Guía completa de Seedance 2.0: funciones, comparación y tutorial

¿Qué es Seedance 2.0?

Seedance 2.0 es el modelo avanzado de video multimodal con IA de ByteDance. Combina imágenes, videos, audio y texto para lograr un control creativo hasta ahora inalcanzable. Esta guía completa compara Seedance con Kling, Veo y Sora, y le muestra a los profesionales cómo dominar los flujos de trabajo de video multimodal en Morphic.

A diferencia de los modelos clásicos de texto a video, que viven solo de los prompts escritos, con Seedance 2.0 puedes mostrarle a la IA exactamente lo que quieres a través de referencias visuales y de audio. Sube imágenes de referencia para fijar el estilo y la composición, usa clips de video para demostrar los movimientos de cámara o las acciones que buscas, agrega audio para el ambiente y el ritmo, y combina todo con prompts de texto detallados para una dirección precisa.

Dos guías complementarias profundizan en problemas puntuales: videos cinematográficos con Seedance 2.0 para el lado artesanal, y qué hacer cuando los prompts de Seedance 2.0 se marcan para las generaciones que vuelven rechazadas.

Por qué Seedance 2.0 para la producción profesional de video

Seedance 2.0 resuelve la debilidad de fondo de la generación de video con IA: la distancia entre la descripción y lo que imaginas. En vez de poner en palabras movimientos de cámara complejos, detalles de un personaje o efectos visuales, entregas ejemplos directos. Este enfoque multimodal aporta:

• Control visual preciso a través de referencias de imagen
• Réplica exacta del movimiento a través de referencias de video
• Ritmo y ambiente en sintonía gracias a la integración de audio
• Personajes y estilos consistentes a lo largo de varias tomas
• Transiciones de escena complejas que mantienen la continuidad

El modelo es especialmente bueno para entender y combinar varios tipos de referencia al mismo tiempo. Eso lo vuelve muy valioso para la producción publicitaria, la creación de contenido y los flujos de trabajo profesionales de video.

Seedance 2.0 vs. Kling vs. Veo vs. Sora: comparación de funciones

Al evaluar herramientas de video con IA, eliges mejor cuando conoces las capacidades concretas de cada plataforma. Así se compara Seedance 2.0 con las principales alternativas:

Las diferencias clave:

Flexibilidad multimodal: Seedance 2.0 y Kling 3.0 ofrecen ambos un soporte multimodal completo, incluida la subida directa de archivos de video y audio. Veo 3.1 admite referencias de imagen (hasta 3), pero genera el audio en vez de referenciarlo. Sora sigue siendo básicamente de texto e imagen.

Profundidad de la referencia de video: Seedance 2.0 y Kling 3.0 son fuertes para replicar movimientos de cámara complejos, coreografías y efectos especiales a partir de material de referencia. La función “AI Director” de Kling 3.0 automatiza la composición de escenas de varias tomas. Veo 3.1 apuesta por imagen a video con fuerte consistencia de personajes, pero pone menos peso en la réplica de movimiento a partir de video.

Capacidades de audio: Seedance 2.0 permite la subida directa de archivos de audio para un control preciso del ambiente y la sincronía con los beats. Kling 3.0 genera audio nativo multilingüe con sincronización labial precisa en 5 idiomas. Veo 3.1 genera audio de forma nativa, pero no acepta archivos de audio como referencia. Sora genera audio solo a partir de descripciones de texto.

Duración y ampliación: Sora entrega las generaciones individuales más largas (hasta 60 segundos), pero la función de ampliación de Veo 3.1 permite encadenar clips más allá de los 60 segundos. Seedance 2.0 y Kling 3.0 admiten ambos generaciones de 15 segundos con posibilidad de ampliación.

Resolución y calidad: Seedance 2.0 entrega hasta 4K con codificación de 10 bits, lo que preserva la gradación de color para HDR y grading. Con eso queda a la par de Kling 3.0 y Veo 3.1 en resolución pura. Por eso lo decisivo suele ser el control por referencia, no la cantidad de píxeles.

Editar material existente: Seedance 2.0 trata un video subido como algo que puedes editar, no solo imitar. Puedes agregar, quitar o intercambiar elementos dentro de un clip, extenderlo hacia adelante o hacia atrás en el tiempo, y unir clips separados en una sola pieza continua. Aquí la edición es una tarea de primer nivel, no un agregado, y eso es justo lo que hace práctico reutilizar material de un cliente que ya fue aprobado.

Qué modelo de Seedance 2.0 conviene usar

Seedance 2.0 es una familia de tres modelos con el mismo conjunto de funciones, que se diferencian en calidad y costo:

Un patrón práctico: haz los borradores en Mini o Fast hasta que el prompt y las referencias funcionen, y corre el pase final en el Seedance 2.0 completo.

Información vigente a julio de 2026. Las funciones y la disponibilidad pueden cambiar.

Prueba Seedance 2.0 en Morphic →

Funciones y capacidades clave de Seedance 2.0

El sistema de entradas multimodales

Seedance 2.0 acepta cuatro tipos de entrada que se combinan entre sí:

Entradas de imagen (hasta 9 imágenes)

• Fijar el estilo visual y la dirección estética
• Definir la apariencia de los personajes y mantenerla constante
• Establecer la composición y el encuadre de la escena
• Indicar detalles de producto para una reproducción fiel
• Controlar la luz, la colorización y la atmósfera

Entradas de video (hasta 3 clips, 15 segundos combinados como máximo)

• Referenciar movimientos de cámara y lenguaje visual concretos
• Replicar patrones de movimiento y coreografías
• Copiar transiciones de escena y ritmos de montaje
• Demostrar efectos especiales y técnicas visuales
• Mostrar acciones e interacciones de los personajes

Entradas de audio (MP3 o WAV, hasta 3 archivos, de 2 a 15 segundos cada uno, 15 segundos combinados como máximo)

• Fijar el ambiente y el tono emocional con música
• Controlar el ritmo con la estructura de beats
• Agregar efectos de sonido concretos o audio ambiente
• Acertar el timbre de voz para el diálogo
• Vincular los cambios visuales a señales de audio

Prompts de texto (lenguaje natural)

• Dirigir la narración y el avance de la historia
• Indicar acciones y movimientos que no aparecen en las referencias
• Describir transiciones de escena y timing
• Aclarar cómo se deben aplicar las referencias
• Agregar detalles que van más allá de lo que muestran las referencias visuales

Sobre los límites: no hay un tope combinado entre todos los archivos. Los límites son por tipo (hasta 9 imágenes, 3 clips de video, 3 archivos de audio), y la verdadera restricción no es el tope, sino tu contención: ByteDance recomienda usar bastantes menos referencias de las permitidas. Hay una combinación que de verdad no se admite: texto más audio solos, y audio por sí solo, no generan nada. Todo trabajo necesita texto, y el audio solo funciona junto a una referencia visual.

