostre.

A abordagem mais limpa é descrever os personagens pelo papel deles na cena. A imagem cuida de tudo sobre quem eles são. O prompt cuida do que acontece e do que a câmera vê.

A palavra "jovem" na primeira versão eleva o limiar de sensibilidade do prompt inteiro. A segunda versão deixa a imagem enviada carregar a identidade do personagem. O prompt descreve só o que a câmera vê.

[Imagem] Sinalizado antes mesmo de enviar? A imagem é o problema

Existe uma camada de avaliação de imagem no Seedance 2.0 que roda independentemente do filtro de prompt. Se uma imagem enviada contém um rosto claramente visível, ela pode disparar uma rejeição antes de o modelo processar qualquer texto. Isso explica o padrão em que reescrever o prompt várias vezes não faz diferença nenhuma. O prompt não está sendo lido.

Como contornar:

• Rosto virado para longe da câmera. Enquadre o sujeito por trás ou num ângulo em que os traços faciais não fiquem visíveis. Roupa, postura, cabelo e ambiente carregam informação suficiente para a maioria das finalidades de referência.
• Abra o plano. Abra o plano o bastante para que a figura leia como silhueta ou elemento pequeno no quadro, em vez de sujeito dominante.
• Prefira ilustração a fotografia. Troque referências fotográficas por ilustradas ou estilizadas. A avaliação se aplica de outra forma e as imagens ilustradas passam com mais consistência.
• Mude a finalidade da referência. Use a imagem para roupa, cenário, paleta de cores ou composição espacial, em vez de rosto ou identidade.

Se uma geração continua falhando sem explicação clara do lado do prompt, ajuste a imagem antes de reescrever qualquer texto.

Técnicas avançadas que vale conhecer

[Avançado] Estender material existente

Diga em qual direção você quer, depois descreva o que o novo trecho contém. A extensão funciona nos dois sentidos: você pode gerar o que acontece depois de um clipe e o que aconteceu antes dele.

Generate the content after @Video 1. [Descrição do novo trecho.]

Extend @Video 1 backward. [Descrição do que leva até ele.]

Não escreva "reference @Video 1" aqui. Esta é uma tarefa de edição, não de referência, e a palavra reference empurra o modelo a classificá-la como tal, então, em vez de continuar seu clipe, ele gera um vídeo novo que apenas se parece com ele. Refira-se ao clipe simplesmente como @Video 1.

O material original não é gerado de novo, então a parte de que você já gostou sobrevive intacta. Duas coisas para planejar: a emenda pode mostrar um pequeno salto (resolva no seu editor, cortando cerca de seis frames do fim do clipe que sai e um do início do que entra), e a qualidade se degrada se você encadear extensões repetidamente, aparecendo primeiro como cor manchada nos rostos. Mantenha as cadeias curtas.

[Avançado] Ligar dois clipes com um meio gerado

Generate a connecting scene between @Video 1 and @Video 2. The transition shows [descreva a ação, o ambiente ou o movimento que liga os dois clipes].

O trecho gerado será inserido entre os dois clipes enviados, então descreva-o como se fosse uma cena curta própria.

[Avançado] Copiar o estilo de câmera de um clipe de referência

Envie qualquer clipe com o estilo de movimento que você quer e nomeie-o diretamente:

Reference all camera movements from @Video 1, including the low-angle circling shot and the push into close-up.

A palavra "reference" está correta aqui, porque isto de fato é uma tarefa de referência: você está fazendo um vídeo novo que toma emprestado um estilo de câmera. Só abandone a palavra quando estiver editando ou estendendo o próprio clipe enviado.

O modelo extrai ritmo de movimento, lógica de enquadramento e cadência de transição do clipe de referência. Nomes técnicos precisos ajudam, mas não são obrigatórios. Ainda assim, mantenha um movimento de câmera por plano: empilhar um avanço, uma órbita e uma panorâmica num único plano é uma forma confiável de desestabilizar a imagem.

[Avançado] Sincronizar cortes com a música

(Rhythm and tempo from @Audio 1.) Scene transitions land on the beat. Apply the visual style change at each cut.

