Guía de prompts de Seedance 2.5: estructura, ejemplos y clips reales

Un prompt de Seedance 2.5 se escribe en el orden de ByteDance: sujeto, acción, escena, estilo, cámara y sonido. Cada plano se marca con una marca de tiempo o una línea "Shot N", y los diálogos van entre comillas dobles. Ejecutamos seis prompts en 720P el 26 de octubre de 2026: el corte cronometrado, el diálogo y el texto del cartel salieron tal como estaban escritos.

La estructura de un prompt de Seedance 2.5

El tutorial de ByteDance ordena el prompt así: sujeto, acción o evento, escena, estilo visual, cámara y cortes de plano, y por último sonido; las partes que no hacen falta se pueden omitir. Su guía de prompts lo resume en sujeto + lugar + evento + género/estilo + movimiento de cámara. Lo demás que ByteDance confirmó para 2.5, como clips de 30 segundos y hasta 50 archivos de referencia, está en la reseña de Seedance 2.5.

• Cronometra el clip con marcas de tiempo en segundos enteros y sin huecos, como "0s-2s" y luego "2s-5s", o con líneas "Shot N". Los puntos concretos ("en el segundo 2") y los tiempos relativos ("3 segundos después") también sirven. No cronometres acciones rápidas y repetidas, como una cabeza que niega tres veces por segundo.
• Seedance 2.0 ignora las marcas de tiempo y solo sigue el número de plano, así que usa "Shot N" si el prompt tiene que servir en los dos modelos.
• Describe lo que quieres ver. ByteDance admite restricciones negativas solo para subtítulos y audio, como "No subtitles" y "No BGM".
• Pon los diálogos entre comillas dobles. El texto del cartel también lo pusimos entre comillas y salió exacto.
• ByteDance recomienda como máximo 500 caracteres en chino o 1,000 palabras en inglés, porque el texto largo dispersa el detalle. No hay un límite duro publicado.
• El tutorial enumera 11 idiomas de prompt: chino, inglés, español, indonesio, malayo, tailandés, árabe, portugués, vietnamita, japonés y coreano.

El tutorial también marca las capas de audio con corchetes: () para la música, <> para los efectos, {} para el diálogo y 【】 para los subtítulos. Esos corchetes no los probamos.

Cómo hicimos los clips

• Modelo dreamina-seedance-2-5-260628 a través de la API de medios asíncrona de OmniaKey el 26 de octubre de 2026 (hora de Pekín), con duration 5, resolution 720P y generate_audio true en todos los clips. Los clips 1–4 y 6 usaron text_to_video en 16:9; el clip 5 usó image_to_video en adaptive con una imagen fija de Nano Banana 2.1 como primer fotograma.
• Las seis tareas salieron a la primera: MP4, H.264, 24 fps, 5.04 s, AAC mono. Los clips 1–4 y 6 son 1280×720; el clip 5 volvió a 1286×716, la forma de la imagen fija.
• La generación tardó de 153.6 s a 252.0 s por clip (clip 1 154.5 s, 2 153.6 s, 3 246.3 s, 4 252.0 s, 5 155.6 s, 6 198.0 s).
• Sacamos fotogramas en momentos fijos y los miramos a tamaño completo, pasamos un detector de cambios de plano por cada clip y revisamos cada pista de sonido con dos modelos de audio de Gemini y un espectrograma. Cada afirmación sobre el sonido que aparece abajo es una en la que coincidieron esas comprobaciones.
• OmniaKey vende acceso a la API de Seedance 2.5, así que ejecutamos los clips a través de ella. Los precios de abajo son los de lista de BytePlus.
• Fuentes: la guía de prompts de Seedance 2.5 de ByteDance, el tutorial de Seedance 2.5, la referencia de la API para crear tareas de vídeo y la página de precios de modelos, revisados el 25 de octubre de 2026.

Ejecutamos cada prompt una vez, así que cada resultado es una sola muestra.

Seis prompts con clips reales

1. Una sola frase: sujeto, lugar, acción, estilo, cámara

El clip 1 condensa toda la fórmula en una frase.

A golden retriever puppy chases a red ball across a sunlit backyard lawn, warm home-video style, low tracking shot that follows the puppy.

En español: un cachorro de golden retriever persigue una pelota roja por el césped de un jardín al sol, con aspecto de vídeo casero cálido y un plano de seguimiento bajo que va detrás del cachorro.

Ajustes: text_to_video, 16:9, 720P, 5 s, audio activado.