Cómo está construido el sistema de referencia

La verdadera novedad de Seedance 2.0 es su entendimiento de las referencias. En vez de tratar las entradas como una simple guía de estilo, el modelo analiza cada referencia y extrae elementos concretos:

De las imágenes: composición, rasgos faciales, detalles de objetos, esquema de luz, relaciones de color, disposición espacial, características de estilo

De los videos: trayectorias de cámara, velocidad y aceleración del movimiento, cambios de encuadre, acciones y su timing, ejecución de efectos especiales, técnicas de transición

Del audio: ritmo y patrones de beat, tono y atmósfera, dinámica de volumen, timing de los efectos de sonido, timbre de voz

Este entendimiento detallado te permite fijar con exactitud qué aspectos de cada referencia deben influir en la generación. Eso da un control preciso sobre el resultado final.

Mejoras en la calidad de generación

Más allá de las capacidades multimodales, Seedance 2.0 aporta avances de base:

Física realista: los objetos y los personajes se mueven de forma creíble. La tela cae de manera natural, los líquidos fluyen de forma convincente, y las interacciones entre elementos siguen las reglas del mundo real.

Movimiento fluido: la acción continua avanza sin saltos bruscos ni artefactos de morphing. Los movimientos complejos de varios pasos se mantienen estables de principio a fin.

Entendimiento preciso del prompt: el modelo ejecuta instrucciones detalladas de forma confiable, incluidas relaciones espaciales (“al fondo, detrás”), secuencias de tomas ordenadas y escenas complejas con varios personajes. Los timecodes exactos son la excepción, y de eso hablamos más abajo.

Estilo constante: las características visuales que fijas al inicio de una generación se mantienen estables. La apariencia de los personajes, la luz y el trazo artístico no se van a la deriva a medida que avanza la escena.

Acciones complejas: el modelo resuelve secuencias exigentes como coreografías de pelea, movimientos finos de las manos, gestos del rostro al hablar e interacciones coordinadas entre varios personajes.

¿Listo para probar el control multimodal? Empieza a crear con Seedance 2.0 en Morphic →

Especificaciones técnicas

Dos notas sobre los ajustes de salida. No existe el 2.35:1. Para el look de scope elige 21:9, en vez de pedir 2.35:1 en el prompt. Y como el 4K usa H.265, algunos navegadores y reproductores no muestran el archivo directamente, aunque esté en orden.

Cómo entender las especificaciones de entrada de Seedance 2.0

Límites de cantidad de archivos y de duración

Para mantener la calidad alta y el costo de cómputo bajo control, Seedance 2.0 fija límites claros para las entradas:

Límites por tipo de archivo:

• Imágenes: máximo 9 archivos
• Videos: máximo 3 clips
• Audio: máximo 3 archivos

Límites de duración combinada:

• Referencias de video: 15 segundos entre todos los clips
• Referencias de audio: 15 segundos entre todos los archivos

Duraciones mínimas por clip (fáciles de pasar por alto):

• Cada clip de video de referencia debe durar al menos 2 segundos
• Cada archivo de audio de referencia debe durar al menos 2 segundos
• Los videos de referencia deben correr a entre 24 y 60 fps

No hay un tope combinado entre todos los archivos. Nueve imágenes más tres videos más tres archivos de audio es una petición válida. También es una mala idea, por las razones de la siguiente sección.

Combinación no admitida: texto más audio, y audio por sí solo, no generan nada. El audio siempre necesita una referencia visual al lado.

Duración de la salida: 4-15 segundos.

No llenes los espacios solo porque puedes

Los límites de arriba son topes, no metas. ByteDance dice de forma explícita que agotar el cupo empeora los resultados: con demasiadas referencias, al modelo le cuesta decidir qué características tienen prioridad. La consecuencia son conflictos de estilo, sujetos que se reconocen de forma borrosa y resultados que se alejan de lo que pediste.

Se recomiendan de 4 a 5 archivos en total. Cada uno debe cumplir una función propia:

• Anclar al personaje (1-2 imágenes): fijar la apariencia del personaje
• Fijar el ambiente de la escena (1 imagen): fijar el entorno y el estilo
• Movimiento de cámara (1 video): fijar el lenguaje visual y el ritmo
• Ritmo y atmósfera (1 audio): controlar la emoción y el timbre

Si dos referencias compiten por la misma función, tienes una de más. Cuatro imágenes del mismo personaje no hacen al modelo cuatro veces más seguro sobre ese personaje. Lo hacen menos seguro sobre qué imagen creer.

Ejemplo práctico: para un anuncio de 15 segundos que necesita una apariencia de producto concreta, trabajo de cámara dinámico y música con energía, cinco archivos son un briefing completo:

• 2 imágenes: el producto desde dos ángulos
• 1 imagen: la colorización y la luz que buscas
• 1 video: referencia del movimiento de cámara
• 1 audio: pista de música para el ritmo

Todo lo demás, incluidos el entorno, el ambiente y el ritmo, va en el prompt de texto.

Un límite duro con los personajes: en cuanto hay más de cuatro personas de referencia, la estabilidad de la salida cae con fuerza. Empiezas a ver la cantidad equivocada de personas en cuadro, o dobles. Si necesitas un grupo de seis, genéralas primero como dos imágenes de tres cada una y luego usa esas imágenes como referencia para el video.

Pautas para la calidad de las entradas

Para referencias de imagen:

• Usa fotos claras y bien iluminadas cuando importe la exactitud
• Una resolución más alta da mejor reproducción de detalle
• Varios ángulos ayudan con productos y objetos. Con rostros perjudican de verdad, mira la regla del primer plano más abajo, porque una hoja de personaje con varios ángulos se lee como varias personas distintas
• Evita imágenes muy comprimidas o de baja calidad

Para referencias de video:

• Asegúrate de que el elemento que quieres referenciar se vea con claridad
• Los clips cortos con un solo enfoque funcionan mejor que los largos con muchos elementos
• Una mejor calidad de video mejora el entendimiento del movimiento
• Recorta los videos para que solo se vea el fragmento relevante

Para referencias de audio:

• Usa archivos de audio limpios, sin ruido de fondo, siempre que puedas
• Asegúrate de que el audio transmita con claridad el ritmo o el ambiente que buscas
• Ajusta la duración de forma aproximada a la de tu video objetivo
• Fíjate si puedes usar el audio de un archivo de video cuando sirve para varios fines

Cómo usar las referencias multimodales de Seedance 2.0

Seedance 2.0 está disponible a través de Morphic, que ofrece una interfaz para subir referencias y escribir prompts. El sistema usa menciones @ para fijar cómo se usa cada archivo subido en la generación.

Primero define cuál de las tres tareas estás pidiendo

Antes de escribir nada, decide qué trabajo le das al modelo, porque la redacción cambia y equivocarse aquí es la forma más común de desperdiciar una generación.

• Referencia multimodal: extraer elementos de tus archivos (un sujeto, un estilo, un movimiento de cámara, una voz) para crear un video totalmente nuevo.
• Edición de video: cambiar algo dentro de un video existente. Todo lo que no menciones queda como estaba.
• Extensión de video: continuar un video existente hacia adelante o hacia atrás en el tiempo, con el mismo estilo, el mismo sujeto y la narración intacta.

La trampa: en las tareas de edición y extensión, refiérete al clip como @Video 1, nunca como “referencia @Video 1”. La palabra referencia empuja al modelo a clasificar la tarea como de referencia, así que en vez de editar tu clip genera un video nuevo que solo se le parece. Di “Edita estrictamente @Video 1” o “Extiende @Video 1 hacia atrás”, no “Referencia @Video 1 y edítalo”.

