Was ist Seedance 2.0?
Seedance 2.0 ist ByteDances fortschrittliches multimodales KI-Videomodell, das Bilder, Videos, Audio und Text kombiniert und so beispiellose kreative Kontrolle ermöglicht. Dieser komplette Guide vergleicht Seedance mit Kling, Veo und Sora und zeigt Profis, wie sie multimodale Video-Workflows auf Morphic beherrschen.
Anders als klassische Text-zu-Video-Modelle, die sich ausschließlich auf geschriebene Prompts verlassen, können Sie der KI mit Seedance 2.0 direkt zeigen, was Sie wollen, über visuelle und akustische Referenzen. Laden Sie Referenzbilder hoch, um Stil und Bildaufbau festzulegen, nutzen Sie Videoclips, um gewünschte Kamerabewegungen oder Handlungen zu demonstrieren, fügen Sie Audio hinzu, um Stimmung und Rhythmus zu setzen, und kombinieren Sie all das mit detaillierten Text-Prompts für eine präzise kreative Steuerung.
Warum Seedance 2.0 für professionelle Videoproduktion
Seedance 2.0 löst die zentrale Schwäche der KI-Videogenerierung: die Lücke zwischen Beschreibung und Vision. Statt komplexe Kamerabewegungen, Charakterdetails oder visuelle Effekte in Worte zu fassen, liefern Sie direkte Beispiele. Dieser multimodale Ansatz bringt:
- Präzise visuelle Kontrolle durch Bildreferenzen
- Exakte Bewegungsreplikation über Videoreferenzen
- Rhythmus- und Stimmungsabgleich durch Audio-Integration
- Konsistente Charaktere und Stile über mehrere Shots hinweg
- Komplexe Szenenübergänge mit erhaltener Kontinuität
Das Modell versteht und kombiniert mehrere Referenztypen gleichzeitig, was es besonders wertvoll macht für kommerzielle Produktionen, Content-Erstellung und professionelle Video-Workflows.
Seedance 2.0 vs. Kling vs. Veo vs. Sora: Funktionsvergleich
Bei der Bewertung von KI-Videotools hilft ein Blick auf die konkreten Fähigkeiten jeder Plattform, die richtige Wahl für den eigenen Workflow zu treffen. So schneidet Seedance 2.0 im Vergleich zu führenden Alternativen ab:
| Funktion | Seedance 2.0 | Kling 3.0 | Veo 3.1 | Sora |
|---|---|---|---|---|
| Multimodale Eingabe | Bilder, Videos, Audio, Text | Bilder, Videos, Audio, Text | Bilder, Text | Bilder, Text |
| Maximale Videolänge | Bis zu 15 Sekunden | Bis zu 15 Sekunden | Bis zu 8 Sekunden (erweiterbar auf 60+ Sekunden) | Bis zu 60 Sekunden |
| Audio-Integration | Direkter Audio-Upload als Referenz | Natives Audio mit Lippensynchronisation, mehrsprachigem Dialog | Natives Audio mit Soundeffekten und Dialog | Nur Text-zu-Audio |
| Videoreferenz-Fähigkeit | Vollständige Bewegungs- und Kamerareplikation | Vollständige Bewegungs- und Kamerareplikation mit KI-Regisseur | Stiltransfer und Referenzbilder (bis zu 3) | Eingeschränkt |
| Öffentliche Verfügbarkeit | Verfügbar auf Morphic | Öffentlicher Zugang | Eingeschränkt (Gemini-App, Flow, API) | Eingeschränkter Beta-Zugang |
Wichtigste Unterschiede:
Multimodale Flexibilität: Seedance 2.0 und Kling 3.0 bieten beide umfassende multimodale Unterstützung inklusive direktem Video- und Audio-Upload. Veo 3.1 unterstützt Bildreferenzen (bis zu 3), Audio wird jedoch generiert statt referenziert. Sora bleibt vorwiegend text- und bildbasiert.
Tiefe der Videoreferenz: Seedance 2.0 und Kling 3.0 glänzen bei der Replikation komplexer Kamerabewegungen, Choreografien und Spezialeffekte aus Referenzmaterial. Klings „KI-Regisseur" automatisiert die Komposition mehrerer Einstellungen. Veo 3.1 konzentriert sich auf Bild-zu-Video mit starker Charakterkonsistenz, legt aber weniger Gewicht auf Video-zu-Video-Bewegungsreplikation.
Audio-Fähigkeiten: Seedance 2.0 erlaubt den direkten Upload von Audiodateien für präzise Stimmungskontrolle und Beat-Synchronisation. Kling 3.0 generiert natives, mehrsprachiges Audio mit exakter Lippensynchronisation in 5 Sprachen. Veo 3.1 generiert Audio nativ, akzeptiert aber keine Audiodateien als Referenz. Sora generiert Audio ausschließlich aus Textbeschreibungen.
Länge und Erweiterung: Sora bietet mit bis zu 60 Sekunden die längsten Einzelgenerierungen, während Veos Erweiterungsfunktion das Verketten von Clips über 60 Sekunden hinaus erlaubt. Seedance 2.0 und Kling 3.0 unterstützen beide 15-Sekunden-Generierungen mit Erweiterungsoption.
Auflösung und Qualität: Kling 3.0 und Veo 3.1 unterstützen beide 4K-Ausgabe und liegen damit bei Broadcast-Qualität vorn. Seedance 2.0 liefert hochwertiges Video für den professionellen Einsatz. Veo 3.1 unterstützt zudem natives vertikales Format (9:16) für Mobile-First-Content.
Praktischer Zugang: Die Integration von Seedance 2.0 in Morphic und Klings öffentliche Verfügbarkeit ermöglichen sofortigen Zugriff für professionelle Workflows. Veo 3.1 benötigt Zugang zum Google-Ökosystem (Gemini-App, Flow oder API), Sora bleibt in eingeschränkter Beta.
Angaben Stand Februar 2026. Funktionen und Verfügbarkeit können sich ändern.
Funktionen und Fähigkeiten von Seedance 2.0
Multimodales Eingabesystem
Seedance 2.0 akzeptiert vier unterschiedliche Eingabetypen, die sich kombinieren lassen:
Bild-Eingaben (bis zu 9 Bilder)
- Visuellen Stil und ästhetische Richtung festlegen
- Charakteraussehen definieren und Konsistenz sichern
- Szenenkomposition und Bildausschnitt bestimmen
- Produktdetails für originalgetreue Wiedergabe angeben
- Licht, Farbgebung und Atmosphäre steuern
Video-Eingaben (bis zu 3 Clips, maximal 15 Sekunden gesamt)
- Bestimmte Kamerabewegungen und Bildgestaltung referenzieren
- Bewegungsmuster und Choreografien replizieren
- Szenenübergänge und Schnittrhythmen übernehmen
- Spezialeffekte und visuelle Techniken demonstrieren
- Charakterhandlungen und Interaktionen zeigen
Audio-Eingaben (MP3-Format, bis zu 3 Dateien, maximal 15 Sekunden gesamt)
- Stimmung und emotionalen Ton per Musik setzen
- Tempo über Rhythmus und Beat-Struktur steuern
- Konkrete Soundeffekte oder Umgebungsgeräusche hinzufügen
- Stimmcharakteristik für Dialoge abgleichen
- Visuelle Änderungen mit Audio-Cues synchronisieren
Text-Prompts (natürliche Sprache)
- Erzählung und Handlungsverlauf steuern
- Aktionen und Bewegungen angeben, die in Referenzen fehlen
- Szenenübergänge und Timing beschreiben
- Klären, wie Referenzen angewendet werden sollen
- Details ergänzen, die visuelle Referenzen nicht zeigen
Wichtige Einschränkung: Das System akzeptiert insgesamt maximal 12 Dateien über alle Eingabetypen hinweg. Eine gezielte Auswahl wirkungsvoller Referenzen ist entscheidend, wenn Sie sich diesem Limit nähern.
Architektur der Referenzfähigkeit
Die zentrale Innovation von Seedance 2.0 ist sein Referenzverständnis-System. Statt Eingaben nur als einfache Stilvorgaben zu behandeln, analysiert das Modell und extrahiert konkrete Elemente aus jeder Referenz:
Aus Bildern: Kompositionsstruktur, Charaktermerkmale, Objektdetails, Lichtaufbau, Farbbeziehungen, räumliche Anordnung, Stilmerkmale
Aus Videos: Kamerabewegungspfade, Bewegungsgeschwindigkeit und Beschleunigung, Änderungen im Bildausschnitt, Handlungen und Timing der Subjekte, Umsetzung von Spezialeffekten, Übergangstechniken
Aus Audio: Rhythmus- und Beat-Muster, tonale Stimmung und Atmosphäre, Lautstärkedynamik, Timing von Soundeffekten, Stimmcharakteristik
Dieses granulare Verständnis erlaubt es Ihnen, exakt festzulegen, welche Aspekte jeder Referenz die Generierung beeinflussen sollen, für präzise Kontrolle über das Endergebnis.
Verbesserungen der Grundgenerierungsqualität
Über die multimodalen Fähigkeiten hinaus liefert Seedance 2.0 grundlegende Verbesserungen:
Realistische physikalische Dynamik: Objekte und Charaktere bewegen sich mit authentischer Physik. Stoff fällt natürlich, Flüssigkeiten fließen überzeugend, und Interaktionen zwischen Elementen folgen den Regeln der realen Welt.
Flüssige Bewegungsdarstellung: Kontinuierliche Handlungen laufen ohne ruckartige Übergänge oder Morphing-Artefakte ab. Komplexe, mehrstufige Bewegungen bleiben während der gesamten Ausführung konsistent.
Präzises Prompt-Verständnis: Das Modell interpretiert detaillierte Anweisungen zuverlässig, einschließlich zeitlicher Marker („bei Sekunde 5"), räumlicher Beziehungen („im Hintergrund dahinter") und komplexer Mehrfach-Subjekt-Szenarien.
Konsistenter Stilerhalt: Visuelle Merkmale, die zu Beginn einer Generierung festgelegt werden, bleiben durchgehend stabil. Charakteraussehen, Lichtverhältnisse und künstlerischer Stil driften im Szenenverlauf nicht ab.
Komplexe Handlungsausführung: Meistert anspruchsvolle Sequenzen wie Kampfchoreografien, detaillierte Handbewegungen, Mimik beim Sprechen und koordinierte Interaktionen zwischen mehreren Charakteren.
Bereit für multimodale Kontrolle? Jetzt mit Seedance 2.0 auf Morphic starten →
Technische Spezifikationen
| Parameter | Spezifikation |
|---|---|
| Generierungsdauer | 4-15 Sekunden (wählbar in 1-Sekunden-Schritten) |
| Ausgabeauflösung | Hochwertiges Video (genaue Auflösung variiert je nach Inhalt) |
| Bildrate | Standard 30fps oder cinematisch 24fps |
| Seitenverhältnis | Mehrere Formate inklusive 16:9, 2,35:1 Breitbild, vertikale Formate |
| Audio-Ausgabe | Integrierte Soundeffekte und Hintergrundmusik-Generierung |
| Dateiformate | Bilder: JPG, PNG; Video: gängige Formate; Audio: MP3 |
Eingabespezifikationen von Seedance 2.0 verstehen
Dateianzahl und Längenbeschränkungen
Um die Generierungsqualität zu optimieren und gleichzeitig die Rechenlast im Griff zu behalten, setzt Seedance 2.0 konkrete Eingabegrenzen:
Grenzen pro Dateityp:
- Bilder: maximal 9 Dateien
- Videos: maximal 3 Clips
- Audio: maximal 3 Dateien
Kombinierte Längenbeschränkungen:
- Videoreferenzen: insgesamt 15 Sekunden über alle Clips
- Audioreferenzen: insgesamt 15 Sekunden über alle Dateien
Gesamtsystemlimit:
- Gesamtzahl gemischter Eingabedateien: maximal 12 (über alle Typen)
- Generierte Ausgabelänge: 4-15 Sekunden (wählbar)
Strategische Auswahl der Eingaben
Innerhalb des 12-Dateien-Limits sollten Sie Materialien nach ihrem Einfluss auf das Endergebnis priorisieren:
Priorität 1: Grundlegender visueller Stil (2-3 Bilder) Legen Sie die grundlegende Ästhetik, Farbgebung und den visuellen Ansatz fest, der Ihre kreative Richtung bestimmt.
