Seedance 2.0 Guide: Funktionen, Vergleich und Tutorial

Was ist Seedance 2.0?

Seedance 2.0 ist das fortschrittliche multimodale KI-Videomodell von ByteDance. Es verbindet Bilder, Videos, Audio und Text zu einer bislang unerreichten kreativen Kontrolle. 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 allein von geschriebenen Prompts leben, können Sie der KI mit Seedance 2.0 über visuelle und akustische Referenzen genau zeigen, was Sie wollen. Laden Sie Referenzbilder hoch, um Stil und Bildaufbau festzulegen, nutzen Sie Videoclips, um gewünschte Kamerabewegungen oder Handlungen vorzuführen, ergänzen Sie Audio für Stimmung und Rhythmus, und kombinieren Sie alles mit detaillierten Text-Prompts für präzise Regie.

Zwei begleitende Guides gehen bei einzelnen Problemen tiefer: kinoreife Seedance-2.0-Videos für die handwerkliche Seite und was tun, wenn Seedance-2.0-Prompts markiert werden für Generierungen, die abgelehnt zurückkommen.

Warum Seedance 2.0 für professionelle Videoproduktion

Seedance 2.0 löst die grundlegende Schwäche der KI-Videogenerierung: die Lücke zwischen Beschreibung und Vorstellung. Statt komplexe Kamerabewegungen, Details einer Figur oder visuelle Effekte in Worte zu fassen, liefern Sie direkte Beispiele. Dieser multimodale Ansatz bringt:

• Präzise visuelle Kontrolle über Bildreferenzen
• Genaue Bewegungsübernahme über Videoreferenzen
• Rhythmus und Stimmung im Gleichklang durch Audiointegration
• Konstante Figuren und Stile über mehrere Einstellungen hinweg
• Komplexe Szenenübergänge, die den Zusammenhang halten

Das Modell ist besonders gut darin, mehrere Referenztypen gleichzeitig zu verstehen und zu verbinden. Das macht es für Werbeproduktion, Content-Erstellung und professionelle Video-Workflows besonders wertvoll.

Seedance 2.0 vs. Kling vs. Veo vs. Sora: Funktionsvergleich

Wer KI-Videotools bewertet, trifft die richtige Wahl leichter, wenn er die konkreten Fähigkeiten jeder Plattform kennt. So schlägt sich Seedance 2.0 gegen die führenden Alternativen:

Die wichtigsten Unterschiede:

Multimodale Flexibilität: Seedance 2.0 und Kling 3.0 bieten beide umfassende multimodale Unterstützung, inklusive direktem Upload von Video- und Audiodateien. Veo 3.1 unterstützt Bildreferenzen (bis zu 3), erzeugt Audio aber, statt es zu referenzieren. Sora bleibt im Wesentlichen text- und bildbasiert.

Tiefe der Videoreferenz: Seedance 2.0 und Kling 3.0 sind stark darin, komplexe Kamerabewegungen, Choreografien und Spezialeffekte aus Referenzmaterial zu übernehmen. Die Funktion „AI Director“ von Kling 3.0 automatisiert die Komposition mehrteiliger Szenen. Veo 3.1 setzt auf Bild-zu-Video mit starker Konstanz der Figuren, legt aber weniger Gewicht auf die Übernahme von Bewegung aus Video.

Audiofähigkeiten: Seedance 2.0 erlaubt den direkten Upload von Audiodateien für präzise Stimmungskontrolle und Beat-Synchronisation. Kling 3.0 erzeugt natives mehrsprachiges Audio mit präziser Lippensynchronisation in 5 Sprachen. Veo 3.1 erzeugt Audio nativ, nimmt aber keine Audiodateien als Referenz an. Sora erzeugt Audio ausschließlich aus Textbeschreibungen.

Länge und Erweiterung: Sora liefert die längsten Einzelgenerierungen (bis zu 60 Sekunden), aber die Erweiterungsfunktion von Veo 3.1 erlaubt es, Clips über 60 Sekunden hinaus aneinanderzuhängen. Seedance 2.0 und Kling 3.0 unterstützen beide 15-Sekunden-Generierungen mit Erweiterungsmöglichkeiten.

Auflösung und Qualität: Seedance 2.0 gibt bis zu 4K mit 10-Bit-Kodierung aus, was die Farbabstufung für HDR und Grading erhält. Damit liegt es bei der reinen Auflösung gleichauf mit Kling 3.0 und Veo 3.1. Ausschlaggebend ist deshalb meist die Referenzkontrolle, nicht die Pixelzahl.

Bestehendes Material bearbeiten: Seedance 2.0 behandelt ein hochgeladenes Video als etwas, das Sie bearbeiten können, nicht bloß nachahmen. Sie können Elemente innerhalb eines Clips hinzufügen, entfernen oder austauschen, ihn zeitlich nach vorn oder hinten verlängern und getrennte Clips zu einem durchgehenden Stück verbinden. Bearbeitung ist hier eine erstklassige Aufgabe statt ein Anhängsel, und genau das macht es praktikabel, bereits freigegebenes Kundenmaterial weiterzuverwenden.

Welches Seedance-2.0-Modell Sie nehmen sollten

Seedance 2.0 ist eine Familie aus drei Modellen mit demselben Funktionsumfang, die sich in Qualität und Kosten unterscheiden:

Ein praktisches Muster: Entwerfen Sie auf Mini oder Fast, bis Prompt und Referenzen sitzen, und fahren Sie den finalen Durchgang auf dem vollen Seedance 2.0.

Informationen mit Stand Juli 2026. Funktionen und Verfügbarkeit können sich ändern.

Seedance 2.0 auf Morphic testen →

Kernfunktionen und Fähigkeiten von Seedance 2.0

Das multimodale Eingabesystem

Seedance 2.0 nimmt vier Eingabetypen an, die sich kombinieren lassen:

Bildeingaben (bis zu 9 Bilder)

• Visuellen Stil und ästhetische Richtung festlegen
• Aussehen der Figuren definieren und konstant halten
• Bildaufbau und Kadrierung setzen
• Produktdetails für eine originalgetreue Wiedergabe angeben
• Licht, Farbgebung und Atmosphäre steuern

Videoeingaben (bis zu 3 Clips, zusammen maximal 15 Sekunden)

• Konkrete Kamerabewegungen und Bildsprache referenzieren
• Bewegungsmuster und Choreografien übernehmen
• Szenenübergänge und Schnittrhythmen kopieren
• Spezialeffekte und visuelle Techniken vorführen
• Handlungen und Interaktionen von Figuren zeigen

Audioeingaben (MP3 oder WAV, bis zu 3 Dateien, je 2-15 Sekunden, zusammen maximal 15 Sekunden)

• Stimmung und emotionalen Ton über Musik setzen
• Tempo über Rhythmus und Beat-Struktur steuern
• Konkrete Soundeffekte oder Umgebungsgeräusche ergänzen
• Stimmcharakter für Dialoge treffen
• Visuelle Wechsel an akustische Signale koppeln

Text-Prompts (natürliche Sprache)

• Erzählung und Handlungsverlauf steuern
• Handlungen und Bewegungen angeben, die in den Referenzen nicht zu sehen sind
• Szenenübergänge und Timing beschreiben
• Klären, wie die Referenzen angewendet werden sollen
• Details ergänzen, die über die visuellen Referenzen hinausgehen

Zu den Limits: Es gibt keine gemeinsame Obergrenze über alle Dateien hinweg. Die Grenzen gelten pro Typ (bis zu 9 Bilder, 3 Videoclips, 3 Audiodateien), und die eigentliche Beschränkung ist nicht die Grenze, sondern Ihre Zurückhaltung: ByteDance empfiehlt, deutlich weniger Referenzen zu nutzen, als erlaubt sind. Eine Kombination wird tatsächlich nicht unterstützt: Text plus Audio allein, und Audio allein, erzeugen kein Ergebnis. Jeder Auftrag braucht Text, und Audio funktioniert nur zusammen mit einer visuellen Referenz.

Wie das Referenzsystem aufgebaut ist

Die eigentliche Neuerung in Seedance 2.0 ist sein Verständnis von Referenzen. Statt Eingaben nur als grobe Stilvorlage zu behandeln, analysiert das Modell jede Referenz und zieht konkrete Elemente heraus:

Aus Bildern: Bildaufbau, Gesichtszüge, Objektdetails, Lichtsetup, Farbbeziehungen, räumliche Anordnung, Stilmerkmale

Aus Videos: Kamerapfade, Bewegungsgeschwindigkeit und Beschleunigung, Wechsel der Kadrierung, Handlungen und deren Timing, Umsetzung von Spezialeffekten, Übergangstechniken

Aus Audio: Rhythmus und Beat-Muster, klangliche Stimmung und Atmosphäre, Lautstärkedynamik, Timing von Soundeffekten, Stimmcharakter

Dieses feingliedrige Verständnis erlaubt es Ihnen, genau festzulegen, welche Aspekte jeder Referenz die Generierung beeinflussen sollen. Das ergibt präzise Kontrolle über das Endergebnis.