Define tu sujeto antes de referenciarlo

Una imagen subida suele contener más de una cosa. Nombrar al sujeto de forma explícita es el paso que la mayoría se salta, y es justo el que evita que el modelo se aferre al elemento equivocado.

Elige de 2 a 3 rasgos estables y fijos (ropa, peinado, categoría) que identifiquen al sujeto de forma única, y luego vincúlalos al archivo:

Define [rasgos principales] en @Image 1 como [nombre del sujeto]

Por ejemplo: Define a la mujer del vestido rojo y el sombrero de paja en @Image 1 como Subject 1. A partir de ahí, refiérete a ella solo como Subject 1. Usa la misma etiqueta cada vez que aparezca. Si alternas entre “la mujer”, “ella” y “Subject 1”, el modelo puede perder el hilo de a quién te refieres.

Para trabajos rápidos puedes saltarte la definición y vincular en línea, repitiendo el par cada vez que la menciones: Subject 1@Image 1.

Dos reglas importan aquí. Mantén la descripción corta y sin contradicciones, porque dos rasgos opuestos en el mismo sujeto confunden el vínculo. Y donde una relación espacial sea más fácil de mostrar que de decir, muéstrala en una imagen de referencia en vez de describirla en texto.

El sistema de referencia @

Después de subir tu material a Morphic, lo refieres en el prompt con el símbolo @ seguido del identificador del archivo (Image 1, Video 1, Audio 1, etc.). La clave es decir de forma explícita para qué sirve cada referencia.

Estructura básica de una referencia:

@[tipo de material + número] como/para [propósito concreto], [contexto adicional]

Referencia clara vs. poco clara:

Poco clara: “Usa @Image 1 y @Video 1 para hacer un video”

Clara: “@Image 1 como cuadro de apertura que muestra el rostro del personaje, referencia el movimiento de acercamiento de cámara de @Video 1, usa @Audio 1 como música de fondo para establecer un ambiente con energía”

Pon tu archivo más importante primero. Cuanto antes aparece un archivo en el prompt, más peso carga. Si el rostro del personaje tiene que quedar exacto, empieza por ahí.

Signos que le dicen al modelo qué tipo de información está leyendo

Seedance 2.0 lee cuatro tipos de corchetes como señales de tipo. Usarlos es una forma barata de evitar que un diálogo se renderice como texto en pantalla, o que un efecto de sonido se pronuncie en voz alta.

Si una línea de diálogo está en un idioma distinto del español, nombra el idioma antes de las llaves: dice en japonés {こんにちは}. Quédate con un idioma por escena. Mezclar idiomas en el mismo prompt, salvo los nombres propios, empeora la pronunciación.

Escribir prompts multimodales efectivos: el marco CRAFTS

Un buen prompt de Seedance 2.0 se parece más a una instrucción de ingeniería que a un texto publicitario. El modelo lee tu texto, tus imágenes, tu video y tu audio al mismo tiempo, y los separa internamente en una capa espacial (qué hay en el cuadro) y una capa temporal (cómo cambia con el tiempo). Tu trabajo es alimentar ambas capas con claridad.

CRAFTS cubre las seis cosas que un prompt completo especifica: Context (contexto), Reference (referencia), Action (acción), Framing (encuadre), Timeline (secuencia), Style and constraints (estilo y restricciones).

C - Contexto: establece la escena y el entorno Prepara el escenario con lugar, época, atmósfera y marco general. Incluye aquí las referencias a las imágenes de escena.

Ejemplo: “En un club de jazz con poca luz de noche, referenciando la atmósfera interior de @Image 1”

R - Referencia: define tus sujetos y vincúlalos a los archivos Nombra cada sujeto con 2 o 3 rasgos estables, y luego di exactamente qué aporta cada archivo y qué no.

Ejemplo: “Define al hombre del traje gris en @Image 2 como el Pianista. @Image 2 solo para su rostro y su complexión, no para su ropa. @Video 1 para el ritmo al caminar. @Audio 1 para el jazz de fondo.”

A - Acción: describe los movimientos de personajes y objetos Detalla lo que pasa en la escena: acciones de los personajes, interacciones con objetos y el orden de los eventos. Dos cosas separan las descripciones de acción que funcionan de las que no.

Pequeño y lento. Seedance 2.0 maneja el movimiento suave, continuo y de escala pequeña con mucha más fiabilidad que la acción de alta energía. Los sprints, los saltos grandes y los rodetes violentos son donde las extremidades se deforman y la física se rompe. Prefiere “camina despacio”, “levanta una mano con suavidad”, “se sienta acompañando el movimiento”. Indica la parte del cuerpo, más el rango, la velocidad y la fuerza: no “mueve la cabeza”, sino “gira la cabeza rápido”. Donde una acción lleva a otra, di cómo se conectan, para que el movimiento cargue su propia inercia: “usa el impulso del giro para levantar una mano de forma natural”.

Traslada la emoción a un detalle físico. El modelo no puede renderizar “muy triste”. Puede renderizar lo que la tristeza le hace a un cuerpo. Reemplaza la etiqueta abstracta por la señal visible.

Ejemplo: “El Pianista camina despacio por la sala, se detiene en la barra y toma un vaso. Da un sorbo, y al mirar hacia la puerta se le tensa la mandíbula y los dedos se cierran con fuerza sobre el vaso.”

F - Encuadre: define el trabajo de cámara y el lenguaje visual Indica tipos de toma, movimientos de cámara, ángulos y transiciones con terminología cinematográfica. El modelo domina bien el vocabulario de cámara habitual, así que úsalo de forma simple y directa.

Ejemplo: “Empieza con una toma general amplia, haz un dolly in a un plano medio corto cuando el personaje llega a la barra, y luego corta a un plano sobre el hombro que mira hacia la puerta”

Un movimiento de cámara por toma. Pedirle a una sola toma que se acerque, orbite y haga paneo al mismo tiempo es la forma más rápida de desestabilizar la imagen. Si quieres tres movimientos, quieres tres tomas.

T - Secuencia: ordena tus tomas, no tus segundos

Este es el elemento en el que la mayoría de las guías se equivoca, incluidas versiones anteriores de esta. El impulso es marcar todo con tiempos: del segundo 0 al 4 esto, del 4 al 8 aquello. El soporte de Seedance 2.0 para el timing preciso es inestable, y forzar duraciones exactas sobre los segmentos puede romper la generación.

Ordena las tomas en su lugar, y deja que el modelo encuentre el ritmo. Etiquétalas como Toma 1, Toma 2, Toma 3, en el orden en que ocurren los eventos, y describe cada una así: movimiento de cámara, luego acción del sujeto, luego posición, luego sonido.

Débil: “Un hombre corre nervioso por la calle, y la escena se siente muy cinematográfica.”

Fuerte:

• Toma 1: Vista lateral de un callejón. El hombre empieza a correr, respirando rápido.
• Toma 2: Tumba un puesto de frutas. La cámara tiembla y se acerca a un primer plano de su rostro asustado.
• Toma 3: Salta un muro bajo y desaparece. La cámara retrocede despacio y se queda en la calle vacía.

