Kenapa prompt Seedance 2.0 Anda terus di-flag (dan apa yang bisa dilakukan)

Memahami sistem input Seedance 2.0

Sebelum apa pun, ada baiknya memahami persis apa yang bisa diterima Seedance 2.0 dan di mana kebanyakan orang salah langkah bahkan sebelum menulis prompt.

• Gambar: Hingga 9. Dipakai sebagai frame pembuka, referensi karakter, lingkungan adegan, atau jangkar gaya.
• Klip video: Hingga 3 klip, total durasi tidak lebih dari 15 detik. Dipakai untuk merujuk gerakan kamera, meniru gerakan, atau sebagai footage sumber untuk memperpanjang atau mengedit.
• File audio: Hingga 3 file, total durasi tidak lebih dari 15 detik. Dipakai untuk musik latar, sound design, atau referensi nada voiceover.
• Teks: Prompt Anda, dalam bahasa alami.

Tidak ada batas gabungan file lintas jenis input, jadi tidak ada yang menghalangi Anda melampirkan sembilan gambar. Kuncinya adalah menahan diri: ByteDance merekomendasikan total 4 sampai 5 aset, dan memperingatkan bahwa memakai seluruh jatah justru membuat model lebih sulit menentukan fitur mana yang penting, sehingga muncul konflik gaya dan identifikasi subjek yang kabur. Turunkan prioritas audio dan referensi visual sekunder lebih dulu, karena keduanya paling mudah dijelaskan dengan kata-kata. Simpan unggahan untuk hal yang benar-benar tidak bisa dituliskan: wajah tertentu, gerakan kamera yang persis, koreografi khusus.

Dua batasan yang sering menjebak orang: setiap klip referensi (video atau audio) harus minimal 2 detik, dan teks plus audio saja tidak akan menghasilkan generasi. Audio selalu butuh referensi visual di sampingnya.

Alasan sebenarnya prompt Anda di-flag

Kebanyakan orang mengira prompt yang di-flag mengandung kata atau frasa tertentu yang memicu filter. Anggapan itu menyeret ke lingkaran tak berujung: mengganti-ganti kata, menambahkan disclaimer, atau memangkas prompt habis-habisan. Tidak satu pun yang benar-benar menyelesaikannya.

Content filter Seedance 2.0 tidak bekerja seperti itu. Ia memakai language model untuk membaca seluruh prompt Anda sebagai satu adegan dan menilai apa yang direpresentasikan adegan itu. Yang dievaluasi adalah niat dan konteks, bukan memindai istilah satu per satu.

Bayangkan seperti satpam di studio film versus satpam di bank. Pistol properti yang sama lolos begitu saja lewat gerbang studio tanpa dipikir dua kali, karena konteksnya membuat tujuannya jelas. Di bank, ceritanya sama sekali berbeda. Objeknya tidak berubah. Konteksnya yang berubah.

Artinya dalam praktik: sebuah kata yang tampak sensitif jika berdiri sendiri bisa duduk nyaman di dalam prompt sinematik yang tersusun rapi tanpa masalah sedikit pun. Filter membaca gambaran utuhnya. Prompt tanpa gambaran untuk dibaca, tanpa latar, tanpa tujuan visual, tanpa logika naratif, tidak memberi filter apa pun untuk diolah. Ketika filter tidak bisa dengan yakin menafsirkan apa yang sedang dibuat, ia bermain aman.

Itulah inti dari hampir setiap prompt yang di-flag padahal seharusnya tidak. Bukan konten buruk. Bukan ide buruk. Hanya prompt yang tidak memberi filter cukup bahan untuk dipahami.

Pergeseran praktisnya begini: prompt yang terbaca seperti sineas menjelaskan sebuah shot cenderung lolos. Prompt yang terbaca seperti catatan untuk teman cenderung di-flag.

Satu kategori adalah blokir keras, bukan flag yang bisa diperbaiki. Dua jenis konten ditolak di tahap pemindaian gambar bahkan sebelum prompt dibaca, dan pembingkaian sinematik secanggih apa pun tidak akan meloloskannya:

• Wajah asli orang yang bisa dikenali: selebritas, politikus, dan tokoh publik
• Karakter berhak cipta yang bernama: superhero bermerek, karakter Disney, IP fiksi yang mudah dikenali

Kalau generasi Anda gagal pada foto orang asli yang Anda unggah, itu batasan tingkat platform, bukan masalah prompt.

