Seedance 2.5: guía completa, funciones, prompts y videos más largos

Seedance 2.5 es el modelo de video de nueva generación de ByteDance. Toma la línea Seedance 2.0 y la lleva más lejos: tomas nativas más largas y muchas más referencias. Suma audio nativo en más de 10 idiomas. Y el control de cámara con IA que caracteriza a la línea sigue ahí.

El despliegue va por etapas. Algunos detalles todavía pueden cambiar antes del lanzamiento completo, previsto por ByteDance para el 7 de agosto de 2026.

Video de una sola toma más larga

El cambio principal es la duración. La mayoría de los modelos entrega clips de pocos segundos; Seedance 2.5 sostiene una sola toma continua mucho más allá de eso. Una revelación completa o una escena corta se resuelve en un solo plano, sin cortes que unir. Para escribirlo, piensa en un movimiento en evolución: cuenta cómo se desplazan el sujeto y la cámara durante toda la toma. Un fotograma congelado no le sirve al modelo.

Salida en 1080p nativo

Seedance 2.5 renderiza de forma nativa en 1080p, un fotograma completo de 1920x1080 generado directamente en lugar de escalado desde un render más pequeño, más que los 720p con los que salió en el lanzamiento. Los clips llegan en full HD, listos para redes, web y anuncios sin un paso de escalado aparte. La toma completa de 30 segundos, el audio nativo y hasta 50 referencias llegan en 1080p en una sola pasada.

Continuidad guiada por referencias

Para mantener un aspecto estable, Seedance 2.5 se apoya en referencias multimodales. Sube la imagen de un personaje, de un producto o de un set: el modelo conserva ese aspecto a lo largo del clip y de una toma a otra. El tope es de 50 entradas de referencia por generación, repartidas en 30 imágenes, 10 clips de video y 10 de audio. También puedes mezclar tipos. A las imágenes, los clips y el audio se les suman incluso modelos blancos simples en 3D. Con eso un equipo fija a la vez el personaje, la ubicación y la paleta, y la secuencia se mantiene reconocible en lugar de cambiar de escena en escena.

Edición dentro del clip y extensión

La edición es puntual y no obliga a regenerar. Si necesitas un solo cambio en un clip existente, ajusta ese elemento en su lugar y el resto del cuadro queda igual. Ganas tiempo frente a regenerar toda la toma y no pierdes un plano que ya te gustó. También puedes señalar el momento por marca de tiempo, y el cambio cae justo donde lo quieres.

La extensión es de alta fidelidad y trabaja en tres direcciones. Puede continuar un clip más allá de su último fotograma, hacia adelante. Puede generar el momento previo a su primer fotograma, hacia atrás. Y puede construir una transición entre dos clips que conserve el personaje, el ritmo y el estilo. Tú decides cuántos segundos agregar.

Control de cámara con IA y audio

Los movimientos de cámara se dirigen en lenguaje simple: un lento acercamiento, una toma de seguimiento baja, un retroceso. El movimiento se lee entonces como una cámara con intención y no como deriva. El audio nativo se genera en el mismo paso. Una escena puede llegar con el ambiente sonoro o los efectos ya integrados, no como un clip mudo.

Audio nativo y más de 10 idiomas

El sonido sale en el mismo paso que la imagen. Una escena puede volver con voz, música o efectos ya integrados. La novedad de 2.5 es la referencia solo de audio: una pista de voz, de música o de efectos dirige el ritmo, la sincronización con el compás y el lip-sync de la toma. Seedance 2.5 también genera de forma nativa en más de 10 idiomas y sigue las instrucciones con mayor precisión. Describe una escena en tu propio idioma, el español incluido, y localiza ahí mismo su voz en off y sus títulos.

Seedance 2.5 responde bien a dos cosas: un guion de toma claro y el hábito de apoyarte en referencias para la continuidad. Con unas cuantas prácticas cubres la mayor parte de la calidad:

• Escribe pensando en una sola toma continua. Cuenta cómo evolucionan el sujeto y la cámara durante toda la duración, no en un instante suelto.
• Nombra el movimiento de cámara. Un “lento acercamiento” o una “toma de seguimiento baja” se leen como intención; “cinematográfico” no le dice nada al modelo.
• Fija el sujeto con una referencia. Sube una imagen clara de un personaje, un producto o un set y el aspecto se mantendrá a lo largo del clip en vez de ir cambiando.
• Indica para qué sirve cada referencia. Nombra el personaje, el set y la paleta: el modelo sabrá qué referencia dirige cada parte de la escena.
• Reutiliza las referencias entre tomas. Llevar el mismo conjunto de un corte al siguiente le da consistencia a la secuencia.
• Monta el bloqueo complejo con un modelo blanco en 3D. Una escena simple de modelos blancos, pasada como referencia, te deja planear el set y el recorrido de cámara antes de gastar una generación.
• Edita en el lugar y no vuelvas a generar todo. Ante una corrección puntual en un clip existente, cambia solo ese elemento.
• Marca el ritmo con una referencia solo de audio. Adjunta una pista de música o de voz y el modelo ajusta a ella el ritmo, los compases y el lip-sync.