Los timecodes no están prohibidos, y los verás en los propios prompts de ejemplo de ByteDance. Trátalos como una pista que el modelo puede respetar, no como una orden que debe obedecer. Si el ritmo de verdad importa, la palanca confiable es generar menos tomas por clip, no escribir timecodes más ajustados.

S - Estilo y restricciones: cierra la puerta a los modos de falla

El último bloque de tu prompt es el que la gente omite, y hace más trabajo del que cree. Tiene tres tareas.

Calidad de imagen: nombra el acabado que quieres. “Alta definición, mucho detalle, textura fílmica, color natural, luz suave.”

Estilo: nombra el look, y nómbralo incluso cuando creas que la imagen de referencia ya lo implica. Si tu foto de referencia es realista pero quieres animación, y nunca lo dices, la salida se irá de vuelta hacia la acción real. Di “estilo de animación japonesa 2D” o “CG estilizado 3D” de forma explícita.

Restricciones: son las líneas que evitan que el modelo produzca artefactos que nadie pidió.

• Sin subtítulos. No generes ningún texto ni subtítulo.
• No generes un logo.
• No generes una marca de agua.

Conviene ser honesto sobre los límites aquí: las líneas de restricción reducen la probabilidad de subtítulos y marcas de agua sueltas, no la eliminan. Dos cosas ayudan de verdad. Si una imagen o un clip de referencia tiene texto que no necesitas, quítalo del archivo antes de subirlo. Y si tu proyecto lo permite, genera en horizontal, porque los subtítulos espurios aparecen mucho menos en horizontal que en vertical. Siempre puedes recortar a vertical después.

Ejemplo de prompt CRAFTS:

Técnicas para referencias de imagen

Fijar el estilo visual y la dirección estética

Las imágenes establecen el look y la sensación general de tu generación. Úsalas para definir paletas de color, enfoques de luz, estilo de composición y tratamiento artístico.

Mantener la consistencia del personaje entre tomas

Cuando generes varios videos con el mismo personaje, referencia la misma imagen de personaje en cada prompt para mantener la apariencia constante.

Presentación de producto con detalles precisos

Para contenido comercial o centrado en el producto, usa varios ángulos y tomas de detalle como referencia para asegurar una reproducción fiel.

Técnicas para referencias de video

Replicar movimientos de cámara y lenguaje visual

Las referencias de video son fuertes para demostrar técnicas de cámara difíciles de describir solo con texto.

Copiar patrones de movimiento y coreografías

Para danza, secuencias de pelea o patrones de movimiento concretos, las referencias de video dan una guía cuadro por cuadro.

Replicar efectos especiales y técnicas visuales

Las referencias de video pueden demostrar efectos de partículas, transiciones, técnicas de compositing y otros efectos visuales para una reproducción fiel.

Técnicas para referencias de audio

Integrar música de fondo y fijar el ambiente

Las referencias de audio establecen el tono emocional y el ritmo de tu video a través de la elección de la música.

Poner los cortes en el beat

Sincroniza las transiciones de escena, los cortes o los cambios visuales con beats musicales concretos para un ritmo pulido y profesional.

Acertar el timbre de voz y el diálogo

Cuando importan características de voz concretas, referencia archivos de audio o de video que contengan la calidad de voz que buscas.

Ejemplos complejos con varias referencias

Combinar todos los tipos de entrada para una producción comercial

Ejemplo: Anuncio de producto

Escena con varios personajes y diálogo

Ejemplo: Escena narrativa

Funciones avanzadas de Seedance 2.0

Extensión de video para narraciones continuas

Seedance 2.0 puede extender un video existente con material nuevo que continúa la historia. Funciona en ambas direcciones: puedes generar lo que pasa después de un clip, y lo que pasó antes. Esto último ayuda cuando tienes una toma fuerte, pero ninguna forma de llegar a ella.

Cómo funciona la extensión de video:

1. Sube tu video existente
2. Di en qué dirección quieres ir, y describe lo que pasa
3. El modelo extrae por sí mismo los cuadros de transición y genera la continuación

Refiérete al clip como @Video 1, no como “referencia @Video 1”. Es una tarea de edición, y la palabra referencia puede llevar al modelo a generar un video parecido en vez de continuar el tuyo.

Ejemplo: continuar una escena de cafetería

Video existente: clip de 10 segundos de una persona sentada en la mesa de un café, mirando una laptop

El material original no se vuelve a generar, así que la parte que ya te gusta queda exactamente como está. Por defecto, la salida trae solo el final del clip de origen, no todo. Si quieres el original incluido en el video devuelto, pídelo: “Extiende @Video 1 hacia atrás, [descripción], y termina luego con @Video 1.”

Dos límites que conviene prever

La extensión es de verdad útil, pero no es invisible, y te ahorras una mala tarde si lo sabes de antemano.

La unión puede saltar. En el punto donde el segmento nuevo se encuentra con el original, puedes ver un pequeño salto o un cuadro que retrocede. Hoy no hay ningún prompt que lo arregle de forma confiable. La reparación práctica está en tu editor: recorta unos 6 fotogramas del final del clip saliente y 1 fotograma del inicio del entrante, en cada unión. Mejor aún: planea tus clips para que la unión caiga en un corte y no en mitad de un movimiento, donde una discontinuidad es invisible por diseño.

La calidad baja si encadenas extensiones. Volver a meter un video generado como origen de otra extensión degrada la imagen, y el daño se acumula con cada pase. Se nota primero como manchas de color moteado en los rostros. Mantén la cadena corta y alimenta el origen de la mayor calidad que tengas.

Si de verdad necesitas extender varias veces, ByteDance documenta un rodeo raro pero efectivo: convierte primero el clip en un video de modelo blanco, y continúa desde ahí. El prompt es más o menos “Convierte el video en un modelo 3D blanco. Todos los personajes se vuelven modelos 3D de blanco puro, sin color, sin textura, sin sombras, fondo blanco puro, estructura estable, movimiento suave.” Quitar el color y la textura le da al siguiente pase una base estructural limpia sobre la cual construir, en vez de acumular los artefactos del anterior.

Buenas prácticas para la extensión:

• Mantén las extensiones más bien cortas (5-8 segundos) para que el empalme funcione
• Describe con claridad la acción que conecta el final del original con el material nuevo
• Menciona los elementos que deben mantenerse igual (ángulo de cámara, luz, posición del personaje)
• Si el video original tiene audio, referencia ese estilo de audio para la extensión

Fusión de video y transiciones entre varios clips

Crea transiciones fluidas entre varios clips de video existentes generando el material de conexión.

Ejemplo: conectar dos lugares

Videos existentes:

• @Video 1: personaje caminando por una calle de la ciudad (termina cuando se acerca a una esquina)
• @Video 2: el mismo personaje entrando a un departamento (empieza con la puerta que se abre)

Esto genera un clip puente que conecta con limpieza dos rodajes separados y mantiene el personaje y la narración.

Reemplazo de personajes en videos existentes

Intercambia personajes o sujetos en videos y conserva todo lo demás, incluidos el trabajo de cámara, el movimiento y los detalles de la escena.