Priorität 2: Charakter-/Subjektreferenzen (1-3 Bilder) Sichern Sie ein konsistentes Aussehen der Hauptfiguren, besonders bei Mehrfach-Shot-Sequenzen mit Charakterkontinuität.
Priorität 3: Bewegungs- oder Kamerareferenz (1 Video) Wenn eine bestimmte Kameraarbeit oder Bewegung für Ihre Vision entscheidend ist, verwenden Sie eine Videoreferenz, die dies klar zeigt.
Priorität 4: Audio-Grundlage (1 Audiodatei) Wenn Rhythmus, Stimmung oder ein bestimmter Sound wesentlich sind, fügen Sie die Audioreferenz hinzu, die dieses Element am besten vermittelt.
Priorität 5: Ergänzende Details (verbleibende Slots) Nutzen Sie zusätzliche Slots für Szenenreferenzen, Produktdetails oder weitere visuelle Elemente.
Praxisbeispiel: Für einen 15-sekündigen Werbespot mit konkretem Produktaussehen, dynamischer Kameraarbeit und mitreißender Musik:
- 2 Bilder: Produkt aus verschiedenen Winkeln
- 1 Bild: gewünschte Farbgebung und Lichtstimmung
- 1 Video: Kamerabewegungsreferenz
- 1 Audio: Musiktrack für das Tempo
- Verbleibende 7 Slots: Szenenumgebungen, weitere Produktdetails oder aus Gründen der Einfachheit ungenutzt lassen
Richtlinien für die Eingabequalität
Für Bildreferenzen:
- Klare, gut ausgeleuchtete Fotos verwenden, wenn Genauigkeit zählt
- Höhere Auflösung liefert bessere Detailwiedergabe
- Mehrere Winkel desselben Subjekts verbessern die Konsistenz
- Stark komprimierte oder minderwertige Bilder vermeiden
Für Videoreferenzen:
- Sicherstellen, dass das gewünschte Element klar sichtbar ist
- Kürzere Clips mit Fokus auf einen Aspekt funktionieren besser als längere Clips mit mehreren Elementen
- Höhere Videoqualität verbessert das Bewegungsverständnis
- Videos so zuschneiden, dass nur der relevante Abschnitt gezeigt wird
Für Audioreferenzen:
- Möglichst saubere Audiodateien ohne Hintergrundgeräusche verwenden
- Sicherstellen, dass das Audio den gewünschten Rhythmus oder die Stimmung klar zeigt
- Ungefähre Länge an die Ziel-Videolänge anpassen
- Bei Bedarf Audio aus Videodateien nutzen, wenn es mehreren Zwecken dient
Seedance 2.0 multimodale Referenzen nutzen
Seedance 2.0 ist über Morphic zugänglich, das eine Oberfläche zum Hochladen von Referenzen und Schreiben von Prompts bietet. Das System nutzt eine @-Erwähnungsstruktur, um festzulegen, wie jede hochgeladene Datei bei der Generierung verwendet werden soll.
Das @-Referenzsystem
Nach dem Hochladen Ihrer Materialien in Morphic referenzieren Sie diese im Prompt über das @-Symbol gefolgt von der Dateikennung (Bild 1, Video 1, Audio 1 usw.). Entscheidend ist, explizit zu benennen, welchem Zweck jede Referenz dient.
Grundlegende Referenzstruktur:
@[Materialtyp + Nummer] als/für [konkreter Zweck], [zusätzlicher Kontext]
Klare vs. unklare Referenzierung:
Unklar: „Nutze @Bild 1 und @Video 1, um ein Video zu erstellen"
Klar: „@Bild 1 als Startbild mit dem Gesicht des Charakters, referenziere die Kamera-Push-in-Bewegung aus @Video 1, nutze @Audio 1 als Hintergrundmusik für eine mitreißende Stimmung"
Effektive multimodale Prompts schreiben: das CRAFT-Framework
Professionelle Ergebnisse erfordern strukturiertes Prompt-Schreiben. Das CRAFT-Framework bietet einen systematischen Ansatz zur Einbindung multimodaler Referenzen:
C - Context: Szene und Umgebung festlegen Setzen Sie die Bühne mit Ort, Zeitepoche, Atmosphäre und Gesamtszenerie. Referenzen zu Szenenbildern gehören hierher.
Beispiel: „In einem schummrig beleuchteten Jazzclub bei Nacht, mit der Innenraumatmosphäre aus @Bild 1"
R - Reference: @-Erwähnungen und Zweck festlegen Legen Sie explizit fest, welches Referenzmaterial genutzt wird und wie genau es die Generierung beeinflussen soll.
Beispiel: „@Bild 2 für das Aussehen und die Kleidung der Hauptfigur, @Video 1 für Gehtempo und -bewegung, @Audio 1 für die Jazz-Hintergrundmusik"
A - Action: Charakter- und Objektbewegungen beschreiben Beschreiben Sie, was in der Szene passiert: Charakterhandlungen, Objektinteraktionen und Ereignisabfolge.
Beispiel: „Der Charakter geht langsam durch den Raum, bleibt an der Bar stehen, nimmt ein Glas und trinkt einen Schluck, während er zur Tür blickt"
F - Framing: Kameraarbeit und Bildgestaltung definieren Legen Sie Einstellungsgrößen, Kamerabewegungen, Winkel und Übergänge mit filmischer Terminologie fest.
Beispiel: „Beginnen Sie mit einer weiten Establishing-Einstellung, fahren Sie mit Dolly-in auf eine mittlere Nahaufnahme, während der Charakter die Bar erreicht, schneiden Sie dann auf eine Over-the-Shoulder-Einstellung Richtung Tür"
T - Timing: zeitliche Marker und Audio-Abstimmung ergänzen Teilen Sie längere Sequenzen in getaktete Abschnitte, um das Tempo zu steuern und sicherzustellen, dass bestimmte Ereignisse zum vorgesehenen Zeitpunkt eintreten. Integrieren Sie Audio-Vorgaben innerhalb der Timing-Struktur.
Beispiel: „0-4 Sekunden: Establishing-Einstellung, der Gang beginnt; 4-8 Sekunden: der Charakter erreicht die Bar und nimmt das Glas; 8-12 Sekunden: trinkt, während er zur Tür blickt; 12-15 Sekunden: Kamera folgt dem Blick zur Tür. Durchgehend: Jazz-Hintergrundmusik aus @Audio 1 läuft, mit Raumatmosphäre. Bei Sekunde 8 einen Tür-öffnet-sich-Soundeffekt ergänzen"
CRAFT-Beispiel-Prompt:
Context: In einem Detektivbüro im Film-noir-Stil der 1940er bei Nacht, mit Jalousie-Schatten über dem Schreibtisch, referenziert das Licht und die Atmosphäre aus @Bild 1. Reference: @Bild 2 für das Aussehen des Detektivs (Fedora, Trenchcoat), @Video 1 für das langsame, bedächtige Gehtempo und den Bewegungsstil. Action: Der Detektiv betritt das Bild von links, geht zu seinem Schreibtisch, nimmt eine Fotografie in die Hand, betrachtet sie eindringlich und legt sie dann mit einem schweren Seufzer ab. Framing: Beginnen Sie mit einer weiten Einstellung, die den gesamten Büroraum zeigt, eine Tracking-Einstellung folgt dem gehenden Detektiv, fahren Sie mit Push-in auf eine Nahaufnahme seines Gesichts, während er die Fotografie betrachtet, schneiden Sie auf eine Insert-Einstellung der Fotografie in seinen Händen, zurück auf eine mittlere Einstellung, während er sie ablegt. Timing: 0-3 Sekunden: Eintritt und Gang beginnt; 3-7 Sekunden: erreicht den Schreibtisch und nimmt das Foto; 7-11 Sekunden: eindringliche Betrachtung des Fotos; 11-15 Sekunden: legt das Foto ab und seufzt. Audio: durchgehendes, stimmungsvolles Saxofon aus @Audio 1, Schritte auf Holzboden, Foto gleitet über den Schreibtisch, tiefes Ausatmen am Ende.
Bildreferenz-Techniken
Visuellen Stil und ästhetische Richtung festlegen
Bilder legen den grundlegenden Look Ihrer Generierung fest. Nutzen Sie sie, um Farbpaletten, Lichtansätze, Kompositionsstil und künstlerische Behandlung zu definieren.
Erstelle eine Cyberpunk-Straßenszene im visuellen Stil aus @Bild 1. Übernimm die neonbeleuchtete Ästhetik, die Reflexionen auf nasser Straße und die stimmungsvolle Blau-Magenta-Farbgebung. Übernimm die vertikale Architekturkomposition aus @Bild 2.
Charakterkonsistenz über mehrere Shots hinweg wahren
Beim Erstellen mehrerer Videos mit derselben Figur referenzieren Sie in jedem Prompt dasselbe Charakterbild, um das Erscheinungsbild konsistent zu halten.
Zeige die Frau aus @Bild 1 durchgehend in dieser Sequenz, mit exakt gleichen Gesichtszügen, Frisur und Kleidung. Sie startet in der Außenumgebung aus @Bild 2, dann wechselt die Szene zur Innenumgebung aus @Bild 3. Ihr Erscheinungsbild bleibt an beiden Orten konsistent.
Produktpräsentation mit originalgetreuen Details
Für kommerziellen oder produktfokussierten Content nutzen Sie mehrere Winkel und Detailaufnahmen als Referenzen, um eine originalgetreue Wiedergabe zu sichern.
Erstelle eine Produktpräsentation für die Handtasche aus @Bild 1. Das Seitenprofil soll @Bild 2 entsprechen, Oberflächenstruktur und Materialdetails sollen @Bild 3 referenzieren, und Beschläge und Verschluss sollen @Bild 4 entsprechen. Nutze sanfte, rotierende Kamerabewegungen, um alle Winkel zu zeigen. Das Licht soll hell und klar sein, um alle Details sichtbar zu machen.
Videoreferenz-Techniken
Kamerabewegungen und Bildgestaltung replizieren
Videoreferenzen glänzen bei der Demonstration spezifischer Kameratechniken, die sich schwer allein in Worten beschreiben lassen.
Platziere die Figur aus @Bild 1 im Korridor aus @Bild 2. Folge strikt allen Kamerabewegungseffekten aus @Video 1: Tracking-Einstellung von hinten, während die Figur geht, die Kamera umkreist zur Vorderseite mit tiefem Blickwinkel, schwenkt dann 90 Grad nach rechts, um die Türöffnung zu zeigen. Als eine einzige, durchgehende Einstellung ohne Schnitte.
Bewegungsmuster und Choreografien übernehmen
Für Tanz-, Kampfsequenzen oder bestimmte Bewegungsmuster liefern Videoreferenzen Bild-für-Bild-Bewegungsvorgaben.
Zeige den Kampfsportler aus @Bild 1 bei der Ausführung der Bewegungen in der Trainingshalle aus @Bild 2. Die Figur soll exakt die Tritt-Sequenz aus @Video 1 ausführen: Rückwärts-Drehtritt, Übergang zu Roundhouse-Kick, Abschluss mit einem Sprung-Drehtritt. Passe Geschwindigkeit, Höhe und Fließeigenschaft der Referenzbewegungen an.
Spezialeffekte und visuelle Techniken replizieren
Videoreferenzen können Partikeleffekte, Übergänge, Composting-Techniken und andere visuelle Effekte für eine originalgetreue Wiedergabe demonstrieren.
Die Figur aus @Bild 1 vollzieht eine magische Verwandlung. Referenziere die Partikeleffekte aus @Video 1: leuchtende Partikel steigen vom Boden auf, wirbeln um die Figur, die Helligkeit nimmt zu, dann platzen die Partikel nach außen und geben das verwandelte Erscheinungsbild aus @Bild 2 frei.