Elegir referencias para resultados estables

Más referencias no siempre es mejor. Lo que sostiene la calidad es un conjunto acotado.

• Con referencias de imagen, mantén los sujetos principales en 8 o menos. Sube a un rango de 9 a 12 solo cuando no quede otra.
• Con una referencia de video o de audio, no pases de 5 sujetos. Apunta a un clip de 5 a 10 segundos: lo bastante largo para leerse y lo bastante corto para mantenerse limpio. Entre todos, los videos de referencia suman 30 segundos, y el audio otro tanto.
• Al editar un video existente, mantén el clip de origen por debajo de 20 segundos. Combínalo con 1 a 5 imágenes de referencia y sube a un rango de 6 a 8 solo si la edición lo pide.
• Con cinco sujetos o menos funcionan tanto la vista única como varias vistas. Pasados los cinco, prefiere imágenes de vista única o sube los ángulos por separado. Los ángulos sueltos se sostienen mejor que varias vistas reunidas en una sola imagen.
• Prioriza en este orden: primero los personajes centrales, después los productos u objetos clave, luego la escena y al final el estilo general.

Para ver la lista completa de funciones y especificaciones, consulta la página del modelo Seedance 2.5.

Un buen prompt de video se parece al guion breve de una toma, no al pie de una foto. Con eso el modelo tiene un sujeto, un movimiento y una cámara con los que trabajar, y no una imagen fija descrita con palabras. ByteDance propone una fórmula en su guía de prompts, y el resto de esta página se apoya en ella.

La fórmula de prompts de Seedance 2.5

Son seis elementos, en este orden, y puedes eliminar los que no necesites:

Escrito, son cuatro líneas breves:

[Subject] performs [primary action or event] in [scene and environment].
The visuals feature [visual style].
Use [shot size, camera angle, camera movement, or cuts].
Audio includes [dialogue, ambience, sound effects, or music].

Un ejemplo resuelto:

A ceramic artist finishes a pale blue cup in a studio at dawn, lifts it from
the wheel, and places it in the center of a wooden shelf.
Soft morning light enters through the window. The wet clay has a delicate
sheen, and the workbench remains tidy.
Begin with a medium shot of the wheel-throwing process, slowly push in toward
the cup's surface texture, then cut to a frontal view of the shelf.
Retain the low hum of the pottery wheel, the friction of clay, and subtle
indoor ambience.

La relación de aspecto, la duración y el resto de los parámetros de generación no van en el prompt. Esos ajustes se configuran en la página de generación.

Sintaxis de audio, diálogo y subtítulos

El lenguaje simple funciona. Aun así, cuatro tipos de corchetes le dicen a Seedance 2.5 con exactitud qué clase de sonido o de texto quieres. Son la forma más simple de evitar dos errores: que una línea de diálogo aparezca en pantalla como subtítulo, o que un efecto de sonido se lea en voz alta.

Indica el idioma antes de cualquier línea que no esté en chino. Repítelo si el modelo insiste en usar otro. El patrón va así: idioma, variedad regional o acento, estilo de entrega, hablante y, al final, la línea:

Dialogue language: American English. The girl says in natural, conversational
American English: {I thought you weren't coming.}

Ese último detalle pesa más de lo que parece. Nombrar una variedad regional, “inglés auténtico de Los Ángeles” en vez de solo “inglés”, es lo que te da una entrega específica y no una lectura neutra.

Nombrar las referencias y definir su función

Las referencias son el terreno donde Seedance 2.5 se distancia de los modelos anteriores. También es donde fallan casi todos los prompts débiles. Subir una imagen es apenas la mitad de la instrucción: el prompt tiene que decir qué aporta esa imagen y qué hay que ignorar de ella:

@Image 1 defines the ceramic artist's facial features, hairstyle, and dark
green apron. Do not use the image background.
@Image 2 defines the wooden workbench, window placement, and morning light of
the pottery studio. Do not use the people in the image.
@Video 1 defines the pacing of throwing clay with both hands, lifting the cup,
and placing it down. Do not use the person's identity, clothing, or scene.