Cara menulis prompt yang dibaca filter sebagai jelas-jelas kreatif

[Filter] Bingkai seluruh adegan, bukan sekadar aksinya

Struktur paling umum pada prompt yang di-flag adalah satu aksi tunggal tanpa konteks di sekelilingnya. Sesuatu terjadi, tapi tidak ada lokasi, tidak ada atmosfer visual, tidak ada alasan kamera berada di sana. Filter tidak bisa membedakan apakah ini set film atau sesuatu yang lain.

Solusinya bukan menghapus aksinya. Solusinya adalah membangun adegan di sekelilingnya sampai niatnya terlihat jelas dengan sendirinya.

Aksinya identik. Yang pertama memberi filter satu hal untuk dievaluasi. Yang kedua memberinya konteks perang, periode sejarah, posisi kamera, dan atmosfer visual yang utuh. Yang satu terbaca seperti laporan. Yang lain seperti brief film.

Bangun keluar dari aksinya dan jawab empat pertanyaan ini di prompt Anda:

• Di mana ini terjadi?
• Seperti apa tampilannya secara visual?
• Kamera sedang melakukan apa?
• Seperti apa atmosfer keseluruhannya?

Jawab keempatnya dan sebagian besar masalah flag akan hilang dengan sendirinya.

[Prompt] Perlakukan prompt Anda sebagai rangkaian fakta visual, bukan cerita

Salah satu penyebab flag yang kurang kentara adalah teks prompt yang terbaca secara emosional atau naratif alih-alih visual. Elemen-elemen ini menambah kebisingan tafsir yang harus disiasati model:

• Motivasi karakter
• Latar belakang dramatis
• Konteks hubungan
• Penjelasan emosional

Filter peduli pada apa yang akan dilihat kamera jika adegan ini nyata. Ia tidak perlu tahu kenapa.

Sebuah skenario punya dua bagian: deskripsi adegan dan subteks. Seedance 2.0 hanya butuh deskripsi adegan. Arus emosi di bawah permukaan, latar belakang, alasan karakter itu berlari. Itu subteks. Tempatnya di kepala penulis, bukan di prompt.

Sebelum memasukkan kalimat apa pun ke prompt, tanyakan satu hal: kalau ini syuting film sungguhan, apakah kalimat ini akan muncul di shot list? Kalau tidak, hampir pasti ia tidak layak masuk prompt.

Disiplin ini juga meningkatkan kualitas generasi secara signifikan. Model mengeksekusi apa yang bisa dilihatnya, bukan apa yang bisa disimpulkannya. Prompt yang padat, spesifik, dan visual hampir selalu mengungguli prompt yang panjang dan naratif.

Untuk rangkaian multi-shot, beri prompt sebuah struktur. Bentuk yang direkomendasikan ByteDance adalah storyboard shot demi shot dalam prosa polos: tetapkan register visual sekali, lalu ambil tiap shot secara bergiliran sebagai gerakan kamera, aksi subjek, posisi, suara.

Visual register (applies throughout): soft overcast light, diffused shadows, no hard edges.
Muted naturals, cold whites, desaturated tones. 35mm grain, anamorphic lens, soft halation
on highlights. Quiet, isolated, expansive.

Shot 1: Locked-off wide shot, low angle. A lone rider on horseback crests a snowfield ridge.
Shot 2: Tracking shot from behind, handheld feel. Horse and rider gallop through deep snow,
        the rider's cloak whipping in the wind.
Shot 3: Static wide, fully locked off. An empty snowfield. A wolf stands motionless on a
        distant ridge.

Keep it subtitle-free. Do not generate a watermark.

Menetapkan register visual sekali di awal menyetel nada sinematik untuk seluruh rangkaian. Tiap shot lalu cukup menjelaskan apa yang dilihat kamera pada momen itu.