Audioreferenz-Techniken
Integration von Hintergrundmusik und Stimmungsvorgabe
Audioreferenzen legen die emotionale Tonalität und das Tempo Ihres Videos über die Musikauswahl fest.
Erstelle ein 15-sekündiges motivierendes Fitnessvideo mit dem Athleten aus @Bild 1 im Fitnessstudio aus @Bild 2. Nutze die energiegeladene Musik aus @Audio 1, um eine inspirierende, kraftvolle Stimmung zu setzen. Kamerabewegungen sollen den treibenden Rhythmus der Musik mit dynamischen Push-ins und Bewegung widerspiegeln.
Beat-Synchronisation für visuelle Änderungen
Synchronisieren Sie Szenenübergänge, Schnitte oder visuelle Änderungen mit bestimmten Musik-Beats für ein poliertes, professionelles Tempo.
Die Figur aus @Bild 1 wechselt bei jedem Musik-Beat aus @Audio 1 das Outfit. Erstes Outfit aus @Bild 2, Schnitt zum zweiten Outfit aus @Bild 3 beim ersten Beat, drittes Outfit aus @Bild 4 beim zweiten Beat, viertes Outfit aus @Bild 5 beim dritten Beat. Jeder Schnitt erfolgt exakt auf dem Beat. Schnelle Schnitte ohne Übergangseffekte verwenden.
Stimmklang- und Dialogabgleich
Wenn bestimmte Stimmmerkmale wichtig sind, referenzieren Sie Audio- oder Videodateien mit der gewünschten Stimmqualität.
Die Stimme des Erzählers soll dem tiefen, autoritären Klang aus @Audio 1 entsprechen. Der Erzähltext: „In einer von Technologie geprägten Welt wagt eine Person, alles zu hinterfragen." Vortrag mit demselben Tempo und derselben dramatischen Betonung wie die Referenz.
Komplexe Mehrfachreferenz-Beispiele
Alle Eingabetypen für kommerzielle Produktion kombinieren
Beispiel: Produktwerbespot
Context: Modernes, minimalistisches Studio mit @Bild 1 als Umgebungsreferenz: weißer, durchgehender Hintergrund mit dramatischem Seitenlicht. References: @Bild 2 und @Bild 3 zeigen das Produkt (kabellose Kopfhörer) aus Vorder- und Seitenansicht. @Video 1 zeigt die gewünschte Kamerabewegung: langsame, rotierende Dolly-Einstellung. @Audio 1 liefert die mitreißende elektronische Hintergrundmusik. Action: Die Kopfhörer schweben zentriert im Bild und rotieren langsam. Bei Sekunde 5 klappen sie sich sanft auf. Bei Sekunde 10 aktivieren sich die LEDs an den Ohrmuscheln. Framing: Beginnen Sie mit einer weiten Einstellung, die das Produkt im Raum zeigt. Die Kamera umkreist das Produkt durchgehend kreisförmig und fährt gleichzeitig leicht heran, passend zum Kamerapfad aus @Video 1. Timing: 0-5 Sekunden: Rotation beginnt, Kamera umkreist; 5-10 Sekunden: Kopfhörer klappen auf, während die Rotation weiterläuft; 10-15 Sekunden: LED-Aktivierung, Kamera schließt den Kreis und fährt in eine Nahaufnahme. Audio: elektronische Musik aus @Audio 1 läuft durchgehend. Bei Sekunde 5 einen dezenten mechanischen Soundeffekt beim Aufklappen ergänzen, bei Sekunde 10 einen sanften Einschaltton bei der LED-Aktivierung.
Mehrpersonen-Szene mit Dialog
Beispiel: Erzählszene
Context: Firmenkonferenzraum am Tag, mit dem modernen Interieur aus @Bild 1: große Fenster, langer Tisch, professionelles Ambiente. References: @Bild 2 für das Aussehen der ersten Führungskraft (Frau im marineblauen Anzug), @Bild 3 für das Aussehen der zweiten Führungskraft (Mann im grauen Anzug). @Video 1 zeigt die gewünschte Hin-und-her-Kamerabewegung zwischen den Sprechenden. @Audio 1 liefert angespannte Ambient-Musik. Action: Die erste Führungskraft steht auf und gestikuliert nachdrücklich beim Sprechen. Die zweite lehnt sich mit verschränkten Armen zurück, dann antwortet sie. Die erste setzt sich schwer wieder hin. Die zweite steht auf und geht zum Fenster. Framing: Beginnen Sie mit einer weiten Einstellung, die beide Figuren an gegenüberliegenden Tischenden zeigt. Nutzen Sie eine Schuss-Gegenschuss-Kamerabewegung aus @Video 1: Schnitt auf eine mittlere Einstellung der ersten Führungskraft beim Sprechen, Schnitt auf eine mittlere Einstellung der zweiten beim Antworten, zurück zur weiten Einstellung, während die zweite aufsteht, dann sanfte Tracking-Einstellung, während sie zum Fenster geht. Timing: 0-4 Sekunden: die erste steht auf und spricht; 4-7 Sekunden: die zweite antwortet aus sitzender Position; 7-10 Sekunden: die erste setzt sich, die zweite steht auf; 10-15 Sekunden: die zweite geht zum Fenster. Audio: angespannte Ambient-Musik aus @Audio 1 durchgehend in geringer Lautstärke. Dialog der ersten Führungskraft (selbstbewusster Ton): „Diese Fusion ist unsere einzige Option." Dialog der zweiten Führungskraft (skeptischer Ton): „Das habe ich schon einmal gehört." Schritte auf dem Boden, während die zweite Führungskraft zum Fenster geht.
Fortgeschrittene Funktionen von Seedance 2.0
Videoverlängerung für durchgehende Erzählungen
Seedance 2.0 kann bestehende Videos übergangslos mit neuem Inhalt fortsetzen, der die Geschichte oder Handlung weiterführt.
So funktioniert die Videoverlängerung:
- Laden Sie Ihr bestehendes Video als Referenz hoch
- Legen Sie im Prompt die Verlängerungsdauer und den Handlungsverlauf fest
- Stellen Sie die Generierungsdauer auf die Verlängerungslänge ein (nicht auf die gesamte Endlänge)
- Das Modell generiert die Fortsetzung basierend auf Ihren Anweisungen
Beispiel: Verlängerung einer Café-Szene
Bestehendes Video: 10-sekündiger Clip einer Person am Cafétisch, die auf ihren Laptop schaut
Verlängere @Video 1 um 5 Sekunden. Die Person klappt den Laptop zu, nimmt die Kaffeetasse, trinkt einen Schluck, während sie aus dem Fenster blickt, stellt dann die Tasse ab und steht auf. Die Kamera bleibt durchgehend in mittlerer Einstellung und behält Komposition und Licht des Originalvideos bei.
Generierungseinstellungen: 5 Sekunden als Generierungsdauer wählen
Das Modell analysiert das letzte Bild des Referenzvideos und erzeugt eine übergangslose 5-sekündige Fortsetzung, wobei Erscheinungsbild der Figur, Szenenlicht, Kamerawinkel und visueller Stil erhalten bleiben.
Best Practices für Verlängerungen:
- Verlängerungen relativ kurz halten (5-8 Sekunden) für beste Kontinuität
- Die verbindende Handlung zwischen Originalende und neuem Inhalt klar beschreiben
- Elemente nennen, die konsistent bleiben sollen (Kamerawinkel, Licht, Position der Figur)
- Falls das Originalvideo Audio enthält, diesen Audiostil für die Verlängerung referenzieren
Videofusion und Übergänge zwischen mehreren Clips
Erstellen Sie übergangslose Verbindungen zwischen mehreren bestehenden Videoclips, indem Sie überbrückenden Inhalt generieren.
Beispiel: Zwei Orte verbinden
Bestehende Videos:
- @Video 1: Figur geht auf urbaner Straße (endet, während sie sich der Ecke nähert)
- @Video 2: Dieselbe Figur betritt eine Wohnung (beginnt mit sich öffnender Tür)
Erstelle ein 5-sekündiges Übergangssegment zwischen @Video 1 und @Video 2. Die Figur vom Ende von @Video 1 biegt um die Ecke, geht die im Hintergrund des Anfangsbilds von @Video 2 sichtbaren Außentreppen der Wohnung hoch, erreicht die Tür und beginnt, sie zu öffnen (Anschluss an den Anfang von @Video 2). Passe Erscheinungsbild, Gehtempo und Bewegungsstil der Figur beiden Referenzvideos an. Das Licht wechselt vom Tageslicht draußen am Anfang zum Innenlicht aus @Video 2 am Ende.
Dies erzeugt einen Brückenclip, der zwei separate Aufnahmen übergangslos verbindet und Charakter- sowie Erzählkontinuität wahrt.
Charakteraustausch in bestehenden Videos
Tauschen Sie Charaktere oder Subjekte in Videos aus und behalten dabei alle anderen Elemente wie Kameraarbeit, Bewegung und Szenendetails bei.
Beispiel: Austausch bei einer Musikperformance
Ersetze in @Video 1 die weibliche Leadsängerin durch den männlichen Künstler aus @Bild 1. Die Performance-Handlungen sollen die des Originalvideos exakt wiedergeben: Mikrofonhaltung, Körperbewegungen, Mimik und Interaktion mit der Band. Der Ersatzkünstler soll Timing und Energie der Originalperformance Bild für Bild treffen. Alle anderen Elemente bleiben unverändert: Bandmitglieder, Bühne, Licht, Kamerabewegungen.
Anwendungsfälle für Charakteraustausch:
- Verschiedene Talente in Werbekonzepten testen
- Varianten derselben Szene mit unterschiedlichen Darstellern erstellen
- Bestehendes Material mit neuen Markenbotschaftern aktualisieren
- Content für unterschiedliche regionale Märkte mit lokalisiertem Talent produzieren
Handlungsumkehr und narrative Veränderung
Ändern Sie die Erzählrichtung oder den Ausgang eines bestehenden Videos vollständig, während visuelle und technische Elemente erhalten bleiben.
Beispiel: Umkehrung eines Beziehungsdramas
Originalvideo (@Video 1): Romantische Szene, in der ein Mann einer Frau auf einer Brücke einen Antrag macht, sie sagt Ja, sie umarmen sich
Kehre die Handlung von @Video 1 um. Die Szene beginnt identisch: Der Mann kniet nieder und öffnet die Ringschachtel. Doch der Gesichtsausdruck der Frau wechselt von überraschter Freude zu schockiertem Erkennen. Sie weicht zurück und schüttelt den Kopf. Das Gesicht des Mannes wechselt von hoffnungsvoll zu kalt und berechnend. Er steht langsam auf, sein Auftreten wird bedrohlich statt liebevoll. Die Frau sagt: „Du hast mich von Anfang an belogen!" Der Mann antwortet mit eisigem Lächeln: „Das schuldest du meiner Familie." Das konfrontative Ende ersetzt die ursprüngliche romantische Umarmung. Alle Kamerawinkel und -bewegungen aus @Video 1 beibehalten.
Diese Technik erlaubt eine vollständige narrative Neuausrichtung bei gleichzeitigem Erhalt von Bildgestaltung und Produktionswert des bestehenden Materials.
Durchgehende Einstellungen in einer Einstellung (One-Take)
Erstellen Sie durchgehende Long-Take-Sequenzen, die Subjekte ohne Schnitte durch mehrere Umgebungen begleiten.
Beispiel: Verfolgungsjagd-Sequenz in der Stadt
@Bild 1, @Bild 2, @Bild 3, @Bild 4 und @Bild 5 zeigen eine One-Take-Tracking-Einstellung, die einem Läufer folgt. Sequenz: Beginnen Sie auf Straßenniveau (@Bild 1) mit einer weiten Einstellung, während der Läufer mit voller Geschwindigkeit von rechts ins Bild kommt. Die Kamera nimmt die Verfolgung von hinten auf, während der Läufer den Gebäudeeingang erreicht (@Bild 2). Weiterhin verfolgend, während der Läufer die Innentreppe hochspringt (@Bild 3), mit engem Verfolgungsabstand. Auf der Dachebene ankommen (@Bild 4), Kamera verfolgt weiterhin von hinten. Der Läufer erreicht die Dachkante. Die Kamera bewegt sich für die letzte Einstellung vor den Läufer, kranet dann hoch in eine Vogelperspektive mit Blick auf die Skyline (@Bild 5). Kamera: durchgehend im Handkamera-Stil verfolgend. Keine Schnitte. Leichtes Kamerawackeln für Dringlichkeit und Realismus. Sanfte Bewegungsübergänge zwischen den Umgebungen. Timing: 0-3 Sekunden Straßenlauf, 3-6 Sekunden Gebäude betreten und Treppe beginnen, 6-10 Sekunden Treppenaufstieg, 10-13 Sekunden Dach erreichen und zur Kante laufen, 13-15 Sekunden Kranfahrt in die Vogelperspektive.