Ejemplo: reemplazo en una actuación musical

Casos de uso del reemplazo de personajes:

• Probar distintos talentos en conceptos publicitarios
• Crear variantes de la misma escena con distintos actores
• Actualizar material existente con nuevos embajadores de marca
• Producir contenido para distintos mercados regionales con talento local

Subvertir la trama y alterar la narración

Cambia por completo la dirección o el desenlace de la trama de un video existente y conserva los elementos visuales y técnicos.

Ejemplo: reversión de un drama de relación

Video original (@Video 1): escena romántica en la que un hombre le hace una propuesta a una mujer en un puente, ella dice que sí, se abrazan

Esta técnica permite redirigir por completo una narración a la vez que se conservan el lenguaje visual y el valor de producción del material existente.

Planos secuencia continuos

Crea secuencias largas de una sola toma que siguen a los sujetos por varios entornos sin cortes.

Ejemplo: persecución en la ciudad

Replicar plantillas creativas

Copia la estructura, el estilo y las técnicas de videos de referencia sustituyendo tus propios sujetos y tu marca.

Ejemplo: adaptar un estilo publicitario

Referencia: @Video 1 muestra un comercial de perfume de alta gama con técnicas de cámara, transiciones y ritmo propios

Casos de uso y ejemplos de Seedance 2.0

Esta sección muestra Seedance 2.0 en distintas industrias y niveles de complejidad. Cada industria incluye un ejemplo básico, uno intermedio y uno avanzado, que se construyen uno sobre otro.

Producción publicitaria y de anuncios

Básico: presentación estática de un solo producto

Escenario: exhibición simple de producto para comercio electrónico

Nivel de complejidad: una referencia de imagen, un movimiento de cámara, un evento

Intermedio: demo de producto desde varios ángulos

Escenario: demostración de un producto tecnológico que muestra varias funciones

Nivel de complejidad: varias imágenes, varias tomas, ángulos de cámara variados, sincronía de audio

Avanzado: comercial completo con cambios de escena

Escenario: comercial de estilo de vida de 15 segundos que muestra el producto en uso en varios lugares

Nivel de complejidad: 5 imágenes, 1 video, 1 audio. Audio en capas, tres lugares, lenguaje visual profesional.

Este ejemplo está en el tope del rango de assets recomendado, y la oficina en casa se describe con palabras en vez de tener su propia imagen de referencia. Es un intercambio deliberado. Un comercial de tres lugares es justo donde la tentación de subir una foto de todo es más fuerte, y justo donde hacerlo empieza a difuminar al sujeto.

Creación de contenido para redes sociales

Básico: video de cortes rápidos en un estilo de tendencia

Escenario: contenido simple de redes sociales con un efecto de transición popular

Nivel de complejidad: varias referencias de imagen, sincronía con el beat, efecto de transición simple

Intermedio: secuencia de historia en varios lugares

Escenario: contenido tipo vlog de “un día en la vida”

Nivel de complejidad: varios lugares, referencia de estilo en mano, audio en capas, contenido con personalidad

Avanzado: efectos visuales complejos en estilo viral

Escenario: contenido de redes sociales de alta producción con efectos de tendencia

Nivel de complejidad: varias referencias complejas, réplica precisa de coreografía, réplica de efectos especiales, sincronía de audio avanzada, estilo de tendencia

Producción de cine y entretenimiento

Básico: toma de establecimiento atmosférica

Escenario: toma que ambienta la escena para contenido narrativo

Nivel de complejidad: una imagen, movimiento de cámara básico, construcción de atmósfera

Intermedio: escena de diálogo con plano y contraplano

Escenario: conversación entre dos personajes con cobertura profesional

Nivel de complejidad: dos imágenes de personaje, referencia de técnica de cámara concreta, ritmo de diálogo, tensión psicológica

Avanzado: secuencia de acción con coreografía compleja

Escenario: escena de pelea con una coreografía de artes marciales concreta

Nivel de complejidad: cuatro referencias de imagen, dos referencias de video (coreografía y estilo de cámara), referencia de audio, coreografía de acción compleja, cámara lenta.

Ajusta tus expectativas con honestidad aquí. La acción rápida y de alto impacto es lo más difícil que le puedes pedir a este modelo, y es donde las extremidades se deforman y la física cede. Por eso este prompt se apoya en un video de referencia de coreografía en vez de intentar describir la patada con palabras: mostrar el movimiento es mucho más confiable que describirlo. Aun así, cuenta con generar este varias veces. Si una toma sigue fallando, la solución suele ser bajar la velocidad de la acción o dividirla en dos tomas, no agregar más adjetivos.

Aplicaciones en el flujo de trabajo profesional

Extensión de video para la continuidad del proyecto

Escenario: extender material ya grabado con contenido adicional

Video existente: toma de 8 segundos de un CEO caminando por una oficina moderna, que termina en la puerta de la sala de juntas

Caso de uso: sumar contenido a assets de video profesionales existentes sin volver a grabar

Creación de contenido en serie con plantillas

Escenario: crear varios videos de redes sociales con un estilo consistente

Prompt maestro de plantilla (Video 1):

Prompts de variación: reemplaza @Image 1 con distintos productos y mantén @Image 2, @Image 3 y @Audio 1 para la consistencia de marca

Caso de uso: producción escalable para catálogos de producto, con una identidad de marca consistente a lo largo de muchos assets

Adaptación a varios idiomas

Escenario: crear variantes regionales del mismo comercial

Prompt base:

Caso de uso: campañas de marketing internacionales que necesitan versiones localizadas con una marca visual consistente

Buenas prácticas para Seedance 2.0

El marco de prompts CRAFTS (en detalle)

Los resultados profesionales con Seedance 2.0 requieren prompts estructurados. El marco CRAFTS ofrece un enfoque sistemático que asegura que todos los elementos críticos queden especificados:

C - Contexto: establece la escena y el entorno

Define dónde y cuándo ocurre la acción. Esto incluye:

• El lugar y el escenario físico
• La hora del día o la época histórica
• Las condiciones atmosféricas (clima, calidad de luz)
• El ambiente y el tono general
• Los detalles del entorno que importan para la historia

Ejemplo: “En un club nocturno subterráneo a las 2 de la mañana, con la atmósfera melancólica de @Image 1. Aire brumoso de máquinas de humo, un techo bajo iluminado por el brillo de la barra, una pista de baile llena al fondo.”

R - Referencia: define los sujetos, luego indica las menciones @ y su propósito exacto

Aquí vive la fuerza multimodal. Nombra primero al sujeto, luego sé explícito sobre lo que aporta cada referencia:

• Define cada sujeto con 2 o 3 rasgos estables, y reutiliza esa etiqueta cada vez
• Indica la mención @ con claridad
• Especifica exactamente qué aspecto de esa referencia usar
• Aclara qué NO usar si la referencia contiene varios elementos
• Empieza con el archivo que tiene que quedar más exacto

Ejemplo: “Define a la mujer de cabeza rapada y chaqueta de cuero en @Image 1 como Ada. @Image 1 solo para los rasgos faciales y el cabello de Ada, no para la ropa. @Image 2 para el vestuario de la chaqueta de cuero. @Video 1 para el ritmo al caminar y el paso seguro. @Audio 1 para la música electrónica de fondo.”