Resultado: el sujeto y el lugar coinciden; el aspecto y el movimiento de cámara cambiaron.

• El cachorro, la pelota roja y el césped al sol están, además de una valla de madera y una silla de jardín, filmados desde una cámara baja. El aspecto es metraje pulido de hora dorada, no vídeo casero.
• El cachorro trota hacia la cámara detrás de la pelota que rueda, y la cámara retrocede delante de él.
• Sonido: una base instrumental alegre que el prompt no pedía.

Qué cambiar:

• Añade una línea de sonido con "No BGM". Los cuatro clips de abajo que la llevaban solo tienen efectos y voz.
• Para seguir desde atrás, prueba "the camera follows behind the puppy at ground level".

2. Marcas de tiempo dentro de un plano

El clip 2 divide dos tiempos dentro de un plano continuo.

Commercial product video, warm studio lighting. A barista's hand pours steamed milk into a white ceramic cup of espresso on a dark walnut counter.

0s-2s: Side close-up. The milk stream falls into the espresso and a white heart shape starts to form on the surface.

2s-5s: The pour ends. The camera slowly pushes in from above as the finished latte art settles and a thin wisp of steam rises.

Sound: soft pouring and a quiet café murmur. No BGM. No subtitles.

En español: en los primeros 0s-2s, un primer plano lateral muestra la mano de un barista que vierte leche vaporizada en el espresso y en la crema empieza a formarse un corazón blanco. En los 2s-5s el vertido termina y la cámara se acerca despacio desde arriba al latte art ya terminado mientras sube un hilo de vapor. El sonido es el vertido y el murmullo de un café, sin música ni subtítulos.

Ajustes: text_to_video, 16:9, 720P, 5 s, audio activado.

Resultado: los dos tiempos ocurrieron, con un segundo de retraso y desde un ángulo más alto.

• Una mano vierte leche de una jarra de acero en una taza blanca sobre madera oscura, y el remolino se convierte en un corazón.
• La vista es desde arriba y en ángulo, donde el prompt pedía un primer plano lateral. El vertido acaba hacia los 3 s, un segundo después de la marca de 2 s, y luego la cámara mira el corazón terminado desde arriba.
• Los fotogramas no muestran vapor. Sonido: vertido, sin música.

Qué cambiar:

• Da al ángulo su propia frase en cada tramo: "Camera at cup height, side view."
• Deja un segundo de margen, porque aquí "0s-2s" llegó hasta unos tres segundos.

3. Un movimiento de cámara con nombre: la órbita

El clip 3 da a la cámara un solo movimiento con nombre, una órbita de 180 grados.

A street dancer in a white hoodie does a fast spin and a freeze on the top floor of an empty concrete parking garage at sunset. During the move, the camera orbits 180 degrees around the dancer at chest height, keeping the dancer centered. Warm orange backlight, long shadows, cinematic look. Sound: sneakers squeaking on concrete and distant traffic.

En español: al atardecer, en la planta superior de un aparcamiento de hormigón vacío, una persona con sudadera blanca gira rápido y se queda quieta. Mientras dura el movimiento, la cámara orbita 180 grados alrededor de esa persona a la altura del pecho y la mantiene en el centro del encuadre. Luz cálida naranja a contraluz, sombras largas y aspecto cinematográfico; el sonido son las zapatillas chirriando en el hormigón y el tráfico lejano.

Ajustes: text_to_video, 16:9, 720P, 5 s, audio activado.

Resultado: la órbita y la luz coinciden; la distancia y el lugar cambiaron.

• Una persona con sudadera de color crema gira y termina en una pausa baja con una mano en el suelo, en silueta contra el sol que se pone y con sombras largas.
• El aparcamiento tiene techo de hormigón: es una planta cubierta, donde el prompt pedía la azotea abierta.
• La cámara se mueve alrededor de la persona, así que el fondo pasa del muro del aparcamiento al lado abierto con la puesta de sol y la ciudad. También se aleja hasta un plano general de cuerpo entero, así que la figura cambia de tamaño.
• Sonido: sin música. Los dos modelos de audio oyeron efectos distintos, así que el chirrido de las zapatillas y el tráfico quedan sin confirmar.

Qué cambiar:

• Para mantener fija la distancia, prueba "the camera keeps the same distance as it orbits".
• Para una azotea abierta, prueba "open sky above, no ceiling".

4. Un diálogo y el texto de un cartel entre comillas

El clip 4 prueba un diálogo y un precio entre comillas.