Kreative Vorlagenreplikation
Übernehmen Sie Struktur, Stil und Techniken von Referenzvideos und ersetzen dabei Ihre eigenen Subjekte und Ihr Branding.
Beispiel: Werbespot-Stil adaptieren
Referenz: @Video 1 zeigt einen hochwertigen Parfüm-Werbespot mit bestimmten Kameratechniken, Übergängen und Tempo
Erstelle einen Luxusuhren-Werbespot, indem du Stil und Struktur der Werbung aus @Video 1 referenzierst. Nutze dieselben Kameratechniken: sanfte Dolly-Bewegungen, dramatische Lichtreveals, Nahaufnahme-Detailfokus und elegantes Tempo. Ersetze die Parfümflasche durch die Uhr aus @Bild 1. Behalte die anspruchsvolle Farbgebung, das Übergangs-Timing und den Rhythmus der Referenz bei. Die Umgebung soll minimalistisch und modern sein wie @Bild 2. Nutze die orchestrale Musik aus @Audio 1, um das Premium-Gefühl zu treffen.
Anwendungsfälle und Beispiele für Seedance 2.0
Dieser Abschnitt zeigt Seedance-2.0-Anwendungen über verschiedene Branchen und Komplexitätsstufen hinweg. Jede Branche enthält einfache, mittlere und fortgeschrittene Beispiele mit progressiver Kompetenzentwicklung.
Werbe- und Kommerzproduktion
Einfach: Statische Einzelprodukt-Präsentation
Szenario: Einfache Produktdarstellung für E-Commerce
Zeige die Smartwatch aus @Bild 1 zentriert vor dem weißen Hintergrund aus @Bild 2. Die Kamera rotiert 10 Sekunden lang langsam 360 Grad um das Produkt und behält dabei durchgehend denselben Abstand bei. Das Licht ist klar und hell ohne harte Schatten. Bei Sekunde 8 leuchtet das Zifferblatt auf und zeigt die Uhrzeit an. Nutze dezente elektronische Ambient-Musik aus @Audio 1.
Komplexitätsstufe: einzelne Bildreferenz, einfache Kamerabewegung, ein getaktetes Ereignis
Mittel: Multi-Winkel-Produktdemo
Szenario: Tech-Produktdemonstration mit mehreren Funktionen
Context: sauberes Studio-Umfeld mit @Bild 1 als Lichtreferenz: weiches, gleichmäßiges Licht vor minimalem Hintergrund. References: @Bild 2 (Vorderansicht kabelloser In-Ear-Kopfhörer), @Bild 3 (Seitenansicht), @Bild 4 (geöffnetes Ladecase). @Audio 1 für mitreißende Tech-Werbemusik. Action: 0-4 Sekunden: Kopfhörer im Ladecase, der Deckel schließt sich automatisch. 4-8 Sekunden: Case öffnet sich, Kopfhörer heben sich leicht aus dem Case (magnetischer Schwebeeffekt). 8-12 Sekunden: ein Kopfhörer hebt sich aus dem Case und rotiert, um alle Winkel zu zeigen. 12-15 Sekunden: LED-Anzeige am Case pulsiert und zeigt den Ladevorgang an. Framing: Beginnen Sie mit einer Vogelperspektive auf das geöffnete Case. Schnitt auf eine Dreiviertel-Vorderansicht, während sich der Deckel schließt. Push-in auf eine mittlere Einstellung für die Öffnungssequenz. Folgen Sie dem gehobenen Kopfhörer mit sanfter Tracking-Rotation. Enden Sie mit einer Nahaufnahme der pulsierenden LED. Audio: mitreißende Musik aus @Audio 1 durchgehend. Ergänzen Sie ein zufriedenstellendes „Klick"-Geräusch beim Schließen des Case, ein dezentes „Whoosh" beim Anheben des Kopfhörers, einen sanften Pulston synchron zur LED.
Komplexitätsstufe: mehrere Bilder, mehrere getaktete Ereignisse, unterschiedliche Kamerawinkel, Audio-Sync
Fortgeschritten: Kompletter Werbespot mit Szenenübergängen
Szenario: 15-sekündiger Lifestyle-Werbespot mit Produkteinsatz in mehreren Umgebungen
Context: Erstelle einen Lifestyle-Werbespot für die kabellosen Kopfhörer aus @Bild 1 und @Bild 2 (unterschiedliche Winkel). Szene 1 (0-5 Sekunden): urbane Pendler-Umgebung mit Bezug auf @Bild 3. Eine junge Berufstätige geht durch eine belebte Straße und trägt die Kopfhörer aus @Bild 1. Die Kamera verfolgt in mittlerem Abstand. Straßengeräusche verblassen allmählich, während das Subjekt auf die Kopfhörer tippt, um die Geräuschunterdrückung zu aktivieren: die Szene wird still bis auf die Musik aus @Audio 1. Szene 2 (5-10 Sekunden): Übergang zur Heimbüro-Umgebung aus @Bild 4. Schneller Schnitt auf den Musik-Beat. Dieselbe Person nun in einem Videocall, Kopfhörer sichtbar. Push-in der Kamera auf eine Nahaufnahme der Kopfhörer mit klarer Audio-Anzeige-LED. Ein Split-Screen-Effekt zeigt klare Kommunikation auf beiden Seiten des Calls. Szene 3 (10-15 Sekunden): Fitnessstudio-Umgebung mit Bezug auf @Bild 5. Schneller Schnitt auf den Musik-Beat. Person bei intensivem Training, Kopfhörer bleiben sicher. Dynamische Kamerabewegungen passend zur Energie: schnelle Schnitte zwischen unterschiedlichen Übungswinkeln, am Ende Zoom zurück auf eine weite Einstellung. Abschluss mit Produktlogo und Tagline zentriert im Bild. References: @Video 1 für den dynamischen Kamerabewegungsstil in der Fitnessstudio-Szene. @Audio 1 für die Hintergrundmusik, die das Tempo durchgehend vorgibt. Audio: Musik aus @Audio 1 sorgt für Kontinuität über alle Szenen. Szene 1: Straßengeräusche zu Beginn, dann nur Musik. Szene 2: leises Tastaturklackern und Videocall-Audio unter der Musik. Szene 3: Fitnessstudio-Ambiente mit präsenter Musik. Framing: durchgehend cinematisches 2,35:1-Seitenverhältnis. Professionelle Farbgebung passend zu den kühlen, modernen Tönen aus @Bild 1. Sanfte Übergänge auf den Musik-Beats.
Komplexitätsstufe: mehrere Szenen, umfangreiche Referenzen (5 Bilder, 1 Video, 1 Audio), komplexe Audio-Schichtung, präzises Timing, professionelle Bildgestaltung
Social-Media-Content-Erstellung
Einfach: Trendiges Quick-Cut-Video
Szenario: einfacher Social-Media-Content mit populärem Übergangseffekt
Der Influencer aus @Bild 1 steht zentriert im Bild vor dem hellen Hintergrund aus @Bild 2. Bei Sekunde 3 macht er eine schnelle Handgeste. Bei der Geste schneller Jump-Cut zur selben Person in einem anderen Outfit aus @Bild 3, gleiche Position und Pose. Bei Sekunde 6 eine weitere Handgeste und Jump-Cut zum dritten Outfit aus @Bild 4. Nutze die mitreißende Trend-Musik aus @Audio 1. Die Schnitte sollen exakt auf den Musik-Beats erfolgen.
Komplexitätsstufe: mehrere Bildreferenzen, Beat-Synchronisation, einfacher Übergangseffekt
Mittel: Story-Sequenz an mehreren Orten
Szenario: Vlog-Content im Day-in-the-Life-Stil
Context: Erstelle eine „Day in the Life"-Montage für den Content-Creator aus @Bild 1. References: @Bild 2 (morgendlicher Kaffee im Café), @Bild 3 (Co-Working-Space), @Bild 4 (Park im Freien). @Video 1 zeigt den Handkamera-Bewegungsstil. @Audio 1 liefert mitreißende Vlog-Hintergrundmusik. Sequenz: 0-5 Sekunden: Café-Szene: der Creator betritt den Laden, bestellt am Tresen, winkt mit Kaffee in der Hand in die Kamera. Handkamera-Stil aus @Video 1. 5-10 Sekunden: Co-Working-Space: der Creator arbeitet am Laptop, tippt, dreht sich dann zur Kamera und lächelt. Kurzer Schnitt auf den Bildschirm. 10-15 Sekunden: Park-Szene: der Creator sitzt mit Laptop auf einer Bank, klappt ihn zu, steht auf und streckt sich mit erhobenen Armen, geht auf die Kamera zu. Goldene Stunde-Beleuchtung. Framing: durchgehend Handkamera-Vlog-Stil mit Bezug auf die Bewegung aus @Video 1. Mischung aus mittleren Einstellungen und Nahaufnahmen. Schnelle Schnitte zwischen den Orten (auf den Beat geschnitten). Audio: durchgehend Musik aus @Audio 1. Leises Café-Ambiente im ersten Abschnitt, Tastaturklackern im zweiten Abschnitt, Vögel und Wind im Freien im dritten Abschnitt: alles unter der Musik.
Komplexitätsstufe: mehrere Orte, Handkamera-Stilreferenz, Audio-Schichtung, persönlichkeitsgetriebener Content
Fortgeschritten: Viraler Stil mit komplexen visuellen Effekten
Szenario: hochwertiger Social-Media-Content mit Trend-Effekten
Context: Erstelle ein Trend-Transformationsvideo für die Tänzerin aus @Bild 1 mit viralen visuellen Effekten. References: @Bild 2 (Ausgangsoutfit, lässige Streetwear), @Bild 3 (Endoutfit, Bühnenkostüm), @Video 1 (Choreografie-Referenz für Armbewegungen und Drehung), @Video 2 (Partikeleffekt-Übergangsstil), @Audio 1 (energiegeladener Musiktrack zur Synchronisation). Action & Effekte: 0-3 Sekunden: die Tänzerin steht lässig in Streetwear aus @Bild 2, urbaner Hintergrund aus @Bild 4. Die Kamera umkreist sie langsam. 3-4 Sekunden: die Tänzerin führt die Armhebe-Bewegung aus @Video 1 aus. Am Höhepunkt der Armhebung glitcht der Bildschirm mit digitalem Verzerrungseffekt. 4-7 Sekunden: Partikeleffekte mit Bezug auf @Video 2 brechen vom Boden hervor und wirbeln um die Tänzerin. Die Kamera beschleunigt die Rotation. Die Partikel intensivieren sich mit dem Musikaufbau. 7-9 Sekunden: ein Lichtblitz. Wenn das Licht verblasst, trägt die Tänzerin nun das Bühnenkostüm aus @Bild 3, mitten in der Drehung aus der Choreografie-Referenz von @Video 1. 9-15 Sekunden: die Drehung wird beendet, Landung in dramatischer Pose. Die Kamerarotation endet in Frontalposition. Die Umgebung hat sich zur Bühnenkulisse aus @Bild 5 mit dramatischem Licht gewandelt. Die Musik aus @Audio 1 erreicht ihren Höhepunkt. Abschluss mit Standbild und Text-Overlay. Framing: Beginnen Sie mit langsamer, cinematischer Kamerarotation, beschleunigen während der Transformation, enden mit dynamischem Frontalwinkel. 2-3 schnelle Schnitte während des Partikelausbruchs für Wirkung. Audio: Musik aus @Audio 1 gibt das gesamte Tempo vor. Soundeffekte: Glitch-Sound bei der Armhebung, Whoosh während des Partikelausbruchs, Impact-Sound bei der Landung. Technisch: Fischaugen-Objektiv-Effekt aus @Video 2 während der Transformationssequenz. Hoher Kontrast, satte Farben. Beat-synchronisierte Effekte.