Jangan beri tiap shot sebuah durasi. Menggiurkan memang menulis "duration": "3 seconds" di tiap beat, dan itu cara paling umum orang memperburuk hasilnya sendiri. Penanganan timing presisi oleh Seedance tidak stabil, dan mematok segmen ke jumlah detik tetap justru bisa merusak generasi alih-alih mengetatkannya. Urutkan shot-nya dan biarkan model menemukan temponya.

[Prompt] Pakai bahasa produksi untuk menetapkan jenis konten ini

Ada pola yang bisa diandalkan dan layak diketahui: prompt yang memuat kosakata produksi film cenderung dievaluasi dengan kelonggaran jauh lebih besar dibanding prompt yang ditulis dalam bahasa biasa.

Alasannya sederhana. Ketika prompt memuat jenis shot, spek lensa, penataan cahaya, dan rasio aspek, model menafsirkannya sebagai brief produksi. Produksi film boleh menggambarkan materi yang dramatis, intens, dan kompleks secara moral. Konteks itu menggeser cara filter menimbang isinya.

Cara kerjanya sedikit seperti memakai helm proyek di lokasi konstruksi. Helm itu tidak mengubah apa yang Anda lakukan, tapi ia langsung menandakan ke semua orang di sekitar seperti apa lingkungan ini dan apa aturannya. Dua atau tiga istilah produksi dalam prompt melakukan hal yang sama: mereka menetapkan register sebelum filter mengevaluasi apa pun.

Ini bukan berarti menjejali tiap prompt dengan jargon teknis. Ini berarti memasukkan cukup bahasa produksi agar pembingkaiannya tidak ambigu. Berikut daftar rujukan yang dikelompokkan per kategori:

Jenis shot

• Wide shot, medium shot, close-up, extreme close-up
• Over-the-shoulder, POV, bird's-eye view, two-shot
• Low angle, high angle, Dutch angle

Gerakan kamera

• Dolly in / dolly out
• Tracking shot, pan, tilt, crane shot
• Locked off, low-angle push, circling shot, handheld

Lensa dan format

• 35mm grain, anamorphic lens, rasio aspek 2.39:1, 1.85:1
• Vintage glass, soft halation, shallow depth of field
• Lens flare, rack focus

Ini istilah deskriptif untuk tampilan, bukan pengaturan output. Menulis "2.39:1" di prompt memberi tahu model jenis gambar yang Anda mau; rasio yang benar-benar Anda pilih di pengaturan adalah 21:9, yaitu format scope terdekat yang dihasilkan Seedance.

Pencahayaan

• Overcast diffused light, volumetric rays through haze
• Practical lighting, side backlight, motivated shadow
• Golden hour, hard directional light, rim light

Warna dan tone

• Muted desaturated palette, high contrast, bleach bypass
• Cold blue tones, warm amber, crushed blacks
• Washed-out highlights, flat low-contrast grade

Menambahkan dua atau tiga istilah dari kategori mana pun ke prompt sudah menetapkan konteks produksi dengan jelas. Sering kali cuma itu yang dibutuhkan.

Kenapa prompt Anda di-flag padahal tidak ada konten sensitif

Kadang generasi di-flag padahal tidak ada yang sedikit pun sensitif dalam prompt. Tidak ada aksi, tidak ada drama, tidak ada materi yang sulit. Hanya adegan yang seharusnya benar-benar aman.

Ini terjadi saat prompt terlalu tipis. Deskripsi pendek dan polos tanpa pembingkaian sinematik, konteks adegan, atau kekhususan visual memberi filter gambaran yang tidak lengkap. Ibarat mengirim seseorang satu kalimat dari tengah naskah tanpa halaman judul, tanpa heading adegan, tanpa arahan panggung. Mereka tidak bisa tahu apakah ini thriller, komedi, atau sesuatu yang lain. Gambaran yang tidak lengkap tidak disetujui, ia ditahan.

Objek sama, pembacaan sepenuhnya berbeda. Yang pertama memberi filter satu objek dan satu aksi. Yang kedua memberinya lingkungan, tujuan, konteks produksi, dan deskripsi kamera.