A - Acción: describe los movimientos de personajes y objetos

Detalla lo que pasa en la escena: los verbos de tu video:

• Movimientos y gestos de los personajes
• Interacciones con objetos (levantar, dejar, lanzar)
• Gestos del rostro y reacciones emocionales
• Interacciones entre varios sujetos
• Eventos basados en física (cosas que caen, líquidos que se vierten, humo que se eleva)

Ejemplo: “El personaje entra por la izquierda del cuadro, caminando con el paso seguro de @Video 1. La mirada recorre la multitud un momento, luego se fija en alguien fuera de cuadro. Se forma una sonrisa leve. El personaje se ajusta el cuello de la chaqueta con la mano derecha, y luego avanza con decisión entre la multitud.”

F - Encuadre: define el trabajo de cámara y el lenguaje visual

Usa la terminología cinematográfica correcta para especificar la composición de la toma:

• Tipos de toma: plano general, plano medio, primer plano, primerísimo primer plano, plano sobre el hombro, punto de vista
• Movimientos de cámara: dolly in/out, toma de seguimiento, paneo izquierda/derecha, tilt arriba/abajo, grúa arriba/abajo, cámara en mano, steadicam
• Ángulos: contrapicado, picado, a la altura de los ojos, ángulo holandés
• Técnicas especiales: efecto Vértigo, paneo rápido, cambio de foco, poca profundidad de campo

Ejemplo: “Abre con un plano general que establece todo el club nocturno. Cuando el personaje entra, la cámara lo toma y empieza a acompañarlo en un plano medio. Cuando el personaje se detiene a recorrer la multitud con la mirada, acércate despacio a un primer plano medio. Corta a la toma en punto de vista del personaje, mirando entre la multitud. Corta de vuelta a un primer plano del rostro del personaje cuando se forma la sonrisa. Retoma la toma de seguimiento mientras el personaje avanza entre la multitud, con la cámara siguiendo desde atrás.”

T - Secuencia: ordena tus tomas y deja que el modelo encuentre el ritmo

Divide tu secuencia en tomas numeradas, en el orden en que ocurren los eventos:

• Etiquétalas como Toma 1, Toma 2, Toma 3, la más importante primero
• Dale a cada toma un movimiento de cámara, un momento de acción, un lugar
• Pon el sonido de esa toma dentro de esa toma
• No le asignes una duración a cada toma

El timing preciso es la superficie de control más débil del modelo. Fijar los segmentos a segundos exactos puede producir un resultado peor que dejarlos en paz, así que describe el orden de los eventos y deja que el modelo respire.

Ejemplo: “Toma 1: Plano general del club. Ada entra y empieza a caminar. Toma 2: La cámara la acompaña en un plano medio mientras recorre la multitud con la mirada. Toma 3: Primer plano cuando se forma una sonrisa leve. Toma 4: Su punto de vista, mirando entre la multitud. Toma 5: La cámara retoma el seguimiento desde atrás mientras avanza. Durante toda la escena: (música electrónica de @Audio 1 a volumen moderado).”

S - Estilo y restricciones: fija el look y descarta los artefactos

Cierra cada prompt con el acabado y las barreras de protección:

• Calidad de imagen: “alta definición, mucho detalle, textura fílmica, luz suave”
• Estilo: nómbralo de forma explícita, aunque una imagen de referencia lo implique
• Restricciones: “Sin subtítulos.” “No generes una marca de agua.” “No generes un logo.”
• Estabilidad: “El rostro del personaje se mantiene constante, sin deformación. El movimiento es suave, sin saltos ni parpadeo.”

Ejemplo completo de CRAFTS: video de capacitación corporativa

Estrategia para preparar las entradas

Optimizar las referencias de imagen

Buenas entradas crean buenos resultados. Prepara las referencias de imagen de forma estratégica:

Para la consistencia del personaje:

• Usa un primer plano solo del rostro, tomado de frente, con expresión neutra y fondo mínimo
• Agrega una toma de cuerpo completo para el vestuario y las proporciones. Ese es el conjunto entero
• No agregues más ángulos. Una rotación de frente, lateral y tres cuartos empeora la deriva de identidad, no la mejora, porque el modelo lee los ángulos como personas distintas
• Evita filtros o efectos fuertes que puedan confundir al modelo
• Si el vestuario importa, deja que la toma de cuerpo completo lo cargue, en vez de agregar recortes de detalle

Para el estilo y la estética:

• Elige imágenes que muestren con claridad el tratamiento visual que buscas
• Asegúrate de que la colorización sea coherente con tu visión final
• Incluye imágenes que muestren el enfoque de luz concreto que quieres
• Considera la textura y el nivel de detalle: las referencias con mucho detalle producen salidas con mucho detalle

Para productos y objetos:

• Fotografía contra fondos simples para mantener el foco
• Muestra varios ángulos para una reproducción fiel
• Incluye primeros planos de los detalles importantes (logos, texturas, características particulares)
• Asegúrate de que la luz muestre la forma y el volumen con claridad

Optimizar las referencias de video

Para el movimiento de cámara:

• Recorta los videos para que solo se vea el movimiento de cámara concreto que quieres replicar
• Asegúrate de que el movimiento se vea con claridad y no quede tapado por la acción
• Los clips cortos (3-5 segundos) enfocados en una técnica funcionan mejor que los largos con varias técnicas
• Usa la mejor calidad de video disponible: los artefactos de compresión afectan el entendimiento

Para el movimiento y la coreografía:

• La acción debe verse con claridad, sin obstrucciones
• Asegúrate de que la luz muestre bien la posición del cuerpo y el movimiento
• Varios ángulos de la misma acción pueden ayudar, si los tienes
• Considera bajar la velocidad de los movimientos rápidos al crear clips de referencia

Para los efectos especiales:

• Aísla el efecto concreto que quieres replicar
• Asegúrate de que el efecto se vea con claridad contra el fondo
• Si el efecto tiene un timing específico, que la referencia muestre ese timing

Optimizar las referencias de audio

Para la música y el ritmo:

• Usa archivos de audio de alta calidad (evita audio comprimido de baja tasa de bits)
• Recorta el audio al fragmento con el ritmo o el ambiente más relevante
• Asegúrate de que el audio muestre con claridad lo que quieres (beat, ritmo, ambiente)
• Considera iniciar el audio en un beat fuerte para facilitar la sincronización

Para la voz y el diálogo:

• Usa grabaciones claras con el mínimo de ruido de fondo
• Asegúrate de que la característica vocal que buscas se destaque
• Mantén los clips de referencia cortos y enfocados en la calidad vocal relevante

Elegir tus cuatro o cinco assets

No hay un tope combinado, así que nada te impide subir nueve imágenes. La disciplina tiene que venir de ti. Usa lo siguiente para decidir qué se gana un lugar.