Komplexitätsstufe: mehrere komplexe Referenzen, präziser Choreografieabgleich, Replikation von Spezialeffekten, fortgeschrittener Audio-Sync, Integration von Trend-Stilen
Film- und Entertainment-Produktion
Einfach: Atmosphärische Establishing-Einstellung
Szenario: szenensetzende Einstellung für erzählerischen Content
Cinematische Establishing-Einstellung des verlassenen Herrenhauses aus @Bild 1 bei Nacht. Die Kamera beginnt weit und zeigt das gesamte Gebäude mit verwuchertem Gelände. Fährt über 12 Sekunden langsam zum Haupteingang heran. Dunkle, stimmungsvolle Atmosphäre mit vereinzeltem Mondlicht, das durch Wolken bricht. Die Fenster sind dunkel bis auf eines im zweiten Stock mit schwach flackerndem Licht. Nutze den unheilvollen Ambient-Sound aus @Audio 1. Dezenten Windgeräusch-Effekt in Bäumen ergänzen. 24fps für cinematisches Gefühl.
Komplexitätsstufe: einzelnes Bild, einfache Kamerabewegung, Atmosphärenaufbau
Mittel: Dialogszene mit Schuss-Gegenschuss
Szenario: Zweipersonen-Gespräch mit professioneller Abdeckung
Context: Innenraum-Verhörszene mit der kargen Umgebung aus @Bild 1: einzelnes Deckenlicht, Metalltisch, zwei Stühle. Figuren: Detektiv aus @Bild 2 (streng, mittleren Alters) sitzt dem Verdächtigen aus @Bild 3 gegenüber (nervös, junger Erwachsener). Dialog & Action: 0-5 Sekunden: weite Einstellung, die beide Figuren am Tisch zeigt. Der Detektiv beugt sich mit gefalteten Händen vor. Der Verdächtige weicht dem Blickkontakt aus und zappelt. 5-8 Sekunden: Schnitt auf mittlere Nahaufnahme des Detektivgesichts, während er spricht: „Wir wissen, dass Sie in dieser Nacht dort waren." Ausdruck intensiv, ohne zu blinzeln. 8-11 Sekunden: Schnitt auf mittlere Nahaufnahme des Verdächtigen. Kurzes Aufblitzen von Panik in den Augen, dann Versuch der Fassung. Antwort: „Ich weiß nicht, wovon Sie sprechen." 11-15 Sekunden: Schnitt zurück auf die weite Einstellung. Der Detektiv schiebt eine Fotografie über den Tisch zum Verdächtigen. Die Augen des Verdächtigen weiten sich beim Anblick des Fotos. Der Detektiv lehnt sich zufrieden zurück. References: @Video 1 für den Kamerabewegungsstil und das Timing der Verhörszene. @Audio 1 für angespannte Ambient-Hintergrundmusik. Framing: klassische Schuss-Gegenschuss-Technik aus @Video 1 nutzen. leicht tiefer Winkel beim Detektiv für Autorität, leicht hoher Winkel beim Verdächtigen für Verletzlichkeit. Licht durchgehend hart und dramatisch halten. Audio: angespannte Musik aus @Audio 1 in geringer Lautstärke. Raumatmosphäre ergänzen. Metallstuhl-Knarren, während der Verdächtige sich bewegt. Leises Geräusch des über den Metalltisch gleitenden Fotos.
Komplexitätsstufe: zwei Charakterbilder, spezifische Kameratechnik-Referenz, Dialogtempo, psychologische Spannung
Fortgeschritten: Actionsequenz mit komplexer Choreografie
Szenario: Kampfszene mit spezifischer Kampfkunst-Choreografie
Context: Dachkampfszene bei Sonnenuntergang, Umgebung aus @Bild 1 (urbanes Dach mit Klimaanlagen, ferner Skyline, dramatischer orangefarbener Himmel). Figuren: Held aus @Bild 2 und @Bild 3 (unterschiedliche Winkel mit Kostümdetails) gegen drei Gegner aus @Bild 4, @Bild 5, @Bild 6. Choreografie-Referenz: @Video 1 zeigt die exakte Kampfsequenz zur Replikation: der Held weicht dem ersten Angriff aus, kontert mit Drehtritt, wechselt sofort zum Griffkampf mit dem zweiten Gegner. Kamera-Referenz: @Video 2 zeigt den Kamerabewegungsstil: Umkreisen während des Kampfs, schnelle Schnitte bei Treffern, Zeitlupe bei Schlüsselbewegungen. Komplette Sequenz: 0-2 Sekunden: Establishing-Einstellung. Vier Gegner umzingeln den Helden im weiten Kreis. Die Kamera rotiert langsam um die Gruppe. Wind weht durch die Kleidung. Angespannter Moment des Stillstands. Musik aus @Audio 1 baut sich auf. 2-4 Sekunden: der erste Gegner stürmt vor. Die Kamera schneidet schnell auf eine Nahaufnahme des Heldengesichts: entschlossener Ausdruck. Dann weiterer Winkel, während der Held nach rechts ausweicht, exakt passend zur Bewegung aus @Video 1. 4-6 Sekunden: der Held führt den Drehtritt aus @Video 1 aus und trifft den ersten Gegner. Die Kamera folgt dem Tritt in mittlerer Einstellung, dann schneller Schnitt auf den Aufprall des Gegners am Boden. Impact-Soundeffekt ergänzen. 6-9 Sekunden: ohne Pause nähert sich der zweite Gegner. Der Held geht in den Griffkampf über und führt die spezifische Bewegungsfolge aus @Video 1 aus: Griff, Drehung, Wurf. Die Kamera umkreist die Aktion wie in der Referenz von @Video 2 und behält durchgehend die Sicht auf den Kampf. 9-11 Sekunden: der dritte Gegner schwingt eine Waffe. Zeitlupe, während der Held sich darunter duckt (2-fache Verlangsamung). Die Kamera folgt der Perspektive des Helden mit Blick nach oben auf die vorbeiziehende Waffe. Normale Geschwindigkeit, während der Held sich wieder erhebt. 11-13 Sekunden: Gegenangriff des Helden: schnelle Kombination gegen den dritten Gegner. Mehrere schnelle Schnitte zeigen jeden Schlag aus unterschiedlichen Winkeln, passend zum Schnitttempo aus @Video 2. 13-15 Sekunden: der Held steht siegreich, drei Gegner liegen um ihn am Boden. Die Kamera umkreist noch einmal, dann Push-in auf eine Nahaufnahme des Heldengesichts. Das Sonnenuntergangslicht erzeugt einen Silhouetteneffekt. Musik aus @Audio 1 erreicht ihren Höhepunkt. Technisch: 24fps, Choreografie exakt passend zu @Video 1, Kameraarbeit passend zum dynamischen Stil aus @Video 2, warme Sonnenuntergangstöne mit hohem Kontrast, Zeitlupe mit 2-facher Verlangsamung für den dramatischen Moment. Audio: Musik aus @Audio 1 durchgehend, Impact-Soundeffekte bei Treffern, Stoffbewegungsgeräusche, schwere Atmung, Wind auf dem Dach, alles präzise mit der Handlung synchronisiert.
Komplexitätsstufe: sechs Bildreferenzen, zwei Videoreferenzen (Choreografie + Kamerastil), Audioreferenz, komplexe Actionchoreografie, mehrere Kameratechniken, Zeitlupe, professioneller Kampfschnitt, präziser Audio-Sync
Professionelle Workflow-Anwendungen
Videoverlängerung für Projektkontinuität
Szenario: bestehendes Filmmaterial mit zusätzlichem Inhalt verlängern
Bestehendes Video: 8-sekündige Einstellung eines CEOs, der durch ein modernes Büro geht und am Konferenzraum endet
Verlängere @Video 1 um 7 Sekunden. Der CEO vom Ende des Videos öffnet die Konferenzraumtür und tritt ein. Innen entspricht der Konferenzraum dem Design aus @Bild 1: großer Tisch, raumhohe Fenster mit Stadtblick. Drei Führungskräfte aus @Bild 2, @Bild 3 und @Bild 4 sitzen bereits und blicken auf, als der CEO eintritt. Der CEO geht an das Kopfende des Tisches und setzt sich. Die Kamera folgt dem CEO mit sanfter Tracking-Einstellung durch die Tür, schneidet dann auf eine weite Einstellung, die den gesamten Konferenzraum zeigt, sobald der CEO sitzt. Dieselbe professionelle Farbgebung und Lichtstimmung aus @Video 1 beibehalten.
Anwendungsfall: Ergänzung bestehender professioneller Videoinhalte ohne Nachdreh
Vorlagenbasierte Massenproduktion von Content
Szenario: mehrere Social-Media-Videos mit konsistentem Stil erstellen
Master-Vorlagen-Prompt (Video 1):
Produktpräsentationsvideo für [Produkt aus @Bild 1]. Weißer Hintergrund aus @Bild 2. Die Kamera rotiert über 10 Sekunden 360 Grad um das Produkt. Bei Sekunde 7: Produkt-Feature- Highlights mit Grafik-Callout. Abschluss mit Logo aus @Bild 3. Musik aus @Audio 1.
Variations-Prompts: @Bild 1 durch andere Produkte ersetzen, während @Bild 2, @Bild 3 und @Audio 1 für Markenkonsistenz beibehalten werden
Anwendungsfall: skalierbare Content-Produktion für Produktkataloge, mit konsistenter Markenidentität über mehrere Assets
Mehrsprachige Adaption
Szenario: regionale Varianten desselben Werbespots erstellen
Basis-Prompt:
30-sekündige Werbespot-Struktur aus @Video 1. Erzählung durch [Sprache]-Stimme ersetzen, die Ton und Tempo aus @Audio 1 entspricht. Figur aus @Bild 1 bleibt gleich. Text-Overlays wechseln zu [Sprache]-Versionen passend zum Timing aus @Video 1.
Anwendungsfall: internationale Marketingkampagnen, die lokalisierte Versionen mit konsistentem visuellem Branding benötigen
Best Practices für Seedance 2.0
Das CRAFT-Prompting-Framework (detailliert)
Professionelle Ergebnisse in Seedance 2.0 erfordern strukturiertes Prompt-Engineering. Das CRAFT-Framework bietet einen systematischen Ansatz, der sicherstellt, dass alle kritischen Elemente festgelegt werden:
C - Context: Szene und Umgebung festlegen
Legen Sie fest, wo und wann die Handlung spielt. Dazu gehören:
- physischer Ort und Schauplatz
- Tageszeit oder historische Epoche
- atmosphärische Bedingungen (Wetter, Lichtqualität)
- Gesamtstimmung und Ton
- Umgebungsdetails, die für die Geschichte wichtig sind
Beispiel: „In einem neonbeleuchteten Untergrund-Nachtclub um 2 Uhr nachts, mit der stimmungsvollen Atmosphäre aus @Bild 1. Dunstige Luft von Nebelmaschinen, Wände mit LED-Panels, die abstrakte Muster zeigen, gefüllte Tanzfläche im Hintergrund."
R - Reference: @-Erwähnungen und exakten Zweck festlegen
Hier liegt die multimodale Stärke. Legen Sie explizit fest, was jede Referenz beiträgt:
- die @-Erwähnung klar benennen
- exakt festlegen, welcher Aspekt der Referenz genutzt werden soll
- klären, was NICHT genutzt werden soll, wenn die Referenz mehrere Elemente enthält
Beispiel: „@Bild 1 nur für Gesichtszüge und Frisur der Hauptfigur, nicht die Kleidung. @Bild 2 für das Lederjacken-Kostüm. @Video 1 für Gehtempo und selbstbewusstes Gangbild. @Audio 1 für die elektronische Hintergrundmusik, die die energiegeladene Stimmung setzt."