Tres reglas concentran casi toda la fiabilidad:

• Vincula una referencia a un sujeto a la vez. Escribe cada asociación por separado. Una línea como “@Images 1 a 4 definen a cuatro personajes respectivamente” nunca aclara qué imagen corresponde a qué personaje.
• Agrega las exclusiones. El fondo, las personas de paso y la composición viajan con la referencia mientras no los descartes de forma explícita.
• Aclara cuándo varias imágenes son una sola cosa. Cuatro ángulos de la misma lámpara piden algo como “las cuatro imágenes definen una sola lámpara de escritorio plegable, y el resultado debe contener una única lámpara durante todo el video”. Sin esa línea, te salen cuatro lámparas.

Cuando un video de referencia ya trae el movimiento y el trabajo de cámara, nombra solo los atributos que quieras heredar. Volver a describir la acción con palabras compite con la referencia que adjuntaste.

Dirigir muchas referencias a la vez

Pasado un puñado de referencias, ya no se trata de describir sino de hacer casting. El orden de trabajo es este: define el rol de cada material, asocia los sujetos, agrupa por tipo, arma perfiles para los más importantes y elige las referencias escena por escena.

Agrupar mantiene legible una lista larga:

[Characters]
<Conservator> corresponds to @Image 1. Use only the appearance,
hairstyle, and clothing.
<Registrar> corresponds to @Image 2. Use only the appearance,
hairstyle, and clothing.
Do not interchange their appearances, clothing, actions, or dialogue.

[Props]
<Sample Case> corresponds to @Image 5 and belongs only to <Conservator>.

[Scenes]
<Conservation Lab> references @Image 7. Use only the space,
materials, and lighting.

Para un personaje que se repite en varias escenas, escribe un solo perfil que reúna todas sus referencias asociadas, con su línea de “no usar” incluida. Después selecciona por escena y cada toma tomará solo lo que necesita:

Scene 1 | Inspection in the Conservation Lab
Use: <Conservator>, <Sample Case>, <Conservation Lab>, and the
case-opening motion from @Video 1.
Event: <Conservator> opens <Sample Case> at the workbench and
inspects the sample inside.
End state: <Conservator> remains on the inner side of the workbench,
<Sample Case> beside their right hand.

Cincuenta referencias son un banco de casting, no una lista de compras. La idea es ayudarle al modelo a elegir los materiales correctos para la toma que tiene delante. Meter todo en pantalla al mismo tiempo no es el objetivo.

La duración es aquello para lo que está pensado Seedance 2.5. Una toma de 30 segundos pide una estructura de prompt distinta a la de una de cinco. Con los modos de edición y extensión pasa lo mismo: trabajan sobre el clip que ya tienes y no parten de un cuadro en blanco.

Escribir un video de 30 segundos en Seedance 2.5

Divide la historia en etapas consecutivas. Dale a cada etapa exactamente un cambio principal e indica qué debe verse en pantalla cuando termina. Ese estado final es lo que traslada la continuidad a la etapa siguiente:

[Generation Goal]
Generate an instructional video showing a flower shop's order-packing process.

[Stage 1]
Initial state: <Florist> stands behind the workbench. Loose stems,
scissors, and wrapping paper lie on the tabletop.
Primary event: <Florist> arranges the stems and trims them to length.
End state: <Florist> holds the bouquet in the left hand, scissors
back on the right of the workbench.

[Stage 2]
Continue from the previous stage: both characters keep the same
identities and clothing.
Primary event: <Store Assistant> unfolds the wrapping paper,
<Florist> places the bouquet inside and ties it.
End state: the wrapped bouquet lies flat in the center of the
workbench, bow facing camera.

[Maintain Consistency]
Keep character identities, clothing, prop ownership, and workbench
orientation consistent.

Ritmo y control del tiempo

Las etapas son la opción por defecto. Recurre a las marcas de tiempo solo cuando una entrega, una entrada, una transición o un momento clave tienen que caer en un instante preciso.

Mantén los rangos consecutivos y sin superposición. Son presupuestos de tiempo, no puntos de edición, y una acción puede caer un poco a cualquier lado de un límite. Con muy poco contenido en un rango, el modelo divaga. Con demasiado, aparecen cortes apresurados o se pierden eventos. Y pedir tres acciones en un segundo no funciona.