Las cuatro funciones. Un briefing completo suele necesitar una de cada una, y rara vez más:

1. Anclar al personaje (1-2 imágenes): fija quién es el sujeto
2. Fijar el ambiente de la escena (1 imagen): fija el entorno y el estilo
3. Movimiento de cámara (1 video): fija el lenguaje visual y el ritmo
4. Ritmo y atmósfera (1 audio): fija la emoción y el timbre

Cuatro preguntas para recortar el resto:

1. ¿Cambia el resultado si quito esta referencia? Si no, recórtala.
2. ¿Esto se puede decir en texto? Los entornos, los ambientes y las colorizaciones casi siempre sí. Los rostros, los movimientos de cámara exactos y las coreografías concretas casi siempre no. Sube lo que es difícil de describir. Describe todo lo demás.
3. ¿Otro asset ya cumple esta función? Dos referencias que compiten por la misma función son peores que una.
4. ¿Es imprescindible o es un extra? Recorta los extras primero.

Ejemplo de proceso de decisión

Estás haciendo un video musical y tienes quince candidatos a referencia:

• 4 imágenes: la artista desde distintos ángulos
• 3 imágenes: el lugar de la actuación
• 2 imágenes: esquemas de luz
• 2 videos: coreografía de baile y movimiento de cámara
• 2 archivos de audio: pista de música y sonido ambiente
• 2 imágenes: detalles de vestuario

Aplicando el marco:

• Conservar (anclar al personaje): 1 primer plano del rostro de la artista, más 1 toma de cuerpo completo. No el conjunto de cuatro ángulos. Una hoja con varias vistas es la forma más confiable de hacerle creer al modelo que ve a varias personas distintas
• Conservar (escena): 1 imagen del lugar, la más representativa
• Conservar (cámara): 1 video. Elige entre la coreografía y el clip de movimiento de cámara según cuál no podrías escribir en palabras
• Conservar (ritmo): la pista de música
• Describir en texto: los dos esquemas de luz, los detalles de vestuario, el sonido ambiente y las otras dos imágenes del lugar

Resultado: 5 assets. Las otras diez piezas de información igual llegan al modelo, solo que llegan como palabras en vez de archivos, que es justo donde corresponden.

Técnicas de consistencia para proyectos de varias tomas

Consistencia del personaje entre generaciones

Para que el mismo personaje se vea igual en varias generaciones necesitas un sistema para tus referencias:

Usa un primer plano del rostro más una toma de cuerpo completo. Nada más.

Esta es la regla más contraintuitiva del modelo, y equivocarse causa justo el problema que intentabas resolver.

El impulso es darle al modelo una rotación del personaje: frente, lateral, tres cuartos, espalda. No lo hagas. Seedance 2.0 lee con frecuencia una hoja de varias vistas como varias personas distintas. Eso empeora la deriva de identidad, no la mejora, y es una de las causas principales del error de los “gemelos”, donde dos copias idénticas de tu personaje aparecen en el mismo cuadro.

Lo que funciona son dos imágenes con funciones claramente separadas:

• Un primer plano solo del rostro. Solo la cabeza, expresión neutra, con el mínimo de hombros, cuello o fondo. Es la imagen en la que el modelo se apoya para la identidad, así que el rostro tiene que dominar el cuadro. Si el rostro es una región pequeña dentro de una toma de cuerpo completo cargada, el modelo lo pondera de menos y el desorden alrededor se filtra.
• Una toma de cuerpo completo para el estilo, el vestuario y las proporciones.

Luego separa las funciones de forma explícita en el prompt, y pon el rostro primero:

Ten en cuenta que esto aplica a los rostros. Para productos y objetos, varios ángulos son de verdad útiles, y deberías entregarlos.

El error de las referencias mezcladas: no le des al modelo una sola imagen compuesta que meta el rostro, la pose, el atuendo y un recorte de detalle en una sola foto. El rostro termina ocupando una fracción pequeña de los píxeles, recibe una porción igual de pequeña de la atención del modelo, y la identidad se va a la deriva.

Si tu personaje se va a la deriva de todos modos, hay una consecuencia que conviene conocer: un rostro que deriva puede acercarse a parecerse a una persona pública real, y eso puede hacer que la generación se bloquee en la revisión, aunque nunca hayas pedido una celebridad. Así que la deriva de identidad no es solo un problema de calidad. Es una de las razones más silenciosas por las que un prompt que se ve limpio vuelve rechazado. Nuestra guía sobre prompts de Seedance 2.0 que se marcan cubre el lado del rechazo en detalle.

Mantener una etiqueta constante Usa el mismo nombre para el personaje en cada prompt, y escribe “manteniendo la apariencia exacta de @Image [X]”.

Consistencia de estilo entre escenas

Para proyectos que requieren varias tomas con el mismo tratamiento visual:

Técnica 1: plantilla de referencia de estilo Elige una imagen que capture a la perfección el estilo visual que buscas:

• Colorización
• Enfoque de luz
• Estilo de composición
• Textura y nivel de detalle

Incluye esta misma referencia de estilo en cada prompt de generación:

Técnica 2: una salida anterior como referencia Usa generaciones anteriores que salieron bien como referencia para tomas posteriores:

Continuidad temporal para tomas seguidas

Cuando creas tomas que se conectan una tras otra:

Técnica 1: describir el traslape Describe cómo se conecta la nueva toma con la anterior:

Técnica 2: nombrar el punto de conexión Di con claridad dónde está la conexión:

Errores comunes que conviene evitar

Error 1: uso vago de las referencias

Problema: “@Image 1 como referencia” sin decir qué aspecto referenciar

Solución: di siempre exactamente qué aporta la referencia: “@Image 1 para los rasgos faciales y la expresión del personaje, no para el fondo ni la luz”

Error 2: instrucciones contradictorias

Problema: “Escena de acción rápida con movimientos de cámara lentos y contemplativos y música ambiente tranquila”

Solución: alinea todos los elementos hacia una misma meta: el ritmo de la acción, la energía de la cámara, el tempo de la música, el ritmo del montaje

Error 3: prompts sobrecargados

Problema: subir una docena de referencias apenas distintas y escribir un prompt de 500 palabras lleno de detalles contradictorios. La guía de ByteDance es directa al respecto: no le des al modelo tu guion entero, y no agotes el cupo de assets

Solución: usa referencias menos numerosas y de mayor impacto, con prompts claros y estructurados según el marco CRAFTS

Error 4: ignorar los límites de duración

Problema: intentar meter 30 segundos de acción detallada en una generación de 15 segundos

Solución: divide las secuencias complejas en varias generaciones o simplifica la acción para que quepa en el tiempo

Error 5: pocas indicaciones de cámara

Problema: “La cámara se mueve” sin dirección concreta

Solución: usa términos cinematográficos precisos: “La cámara hace un dolly in del plano general al primer plano medio a lo largo de 5 segundos, manteniendo la perspectiva a la altura de los ojos”

Error 6: descuidar la integración del audio

Problema: tratar el audio como algo secundario o solo escribir “agregar música”

Solución: di para qué sirve el audio, y pon el sonido dentro de la toma a la que pertenece: “(ritmo que impulsa de @Audio 1 durante toda la escena). Cada corte cae en un beat.”