Verbesserungen der Generierungsqualität

Über die multimodalen Fähigkeiten hinaus liefert Seedance 2.0 grundlegende Fortschritte:

Realistische Physik: Objekte und Figuren bewegen sich glaubwürdig. Stoff fällt natürlich, Flüssigkeiten fließen überzeugend, und Interaktionen zwischen Elementen folgen den Regeln der echten Welt.

Flüssige Bewegung: Fortlaufende Handlung läuft ohne harte Sprünge oder Morphing-Artefakte. Komplexe mehrstufige Bewegungen bleiben über den gesamten Ablauf stabil.

Präzises Prompt-Verständnis: Das Modell setzt detaillierte Anweisungen zuverlässig um, inklusive räumlicher Beziehungen („im Hintergrund dahinter“), geordneter Einstellungsfolgen und komplexer Szenen mit mehreren Figuren. Exakte Timecodes sind die Ausnahme, dazu unten mehr.

Konstanter Stil: Visuelle Merkmale, die zu Beginn einer Generierung gesetzt werden, bleiben stabil. Das Aussehen der Figuren, die Lichtstimmung und die künstlerische Handschrift driften im Verlauf der Szene nicht weg.

Komplexe Handlungen: Das Modell bewältigt anspruchsvolle Sequenzen wie Kampfchoreografien, feine Handbewegungen, Mimik beim Sprechen und abgestimmte Interaktionen mehrerer Figuren.

Bereit für multimodale Kontrolle? Jetzt mit Seedance 2.0 auf Morphic loslegen →

Technische Spezifikationen

Zwei Hinweise zu den Ausgabeeinstellungen. Es gibt kein 2.35:1. Für den Scope-Look wählen Sie also 21:9, statt im Prompt nach 2.35:1 zu fragen. Und weil 4K auf H.265 setzt, zeigen manche Browser und Player die Datei nicht direkt an, obwohl sie in Ordnung ist.

Die Eingabespezifikationen von Seedance 2.0 verstehen

Grenzen bei Dateianzahl und Dauer

Um die Qualität hoch und den Rechenaufwand beherrschbar zu halten, setzt Seedance 2.0 klare Grenzen für Eingaben:

Grenzen je Dateityp:

• Bilder: maximal 9 Dateien
• Videos: maximal 3 Clips
• Audio: maximal 3 Dateien

Grenzen für die Gesamtdauer:

• Videoreferenzen: 15 Sekunden über alle Clips zusammen
• Audioreferenzen: 15 Sekunden über alle Dateien zusammen

Mindestlängen pro Clip (wird leicht übersehen):

• Jeder Referenz-Videoclip muss mindestens 2 Sekunden lang sein
• Jede Referenz-Audiodatei muss mindestens 2 Sekunden lang sein
• Referenzvideos müssen mit 24 bis 60 fps laufen

Es gibt keine gemeinsame Obergrenze über alle Dateien hinweg. Neun Bilder plus drei Videos plus drei Audiodateien sind zulässig. Sie sind trotzdem eine schlechte Idee, aus den Gründen im nächsten Abschnitt.

Nicht unterstützte Kombination: Text plus Audio, und Audio allein, erzeugen kein Ergebnis. Audio braucht immer eine visuelle Referenz daneben.

Dauer der Ausgabe: 4-15 Sekunden.

Füllen Sie die Slots nicht aus, nur weil es geht

Die Grenzen oben sind Obergrenzen, keine Zielwerte. ByteDance sagt selbst ausdrücklich, dass die volle Ausschöpfung des Kontingents die Ergebnisse verschlechtert: Bei zu vielen Referenzen fällt es dem Modell schwer zu entscheiden, welche Merkmale Vorrang haben. Die Folge sind Stilkonflikte, unscharf erkannte Subjekte und Ergebnisse, die von Ihrer Vorgabe abdriften.

Empfohlen sind insgesamt 4 bis 5 Assets. Jedes davon sollte eine eigene Aufgabe erfüllen:

• Figur verankern (1-2 Bilder): das Aussehen der Figur festlegen
• Szenenstimmung setzen (1 Bild): Umgebung und Stil festlegen
• Kamerabewegung (1 Video): Bildsprache und Rhythmus festlegen
• Rhythmus und Atmosphäre (1 Audio): Emotion und Klangfarbe steuern

Wenn zwei Referenzen um dieselbe Aufgabe konkurrieren, haben Sie eine zu viel. Vier Bilder derselben Figur machen das Modell nicht viermal sicherer bei dieser Figur. Sie machen es unsicherer, welchem Bild es glauben soll.

Praktisches Beispiel: Für einen 15-Sekunden-Werbespot, der ein bestimmtes Produktaussehen, dynamische Kameraarbeit und treibende Musik braucht, sind fünf Assets ein vollständiges Briefing:

• 2 Bilder: das Produkt aus zwei Winkeln
• 1 Bild: gewünschte Farbgebung und Lichtstimmung
• 1 Video: Referenz für die Kamerabewegung
• 1 Audio: Musiktrack für das Tempo

Alles Übrige, auch Umgebung, Stimmung und Tempo, gehört in den Text-Prompt.

Eine harte Grenze bei Figuren: Sobald mehr als vier Referenzpersonen im Spiel sind, fällt die Stabilität der Ausgabe stark ab. Sie sehen dann die falsche Personenzahl im Bild oder Doppelgänger. Wenn Sie eine Gruppe aus sechs Personen brauchen, erzeugen Sie sie zuerst als zwei Gruppenbilder mit je drei Personen und nutzen diese Bilder dann als Referenz für das Video.

Richtlinien für die Qualität der Eingaben

Für Bildreferenzen:

• Nutzen Sie klare, gut ausgeleuchtete Fotos, wenn es auf Genauigkeit ankommt
• Höhere Auflösung liefert bessere Detailwiedergabe
• Mehrere Winkel helfen bei Produkten und Objekten. Bei Gesichtern schaden sie aktiv, siehe die Regel zur Gesichtsaufnahme weiter unten. Ein Charakterblatt mit mehreren Ansichten wird als mehrere verschiedene Personen gelesen
• Vermeiden Sie stark komprimierte oder schlechte Bilder

Für Videoreferenzen:

• Achten Sie darauf, dass das Element, das Sie referenzieren wollen, klar sichtbar ist
• Kurze Clips mit einem klaren Fokus funktionieren besser als lange Clips mit vielen Elementen
• Bessere Videoqualität verbessert das Bewegungsverständnis
• Schneiden Sie Videos so zu, dass nur der relevante Abschnitt zu sehen ist

Für Audioreferenzen:

• Nutzen Sie nach Möglichkeit saubere Audiodateien ohne Störgeräusche
• Achten Sie darauf, dass das Audio den gewünschten Rhythmus oder die Stimmung klar transportiert
• Passen Sie die Dauer grob an Ihre Zielvideolänge an
• Prüfen Sie, ob Sie das Audio aus einer Videodatei nutzen können, wenn diese mehrere Zwecke erfüllt

So nutzen Sie die multimodalen Referenzen von Seedance 2.0

Seedance 2.0 ist über Morphic zugänglich, das eine Oberfläche zum Hochladen von Referenzen und Schreiben von Prompts bietet. Das System nutzt @-Erwähnungen, um festzulegen, wie jede hochgeladene Datei bei der Generierung verwendet wird.

Klären Sie zuerst, welche der drei Aufgaben Sie stellen

Bevor Sie irgendetwas schreiben, entscheiden Sie, welchen Auftrag Sie dem Modell geben. Die Formulierung unterscheidet sich, und hier danebenzugreifen ist der häufigste Weg, eine Generierung zu verschwenden.

• Multimodale Referenz: Elemente aus Ihren Assets herausziehen (ein Subjekt, einen Stil, eine Kamerabewegung, eine Stimme), um ein völlig neues Video zu bauen.
• Videobearbeitung: etwas innerhalb eines bestehenden Videos ändern. Alles, was Sie nicht erwähnen, bleibt wie es war.
• Videoerweiterung: ein bestehendes Video zeitlich nach vorn oder hinten fortsetzen, mit gleichem Stil, gleichem Subjekt und durchgehender Erzählung.

Die Falle: Sprechen Sie den Clip bei Bearbeitung und Erweiterung als @Video 1 an, niemals als „referenziere @Video 1“. Das Wort Referenz drängt das Modell dazu, die Aufgabe als Referenzaufgabe einzuordnen. Statt Ihren Clip zu bearbeiten, erzeugt es dann ein neues Video, das ihm nur ähnelt. Schreiben Sie „Bearbeite ausschließlich @Video 1“ oder „Erweitere @Video 1 rückwärts“, nicht „Referenziere @Video 1 und bearbeite es“.