A - Action: Charakter- und Objektbewegungen beschreiben
Beschreiben Sie, was in der Szene passiert: die Verben Ihres Videos:
- Charakterbewegungen und Gesten
- Objektinteraktionen (aufheben, ablegen, werfen)
- Mimik und emotionale Reaktionen
- Interaktionen zwischen mehreren Subjekten
- physikbasierte Ereignisse (Dinge fallen, Flüssigkeiten fließen, Rauch steigt auf)
Beispiel: „Die Figur betritt das Bild von links und geht mit dem selbstbewussten Gang aus @Video 1. Der Blick streift kurz die Menge, fixiert dann jemanden außerhalb des Bildes. Ein leichtes Lächeln entsteht. Die Figur richtet mit der rechten Hand den Jackenkragen und bewegt sich dann zielstrebig durch die Menge nach vorn."
F - Framing: Kameraarbeit und Bildgestaltung definieren
Nutzen Sie korrekte filmische Terminologie, um den Bildaufbau festzulegen:
- Einstellungsgrößen: weite Einstellung, mittlere Einstellung, Nahaufnahme, Detailaufnahme, Over-the-Shoulder, Point-of-View
- Kamerabewegungen: Dolly in/out, Tracking-Einstellung, Schwenk links/rechts, Neigung hoch/runter, Kranfahrt hoch/runter, Handkamera, Steadicam
- Winkel: tiefer Winkel, hoher Winkel, Augenhöhe, Dutch Angle
- Spezialtechniken: Hitchcock-Zoom, Whip Pan, Rack Focus, geringe Schärfentiefe
Beispiel: „Beginnen Sie mit einer weiten Einstellung, die den gesamten Nightclub zeigt. Während die Figur eintritt, nimmt die Kamera die Verfolgung in mittlerer Einstellung auf. Wenn die Figur stehenbleibt, um die Menge zu mustern, langsamer Push-in auf eine mittlere Nahaufnahme. Schnitt auf eine POV-Einstellung der Figur, die durch die Menge blickt. Schnitt zurück auf eine Nahaufnahme des Gesichts, während das Lächeln entsteht. Die Tracking-Einstellung wird fortgesetzt, während die Figur sich durch die Menge bewegt, die Kamera folgt von hinten."
T - Timing: zeitliche Marker und Audio-Abstimmung ergänzen
Teilen Sie Ihre Sequenz in getaktete Abschnitte für präzise Kontrolle:
- Sekundenmarker nutzen (0-3 Sekunden, 3-7 Sekunden)
- festlegen, wann Schlüsselaktionen eintreten
- Tempo der Ereignisse steuern
- Audio mit visuellen Ereignissen und Übergängen abstimmen
- Audiodateien referenzieren und Beats synchronisieren, wenn relevant
Beispiel: „0-3 Sekunden: weite Establishing-Einstellung, die Figur tritt ein und beginnt zu gehen. 3-6 Sekunden: die Kamera verfolgt die Figur, Moment des Musterns der Menge. 6-9 Sekunden: Nahaufnahme-Sequenz mit entstehendem Lächeln. 9-12 Sekunden: Schnitt auf POV-Einstellung. 12-15 Sekunden: Fortsetzung der Verfolgung durch die Menge. Durchgehend: Hintergrundmusik aus @Audio 1 mit mäßiger Lautstärke, leicht anschwellend beim Lächel-Moment bei Sekunde 6."
Vollständiges CRAFT-Beispiel: Firmenschulungsvideo
Context: moderner Konferenzraum am Morgen, natürliches Fensterlicht strömt von rechts herein. Die Umgebung entspricht dem professionellen Interieur aus @Bild 1: Glaswände, zeitgemäße Möbel, sichtbare Technologie (Bildschirme, Videokonferenzausrüstung). Reference: @Bild 2 für das Aussehen der Trainerin (professionelle Kleidung, selbstbewusstes Auftreten). @Bild 3 für die diverse Gruppe von Teilnehmenden am Tisch. @Video 1 für die Handgesten und Körpersprache der Trainerin bei der Erklärung von Konzepten. Action: Die Trainerin steht am Kopfende des Konferenztisches, mit Bezug auf die Standhaltung aus @Video 1. Sie zeigt auf den Präsentationsbildschirm an der Wand und blickt dann mit einladendem Lächeln in die Gruppe. Sie geht während des Sprechens an der Tischseite entlang und sucht Blickkontakt mit unterschiedlichen Teilnehmenden. Die Teilnehmenden zeigen engagierte Körpersprache: einige lehnen sich vor, eine Person macht Notizen, eine andere nickt zustimmend. Die Trainerin kehrt zum Kopfende zurück und schließt mit einer selbstbewussten Geste ab. Framing: Beginnen Sie mit einer weiten Einstellung, die den gesamten Konferenzraum aus der Ecke zeigt und das professionelle Setting sowie alle Teilnehmenden etabliert. Schnitt auf eine mittlere Einstellung der Trainerin aus der 3/4-Frontansicht, während sie auf den Bildschirm zeigt. Schnitt auf eine Over-the-Shoulder-Einstellung von hinter der Trainerin, die die aufmerksamen Gesichter der Teilnehmenden zeigt. Schnitt auf eine mittlere Tracking- Einstellung, die der Trainerin entlang des Tisches folgt. Schnitt auf eine Nahaufnahme der notizschreibenden, engagierten Teilnehmerin. Rückkehr zur mittleren Einstellung der Trainerin am Kopfende für den Abschluss. Timing: 0-3 Sekunden: weite Establishing- Einstellung. 3-5 Sekunden: mittlere Einstellung der auf den Bildschirm zeigenden Trainerin. 5-7 Sekunden: Over-the-Shoulder mit Reaktionen der Teilnehmenden. 7-10 Sekunden: Tracking- Einstellung, während die Trainerin um den Tisch geht. 10-12 Sekunden: Nahaufnahme der notizschreibenden Teilnehmerin. 12-15 Sekunden: mittlere Einstellung der abschließenden Trainerin. Audio: Firmenhintergrundmusik aus @Audio 1 läuft leise. Die Stimme der Trainerin ist klar und selbstbewusst, passend zum Ton aus @Video 1. Dezentes Tastaturklackern bei 10-12 Sekunden, leise Raumatmosphäre. Die Musik verblasst während der Sprechmomente.
Strategie zur Vorbereitung der Eingaben
Optimierung der Bildreferenzen
Hochwertige Eingaben liefern hochwertige Ausgaben. Bereiten Sie Bildreferenzen strategisch vor:
Für Charakterkonsistenz:
- klare, gut ausgeleuchtete Fotos mit frontalem Gesicht verwenden
- mehrere Winkel einbeziehen, wenn die Figur aus verschiedenen Perspektiven zu sehen ist
- konsistentes Licht über alle Referenzbilder hinweg sicherstellen
- starke Filter oder Effekte vermeiden, die das Modell verwirren könnten
- bei spezifischem Kostüm klare Fotos der Kostümdetails einbeziehen
Für Stil und Ästhetik:
- Bilder auswählen, die die gewünschte visuelle Behandlung klar zeigen
- sicherstellen, dass die Farbgebung mit der finalen Vision übereinstimmt
- Bilder einbeziehen, die den gewünschten Lichtansatz zeigen
- Textur- und Detailgrad berücksichtigen: hochdetaillierte Referenzen erzeugen hochdetaillierte Ausgaben
Für Produkte und Objekte:
- vor einfachem Hintergrund fotografieren für Fokus
- mehrere Winkel zeigen, um originalgetreue Wiedergabe zu sichern
- Nahaufnahmen wichtiger Details einbeziehen (Logos, Texturen, bestimmte Merkmale)
- sicherstellen, dass das Licht Form und Dimension klar zeigt
Optimierung der Videoreferenzen
Für Kamerabewegung:
- Videos so zuschneiden, dass nur die zu replizierende Kamerabewegung gezeigt wird
- sicherstellen, dass die Bewegung klar sichtbar und nicht durch Handlung verdeckt ist
- kürzere Clips (3-5 Sekunden) mit Fokus auf eine Technik funktionieren besser als längere Clips mit mehreren Techniken
- höchste verfügbare Videoqualität nutzen: Kompressionsartefakte beeinträchtigen das Verständnis
Für Bewegung und Choreografie:
- die Handlung sollte klar sichtbar und nicht verdeckt sein
- sicherstellen, dass das Licht Körperposition und Bewegung ausreichend zeigt
- mehrere Winkel derselben Handlung können helfen, sofern verfügbar
- bei schnellen Bewegungen eine Verlangsamung beim Erstellen von Referenzclips erwägen
Für Spezialeffekte:
- den gewünschten Effekt isolieren
- sicherstellen, dass der Effekt klar sichtbar vor dem Hintergrund ist
- bei spezifischem Timing des Effekts dieses Timing in der Referenz einbeziehen
Optimierung der Audioreferenzen
Für Musik und Rhythmus:
- hochwertige Audiodateien nutzen (niedrig-Bitrate komprimiertes Audio vermeiden)
- Audio auf den Abschnitt mit dem relevantesten Rhythmus oder der relevantesten Stimmung zuschneiden
- sicherstellen, dass das Audio klar zeigt, was gewünscht ist (Beat, Tempo, Stimmung)
- erwägen, das Audio an einem starken Beat beginnen zu lassen, um die Synchronisation zu erleichtern
Für Stimme und Dialog:
- klare Aufnahmen mit minimalem Hintergrundgeräusch nutzen
- sicherstellen, dass das gewünschte Stimmmerkmal deutlich hervortritt
- Referenzclips kurz halten und auf die relevante Stimmqualität fokussieren
Dateipriorisierungsstrategie: das 12-Dateien-Entscheidungsframework
Wenn Sie sich dem 12-Dateien-Maximum nähern, nutzen Sie dieses Entscheidungsframework zur Priorisierung:
Prioritätsstufe 1: Grundlegende Elemente (3-4 Slots reservieren)
- primäres Charakter-/Subjektaussehen
- grundlegender visueller Stil/ästhetische Richtung
- wesentliche Umgebung oder Schauplatz
Prioritätsstufe 2: Bewegung und Kamera (2-3 Slots reservieren)
- Kamerabewegungsreferenz, wenn spezifische Bildgestaltung entscheidend ist
- Aktions-/Choreografiereferenz für komplexe Bewegungen
- Szenenübergangsstil bei anspruchsvollem Schnitt
Prioritätsstufe 3: Audio-Grundlage (1-2 Slots reservieren)
- Musik für Stimmung und Tempo
- wichtige Soundeffekte, sofern sie die Erzählung tragen
Prioritätsstufe 4: ergänzende Details (verbleibende Slots nutzen)
- zusätzliche Charakterwinkel
- Umgebungsvarianten
- sekundäre visuelle Referenzen
- ergänzendes Audio
Entscheidungsfragen:
- „Würde das Entfernen dieser Referenz das Ergebnis erheblich beeinträchtigen?" → Wenn ja, behalten
- „Kann diese Information durch den Text-Prompt vermittelt werden?" → Wenn ja, Entfernen der Datei erwägen
- „Dient diese Referenz mehreren Zwecken?" → Mehrzweckreferenzen sind am wertvollsten
- „Ist das ein „nice to have" oder ein „must have"?" → Nice-to-haves zuerst streichen
Beispiel-Entscheidungsprozess:
Sie erstellen ein Musikvideo und haben 15 mögliche Referenzen:
- 4 Bilder: Künstler aus verschiedenen Winkeln
- 3 Bilder: Veranstaltungsort
- 2 Bilder: bestimmte Lichtaufbauten
- 2 Videos: Tanzchoreografie und Kamerabewegung
- 2 Audiodateien: Musiktrack und Umgebungsgeräusch
- 2 Bilder: Kostümdetails
Das Framework anwenden:
- Behalten (Stufe 1): 2 Künstlerbilder (Front- und Seitenwinkel kombinieren Schlüsselmerkmale)
- Behalten (Stufe 1): 1 Veranstaltungsortbild (repräsentativstes auswählen)
- Behalten (Stufe 2): beide Videoreferenzen (beide sind bewegungsentscheidend)
- Behalten (Stufe 3): Musiktrack (essenziell für ein Musikvideo)
- Behalten (Stufe 1): 1 Lichtaufbaubild (markantestes)
- Behalten (Stufe 4): 2 Kostümdetailbilder (verbleibende Slots füllen)
- Im Text beschreiben: zweiter Lichtaufbau, Umgebungsgeräusch, eine Veranstaltungsort-Variante
Ergebnis: 9 Dateien, Raum für Flexibilität
Konsistenztechniken für Mehrfach-Shot-Projekte
Charakterkonsistenz über mehrere Generierungen hinweg
Ein konsistentes Charakteraussehen über mehrere Videogenerierungen hinweg erfordert systematisches Referenzmanagement:
Methode 1: Master-Charakterbogen Erstellen Sie ein umfassendes Charakter-Referenzbild, das zur Grundlage aller Shots wird:
- Frontalansicht mit neutralem Ausdruck
- klares, gleichmäßiges Licht
- hohe Auflösung
- dasselbe Bild in jeden Prompt als Referenz einbeziehen
Methode 2: Multi-Winkel-Charakterpaket Wenn die Figur aus verschiedenen Winkeln zu sehen ist, erstellen Sie ein kleines Set an Charakterreferenzen:
- Front-, Seiten-, 3/4-Ansicht
- dasselbe Referenzset über alle Generierungen hinweg nutzen
- in jedem Prompt angeben: „exaktes Aussehen aus @Bild [X] beibehalten"
Zeige den Detektiv aus @Bild 1 (exakte Gesichtszüge, Frisur und Kleidung aus dieser Referenz beibehalten). In dieser Szene betritt der Detektiv das Lagerhaus aus @Bild 2. Alle physischen Merkmale des Detektivs müssen exakt @Bild 1 entsprechen: gleiches Gesicht, gleicher Mantel, gleiche Statur.