O Seedance 2.0 consegue sincronizar cortes, mudanças de luz e transições de cena com o ritmo de uma faixa de áudio enviada. Descreva a sincronia em batidas, não em segundos. O tratamento que o modelo dá a marcações precisas de tempo ("corte aos 6 segundos") é instável, e fixar eventos em contagens exatas de segundos pode degradar o resultado em vez de apertá-lo. Escreva cada corte como um plano próprio e deixe a batida carregar o tempo.

[Avançado] Usar o áudio de um clipe de vídeo existente

Não é preciso enviar áudio separado se o clipe que você já está referenciando tem o áudio que você quer:

Use the audio embedded in @Video 1 as the background score.

[Avançado] Palavras de restrição: descartar artefatos que ninguém pediu

Separado do filtro de conteúdo, existe uma classe de falha em que a geração dá certo, mas o resultado traz algo que você nunca pediu: legendas gravadas no quadro, um logo perdido, a marca d'água de outra plataforma. A orientação da própria ByteDance é fechar o prompt com frases explícitas de restrição:

Keep it subtitle-free. Avoid generating any text or subtitles.

Do not generate a logo. Do not generate a watermark.

The character's face stays consistent with no deformation. Motion is smooth, with no stutter or flicker.

Seja realista sobre o que isso compra. As linhas de restrição reduzem a probabilidade de legendas e marcas d'água indesejadas. Elas não a eliminam. Duas coisas ajudam mais do que as palavras:

• Tire o texto dos seus assets de referência antes de enviar. Se uma imagem ou clipe de referência tem texto de que você não precisa, remova antes. Texto na entrada é a forma mais confiável de obter texto na saída.
• Gere em paisagem, se puder. Legendas espúrias aparecem bem menos em paisagem do que em retrato. Se a peça final for vertical, muitas vezes compensa gerar em 16:9 e cortar depois.

Mantenha as restrições curtas e ligadas à falha que você está vendo de verdade. Uma lista longa e genérica de tudo o que poderia dar errado tende a ser diluída ou ignorada.

[Comunidade] Uma coisa com que as pessoas vêm experimentando

Alguns usuários relatam taxas de aprovação melhores ao escrever a descrição da cena em chinês, mantendo qualquer diálogo ou texto em tela em inglês. O raciocínio é que o Seedance 2.0 foi desenvolvido originalmente com forte treinamento em língua chinesa, então prompts escritos em chinês podem ser interpretados com limiares de filtro ligeiramente diferentes.

Não é uma solução garantida e os resultados variam, mas, se um prompt bem construído continua sendo sinalizado apesar de um enquadramento cinematográfico sólido, é algo barato de testar. Passe a descrição da cena por qualquer tradutor, mantenha as falas em inglês e veja se o resultado muda.

Um custo documentado a pesar contra isso. A orientação da ByteDance é explícita: misturar chinês e inglês num prompt deve ser evitado, salvo nomes próprios, e a língua do diálogo em particular precisa se manter consistente. Ou seja, uma descrição de cena em chinês com diálogo em inglês é exatamente a mistura contra a qual o dono do modelo alerta, e o preço costuma aparecer como pronúncia degradada nas falas. Se o seu vídeo não tem diálogo, o risco é baixo. Se tem, teste antes de depender disso.

Antes de gerar: um checklist rápido

• Estou no modo All-in-One Reference? (Obrigatório sempre que você mistura tipos de entrada)
• Toda tag @ tem um papel declarado explicitamente no prompt?
• O prompt descreve uma cena visual, e não uma narrativa ou história de fundo?
• Incluí ao menos um elemento de linguagem de produção: um tipo de plano, um movimento de câmera ou uma descrição de luz?
• Cada frase descreve o que a câmera vê ou estabelece um contexto cinematográfico?
• O prompt se refere aos personagens pelo papel, e não pela idade?
• Minha imagem de referência está livre de rostos em destaque, ou foi cortada/ilustrada?
• Minha imagem de referência está livre de pessoas reais identificáveis ou de personagens protegidos por direitos autorais?
• Estou usando o mínimo de referências que o plano realmente exige? (4 a 5 é a faixa recomendada; não existe limite combinado, mas usar toda a cota degrada os resultados)
• Meus planos estão ordenados (Plano 1, Plano 2) em vez de marcados por tempo?
• Fechei o prompt com restrições? ("Keep it subtitle-free. Do not generate a watermark.")