Definieren Sie Ihr Subjekt, bevor Sie es referenzieren

Ein hochgeladenes Bild enthält meist mehr als eine Sache. Das Subjekt ausdrücklich zu benennen ist der Schritt, den die meisten überspringen, und genau der verhindert, dass sich das Modell am falschen Element festbeißt.

Wählen Sie 2 bis 3 stabile, unveränderliche Merkmale (Kleidung, Frisur, Kategorie), die das Subjekt eindeutig kennzeichnen, und binden Sie sie an das Asset:

Definiere [Kernmerkmale] in @Image 1 als [Name des Subjekts]

Zum Beispiel: Definiere die Frau im roten Kleid mit Strohhut in @Image 1 als Subject 1. Ab da bezeichnen Sie sie nur noch als Subject 1. Verwenden Sie jedes Mal dieselbe Bezeichnung. Wenn Sie zwischen „die Frau“, „sie“ und „Subject 1“ wechseln, kann das Modell den Faden verlieren.

Für schnelle Aufgaben können Sie die Definition weglassen und stattdessen direkt binden, indem Sie die Paarung bei jeder Erwähnung wiederholen: Subject 1@Image 1.

Zwei Regeln zählen hier. Halten Sie die Beschreibung kurz und widerspruchsfrei, denn zwei gegensätzliche Merkmale am selben Subjekt bringen die Bindung durcheinander. Und wo sich eine räumliche Beziehung leichter zeigen als beschreiben lässt, zeigen Sie sie in einem Referenzbild, statt sie im Text auszuformulieren.

Das @-Referenzsystem

Nachdem Sie Ihr Material auf Morphic hochgeladen haben, sprechen Sie es im Prompt mit dem @-Zeichen an, gefolgt von der Dateikennung (Image 1, Video 1, Audio 1 usw.). Entscheidend ist, dass Sie ausdrücklich sagen, welchem Zweck jede Referenz dient.

Grundstruktur einer Referenz:

@[Materialtyp + Nummer] als/für [konkreter Zweck], [zusätzlicher Kontext]

Klar vs. unklar referenziert:

Unklar: „Nutze @Image 1 und @Video 1, um ein Video zu machen“

Klar: „@Image 1 als Startbild mit dem Gesicht der Figur, die Kamerafahrt nach vorn aus @Video 1 übernehmen, @Audio 1 als Hintergrundmusik für eine treibende Stimmung nutzen“

Setzen Sie Ihr wichtigstes Asset an den Anfang. Je früher ein Asset im Prompt auftaucht, desto mehr Gewicht hat es. Wenn das Gesicht der Figur exakt sitzen muss, beginnen Sie damit.

Satzzeichen, die dem Modell sagen, welche Art von Information es liest

Seedance 2.0 liest vier Klammertypen als Typsignale. Sie zu nutzen ist ein billiger Weg, um zu verhindern, dass Dialog als Bildunterschrift erscheint oder ein Soundeffekt ausgesprochen wird.

Wenn eine Dialogzeile in einer anderen Sprache als Deutsch steht, nennen Sie die Sprache vor den geschweiften Klammern: sagt auf Japanisch {こんにちは}. Bleiben Sie bei einer Sprache pro Szene. Sprachen im selben Prompt zu mischen, Eigennamen ausgenommen, verschlechtert die Aussprache.

Wirksame multimodale Prompts schreiben: das CRAFTS-Modell

Ein guter Seedance-2.0-Prompt liegt näher an einer technischen Anweisung als an einem Werbetext. Das Modell liest Text, Bilder, Video und Audio gleichzeitig und trennt sie intern in eine räumliche Ebene (was im Bild ist) und eine zeitliche Ebene (wie es sich verändert). Ihre Aufgabe ist es, beide Ebenen sauber zu bedienen.

CRAFTS deckt die sechs Dinge ab, die ein vollständiger Prompt festlegt: Context (Kontext), Reference (Referenz), Action (Handlung), Framing (Kadrierung), Timeline (Abfolge), Style and constraints (Stil und Einschränkungen).

C - Kontext: Szene und Umgebung festlegen Setzen Sie die Bühne mit Ort, Zeit, Atmosphäre und Rahmen. Verweisen Sie hier auf Ihre Szenenbilder.

Beispiel: „In einem schwach beleuchteten Jazzclub bei Nacht, mit der Innenatmosphäre aus @Image 1“

R - Referenz: Subjekte definieren und an Assets binden Benennen Sie jedes Subjekt über 2 bis 3 stabile Merkmale und sagen Sie dann genau, was jedes Asset beiträgt und was nicht.

Beispiel: „Definiere den Mann im grauen Anzug in @Image 2 als den Pianisten. @Image 2 nur für sein Gesicht und seine Statur, nicht für seine Kleidung. @Video 1 für das Gehtempo. @Audio 1 für den Jazz im Hintergrund.“

A - Handlung: Bewegungen von Figuren und Objekten beschreiben Beschreiben Sie, was in der Szene passiert: Handlungen der Figuren, Interaktionen mit Objekten, Abfolge der Ereignisse. Zwei Dinge trennen funktionierende Handlungsbeschreibungen von den anderen.

Klein und langsam. Seedance 2.0 bewältigt sanfte, fortlaufende, kleinräumige Bewegung deutlich zuverlässiger als hochenergetische Action. Sprints, große Sprünge und heftige Rollen sind die Stellen, an denen Gliedmaßen verformen und die Physik zusammenbricht. Bevorzugen Sie „geht langsam“, „hebt behutsam eine Hand“, „setzt sich mit der Bewegung“. Nennen Sie das Körperteil sowie Reichweite, Geschwindigkeit und Kraft: nicht „er bewegt den Kopf“, sondern „er dreht den Kopf schnell“. Wo eine Handlung in die nächste übergeht, sagen Sie, wie sie zusammenhängen, damit die Bewegung ihren eigenen Schwung trägt: „nutzt den Schwung der Drehung, um natürlich eine Hand zu heben“.

Verlagern Sie Gefühle in körperliche Details. Das Modell kann „sehr traurig“ nicht darstellen. Es kann darstellen, was Trauer mit einem Körper macht. Ersetzen Sie das abstrakte Etikett durch das sichtbare Zeichen.

Beispiel: „Der Pianist geht langsam durch den Raum, bleibt an der Bar stehen und nimmt ein Glas. Er trinkt einen Schluck, und als er zur Tür blickt, spannt sich sein Kiefer und seine Finger schließen sich fest um das Glas.“

F - Kadrierung: Kameraarbeit und Bildsprache festlegen Nennen Sie Einstellungsgrößen, Kamerabewegungen, Winkel und Übergänge in filmischer Fachsprache. Das Modell versteht das übliche Kameravokabular gut, nutzen Sie es also schlicht und direkt.

Beispiel: „Beginne mit einer weiten Totale, fahre in eine Halbnahe, während die Figur die Bar erreicht, dann schneide auf eine Over-the-Shoulder-Einstellung mit Blick zur Tür“

Eine Kamerabewegung pro Einstellung. Von einer einzelnen Einstellung gleichzeitig eine Fahrt nach vorn, eine Umkreisung und einen Schwenk zu verlangen, ist der schnellste Weg, das Bild instabil zu machen. Wer drei Bewegungen will, will drei Einstellungen.

T - Abfolge: Ordnen Sie Ihre Einstellungen, nicht Ihre Sekunden

Das ist das Element, bei dem die meisten Guides danebengreifen, frühere Versionen dieses Guides eingeschlossen. Der Reflex ist, alles mit Zeitmarken zu versehen: 0-4 Sekunden dies, 4-8 Sekunden das. Seedance 2.0 geht mit exaktem Timing instabil um, und feste Sekundenvorgaben pro Segment können die Generierung aktiv zerlegen.

Ordnen Sie stattdessen die Einstellungen und lassen Sie das Modell das Tempo finden. Beschriften Sie sie als Einstellung 1, Einstellung 2, Einstellung 3, in der Reihenfolge der Ereignisse, und beschreiben Sie jede so: Kamerabewegung, dann Handlung des Subjekts, dann Position, dann Ton.

Schwach: „Ein Mann rennt nervös die Straße hinunter, und die Szene wirkt sehr filmisch.“

Stark:

• Einstellung 1: Seitenansicht einer Gasse. Der Mann setzt sich in Bewegung, atmet schnell.
• Einstellung 2: Er stößt einen Obststand um. Die Kamera wackelt und fährt in eine Nahaufnahme seines verängstigten Gesichts.
• Einstellung 3: Er klettert über eine niedrige Mauer und verschwindet. Die Kamera zieht langsam zurück und bleibt auf der leeren Straße stehen.