Stilkonsistenz über mehrere Szenen hinweg
Für Projekte mit mehreren Shots, die eine konsistente visuelle Behandlung erfordern:
Technik 1: Stilreferenz-Vorlage Wählen Sie ein Bild, das Ihren gewünschten visuellen Stil perfekt einfängt:
- Farbgebung
- Lichtansatz
- Kompositionsstil
- Textur und Detailgrad
Beziehen Sie dieselbe Stilreferenz in jeden Generierungs-Prompt ein:
Behalte durchgehend den visuellen Stil aus @Bild 1 bei: stimmungsvolle blaue Farbgebung, hoher Kontrast im Licht, Filmkorn-Textur, geringe Schärfentiefe.
Technik 2: vorherige Ausgabe als Referenz Nutzen Sie frühere erfolgreiche Generierungen als Referenzen für spätere Shots:
Erstelle die nächste Szene und behalte den exakten visuellen Stil aus @Video 1 (meine vorherige Generierung) bei. Farbgebung, Lichtansatz und Gesamtästhetik sollen präzise übereinstimmen.
Zeitliche Kontinuität für aufeinanderfolgende Shots
Wenn Sie Shots erstellen, die sich lückenlos aneinanderreihen sollen:
Technik 1: Überlappungsbeschreibung Beschreiben Sie, wie der neue Shot an den vorherigen anknüpft:
Dieser Shot setzt genau dort an, wo @Video 1 endete. Die Figur, die am Ende von @Video 1 zur Tür blickte, dreht sich nun zur Kamera und beginnt zu sprechen. Position und Licht sollen dem letzten Bild von @Video 1 entsprechen.
Technik 2: Übergangsspezifikation Legen Sie den Anschlusspunkt klar fest:
Beginne diese Generierung mit demselben Kamerawinkel und derselben Position, an der @Video 1 endete. Die Figur soll sich in derselben Position, mitten in der Geste, befinden, und dieser Shot setzt die Bewegung übergangslos fort.
Häufige Fallstricke vermeiden
Fallstrick 1: vage Referenznutzung
Problem: „@Bild 1 als Referenz" ohne Angabe, welcher Aspekt gemeint ist
Lösung: immer exakt festlegen, was die Referenz liefert: „@Bild 1 für Gesichtszüge und Ausdruck der Figur, nicht für Hintergrund oder Licht"
Fallstrick 2: widersprüchliche Anweisungen
Problem: „schnelle Actionszene mit langsamen, kontemplativen Kamerabewegungen und ruhiger Ambient-Musik"
Lösung: alle Elemente aufeinander abstimmen: Handlungstempo, Kameraenergie, Musiktempo, Schnittrhythmus: auf ein einheitliches Ziel hin
Fallstrick 3: übermäßig komplizierte Prompts
Problem: 12 Dateien mit minimaler Differenzierung hochladen und 500-Wort-Prompts mit widersprüchlichen Details schreiben
Lösung: weniger, aber wirkungsvollere Referenzen mit klaren, strukturierten Prompts nach dem CRAFT-Framework nutzen
Fallstrick 4: Längenbeschränkungen ignorieren
Problem: 30 Sekunden detaillierter Handlung in eine 15-Sekunden-Generierung packen
Lösung: komplexe Sequenzen in mehrere Generierungen aufteilen oder die Handlung vereinfachen, um in die zeitlichen Vorgaben zu passen
Fallstrick 5: Kameraarbeit zu wenig spezifizieren
Problem: „Kamera bewegt sich herum" ohne konkrete Richtung
Lösung: präzise filmische Begriffe nutzen: „Die Kamera fährt über 5 Sekunden von einer weiten Einstellung auf eine mittlere Nahaufnahme, dabei bleibt die Perspektive auf Augenhöhe"
Fallstrick 6: Audio-Integration vernachlässigen
Problem: Audio als Nebensache behandeln oder nur „Musik hinzufügen" erwähnen
Lösung: Zweck, Timing und Einbindung des Audios festlegen: „@Audio 1 liefert den treibenden Rhythmus, der bei Sekunde 3 und Sekunde 7 mit den visuellen Schnitten synchronisiert werden soll"
Fallstrick 7: inkonsistente Referenzqualität
Problem: hochauflösende Profifotos mit minderwertigen, komprimierten Bildern mischen
Lösung: durchgehend konsistente Qualität bei allen Referenzen sicherstellen: keine einzelne minderwertige Referenz die Generierung beeinträchtigen lassen
Fallstrick 8: Modellinterpretation voraussetzen
Problem: „Mach es gut aussehen" oder „du weißt, was ich meine"
Lösung: bei jedem wichtigen Detail explizit sein: das Modell führt Ihre Anweisungen aus, es interpretiert keine vage Absicht
Kurzer Leitfaden zur Fehlerbehebung
Problem: das Aussehen der Figur ändert sich zwischen Generierungen Lösung: dasselbe Charakter-Referenzbild in jedem Prompt nutzen, explizit „exaktes Aussehen aus @Bild X beibehalten" angeben
Problem: die Kamerabewegung entspricht nicht der Referenz Lösung: die Kamerabewegung im Text detaillierter beschreiben, komplexe Bewegungen in Stufen aufteilen
Problem: der Stil entspricht nicht der Referenz Lösung: die konkreten Stilelemente zusätzlich zur Referenz im Text beschreiben: „Passe die Farbgebung aus @Bild 1 an: entsättigte Blautöne, hoher Kontrast, ausgefressenes Schwarz"
Problem: das Timing fühlt sich falsch an Lösung: konkretere zeitliche Marker mit Sekundenangaben ergänzen, festlegen, was zu jedem Zeitpunkt passiert
Problem: das Audio entspricht nicht der Stimmung Lösung: die Rolle des Audios expliziter beschreiben: nicht nur „@Audio 1", sondern „@Audio 1 für spannungsgeladene, sich aufbauende Stimmung, die bei Sekunde 10 ihren Höhepunkt erreicht"
Fazit
Seedance 2.0 markiert einen fundamentalen Fortschritt in der KI-Videogenerierung durch seinen umfassenden multimodalen Ansatz. Mit der Aufnahme von Bildern, Videos, Audio und Text als Eingaben liefert es Profis beispiellose Kontrolle über den kreativen Prozess: weg von reinen Text-Prompts, hin zu echter Show-and-Tell-Regie.
Die Position von Seedance 2.0 in der KI-Video-Landschaft
Die multimodale Fähigkeit hebt Seedance 2.0 von konkurrierenden Plattformen ab. Während Kling, Veo und Sora beeindruckende Text-zu-Video-Fähigkeiten bieten, ermöglicht Seedances Integration direkter Video- und Audioreferenzen eine präzise Reproduktion von Kameraarbeit, Bewegungsmustern und Rhythmussynchronisation, die allein durch Textbeschreibung schwer oder unmöglich zu erreichen wäre. Das positioniert Seedance als das Tool der Wahl für Profis, die exakte Kontrolle über visuellen Stil, Charakterkonsistenz und filmische Umsetzung benötigen.
Die Plattform entwickelt sich mit regelmäßigen Funktionserweiterungen und zusätzlicher Unterstützung kontinuierlich weiter. Die Beherrschung des multimodalen Referenzsystems und des CRAFT-Prompting-Frameworks bildet die Grundlage für zunehmend anspruchsvolle Videoerstellung im weiteren Ausbau der Plattform.
Wichtigste Erkenntnisse
Multimodale Kontrolle: Die Kombination aus Bild-, Video-, Audio- und Text-Eingaben bei Seedance 2.0 ermöglicht es, der KI direkt zu zeigen, was Sie wollen, statt es vollständig in Worte zu fassen. Dieser grundlegende Ansatzwechsel macht bislang schwierige Vorgaben, exakte Kamerabewegungen, spezifische Choreografien, beat-synchronisierten Schnitt, unkompliziert erreichbar.
Strategische Vergleichsvorteile: Im Vergleich zu Kling, Veo und Sora bietet Seedance 2.0 einzigartige Fähigkeiten bei Audio-Integration und Videoreferenz-Tiefe. Das direkte Hochladen und Referenzieren von Audiodateien ermöglicht präzise Stimmungskontrolle und Beat-Synchronisation. Die Videoreferenz-Fähigkeit geht über Stiltransfer hinaus bis zur vollständigen Bewegungs- und Kamerareplikation.
CRAFT-Profi-Framework: Die fünfstufige CRAFT-Prompting-Methodik bietet einen systematischen Ansatz zur effektiven Einbindung multimodaler Referenzen. Diese Struktur, Context, Reference, Action, Framing, Timing, sichert umfassende Vorgaben, die die volle Stärke des multimodalen Systems nutzen.
Verfügbar auf Morphic: Professionelle Creator können sofort über Morphic auf Seedance 2.0 zugreifen, ohne Warteliste oder eingeschränktes Beta-Programm, und es unkompliziert in bestehende Produktions-Workflows integrieren.
Häufig gestellte Fragen
Nutzen Sie in jeder Generierung, in der diese Figur vorkommt, dasselbe Charakter-Referenzbild. Geben Sie im Prompt explizit „exaktes Aussehen aus @Bild X beibehalten" an und beschreiben Sie Variationen (unterschiedliche Kleidung, Ausdruck), während Sie betonen, dass Gesichtszüge, Statur und andere identifizierende Merkmale identisch bleiben. Für beste Ergebnisse ein klares, gut ausgeleuchtetes Frontalfoto als Master-Charakterreferenz nutzen.
Laden Sie das Video mit der gewünschten Kameraarbeit hoch und referenzieren Sie es gezielt: „@Video 1 nur für die Kamerabewegung." Beschreiben Sie im Text-Prompt die Bewegung mit filmischer Terminologie (Dolly-in, Tracking-Einstellung, Kranfahrt hoch) und nennen Sie spezifisches Timing. Bei komplexen Bewegungen in Stufen aufteilen: „0-5 Sekunden: Dolly-in von weit auf mittel; 5-10 Sekunden: Schwenk nach rechts bei gleichbleibendem Abstand."
Laden Sie Ihren Musiktrack hoch und legen Sie im Prompt beat-synchronisierte Ereignisse mit präzisem Timing fest: „Szenenwechsel bei Sekunde 3 (erster Beat), Geste der Figur bei Sekunde 6 (zweiter Beat), Übergang bei Sekunde 9 (dritter Beat)." Das Audio referenzieren: „@Audio 1 liefert Rhythmus und Tempo, mit visuellen Änderungen synchron zur Beat-Struktur."