Error 7: calidad de referencia dispareja

Problema: mezclar fotos profesionales de alta resolución con imágenes comprimidas de baja calidad

Solución: mantén una calidad consistente en todas las referencias: no dejes que una referencia de baja calidad comprometa la generación

Error 8: dar por hecho que el modelo va a interpretar

Problema: “Haz que se vea bien” o “ya sabes a qué me refiero”

Solución: sé explícito sobre cada detalle importante: el modelo ejecuta tus instrucciones, no interpreta intenciones vagas

Guía rápida de solución de problemas

Problema: la apariencia del personaje cambia entre generaciones Solución: usa la misma imagen de referencia del personaje en cada prompt, y di de forma explícita “mantén la apariencia exacta de @Image X”

Problema: el movimiento de cámara no coincide con la referencia Solución: agrega una descripción más concreta del movimiento de cámara en el texto, y divide los movimientos complejos en etapas

Problema: el estilo no coincide con la referencia Solución: describe los elementos de estilo concretos en el texto además de la referencia: “Iguala la colorización de @Image 1: azules desaturados, alto contraste, negros aplastados”

Problema: el timing se siente mal Solución: resiste el impulso de agregar timecodes, que suele empeorar las cosas. Reduce la cantidad de tomas que pides en un clip, y dale al momento importante su propia toma.

Problema: el audio no coincide con el ambiente Solución: describe la función del audio de forma explícita en vez de solo apuntar al archivo: no “@Audio 1” sino “(tenso, que construye suspenso, de @Audio 1)”.

Problema: la voz no suena como mi audio de referencia Solución: las referencias de audio por sí solas se quedan cortas en el timbre. Describe la voz con palabras además de referenciarla: “Usa la voz grave, cálida y ligeramente rasposa de hombre de mediana edad de @Audio 1 para decir…”. También ayuda mantener el diálogo escrito cercano en tono a la grabación de referencia.

Problema: dos copias idénticas de mi personaje aparecen en un cuadro Solución: el error de los “gemelos”. Deja de usar hojas de personaje con varias vistas, usa fotos de referencia de una sola persona, nombra a cada personaje y vincúlalo con su imagen (“Ada (@Image 1) le pasa el archivo a Ben (@Image 2)”), y agrega una restricción de cierre: “En todo el video, no generes personajes duplicados ni un efecto de gemelo. Mantén solo uno de cada personaje en cuadro.”

Problema: aparecen subtítulos o una marca de agua que nunca pedí Solución: agrega las líneas de restricción (“Sin subtítulos”, “No generes una marca de agua”), quita cualquier texto de tus assets de referencia antes de subirlos, y genera en horizontal si puedes, ya que los subtítulos espurios son mucho menos comunes ahí que en vertical.

Problema: mi estilo de animación se fue de vuelta a la acción real Solución: una imagen de referencia realista arrastra la salida hacia el realismo, a menos que digas otra cosa. Nombra el estilo de forma explícita en el prompt (“estilo de animación japonesa 2D”), o convierte la imagen de referencia al estilo objetivo antes de generar a partir de ella.

Problema: un efecto descrito sale distorsionado, como una cuenta regresiva cuyos dígitos se revuelven Solución: deja de describir el efecto y muéstralo. Mete un video de referencia del efecto y apunta a él: “la forma en que aparece el número debe seguir a @Video 1.” La lógica del movimiento es una de las cosas que el modelo lee mucho mejor a partir de material que a partir de texto.

Problema: el video termina con un clic o un ruido cortado de golpe Solución: un artefacto conocido en clips con narración. Vuelve a generar, o arréglalo en tu editor aplicando un breve fundido de volumen al final de la pista de audio. Es un arreglo de 20 segundos y no vale la pena quemar una generación en él.

Problema: la imagen salta o se estira, y mi foto de referencia se ve distorsionada Solución: casi siempre es un desajuste de relación de aspecto. Si la relación de tu imagen de referencia no coincide con la relación de salida que elegiste, el modelo tiene que forzar el encaje. Recorta la imagen a tu relación objetivo antes de subirla, o pon la salida en la relación adaptativa para que siga a la referencia. Las imágenes de referencia también deben quedar dentro de una relación de aspecto de 0.4 a 2.5 y de 300 a 6000px por lado.

Conclusión

Seedance 2.0 representa un avance de fondo en la generación de video con IA gracias a su enfoque multimodal completo. Al aceptar imágenes, videos, audio y texto como entradas, les da a los profesionales un control sobre el proceso creativo hasta ahora inalcanzable: deja atrás los prompts de solo texto para pasar a una dirección real de mostrar y contar.

El lugar de Seedance 2.0 en el panorama del video con IA

La capacidad multimodal distingue a Seedance 2.0 de las plataformas rivales. Kling, Veo y Sora ofrecen capacidades impresionantes de texto a video, pero la integración de referencias directas de video y audio permite en Seedance una réplica precisa del trabajo de cámara, los patrones de movimiento y la sincronía de ritmo, que sería difícil o imposible de lograr solo con descripciones de texto. Eso posiciona a Seedance como la herramienta de elección para los profesionales que necesitan un control exacto del estilo visual, la consistencia del personaje y la ejecución cinematográfica.

La plataforma sigue evolucionando, con mejoras regulares de sus capacidades y nuevas funciones. Dominar el sistema de referencia multimodal y el marco CRAFTS te da la base para crear con ella videos cada vez más sofisticados a medida que la plataforma se desarrolla.

Puntos clave

Control multimodal: la combinación de entradas de imagen, video, audio y texto de Seedance 2.0 te permite mostrarle a la IA exactamente lo que quieres, en vez de intentar describirlo por completo con palabras. Este cambio de enfoque vuelve fáciles de lograr especificaciones que antes eran difíciles: movimientos de cámara exactos, coreografías concretas, montaje sincronizado con el beat.

Ventajas estratégicas en la comparación: frente a Kling, Veo y Sora, Seedance 2.0 ofrece capacidades propias en la integración de audio y la profundidad de la referencia de video. La subida directa de archivos de audio y el sistema de referencia permiten un control preciso del ambiente y la sincronía con el beat. La referencia de video va más allá de la transferencia de estilo, hasta la réplica total de movimiento y cámara.

El marco CRAFTS para profesionales: la metodología CRAFTS de seis partes (Contexto, Referencia, Acción, Encuadre, Secuencia, Estilo y restricciones) cubre todo lo que un prompt completo tiene que especificar. Las dos partes que la gente omite con más frecuencia son las que deciden si la generación funciona: definir el sujeto antes de referenciarlo, y cerrar el prompt con las restricciones que descartan los artefactos.

Ordena tus tomas, no las marques con tiempos: el impulso de escribir timecodes segundo a segundo es la forma más común de empeorar la salida de Seedance. Ordena tus tomas y deja que el modelo encuentre el ritmo.

La contención le gana al volumen: cuatro o cinco assets bien elegidos le ganan a una docena. Cada referencia adicional le dificulta al modelo entender qué características importan, y las rotaciones de personaje en particular causan de forma activa la deriva de identidad.

Disponible en Morphic: los creadores profesionales acceden a la familia completa de Seedance 2.0 a través de Morphic, incluidos Fast y Mini para iteración barata y el Seedance 2.0 completo para las versiones finales en 4K.

¿Listo para crear? Accede a Seedance 2.0 en Morphic →