Zeitmarken sind nicht verboten, und Sie werden sie in ByteDances eigenen Beispiel-Prompts sehen. Behandeln Sie sie als Hinweis, dem das Modell folgen kann, nicht als Anweisung, der es folgen muss. Wenn das Tempo wirklich zählt, ist der verlässliche Hebel, weniger Einstellungen pro Clip zu generieren, nicht engere Timecodes zu schreiben.

S - Stil und Einschränkungen: Fehlerquellen ausschließen

Der letzte Block Ihres Prompts ist der, den die meisten weglassen, und er leistet mehr, als sie ahnen. Er hat drei Aufgaben.

Bildqualität: Nennen Sie das gewünschte Finish. „Hochauflösend, detailreich, filmische Textur, natürliche Farbe, weiches Licht.“

Stil: Nennen Sie den Look, und zwar auch dann, wenn Sie glauben, das Referenzbild impliziere ihn schon. Wenn Ihr Referenzfoto realistisch ist, Sie aber Animation wollen und das nie sagen, driftet die Ausgabe zurück Richtung Realfilm. Sagen Sie ausdrücklich „japanischer 2D-Animationsstil“ oder „stilisiertes 3D-CG“.

Einschränkungen: Das sind die Zeilen, die verhindern, dass das Modell Artefakte erzeugt, die niemand bestellt hat.

• Keine Untertitel erzeugen. Keinerlei Text oder Untertitel erzeugen.
• Kein Logo erzeugen.
• Kein Wasserzeichen erzeugen.

Man sollte hier ehrlich über die Grenzen sprechen: Einschränkungszeilen senken die Wahrscheinlichkeit ungewollter Untertitel und Wasserzeichen, sie beseitigen sie nicht. Zwei Dinge helfen wirklich. Wenn ein Referenzbild oder -clip Text enthält, den Sie nicht brauchen, entfernen Sie ihn vor dem Upload aus dem Asset. Und wenn Ihr Projekt es zulässt, generieren Sie im Querformat, denn ungewollte Untertitel treten dort deutlich seltener auf als im Hochformat. Auf vertikal zuschneiden können Sie danach immer noch.

CRAFTS-Beispiel-Prompt:

Techniken für Bildreferenzen

Visuellen Stil und ästhetische Richtung setzen

Bilder legen den Gesamteindruck Ihrer Generierung fest. Nutzen Sie sie, um Farbpaletten, Lichtführung, Bildaufbau und künstlerische Behandlung zu definieren.

Figuren über mehrere Einstellungen konstant halten

Wenn Sie mehrere Videos mit derselben Figur erzeugen, referenzieren Sie in jedem Prompt dasselbe Charakterbild, damit das Aussehen gleich bleibt.

Produktpräsentation mit korrekten Details

Für Werbung und produktnahe Inhalte nutzen Sie mehrere Winkel und Detailaufnahmen als Referenz, damit das Produkt originalgetreu wiedergegeben wird.

Techniken für Videoreferenzen

Kamerabewegungen und Bildsprache übernehmen

Videoreferenzen sind stark darin, Kameratechniken zu zeigen, die sich in Text nur schwer beschreiben lassen.

Bewegungsmuster und Choreografien kopieren

Für Tanz, Kampfszenen oder bestimmte Bewegungsabläufe liefern Videoreferenzen eine Führung Bild für Bild.

Spezialeffekte und visuelle Techniken übernehmen

Videoreferenzen können Partikeleffekte, Übergänge, Compositing-Techniken und andere visuelle Effekte vorführen, damit sie originalgetreu übernommen werden.

Techniken für Audioreferenzen

Hintergrundmusik einbinden und Stimmung setzen

Audioreferenzen legen über die Musikauswahl den emotionalen Ton und das Tempo Ihres Videos fest.

Schnitte auf den Beat legen

Legen Sie Szenenübergänge, Schnitte und visuelle Wechsel auf bestimmte Beats, damit das Tempo professionell wirkt.

Stimmfarbe und Dialog treffen

Wenn es auf bestimmte Stimmeigenschaften ankommt, referenzieren Sie Audio- oder Videodateien mit der gewünschten Stimmqualität.

Komplexe Beispiele mit mehreren Referenzen

Alle Eingabetypen für eine Werbeproduktion kombinieren

Beispiel: Produktwerbung

Szene mit mehreren Figuren und Dialog

Beispiel: Erzählszene

Fortgeschrittene Funktionen von Seedance 2.0

Videoerweiterung für durchgehende Erzählungen

Seedance 2.0 kann ein bestehendes Video mit neuem Material fortsetzen. Das funktioniert in beide Richtungen: Sie können erzeugen, was nach einem Clip passiert, und was davor passiert ist. Letzteres hilft, wenn Sie eine starke Einstellung haben, aber keinen Weg hinein.

So funktioniert die Videoerweiterung:

1. Laden Sie Ihr vorhandenes Video hoch
2. Sagen Sie, in welche Richtung es gehen soll, und beschreiben Sie, was passiert
3. Das Modell zieht die Übergangsbilder selbst heraus und generiert die Fortsetzung

Sprechen Sie den Clip als @Video 1 an, nicht als „referenziere @Video 1“. Das ist eine Bearbeitungsaufgabe, und das Wort Referenz kann das Modell dazu bringen, ein ähnlich aussehendes Video zu erzeugen, statt Ihres fortzusetzen.

Beispiel: Eine Café-Szene fortsetzen

Vorhandenes Video: 10-Sekunden-Clip einer Person, die an einem Cafétisch sitzt und auf einen Laptop schaut

Das Originalmaterial wird nicht neu generiert, der Teil, den Sie schon mögen, bleibt also exakt so, wie er ist. Standardmäßig enthält die Ausgabe nur das Ende des Ausgangsclips, nicht den ganzen. Wenn Sie das Original im zurückgegebenen Video haben wollen, fordern Sie es an: „Erweitere @Video 1 rückwärts, [Beschreibung], und ende dann mit @Video 1.“

Zwei Grenzen, die Sie einplanen sollten

Die Erweiterung ist wirklich nützlich, aber sie ist nicht unsichtbar, und Sie ersparen sich einen schlechten Nachmittag, wenn Sie das vorher wissen.

Die Naht kann springen. An der Stelle, wo das neue Segment auf das Original trifft, kann ein kleiner Sprung oder ein zurückgesetztes Bild auftauchen. Es gibt heute keinen Prompt, der das zuverlässig behebt. Die praktische Reparatur passiert im Schnittprogramm: Schneiden Sie an jeder Naht etwa 6 Frames am Ende des ausgehenden Clips und 1 Frame am Anfang des eingehenden weg. Besser noch: Planen Sie Ihre Clips so, dass die Naht auf einen Schnitt fällt und nicht mitten in eine Bewegung, denn dort ist ein Bruch von vornherein unsichtbar.

Die Qualität lässt nach, wenn Sie Erweiterungen aneinanderreihen. Ein generiertes Video erneut als Ausgangsmaterial für die nächste Erweiterung einzuspeisen, verschlechtert das Bild, und der Schaden summiert sich mit jedem Durchgang. Er zeigt sich zuerst als fleckige Verfärbungen in Gesichtern. Halten Sie die Kette kurz und speisen Sie das hochwertigste Ausgangsmaterial ein, das Sie haben.

Wenn Sie wirklich mehrfach erweitern müssen, dokumentiert ByteDance einen seltsamen, aber wirksamen Umweg: Wandeln Sie den Clip zuerst in ein Weißmodell-Video um und setzen Sie von dort fort. Der Prompt lautet ungefähr: „Wandle das Video in ein weißes 3D-Modell um. Alle Figuren werden zu reinweißen 3D-Modellen, keine Farbe, keine Textur, keine Schatten, reinweißer Hintergrund, stabile Struktur, ruhige Bewegung.“ Farbe und Textur zu entfernen gibt dem nächsten Durchgang eine saubere strukturelle Basis, statt die Artefakte des letzten weiter aufzuschichten.

Best Practices für die Erweiterung:

• Halten Sie Erweiterungen eher kurz (5-8 Sekunden), damit der Anschluss sitzt
• Beschreiben Sie die Handlung, die das Ende des Originals mit dem neuen Material verbindet
• Nennen Sie die Elemente, die gleich bleiben sollen (Kamerawinkel, Licht, Position der Figur)
• Wenn das Originalvideo Ton hat, referenzieren Sie diesen Tonstil für die Erweiterung

Videofusion und Übergänge zwischen mehreren Clips

Erzeugen Sie nahtlose Übergänge zwischen mehreren bestehenden Videoclips, indem Sie das Verbindungsstück generieren lassen.

Beispiel: Zwei Orte verbinden

Vorhandene Videos:

• @Video 1: Figur geht durch eine Straße in der Stadt (endet, als sie sich einer Ecke nähert)
• @Video 2: Dieselbe Figur betritt eine Wohnung (beginnt mit der sich öffnenden Tür)

Daraus entsteht ein Brückenclip, der zwei getrennte Drehs sauber verbindet und Figur und Erzählung durchhält.