Perbaikannya lugas. Bahkan adegan sederhana pun terbantu oleh tambahan ini:

• Latar dan periode waktu yang spesifik
• Deskriptor atmosfer atau suasana
• Posisi kamera atau jenis shot
• Satu atau dua istilah bahasa produksi untuk menetapkan konteks

Sistem referensi @: kenapa unggahan gagal secara diam-diam

Sejumlah besar masalah Seedance 2.0 sama sekali bukan soal filter. Itu masalah referensi. Pengguna mengunggah gambar dan klip video berharap model paham fungsi tiap file, padahal model tidak mengasumsikan apa pun.

Mengunggah video tidak lantas menjadikannya referensi kamera. Mengunggah gambar tidak lantas menjadikannya frame pembuka. Bayangkan seperti menyerahkan setumpuk foto tanpa label ke seorang sutradara di lokasi. Mereka bisa melihat isi tiap foto, tapi sama sekali tidak tahu mana yang Anda inginkan sebagai frame pembuka, mana yang referensi kostum, dan mana yang cuma inspirasi latar. Tanpa label, mereka menebak. Seedance 2.0 tidak beda. Tiap file yang diunggah butuh peran eksplisit yang dinyatakan di prompt lewat tag @, atau ia diproses secara ambigu.

Aktifkan tag @ dengan mengetik @ di kolom prompt (pemilih referensi akan muncul) atau dengan mengklik ikon @ di toolbar. Lalu nyatakan persis fungsi tiap file sebelum menjelaskan aksinya.

Saat memakai beberapa referensi, daftarkan setiap penugasan peran di bagian atas prompt sebelum deskripsi adegan apa pun. Tag @ mana pun tanpa peran eksplisit adalah salah satu penyebab paling andal untuk output yang tidak konsisten atau tak terduga.

Bagaimana Seedance 2.0 membaca unggahan gambar (dan di mana ia mentok)

[Gambar] Saat Anda mengunggah gambar karakter, biarkan ia bekerja

Ada godaan alami, saat mengunggah gambar referensi karakter, untuk ikut menjelaskan karakter itu di prompt juga. Tahan godaan itu. Gambar sudah melakukan pekerjaan itu. Mengulanginya dalam teks tidak memperkuat output. Ia justru menambah lapisan informasi kedua yang saling bersaing dan harus didamaikan model.

Yang perlu dilakukan prompt adalah menjelaskan adegan dengan jelas:

• Apa yang terjadi di shot
• Bagaimana kamera diposisikan
• Seperti apa lingkungannya
• Bagaimana shot bergerak

Gambar menangani tampilan. Prompt menangani segala yang dilihat kamera.

Di sinilah flag juga menjadi masalah gambar. Seedance 2.0 menerapkan evaluasi lebih ketat pada prompt mana pun yang karakternya mungkin terbaca sebagai anak di bawah umur. Kata yang menandakan usia muda ("child", "kid", "young", "boy", "girl") memicu pengawasan berlipat pada seluruh prompt, bukan hanya frasa tempat kata itu muncul, dan tanpa peduli apa yang ditunjukkan gambar yang diunggah.

Pendekatan yang lebih bersih adalah menjelaskan karakter lewat perannya dalam adegan. Gambar menangani segala hal tentang siapa mereka. Prompt menangani apa yang terjadi dan apa yang dilihat kamera.

Kata "young" pada versi pertama menaikkan ambang sensitivitas untuk seluruh prompt. Versi kedua membiarkan gambar yang diunggah membawa identitas karakter. Prompt hanya menjelaskan apa yang dilihat kamera.

[Gambar] Di-flag bahkan sebelum Anda mengirim? Gambarnya sendiri yang jadi masalah

Ada lapisan evaluasi gambar di Seedance 2.0 yang berjalan independen dari filter prompt. Kalau gambar yang diunggah memuat wajah yang jelas terlihat, itu bisa memicu penolakan sebelum model memproses teks sama sekali. Ini menjelaskan pola di mana menulis ulang prompt berkali-kali tidak membuat perbedaan. Prompt-nya memang tidak dibaca.