Nutzen Sie die Videoverlängerungsfunktion oder die Fusionstechnik. Für die Verlängerung: Ihr bestehendes Video hochladen und „Verlängere @Video 1 um X Sekunden" mit Details zur verbindenden Handlung angeben. Für die Fusion: ein überbrückendes Segment erstellen, das das Ende eines Clips und den Anfang eines anderen referenziert und dabei die verbindende Übergangshandlung explizit beschreibt.
Nutzen Sie zeitliche Marker mit konkreten Sekundenangaben im Prompt: „0-3 Sekunden: [Handlung 1], 3-7 Sekunden: [Handlung 2], 7-12 Sekunden: [Handlung 3]." Seien Sie realistisch bei der Handlungsdauer: komplexe Bewegungen benötigen ausreichend Zeit. Wirkt das Timing in der Ausgabe gehetzt, mehr Sekunden für diese Handlung in der nächsten Generierung einplanen.
Priorisieren Sie Referenzen mit dem größten Einfluss auf Ihr Ergebnis. Konzentrieren Sie sich auf Elemente, die sich schwer im Text beschreiben lassen (bestimmte Gesichter, komplexe Kameraarbeit, exakte Choreografie), und beschreiben Sie einfachere Elemente stattdessen im Text-Prompt. Kombinieren Sie verwandte Konzepte wo möglich in einzelnen Bildern: etwa ein Bild, das sowohl Lichtstil als auch Farbgebung zeigt, statt separater Bilder für jedes.
Laden Sie das Video mit dem gewünschten Effekt hoch und legen Sie fest: „@Video 1 nur für die Partikeleffekt-Technik." Beschreiben Sie im Text-Prompt den Effekt im Detail: wann er auftritt, wie er sich bewegt, seine visuellen Merkmale. Für beste Ergebnisse Referenzclips nutzen, in denen der Effekt klar sichtbar und isoliert ist: „Referenziere den leuchtenden Partikelwirbel aus @Video 1, der vom Boden aufsteigt und bei Sekunde 5 sich auflöst."
Laden Sie eine Audio- oder Videoreferenz mit der gewünschten Stimme hoch und legen Sie fest: „@Audio 1 für Stimmklang und Vortragsstil." Beschreiben Sie im Prompt die Stimmmerkmale: „Die Figur spricht mit dem tiefen, autoritären Ton aus @Audio 1 und liefert die Zeile: [Ihr Dialogtext]."
Behalten Sie konsistente Referenzmaterialien über alle Generierungen Ihrer Sequenz hinweg bei. Nutzen Sie dasselbe Stilreferenzbild, dieselben Charakterreferenzen und ähnliche Prompts mit nur den notwendigen Abweichungen. Beziehen Sie Referenzen auf vorherige erfolgreiche Ausgaben ein: „Behalte den visuellen Stil aus @Video 1 (vorherige Generierung) bei", um Kontinuität zu sichern.
Nutzen Sie die Videoverlängerungsfunktion, um längere Sequenzen aufzubauen. Generieren Sie Ihr erstes 15-Sekunden-Segment und verlängern Sie es dann, indem Sie dieses Video als Referenz hochladen und „Verlängere @Video 1 um [Dauer]" angeben. Sie können mehrere Verlängerungen aneinanderreihen, um längeren durchgehenden Content zu erstellen, wobei jede Verlängerung idealerweise 5-10 Sekunden für beste Kontinuität umfassen sollte.
Das wichtigste Unterscheidungsmerkmal von Seedance 2.0 ist die umfassende multimodale Eingabe inklusive direktem Audio-Upload und tiefergehender Videoreferenz-Fähigkeit. Während Kling eine starke Text-zu-Video-Generierung mit etwas Bildreferenz-Unterstützung bietet, erlaubt Seedance das Hochladen bestimmter Musiktracks, Soundeffekte und Videoclips, um Stimmung, Rhythmus und Bewegung präzise zu steuern. Das macht Seedance besonders wertvoll für Projekte, die exakte Audio-Synchronisation oder komplexe Kamerabewegungsreplikation benötigen.
Seedance 2.0 ist unter den großen KI-Videoplattformen einzigartig darin, direkte Audio-Uploads zu akzeptieren. Kling, Veo und Sora generieren Audio aus Textbeschreibungen, statt Referenz-Audiodateien zu akzeptieren. Das bedeutet, Seedance kann bestimmte Musiktracks treffen, Stimmmerkmale replizieren oder visuelle Änderungen mit echten Beats in Ihrer Musik synchronisieren, Fähigkeiten, die Wettbewerber über Text-zu-Audio-Generierung abbilden, die Ihre Vision möglicherweise nicht präzise trifft.
Seedance 2.0 generiert bis zu 15 Sekunden in einer einzelnen Generierung, verglichen mit Klings 10-Sekunden-Limit. Sora kann jedoch bis zu 60 Sekunden in Einzelgenerierungen erzeugen (sofern verfügbar). Für längeren Content in Seedance nutzen Sie die Videoverlängerungsfunktion, um mehrere Segmente aneinanderzureihen. Der 15-Sekunden-Sweetspot balanciert Qualität und praktischen Nutzen für die meisten professionellen Anwendungen: viele kommerzielle und Social-Media-Videos werden aus mehreren kürzeren, hochwertigen Clips zusammengesetzt statt aus einzelnen langen Generierungen.
Seedances 2.0 multimodaler Ansatz bietet direktere Kontrolle bei der Stilreplikation, da Sie mehrere Referenzbilder, Videoclips mit dem Stil in Bewegung und Audio, das die Stimmung setzt, hochladen können. Statt einen Stil im Text zu beschreiben, zeigen Sie Beispiele aus mehreren Blickwinkeln. Das führt in der Regel zu einer originalgetreueren Wiedergabe komplexer Stile im Vergleich zu reinen Textansätzen.
Das Bildreferenzsystem von Seedance 2.0 bietet, bei korrekter Nutzung konsistenter Charakterbilder über Prompts hinweg, starke Charakterkonsistenz. Diese Fähigkeit ist vergleichbar mit Klings Charakterkonsistenz-Funktionen, aber besser steuerbar als die textbasierten Charakterbeschreibungen von Veo oder Sora. Entscheidend ist die Nutzung hochwertiger Charakter-Referenzbilder und die explizite Angabe „exaktes Aussehen aus @Bild X beibehalten" in jeder Generierung.
Zugänglichkeit und Funktionsverfügbarkeit bestimmen den praktischen Nutzen. Seedance 2.0 ist über Morphic sofort für kommerzielle Produktions-Workflows zugänglich, während Veo in eingeschränkter Beta mit begrenztem Zugang bleibt. Aus Sicht der Fähigkeiten bieten Seedances multimodale Audio-Integration und Videoreferenz-Tiefe Vorteile für kommerzielle Arbeit, die präzise Markenabstimmung, bestimmte Musiksynchronisation oder exakten Stilabgleich benötigt. Veos erweiterte Generierungsfähigkeiten könnten jedoch für bestimmte Langform-Anwendungen vorzuziehen sein, sobald breit verfügbar.
Seedance 2.0 und Sora haben unterschiedliche Stärken. Sora generiert längere Videos (bis zu 60 Sekunden) und zeigt beeindruckendes Verständnis von Physik und komplexen Szenen aus Text-Prompts. Seedance 2.0 generiert kürzere Clips (bis zu 15 Sekunden), bietet aber multimodale Kontrolle, die Sora fehlt: direkter Audio-Upload, Videoreferenz für Bewegungsreplikation und die Fähigkeit, mehrere visuelle Referenzen gleichzeitig einzubeziehen. Für Projekte, die präzise Kontrolle über Stil, Bewegung und Audio-Synchronisation benötigen, bietet Seedances multimodaler Ansatz Vorteile. Für längere Einzeleinstellungen aus Text ist Sora möglicherweise vorzuziehen (sofern verfügbar).
Beide Plattformen bieten Bewegungsreferenz-Fähigkeiten, aber Seedances 2.0 Videoreferenzsystem geht tiefer. Kling bietet Motion Brush und grundlegenden Bewegungstransfer, während Seedance das Hochladen kompletter Videoclips erlaubt und nicht nur Bewegungspfade repliziert, sondern auch Kameraarbeit, Schnittrhythmus und komplexe Choreografie Bild für Bild. Sie können Seedance eine ganze Kampfsequenz oder Tanzroutine zeigen und die Bewegung präzise replizieren lassen, statt sie zu beschreiben oder Bewegungspfade zu zeichnen.
Seedance 2.0 ist öffentlich über Morphic verfügbar, ohne Warteliste oder eingeschränktes Beta-Programm. Das steht im Kontrast zu Sora und Veo, die in eingeschränkten Beta-Programmen bleiben. Die sofortige Verfügbarkeit macht Seedance praktikabel für aktuelle professionelle Workflows und Produktionspläne, statt Wartezeit für den Zugang zu erfordern.
Seedance 2.0 akzeptiert gängige Bildformate (JPG, PNG), verbreitete Videoformate und MP3 für Audio. Die genaue Formatkompatibilität wird über Morphics Upload-Oberfläche gehandhabt. Für beste Ergebnisse hochwertige Quelldateien nutzen: höher aufgelöste Bilder, weniger komprimiertes Video und Audio mit hoher Bitrate.
Das System akzeptiert insgesamt maximal 12 Dateien über alle Eingabetypen (Bilder, Videos, Audio kombiniert). Zusätzlich: Bilder sind auf maximal 9, Videos auf 3 Clips mit 15 Sekunden Gesamtlänge, und Audio auf 3 Dateien mit 15 Sekunden Gesamtlänge begrenzt. Eine gezielte Auswahl wirkungsvoller Referenzen ist wichtig, wenn Sie sich diesen Grenzen nähern.
Seedance 2.0 generiert Videos zwischen 4 und 15 Sekunden in einer einzelnen Generierung. Sie können die genaue Länge in 1-Sekunden-Schritten wählen. Für längeren Content nutzen Sie die Videoverlängerungsfunktion, um mehrere Generierungen aneinanderzureihen, oder generieren Sie separate Segmente, die in der Postproduktion zusammengeschnitten werden können.
Ja, Seedance 2.0 über Morphic kann für kommerzielle Produktionen genutzt werden. Konkrete Lizenz- und Nutzungsrechte richten sich nach Morphics Nutzungsbedingungen. Prüfen Sie diese Bedingungen für Details zu kommerzieller Nutzung, Kundenarbeit und etwaigen Attributionsanforderungen.
Ja, Seedance 2.0 behält durchgehend eine konsistente Auflösung und Qualität während der gesamten Generierung bei. Die Ausgabeauflösung ist hochwertiges Video für den professionellen Einsatz geeignet, wobei die genaue Auflösung je nach Inhalt und gewähltem Seitenverhältnis variieren kann.
Ja, Seedance 2.0 unterstützt mehrere Seitenverhältnisse, darunter Standard 16:9, cinematisches 2,35:1-Breitbild und vertikale Formate für Social Media. Geben Sie das gewünschte Seitenverhältnis in den Generierungseinstellungen oder im Prompt an.
Seedance 2.0 ist über Morphic zugänglich. Besuchen Sie Morphic, erstellen Sie ein Konto oder melden Sie sich an, und greifen Sie über die Videogenerierungs-Oberfläche auf Seedance 2.0 zu. Das multimodale Eingabesystem und die @-Referenzfunktion sind in den Morphic-Workflow integriert.
Ja, Sie können generierte Videos auf mehrere Arten nutzen: als Referenzen für neue Generierungen (um bestimmte Elemente zu verändern), als Eingaben für die Videoverlängerung (um eine Fortsetzung hinzuzufügen), in Videofusion-Workflows (um sie mit anderen Clips zu verbinden), oder für die klassische Videobearbeitung in Standard-Schnittsoftware exportieren. Generierte Videos gehören Ihnen und können in jedem Workflow, der Ihrem Projekt dient, bearbeitet, kombiniert und verfeinert werden.