Figuren in bestehenden Videos austauschen

Tauschen Sie Figuren oder Subjekte in Videos aus und behalten Sie alles Übrige, inklusive Kameraarbeit, Bewegung und Szenendetails.

Beispiel: Austausch bei einem Musikauftritt

Anwendungsfälle für den Figurenaustausch:

• Verschiedene Darsteller in Werbekonzepten testen
• Varianten derselben Szene mit unterschiedlichen Darstellern erzeugen
• Vorhandenes Material mit neuen Markenbotschaftern aktualisieren
• Inhalte für verschiedene regionale Märkte mit lokalen Darstellern produzieren

Handlung umkehren und Erzählung verändern

Verändern Sie Richtung oder Ausgang der Handlung eines bestehenden Videos vollständig und behalten Sie dabei die visuellen und technischen Elemente.

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

Mit dieser Technik lässt sich eine Erzählung komplett umlenken, während Bildsprache und Produktionswert des vorhandenen Materials erhalten bleiben.

Durchgehende Plansequenzen

Erzeugen Sie lange, ungeschnittene Sequenzen, die Subjekte ohne Schnitt durch mehrere Umgebungen begleiten.

Beispiel: Verfolgungsjagd in der Stadt

Kreative Vorlagen übernehmen

Übernehmen Sie Struktur, Stil und Techniken aus Referenzvideos und setzen Sie Ihre eigenen Subjekte und Ihre Marke hinein.

Beispiel: Werbestil adaptieren

Referenz: @Video 1 zeigt eine hochwertige Parfümwerbung mit bestimmten Kameratechniken, Übergängen und einem eigenen Tempo

Anwendungsfälle und Beispiele für Seedance 2.0

Dieser Abschnitt zeigt Seedance 2.0 in verschiedenen Branchen und auf verschiedenen Komplexitätsstufen. Jede Branche hat ein einfaches, ein mittleres und ein fortgeschrittenes Beispiel, die aufeinander aufbauen.

Werbung und Werbeproduktion

Einfach: Statische Präsentation eines einzelnen Produkts

Szenario: Einfache Produktdarstellung für den Onlinehandel

Komplexität: eine Bildreferenz, eine Kamerabewegung, ein Ereignis

Mittel: Produktdemo aus mehreren Winkeln

Szenario: Demonstration eines Technikprodukts mit mehreren Funktionen

Komplexität: mehrere Bilder, mehrere Einstellungen, wechselnde Kamerawinkel, Audio-Synchronisation

Fortgeschritten: Kompletter Werbespot mit Szenenwechseln

Szenario: 15-Sekunden-Lifestyle-Spot, der das Produkt an mehreren Orten im Einsatz zeigt

Komplexität: 5 Bilder, 1 Video, 1 Audio. Geschichteter Ton, drei Orte, professionelle Bildsprache.

Dieses Beispiel liegt am oberen Ende des empfohlenen Asset-Bereichs, und das Homeoffice wird in Worten beschrieben, statt ein eigenes Referenzbild zu bekommen. Das ist bewusst so. Ein Spot an drei Orten ist genau die Stelle, an der die Versuchung am größten ist, für alles ein Bild hochzuladen, und genau die Stelle, an der das anfängt, das Subjekt zu verwaschen.

Content für Social Media

Einfach: Quick-Cut-Video im Trendstil

Szenario: Einfacher Social-Media-Clip mit beliebtem Übergangseffekt

Komplexität: mehrere Bildreferenzen, Beat-Synchronisation, einfacher Übergangseffekt

Mittel: Erzählsequenz an mehreren Orten

Szenario: Vlog-Inhalt im „Tag im Leben“-Stil

Komplexität: mehrere Orte, Handkamera-Referenz, geschichteter Ton, Inhalt mit Persönlichkeit

Fortgeschritten: Komplexe visuelle Effekte im viralen Stil

Szenario: Aufwendiger Social-Media-Clip mit Trendeffekten

Komplexität: mehrere komplexe Referenzen, präzise Choreografieübernahme, Übernahme von Spezialeffekten, fortgeschrittene Audio-Synchronisation, Trendstil

Film- und Unterhaltungsproduktion

Einfach: Atmosphärische Establishing-Einstellung

Szenario: Szenensetzende Einstellung für erzählende Inhalte

Komplexität: ein Bild, einfache Kamerabewegung, Atmosphäreaufbau

Mittel: Dialogszene im Schuss-Gegenschuss

Szenario: Gespräch zwischen zwei Figuren mit professioneller Auflösung

Komplexität: zwei Charakterbilder, konkrete Kameratechnik als Referenz, Dialogtempo, psychologische Spannung

Fortgeschritten: Actionsequenz mit komplexer Choreografie

Szenario: Kampfszene mit konkreter Kampfsportchoreografie

Komplexität: vier Bildreferenzen, zwei Videoreferenzen (Choreografie und Kamerastil), Audioreferenz, komplexe Kampfchoreografie, Zeitlupe.

Setzen Sie Ihre Erwartungen hier realistisch. Schnelle, wuchtige Action ist das Schwerste, was Sie von diesem Modell verlangen können, und genau dort verformen Gliedmaßen und gibt die Physik nach. Deshalb stützt sich dieser Prompt auf ein Choreografie-Referenzvideo, statt den Tritt in Worte zu fassen: Die Bewegung zu zeigen ist weit zuverlässiger, als sie zu beschreiben. Trotzdem werden Sie diesen Prompt mehrfach generieren müssen. Wenn eine Einstellung immer wieder scheitert, hilft meist, die Action zu verlangsamen oder sie in zwei Einstellungen zu teilen, nicht, mehr Adjektive hinzuzufügen.

Anwendungen im professionellen Workflow

Videoerweiterung für die Projektkontinuität

Szenario: Bereits gedrehtes Material um zusätzliche Inhalte erweitern

Vorhandenes Video: 8-Sekunden-Einstellung, in der ein CEO durch ein modernes Büro geht und an der Tür des Konferenzraums endet

Anwendungsfall: vorhandene professionelle Videoassets ergänzen, ohne neu zu drehen

Content in Serie mit Vorlagen

Szenario: Mehrere Social-Media-Videos in einheitlichem Stil erstellen

Master-Vorlagen-Prompt (Video 1):

Varianten-Prompts: Ersetzen Sie @Image 1 durch verschiedene Produkte und behalten Sie @Image 2, @Image 3 und @Audio 1 bei, damit die Marke einheitlich bleibt

Anwendungsfall: skalierbare Produktion für Produktkataloge, mit einheitlicher Markenidentität über viele Assets hinweg

Anpassung an mehrere Sprachen

Szenario: Regionale Varianten desselben Werbespots erstellen

Basis-Prompt:

Anwendungsfall: internationale Marketingkampagnen, die lokalisierte Fassungen bei einheitlicher visueller Markenführung brauchen

Best Practices für Seedance 2.0

Das CRAFTS-Modell im Detail

Professionelle Ergebnisse mit Seedance 2.0 verlangen strukturierte Prompts. Das CRAFTS-Modell liefert dafür ein System, das sicherstellt, dass alle wichtigen Elemente benannt sind:

C - Kontext: Szene und Umgebung festlegen

Legen Sie fest, wo und wann die Handlung spielt. Dazu gehören:

• Ort und Schauplatz
• Tageszeit oder Epoche
• Atmosphärische Bedingungen (Wetter, Lichtqualität)
• Grundstimmung und Ton
• Details der Umgebung, die für die Geschichte zählen

Beispiel: „In einem Kellerclub um 2 Uhr nachts, mit der getragenen Atmosphäre aus @Image 1. Dunstige Luft aus Nebelmaschinen, eine niedrige Decke im Schein der Bar, im Hintergrund eine volle Tanzfläche.“

R - Referenz: Subjekte definieren, dann @-Erwähnungen und exakten Zweck angeben

Hier liegt die multimodale Stärke. Benennen Sie zuerst das Subjekt, dann sagen Sie ausdrücklich, was jede Referenz beiträgt:

• Definieren Sie jedes Subjekt über 2 bis 3 stabile Merkmale und verwenden Sie diese Bezeichnung jedes Mal
• Nennen Sie die @-Erwähnung klar
• Sagen Sie genau, welcher Aspekt dieser Referenz genutzt werden soll
• Klären Sie, was NICHT genutzt werden soll, wenn die Referenz mehrere Elemente enthält
• Beginnen Sie mit dem Asset, das am genauesten sitzen muss

Beispiel: „Definiere die Frau mit rasiertem Kopf und Lederjacke in @Image 1 als Ada. @Image 1 nur für Adas Gesichtszüge und Haare, nicht für die Kleidung. @Image 2 für das Lederjacken-Kostüm. @Video 1 für das Gehtempo und den selbstbewussten Schritt. @Audio 1 für die elektronische Hintergrundmusik.“