Editar un clip existente

Una edición es un parche, no un prompt nuevo. Nombra el clip de origen como el único maestro, indica el alcance del cambio y enumera lo que no debe moverse:

[Edit Goal]
Edit @Video 1. Only from 4-7 seconds, change the cool blue light on
the right wall to warm orange light.

[Source Video Role]
@Video 1 is the sole editing master. It defines the character, room
layout, actions, composition, camera movement, audio, and event order.

[Edit Scope]
Change only the light color on the right wall and the area it
illuminates. Allow skin tone to respond naturally.

[Content to Preserve]
Keep the character's identity, clothing, expression, position, motion,
room structure, camera movement, dialogue, and ambience from @Video 1.

Reemplazar un sujeto suma un bloque más, y es justo el que la gente olvida. El reemplazo tiene que heredar la línea de tiempo del original: cada aparición, cada movimiento, cada oclusión y cada salida, con el mismo tiempo, el mismo recorrido y la misma velocidad. Si falta eso, el objeto nuevo cae en el cuadro correcto con el ritmo equivocado. El reemplazo de fondo funciona igual, limitado a todo lo que queda fuera de la silueta del sujeto.

Las ediciones de audio van por separado de las visuales. Nombra al hablante o la categoría de sonido, el cambio y lo que se mantiene. Quitar la música y conservar el diálogo, el lip sync, el ambiente y los efectos es una sola instrucción.

Extender un clip hacia adelante o hacia atrás

La extensión suma metraje nuevo a un fotograma límite. Describe ese fotograma antes de describir la acción nueva. Hacia adelante, el primer fotograma de la extensión continúa desde el último del origen. Hacia atrás, el último fotograma de la extensión tiene que llegar exactamente al primero del origen:

@Video 1 is the source video to extend forward.

Extend @Video 1 forward. The first frame of the extended segment directly
continues from the last frame of @Video 1. Maintain the same locked-off medium
shot, the paper airplane's position and orientation, the classroom-window
background, the afternoon lighting, and its movement toward frame right.

Then, the paper airplane continues gliding right and exits the frame while the
curtain beside the window sways slightly.

Las extensiones hacia atrás piden una protección adicional. Indica qué materiales pertenecen solo al clip original. Si no lo haces, los personajes y objetos que deberían llegar después aparecerán demasiado pronto en el segmento recién generado. Tampoco basta con pedir que “conecte con el video de origen”: describe el primer fotograma del origen como el estado final explícito, o la imagen seguirá cambiando después de haber llegado a ese punto.

Ajustes bloqueados que no puedes cambiar

La edición, la extensión y la generación por primer fotograma bloquean algunos parámetros al material que les diste.

La trampa práctica aparece en el trabajo de primer y último fotograma. Dale a ambas imágenes la misma relación de aspecto o el último fotograma se estirará para coincidir con el primero.

Fotogramas clave, storyboards y bloqueos 3D

Puedes entregarle a Seedance 2.5 la estructura de una toma en lugar de describirla. Hay cuatro formas, en orden creciente de control:

• Primer y último fotograma. Indica en la primera línea cuál imagen es el primer fotograma y cuál el último. Después describe la acción continua entre ambos. Cada ancla va por separado: un “estas dos imágenes son el primer y el último fotograma” no vincula a ninguna de las dos.
• Secuencias de varios fotogramas clave. Abre con algo como “usa @Image 1 a @Image N como fotogramas clave en este orden”. Luego describe el estado clave que representa cada imagen. Las imágenes sueltas se alinean mejor que varios fotogramas reunidos en una sola cuadrícula, y controlan el orden de las etapas en vez de reproducir cada fotograma.
• Cuadrículas de storyboard. Una cuadrícula comunica el orden de las tomas y una composición aproximada, no el detalle exacto. Mantenla en unos 15 recuadros como máximo y usa un trazo limpio. Reduce las etiquetas de texto, indica el orden de lectura y descarta el estilo propio de la cuadrícula, o el trazo terminará apareciendo en el render.
• Bloqueos 3D. Un bloqueo tosco transmite el tiempo: recorridos, posicionamiento, movimiento de cámara, puntos de corte, cambios de luz y ritmo del sonido. Asigna cada figura gris a su sujeto final por nombre. Un bloqueo detallado ya trae estructuras completas, así que sirve para re-renderizar materiales, personajes, escenas y estilo mientras la estructura y el trabajo de cámara se mantienen. Quítale primero las líneas de recorrido, los ejes de coordenadas y los frustums de cámara, o también se renderizarán.