Cara menyiasatinya:

• Wajah membelakangi kamera. Bingkai subjek dari belakang atau pada sudut di mana fitur wajah tidak terlihat. Pakaian, postur, rambut, dan lingkungan membawa cukup informasi untuk sebagian besar keperluan referensi.
• Ambil lebih lebar. Tarik shot cukup lebar sehingga figur terbaca sebagai siluet atau elemen kecil dalam frame, bukan subjek dominan.
• Pakai ilustrasi daripada fotografi. Ganti referensi fotografis dengan yang berupa ilustrasi atau bergaya. Evaluasinya berlaku berbeda dan gambar ilustrasi lolos lebih andal.
• Geser tujuan referensi. Pakai gambar untuk pakaian, latar, palet warna, atau komposisi ruang, bukan untuk wajah atau identitas.

Kalau generasi terus gagal tanpa penjelasan jelas dari sisi prompt, sesuaikan gambarnya sebelum menulis ulang teks apa pun.

Teknik lanjutan yang layak diketahui

[Lanjutan] Memperpanjang footage yang sudah ada

Sebutkan arah yang Anda inginkan, lalu jelaskan isi segmen baru itu. Perpanjangan bekerja dua arah: Anda bisa menghasilkan apa yang terjadi setelah sebuah klip, dan apa yang terjadi sebelumnya.

Generate the content after @Video 1. [Description of the new segment.]

Extend @Video 1 backward. [Description of what leads into it.]

Jangan menulis "reference @Video 1" di sini. Ini tugas editing, bukan tugas referensi, dan kata reference mendorong model mengklasifikasikannya sebagai referensi, sehingga alih-alih melanjutkan klip Anda, ia menghasilkan video baru yang sekadar mirip. Rujuk klip itu secara polos sebagai @Video 1.

Footage aslinya tidak di-generate ulang, jadi bagian yang sudah Anda sukai tetap utuh. Dua hal yang perlu diantisipasi: sambungannya bisa memperlihatkan loncatan kecil (perbaiki di editor dengan memotong sekitar enam frame di ujung klip yang keluar dan satu frame di awal klip yang masuk), dan kualitasnya menurun jika Anda merantai perpanjangan berulang kali, muncul pertama kali sebagai warna belang pada wajah. Jaga agar rantainya pendek.

[Lanjutan] Menjembatani dua klip dengan bagian tengah hasil generasi

Generate a connecting scene between @Video 1 and @Video 2. The transition shows [describe the action, environment, or movement that links the two clips].

Segmen hasil generasi akan disisipkan di antara dua klip yang diunggah, jadi jelaskan seolah ia adegan pendek tersendiri.

[Lanjutan] Menyalin gaya kamera dari klip referensi

Unggah klip apa pun dengan gaya gerakan yang Anda inginkan dan sebutkan langsung:

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

Kata "reference" tepat di sini, karena ini memang benar-benar tugas referensi: Anda membuat video baru yang meminjam gaya kamera. Hilangkan kata itu hanya saat Anda mengedit atau memperpanjang klip yang diunggah itu sendiri.

Model menarik ritme gerakan, logika pembingkaian, dan tempo transisi dari klip referensi. Nama teknik yang presisi membantu tapi tidak wajib. Namun, batasi tiap shot pada satu gerakan kamera: menumpuk push, orbit, dan pan ke dalam satu shot adalah cara yang andal untuk membuat gambar goyah.

[Lanjutan] Menyinkronkan potongan ke musik

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

Seedance 2.0 bisa menyinkronkan potongan, perubahan cahaya, dan transisi adegan ke ritme track audio yang diunggah. Jelaskan sinkronisasinya dalam ketukan, bukan detik. Penanganan timecode presisi oleh model ("cut at the 6-second mark") tidak stabil, dan mematok peristiwa ke jumlah detik yang persis bisa menurunkan output alih-alih mengetatkannya. Tulis tiap potongan sebagai shot tersendiri dan biarkan ketukan membawa timing-nya.