A - Handlung: Bewegungen von Figuren und Objekten beschreiben

Beschreiben Sie, was in der Szene passiert, die Verben Ihres Videos:

• Bewegungen und Gesten der Figuren
• Interaktionen mit Objekten (aufheben, abstellen, werfen)
• Mimik und emotionale Reaktionen
• Interaktionen zwischen mehreren Subjekten
• Physikalische Ereignisse (Fallendes, Gießendes, aufsteigender Rauch)

Beispiel: „Die Figur tritt von links ins Bild, mit dem selbstbewussten Schritt aus @Video 1. Der Blick streift kurz die Menge, dann bleibt er an jemandem außerhalb des Bildes hängen. Ein leichtes Lächeln entsteht. Die Figur rückt mit der rechten Hand den Jackenkragen zurecht und bewegt sich dann zielstrebig durch die Menge nach vorn.“

F - Kadrierung: Kameraarbeit und Bildsprache festlegen

Nutzen Sie korrekte filmische Fachbegriffe, um die Bildkomposition zu bestimmen:

• Einstellungsgrößen: Totale, Halbnahe, Nahaufnahme, Detailaufnahme, Over-the-Shoulder, Point-of-View
• Kamerabewegungen: Dolly nach vorn/hinten, Verfolgungsfahrt, Schwenk links/rechts, Neigung nach oben/unten, Kranfahrt nach oben/unten, Handkamera, Steadicam
• Winkel: Untersicht, Aufsicht, Augenhöhe, holländischer Winkel
• Besondere Techniken: Vertigo-Effekt, Reißschwenk, Schärfeverlagerung, geringe Schärfentiefe

Beispiel: „Beginne mit einer Totale, die den ganzen Club zeigt. Wenn die Figur eintritt, nimmt die Kamera sie auf und fährt in einer Halbnahen neben ihr her. Wenn die Figur stehen bleibt und die Menge mustert, fahre langsam in eine nahe Halbnahe. Schneide auf die POV-Einstellung der Figur, die durch die Menge blickt. Schneide zurück auf eine Nahaufnahme des Gesichts, als das Lächeln entsteht. Nimm die Verfolgungsfahrt von hinten wieder auf, während die Figur sich durch die Menge bewegt.“

T - Abfolge: Ordnen Sie die Einstellungen und lassen Sie das Modell das Tempo finden

Teilen Sie Ihre Sequenz in nummerierte Einstellungen, in der Reihenfolge der Ereignisse:

• Beschriften Sie sie als Einstellung 1, Einstellung 2, Einstellung 3, das Wichtigste zuerst
• Geben Sie jeder Einstellung eine Kamerabewegung, einen Handlungsschlag, einen Ort
• Setzen Sie den Ton einer Einstellung in genau diese Einstellung
• Weisen Sie keiner Einstellung eine Dauer zu

Präzises Timing ist die schwächste Steuerungsfläche des Modells. Segmente an feste Sekundenwerte zu binden, kann schlechtere Ergebnisse liefern, als sie einfach in Ruhe zu lassen. Beschreiben Sie also die Reihenfolge der Ereignisse und lassen Sie dem Modell Luft.

Beispiel: „Einstellung 1: Totale des Clubs. Ada tritt ein und beginnt zu gehen. Einstellung 2: Die Kamera fährt in einer Halbnahen neben ihr her, während sie die Menge mustert. Einstellung 3: Nahaufnahme, ein kleines Lächeln entsteht. Einstellung 4: Ihre POV-Einstellung, der Blick durch die Menge. Einstellung 5: Die Kamera nimmt die Verfolgung von hinten wieder auf, während sie nach vorn geht. Durchgehend: (elektronische Musik aus @Audio 1 in mäßiger Lautstärke).“

S - Stil und Einschränkungen: den Look festlegen und Artefakte ausschließen

Schließen Sie jeden Prompt mit Finish und Leitplanken ab:

• Bildqualität: „hochauflösend, detailreich, filmische Textur, weiches Licht“
• Stil: ausdrücklich benennen, auch wenn ein Referenzbild ihn nahelegt
• Einschränkungen: „Keine Untertitel erzeugen.“ „Kein Wasserzeichen erzeugen.“ „Kein Logo erzeugen.“
• Stabilität: „Das Gesicht der Figur bleibt konstant, ohne Verformung. Die Bewegung ist ruhig, ohne Stottern oder Flackern.“

Vollständiges CRAFTS-Beispiel: Schulungsvideo für Unternehmen

Strategie für die Vorbereitung der Eingaben

Bildreferenzen optimieren

Gute Eingaben erzeugen gute Ergebnisse. Bereiten Sie Bildreferenzen gezielt vor:

Für konstante Figuren:

• Nutzen Sie eine reine Gesichtsaufnahme, frontal, neutraler Ausdruck, minimaler Hintergrund
• Ergänzen Sie eine Ganzkörperaufnahme für Kostüm und Proportionen. Das ist der ganze Satz
• Fügen Sie keine weiteren Winkel hinzu. Eine Rundum-Ansicht aus Front, Seite und Dreiviertel macht das Abdriften der Identität schlimmer, nicht besser, weil das Modell die Winkel als verschiedene Personen liest
• Vermeiden Sie starke Filter oder Effekte, die das Modell verwirren könnten
• Wenn das Kostüm zählt, soll die Ganzkörperaufnahme es tragen, statt Detailausschnitte zu ergänzen

Für Stil und Ästhetik:

• Wählen Sie Bilder, die die gewünschte visuelle Behandlung klar zeigen
• Achten Sie darauf, dass die Farbgebung zu Ihrer Zielvorstellung passt
• Nehmen Sie Bilder auf, die genau die gewünschte Lichtführung zeigen
• Denken Sie an Textur und Detailgrad: detailreiche Referenzen erzeugen detailreiche Ergebnisse

Für Produkte und Objekte:

• Fotografieren Sie vor einfachen Hintergründen, damit der Fokus stimmt
• Zeigen Sie mehrere Winkel für eine originalgetreue Wiedergabe
• Nehmen Sie Nahaufnahmen wichtiger Details auf (Logos, Texturen, besondere Merkmale)
• Achten Sie darauf, dass das Licht Form und Räumlichkeit klar zeigt

Videoreferenzen optimieren

Für Kamerabewegung:

• Schneiden Sie Videos so zu, dass nur die gewünschte Kamerabewegung zu sehen ist
• Achten Sie darauf, dass die Bewegung klar sichtbar und nicht von Handlung verdeckt ist
• Kurze Clips (3-5 Sekunden) mit einer Technik funktionieren besser als lange Clips mit mehreren
• Nutzen Sie die beste verfügbare Videoqualität: Kompressionsartefakte beeinträchtigen das Verständnis

Für Bewegung und Choreografie:

• Die Handlung soll klar und unverdeckt sichtbar sein
• Achten Sie darauf, dass das Licht Körperhaltung und Bewegung ausreichend zeigt
• Mehrere Winkel derselben Handlung können helfen, wenn vorhanden
• Erwägen Sie, schnelle Bewegungen für Referenzclips zu verlangsamen

Für Spezialeffekte:

• Isolieren Sie den Effekt, den Sie übernehmen wollen
• Achten Sie darauf, dass der Effekt sich klar vom Hintergrund abhebt
• Wenn der Effekt ein bestimmtes Timing hat, soll die Referenz dieses Timing zeigen

Audioreferenzen optimieren

Für Musik und Rhythmus:

• Nutzen Sie hochwertige Audiodateien (keine stark komprimierten Dateien mit niedriger Bitrate)
• Schneiden Sie das Audio auf den Abschnitt mit dem passendsten Rhythmus oder der passendsten Stimmung zu
• Achten Sie darauf, dass das Audio klar zeigt, was Sie wollen (Beat, Tempo, Stimmung)
• Erwägen Sie, das Audio auf einem starken Beat beginnen zu lassen, das erleichtert die Synchronisation

Für Stimme und Dialog:

• Nutzen Sie klare Aufnahmen mit möglichst wenig Störgeräuschen
• Achten Sie darauf, dass die gewünschte stimmliche Eigenschaft deutlich hervortritt
• Halten Sie Referenzclips kurz und auf die relevante Stimmqualität konzentriert

Ihre vier oder fünf Assets auswählen

Es gibt keine gemeinsame Obergrenze, nichts hindert Sie also daran, neun Bilder hochzuladen. Die Disziplin muss von Ihnen kommen. Nutzen Sie das Folgende, um zu entscheiden, was einen Platz verdient.