Dirigir la actuación y la emoción

Las palabras de emoción marcan una dirección, pero dejan la actuación abierta. Lo que la precisa es nombrar lo que un espectador vería u oiría: movimiento de ojos, tensión en las cejas, movimiento de la boca, respiración, dirección de la mirada, movimiento de manos. Para un solo giro emocional bastan de dos a cuatro señales. Enumerar cada detalle facial nunca hace falta.

La estructura por defecto es: un detonante, una reacción inmediata, un cambio gradual y, al final, la expresión asentada:

The overall emotion shifts from [starting emotion] to [ending emotion].
After [triggering event], [subject] first shows [immediate observable reaction].
Then, [eyes, brows, mouth, breathing, gaze, or hand movement] gradually [changes].
Finally, [subject] expresses [target emotion] through [outward behavior].

Para una emoción que cambia varias veces, encádenala a eventos: cada cosa nueva que el personaje escucha o ve avanza la actuación un paso.

Vocabulario de cámara que entiende Seedance 2.5

El vocabulario estándar puede ir directo en el prompt. Los tamaños de plano van del gran plano general al primerísimo primer plano. También entiende acercamiento, alejamiento, paneo, movimiento lateral, seguimiento, órbita, picado en descenso, dolly hacia atrás, inclinación hacia arriba y temblor de cámara en mano, además de contrapicado, cenital y primera persona.

Las técnicas populares también funcionan, siempre que digas a qué sujeto se aplican y dónde empieza y termina el movimiento. Un plano secuencia necesita los espacios que atraviesa, en orden. Un dolly zoom necesita que el tamaño del sujeto se mantenga, y hacia dónde debe desplazarse el fondo. El efecto bullet time pide que la acción se congele y una dirección de órbita. Una rampa de velocidad pide saber dónde acelera la acción y dónde se asienta.

Para un término que el modelo quizás no conozca, o que la industria usa de forma inconsistente, mantén el término y tradúcelo al cambio visible que produce:

Rack focus: shift focus smoothly from the leaves in the foreground to the
person in the background. The leaves gradually blur while the person's face
changes from soft to sharp.

Los valores de apertura, distancia focal y velocidad de obturación están permitidos. Aun así, el resultado visible que buscas casi siempre es la instrucción más clara.

Lista de verificación antes de generar

Repasa esto antes de gastar la generación:

• El sujeto y la acción principal están indicados con claridad.
• Cada referencia indica qué usar y qué no usar.
• Cada personaje, producto y objeto distinto tiene nombre y está vinculado a una sola referencia.
• Las referencias se eligen por escena, sin forzarlas todas en cada toma.
• Cada etapa de un video largo tiene un cambio principal y un estado final claro.
• La cantidad de personajes, la ropa, la propiedad de los objetos y las relaciones espaciales se mantienen consistentes.
• Las ediciones nombran al único maestro, el alcance y el contenido que se debe preservar.
• Las emociones y los términos de cámara poco comunes vienen con señales observables.
• El primer y el último fotograma comparten relación de aspecto, y cada fotograma clave tiene un solo rol.
• Las extensiones tienen un fotograma límite verificado, una tendencia de movimiento y continuidad de audio.

Lo que Seedance 2.5 no hará con precisión

Vale la pena saberlo antes de planear una toma alrededor de esto:

• Las marcas de tiempo asignan tiempo a los eventos. No son puntos de edición exactos por fotograma.
• Una edición aumenta la probabilidad de que los eventos coincidan con el clip de origen. Garantizar una superposición fotograma a fotograma no está a su alcance.
• Una transición sin cortes busca continuidad visual y de audio. No conserva ambos clips de origen píxel a píxel.
• Los subtítulos, las fórmulas, los letreros y las especificaciones de producto que deben ser exactos siguen siendo trabajo de posproducción. Genera la toma y compón el texto aparte.

Prompts débiles vs. prompts fuertes

Nombra la cámara, el movimiento a lo largo del tiempo y el rol de cada referencia en vez de dejarlos al azar.

Errores comunes

• Describir una imagen fija. Un modelo de video necesita movimiento a lo largo del tiempo, no una fotografía en palabras.
• Dejar la cámara vaga. “Cinematográfico” no le dice nada al modelo: nombra la toma y un movimiento concreto.
• Meter una secuencia entera en un solo prompt, sin etapas. Los eventos chocan entre sí en lugar de sucederse.
• Dejar las referencias sin etiquetar, o etiquetarlas como grupo. El modelo termina adivinando cuál dirige la escena.
• Olvidar las exclusiones. De una referencia heredas el fondo o a las personas de paso junto con el sujeto.