[Lanjutan] Memakai audio dari klip video yang sudah ada

Tidak perlu unggahan audio terpisah jika klip yang sudah Anda rujuk sudah memuat audio yang Anda inginkan:

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

[Lanjutan] Kata pembatas: mencoret artefak yang tak seorang pun minta

Terpisah dari content filter, ada kelas kegagalan di mana generasi berhasil tapi output memuat sesuatu yang tak pernah Anda minta: subtitle yang terbakar di frame, logo nyasar, watermark platform lain. Panduan ByteDance sendiri menyarankan menutup prompt dengan kalimat pembatas eksplisit:

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

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

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

Realistislah soal apa yang bisa dibeli ini. Baris pembatas menurunkan kemungkinan subtitle dan watermark nyasar. Ia tidak menghapusnya. Dua hal lebih membantu daripada kata-katanya:

• Buang teks dari aset referensi Anda sebelum mengunggah. Kalau gambar atau klip referensi memuat teks yang tidak Anda butuhkan, hapus dulu. Teks di input adalah cara paling andal untuk memunculkan teks di output.
• Generate dalam mode lanskap kalau bisa. Subtitle liar muncul jauh lebih jarang di lanskap daripada di potret. Kalau produk akhirnya vertikal, sering kali sepadan untuk generate 16:9 lalu memotongnya belakangan.

Jaga agar pembatas tetap pendek dan terkait dengan kegagalan yang benar-benar Anda lihat. Daftar panjang dan umum berisi semua yang bisa salah cenderung terencerkan atau diabaikan.

[Komunitas] Satu hal yang sedang dieksperimenkan orang

Sebagian pengguna melaporkan tingkat kelolosan yang lebih baik dengan menulis deskripsi adegan mereka dalam bahasa Mandarin sambil menjaga dialog atau teks di layar tetap dalam bahasa Inggris. Alasannya, Seedance 2.0 awalnya dikembangkan dengan pelatihan bahasa Mandarin yang kuat, sehingga prompt yang ditulis dalam bahasa Mandarin mungkin ditafsirkan dengan ambang filter yang sedikit berbeda.

Ini bukan perbaikan yang dijamin dan hasilnya bervariasi, tapi kalau prompt yang tersusun rapi terus di-flag meski pembingkaian sinematiknya solid, ini hal berbiaya rendah untuk dicoba. Jalankan deskripsi adegan Anda lewat penerjemah apa pun, biarkan baris dialog tetap dalam bahasa Inggris, dan lihat apakah output-nya berbeda.

Satu biaya terdokumentasi untuk ditimbang. Panduan ByteDance tegas bahwa mencampur bahasa Mandarin dan Inggris dalam satu prompt sebaiknya dihindari, kecuali nama diri, dan bahwa bahasa dialog khususnya harus konsisten. Jadi deskripsi adegan Mandarin dengan dialog Inggris justru persis campuran yang diperingatkan pemilik model, dan harganya cenderung muncul sebagai pelafalan yang memburuk pada baris yang diucapkan. Kalau video Anda tanpa dialog, risikonya rendah. Kalau ada, uji dulu sebelum mengandalkannya.

Sebelum Anda generate: checklist singkat

• Apakah saya memakai mode All-in-One Reference? (Wajib setiap kali Anda mencampur jenis input)
• Apakah tiap tag @ punya peran yang dinyatakan eksplisit di prompt?
• Apakah prompt menjelaskan adegan visual, bukan narasi atau latar belakang?
• Sudahkah saya memasukkan minimal satu elemen bahasa produksi: jenis shot, gerakan kamera, atau deskripsi cahaya?
• Apakah tiap kalimat menjelaskan apa yang dilihat kamera atau menetapkan konteks sinematik?
• Apakah prompt merujuk karakter berdasarkan peran, bukan usia?
• Apakah gambar referensi saya bebas dari wajah menonjol, atau dipotong/berupa ilustrasi?
• Apakah gambar referensi saya bebas dari orang asli yang bisa dikenali atau karakter berhak cipta yang bernama?
• Apakah saya memakai referensi sesedikit yang benar-benar dibutuhkan shot? (4 sampai 5 adalah rentang yang direkomendasikan; tidak ada batas gabungan, tapi memakai seluruh jatah menurunkan hasil)
• Apakah shot saya diurutkan (Shot 1, Shot 2) alih-alih diberi cap waktu?
• Sudahkah saya menutup prompt dengan pembatas? ("Keep it subtitle-free. Do not generate a watermark.")