Die vier funktionalen Rollen. Ein vollständiges Briefing braucht meist eine von jeder, und selten mehr:

1. Figur verankern (1-2 Bilder): legt fest, wer das Subjekt ist
2. Szenenstimmung setzen (1 Bild): legt Umgebung und Stil fest
3. Kamerabewegung (1 Video): legt Bildsprache und Rhythmus fest
4. Rhythmus und Atmosphäre (1 Audio): legt Emotion und Klangfarbe fest

Vier Fragen, um den Rest zu streichen:

1. Ändert es das Ergebnis überhaupt, wenn ich diese Referenz weglasse? Wenn nicht, streichen.
2. Lässt sich das auch in Text sagen? Umgebungen, Stimmungen und Farbgebungen meistens schon. Gesichter, exakte Kamerabewegungen und bestimmte Choreografien meistens nicht. Laden Sie hoch, was schwer zu beschreiben ist. Beschreiben Sie alles andere.
3. Erfüllt ein anderes Asset diese Aufgabe bereits? Zwei Referenzen, die um dieselbe Rolle konkurrieren, sind schlechter als eine.
4. Ist das ein Muss oder ein Nice-to-have? Streichen Sie die Nice-to-haves zuerst.

Beispiel für den Entscheidungsprozess

Sie drehen ein Musikvideo und haben fünfzehn Kandidaten für Referenzen:

• 4 Bilder: die Künstlerin aus verschiedenen Winkeln
• 3 Bilder: der Auftrittsort
• 2 Bilder: Lichtsetups
• 2 Videos: Tanzchoreografie und Kamerabewegung
• 2 Audiodateien: Musiktrack und Umgebungston
• 2 Bilder: Kostümdetails

Das Modell angewendet:

• Behalten (Figur verankern): 1 Gesichtsaufnahme der Künstlerin plus 1 Ganzkörperaufnahme. Nicht den Satz aus vier Winkeln. Ein Blatt mit mehreren Ansichten ist der zuverlässigste Weg, dem Modell weiszumachen, es sehe mehrere verschiedene Personen
• Behalten (Szene): 1 Bild des Auftrittsorts, das aussagekräftigste
• Behalten (Kamera): 1 Video. Entscheiden Sie zwischen Choreografie- und Kameraclip danach, welches sich nicht in Worten aufschreiben ließe
• Behalten (Rhythmus): den Musiktrack
• In Text beschreiben: beide Lichtsetups, die Kostümdetails, den Umgebungston und die anderen zwei Bilder des Auftrittsorts

Ergebnis: 5 Assets. Die anderen zehn Informationen erreichen das Modell trotzdem, sie kommen nur als Worte statt als Dateien an, und genau dort gehören sie hin.

Techniken für Konstanz in mehrteiligen Projekten

Figuren über mehrere Generierungen konstant halten

Damit dieselbe Figur über mehrere Generierungen gleich aussieht, brauchen Sie ein System für Ihre Referenzen:

Nutzen Sie eine Gesichtsaufnahme plus eine Ganzkörperaufnahme. Mehr nicht.

Das ist die unintuitivste Regel dieses Modells, und wer sie missachtet, verursacht genau das Problem, das er lösen wollte.

Der Reflex ist, dem Modell eine Rundum-Ansicht der Figur zu geben: Front, Seite, Dreiviertel, Rücken. Tun Sie das nicht. Seedance 2.0 liest ein Blatt mit mehreren Ansichten häufig als mehrere verschiedene Personen. Das verschlimmert das Abdriften der Identität, und es ist eine der Hauptursachen für den „Zwillings“-Fehler, bei dem zwei identische Kopien Ihrer Figur im selben Bild auftauchen.

Was funktioniert, sind zwei Bilder mit klar getrennten Aufgaben:

• Eine reine Gesichtsaufnahme. Nur der Kopf, neutraler Ausdruck, kaum Schultern, Hals oder Hintergrund. Auf dieses Bild stützt sich das Modell für die Identität, das Gesicht muss also das Bild dominieren. Ist das Gesicht nur ein kleiner Bereich in einer unruhigen Ganzkörperaufnahme, gewichtet das Modell es zu schwach und das Drumherum blutet durch.
• Eine Ganzkörperaufnahme für Styling, Kostüm und Proportionen.

Trennen Sie die Rollen dann ausdrücklich im Prompt und nennen Sie das Gesicht zuerst:

Beachten Sie: Das gilt für Gesichter. Bei Produkten und Objekten sind mehrere Winkel wirklich nützlich, und Sie sollten sie liefern.

Der Fehler mit gemischten Referenzen: Geben Sie dem Modell kein zusammengesetztes Bild, das Gesicht, Pose, Outfit und einen Detailausschnitt in ein einziges Bild presst. Das Gesicht belegt dann nur einen kleinen Teil der Pixel, bekommt entsprechend wenig Aufmerksamkeit, und die Identität driftet weg.

Wenn Ihre Figur trotzdem abdriftet, gibt es eine Folge, die Sie kennen sollten: Ein abdriftendes Gesicht kann sich einer echten öffentlichen Person annähern, und das kann die Generierung bei der Prüfung blockieren, obwohl Sie nie nach einer prominenten Person gefragt haben. Abdriftende Identität ist also nicht nur ein Qualitätsproblem. Sie ist einer der leiseren Gründe, warum ein sauber aussehender Prompt abgelehnt zurückkommt. Unser Guide zu markierten Seedance-2.0-Prompts behandelt die Ablehnungsseite im Detail.

Eine gleichbleibende Bezeichnung nutzen Verwenden Sie in jedem Prompt denselben Namen für die Figur und schreiben Sie „mit exakt demselben Aussehen wie in @Image [X]“.

Stilkonstanz über mehrere Szenen

Für Projekte, die mehrere Einstellungen mit derselben visuellen Behandlung brauchen:

Technik 1: Stilreferenz als Vorlage Wählen Sie ein Bild, das Ihren gewünschten visuellen Stil perfekt trifft:

• Farbgebung
• Lichtführung
• Bildaufbau
• Textur und Detailgrad

Nehmen Sie dieselbe Stilreferenz in jeden Generierungs-Prompt auf:

Technik 2: Frühere Ausgabe als Referenz Nutzen Sie gelungene frühere Generierungen als Referenz für spätere Einstellungen:

Zeitliche Anschlüsse bei aufeinanderfolgenden Einstellungen

Wenn Einstellungen direkt aneinander anschließen sollen:

Technik 1: Den Überlapp beschreiben Beschreiben Sie, wie die neue Einstellung an die vorherige anschließt:

Technik 2: Den Anschlusspunkt benennen Sagen Sie klar, wo der Anschluss liegt:

Häufige Fehler, die Sie vermeiden sollten

Fehler 1: Vage Referenznutzung

Problem: „@Image 1 als Referenz“, ohne zu sagen, welcher Aspekt gemeint ist

Lösung: Sagen Sie immer genau, was die Referenz liefert: „@Image 1 für die Gesichtszüge und den Ausdruck der Figur, nicht für Hintergrund oder Licht“

Fehler 2: Widersprüchliche Anweisungen

Problem: „Schnelle Actionszene mit langsamen, nachdenklichen Kamerabewegungen und ruhiger Ambient-Musik“

Lösung: Richten Sie alle Elemente auf dasselbe Ziel aus: Tempo der Handlung, Energie der Kamera, Tempo der Musik, Schnittrhythmus

Fehler 3: Überfrachtete Prompts

Problem: Ein Dutzend kaum unterscheidbarer Referenzen hochladen und einen 500-Wörter-Prompt voller widersprüchlicher Details schreiben. ByteDance ist hier deutlich: Geben Sie dem Modell nicht Ihr ganzes Drehbuch, und schöpfen Sie das Asset-Kontingent nicht aus

Lösung: Nutzen Sie weniger, wirkungsvollere Referenzen mit klaren, strukturierten Prompts nach dem CRAFTS-Modell

Fehler 4: Die Längenbegrenzung ignorieren

Problem: 30 Sekunden detaillierter Handlung in eine 15-Sekunden-Generierung pressen wollen

Lösung: Teilen Sie komplexe Sequenzen in mehrere Generierungen oder vereinfachen Sie die Handlung, damit sie in die Zeit passt

Fehler 5: Zu wenig Kameraangaben

Problem: „Die Kamera bewegt sich herum“ ohne konkrete Richtung

Lösung: Nutzen Sie präzise filmische Begriffe: „Die Kamera fährt aus der Totale in eine nahe Halbnahe und bleibt dabei auf Augenhöhe“

Fehler 6: Audio vernachlässigen

Problem: Audio als Nachgedanken behandeln oder nur „Musik hinzufügen“ schreiben

Lösung: Sagen Sie, wofür das Audio da ist, und setzen Sie den Ton in die Einstellung, zu der er gehört: „(treibender Rhythmus aus @Audio 1 durchgehend). Jeder Schnitt landet auf einem Beat.“

Fehler 7: Ungleiche Referenzqualität

Problem: Hochauflösende professionelle Fotos mit stark komprimierten, schlechten Bildern mischen

Lösung: Halten Sie die Qualität über alle Referenzen hinweg gleich. Lassen Sie nicht eine schlechte Referenz die ganze Generierung belasten

Fehler 8: Auf die Interpretation des Modells hoffen

Problem: „Mach es schön“ oder „du weißt schon, was ich meine“

Lösung: Benennen Sie jedes wichtige Detail ausdrücklich. Das Modell führt Ihre Anweisungen aus, es errät keine vagen Absichten

Kurze Fehlerbehebung

Problem: Das Aussehen der Figur ändert sich zwischen Generierungen Lösung: Nutzen Sie in jedem Prompt dasselbe Charakterreferenzbild und schreiben Sie ausdrücklich „exakt dasselbe Aussehen wie in @Image X beibehalten“

Problem: Die Kamerabewegung trifft die Referenz nicht Lösung: Beschreiben Sie die Kamerabewegung im Text genauer und zerlegen Sie komplexe Bewegungen in Stufen

Problem: Der Stil trifft die Referenz nicht Lösung: Beschreiben Sie die konkreten Stilelemente zusätzlich im Text: „Triff die Farbgebung von @Image 1: entsättigte Blautöne, hoher Kontrast, abgesoffene Schwarztöne“

Problem: Das Timing fühlt sich falsch an Lösung: Widerstehen Sie dem Impuls, Timecodes zu ergänzen, das macht es meist schlimmer. Verlangen Sie weniger Einstellungen pro Clip und geben Sie dem wichtigen Moment eine eigene Einstellung.

Problem: Das Audio trifft die Stimmung nicht Lösung: Beschreiben Sie die Rolle des Audios ausdrücklich, statt nur auf die Datei zu zeigen: nicht „@Audio 1“, sondern „(angespannt, Spannung aufbauend, aus @Audio 1)“.

Problem: Die Stimme klingt nicht wie meine Audioreferenz Lösung: Audioreferenzen allein liefern bei der Klangfarbe zu wenig. Beschreiben Sie die Stimme in Worten zusätzlich zur Referenz: „Nutze die tiefe, warme, leicht raue Männerstimme mittleren Alters aus @Audio 1, um zu sagen …“. Auch hilft es, den geschriebenen Dialog im Ton nah an der Referenzaufnahme zu halten.

Problem: Zwei identische Kopien meiner Figur erscheinen in einem Bild Lösung: Der „Zwillings“-Fehler. Verzichten Sie auf Charakterblätter mit mehreren Ansichten, nutzen Sie Referenzfotos mit einer Person, benennen Sie jede Figur und koppeln Sie sie an ihr Bild („Ada (@Image 1) reicht Ben (@Image 2) die Akte“), und ergänzen Sie eine abschließende Einschränkung: „Erzeuge im gesamten Video keine doppelten Figuren und keinen Zwillingseffekt. Halte jede Figur genau einmal im Bild.“

Problem: Untertitel oder ein Wasserzeichen erscheinen, die ich nie angefordert habe Lösung: Ergänzen Sie die Einschränkungszeilen („Keine Untertitel erzeugen“, „Kein Wasserzeichen erzeugen“), entfernen Sie Text aus Ihren Referenz-Assets vor dem Upload, und generieren Sie im Querformat, wenn es geht, denn ungewollte Untertitel sind dort deutlich seltener als im Hochformat.

Problem: Mein Animationsstil ist zurück in den Realfilm gedriftet Lösung: Ein realistisches Referenzbild zieht die Ausgabe Richtung Realismus, solange Sie nichts anderes sagen. Benennen Sie den Stil ausdrücklich im Prompt („japanischer 2D-Animationsstil“), oder wandeln Sie das Referenzbild vor der Generierung in den Zielstil um.

Problem: Ein beschriebener Effekt kommt verzerrt heraus, etwa ein Countdown, dessen Ziffern durcheinandergeraten Lösung: Hören Sie auf, den Effekt zu beschreiben, und zeigen Sie ihn. Speisen Sie ein Referenzvideo des Effekts ein und verweisen Sie darauf: „Die Art, wie die Zahl erscheint, soll @Video 1 folgen.“ Bewegungslogik liest das Modell aus Filmmaterial weit besser als aus Text.

Problem: Das Video endet mit einem Klicken oder einem abrupt abgeschnittenen Geräusch Lösung: Ein bekanntes Artefakt bei Clips mit Erzählstimme. Generieren Sie neu, oder beheben Sie es im Schnittprogramm mit einer kurzen Lautstärkeblende am Ende der Tonspur. Das ist in 20 Sekunden erledigt und keine Generierung wert.

Problem: Das Bild springt oder wird gedehnt, und mein Referenzfoto wirkt verzerrt Lösung: Meist ein Konflikt beim Seitenverhältnis. Passt das Format Ihres Referenzbilds nicht zum gewählten Ausgabeformat, muss das Modell es zurechtbiegen. Schneiden Sie das Bild vor dem Upload auf Ihr Zielformat zu, oder stellen Sie die Ausgabe auf das adaptive Seitenverhältnis, damit sie der Referenz folgt. Referenzbilder müssen außerdem im Bereich von 0.4 bis 2.5 beim Seitenverhältnis liegen und 300 bis 6000 px pro Seite haben.

Fazit

Seedance 2.0 ist mit seinem umfassenden multimodalen Ansatz ein echter Fortschritt in der KI-Videogenerierung. Weil es Bilder, Videos, Audio und Text als Eingaben annimmt, gibt es Profis eine bislang unerreichte Kontrolle über den kreativen Prozess: weg vom reinen Text-Prompt, hin zu echter Regie durch Zeigen.

Wo Seedance 2.0 im KI-Videomarkt steht

Die multimodale Fähigkeit hebt Seedance 2.0 von konkurrierenden Plattformen ab. Kling, Veo und Sora bieten beeindruckende Text-zu-Video-Fähigkeiten, aber die direkte Einbindung von Video- und Audioreferenzen erlaubt in Seedance eine präzise Wiedergabe von Kameraarbeit, Bewegungsmustern und Rhythmus, die sich allein über Textbeschreibungen kaum oder gar nicht erreichen ließe. Das macht Seedance zum Werkzeug der Wahl für Profis, die exakte Kontrolle über visuellen Stil, konstante Figuren und filmische Umsetzung brauchen.

Die Plattform entwickelt sich weiter, mit regelmäßig erweiterten Fähigkeiten und neuen Funktionen. Wer das multimodale Referenzsystem und das CRAFTS-Modell beherrscht, hat die Grundlage, um mit ihr immer anspruchsvollere Videos zu bauen.

Die wichtigsten Erkenntnisse

Multimodale Kontrolle: Die Kombination aus Bild-, Video-, Audio- und Texteingaben erlaubt es, der KI genau zu zeigen, was Sie wollen, statt es vollständig in Worte fassen zu müssen. Dieser Wechsel macht Vorgaben leicht umsetzbar, die vorher schwer waren: exakte Kamerabewegungen, bestimmte Choreografien, Schnitte auf den Beat.

Strategische Vorteile im Vergleich: Gegenüber Kling, Veo und Sora bietet Seedance 2.0 eigene Stärken bei Audiointegration und Tiefe der Videoreferenz. Der direkte Upload von Audiodateien erlaubt präzise Stimmungskontrolle und Beat-Synchronisation. Die Videoreferenz geht über Stilübertragung hinaus bis zur vollständigen Übernahme von Bewegung und Kamera.

Das CRAFTS-Modell für Profis: Die sechsteilige CRAFTS-Methode (Kontext, Referenz, Handlung, Kadrierung, Abfolge, Stil und Einschränkungen) deckt alles ab, was ein vollständiger Prompt festlegen muss. Die zwei Teile, die am häufigsten übersprungen werden, entscheiden darüber, ob die Generierung gelingt: das Subjekt zu definieren, bevor man es referenziert, und den Prompt mit den Einschränkungen zu schließen, die Artefakte ausschließen.

Einstellungen ordnen, nicht takten: Der Reflex, Timecodes Sekunde für Sekunde zu schreiben, ist der häufigste Weg, die Ausgabe von Seedance zu verschlechtern. Ordnen Sie Ihre Einstellungen und lassen Sie das Modell das Tempo finden.

Zurückhaltung schlägt Menge: Vier oder fünf gut gewählte Assets schlagen ein Dutzend. Jede zusätzliche Referenz macht es dem Modell schwerer zu erkennen, welche Merkmale zählen, und Charakterblätter mit mehreren Ansichten verursachen aktiv abdriftende Identitäten.

Verfügbar auf Morphic: Profis erreichen die komplette Seedance-2.0-Familie über Morphic, inklusive Fast und Mini für günstige Iteration und dem vollen Seedance 2.0 für 4K-Endfassungen.

Bereit loszulegen? Seedance 2.0 auf Morphic öffnen →