A small neighborhood bakery at 7 a.m. Medium close-up of a smiling baker in a flour-dusted apron behind the counter. A chalkboard behind the counter reads "SOURDOUGH $6" in white chalk. The baker looks into the camera and says: "Fresh sourdough just came out of the oven." Then the baker lifts a round loaf toward the camera. Warm window light, realistic. Sound: the baker's voice, the crackle of the crust and quiet street noise outside. No BGM. No subtitles.

En español: una panadería pequeña de barrio a las 7 de la mañana. Primer plano medio de un panadero sonriente con delantal enharinado tras el mostrador. Una pizarra detrás del mostrador dice "SOURDOUGH $6" en tiza blanca. El panadero mira a cámara y dice "Fresh sourdough just came out of the oven." (el pan de masa madre acaba de salir del horno). Luego levanta una hogaza redonda hacia la cámara.

Ajustes: text_to_video, 16:9, 720P, 5 s, audio activado.

Resultado: el diálogo, el cartel y el orden de las acciones coinciden con el prompt.

• Un hombre sonriente con camiseta blanca y delantal beige está detrás del mostrador, y la pizarra dice exactamente "SOURDOUGH $6".
• Dice "Fresh sourdough just came out of the oven." con la boca en movimiento y después sostiene una hogaza grande con cortes hacia la cámara, en el orden que daba el prompt.
• Falta la harina en el delantal. Sonido: el diálogo, sin música y sin subtítulos en pantalla.

Qué cambiar:

• Para palabras largas o poco habituales en un cartel, la guía de ByteDance dice que se deletreen letra por letra o que se dé el texto como imagen.
• Mantén un diálogo por cada pocos segundos de clip.

5. Imagen a vídeo: deja el aspecto a la imagen fija

El clip 5 arranca de una imagen fija, así que el prompt solo tiene que llevar movimiento, cámara y sonido. El primer fotograma es una imagen fija que hicimos con Nano Banana 2.1 en 16:9 y 2K a partir del prompt "A white paper airplane resting on a wooden desk next to an open window, soft morning light, a city skyline softly blurred outside, realistic photo."

The paper airplane lifts off the desk, glides out through the open window and drifts over the city. The camera follows it to the window and stops at the sill. Sound: a gentle breeze and distant birds. No BGM.

En español: el avión de papel despega de la mesa, se desliza por la ventana abierta y planea sobre la ciudad. La cámara lo sigue hasta la ventana y se detiene en el alféizar. El sonido es una brisa suave y pájaros lejanos, sin música.

Ajustes: image_to_video, adaptive, 720P, 5 s, audio activado.

Resultado: la imagen fija puso el aspecto y el prompt puso el movimiento.

• El clip abre con el encuadre exacto de la imagen fija y conserva su aspecto. Cada paso del prompt ocurre, en orden: el avión despega, sale por la ventana y se hace pequeño en el cielo sobre los tejados.
• La cámara sube hasta la ventana y se detiene con el alféizar en la parte baja del encuadre.
• Sonido: sin música. El espectrograma muestra chirridos cortos y repetidos después del primer segundo.

Qué mantener:

• Describe solo movimiento, cámara y sonido, porque el aspecto ya viene de la imagen fija.
• Crea la imagen fija con la forma que quieres para el vídeo, porque adaptive conserva la forma de la imagen.

6. Dos planos y un corte cronometrado

El clip 6 es la prueba de varios planos: dos líneas "Shot N" y un corte a los 2 s.

Cinematic short film, a lighthouse on a rocky coast at dusk.

Shot 1 (0s-2s): Extreme wide shot from the sea. Waves crash against the rocks and the lighthouse stands dark against an orange sky.

Shot 2 (2s-5s): Cut to a close-up inside the lantern room. A keeper's weathered hands turn a brass switch, and the big glass lens begins to glow and rotate, casting a beam across the window.

Sound: waves and wind, then a low mechanical hum when the lamp starts. No BGM. No subtitles.

En español: un faro en una costa rocosa al anochecer. Shot 1 (0s-2s) es un plano general extremo desde el mar: las olas rompen contra las rocas y el faro se recorta oscuro sobre un cielo naranja. Shot 2 (2s-5s) corta a un primer plano dentro de la sala de la linterna: unas manos curtidas de farero giran un interruptor de latón y la gran lente de cristal empieza a brillar y a girar, lanzando un haz por la ventana. El sonido es olas y viento, y luego un zumbido mecánico grave cuando se enciende la lámpara.

Ajustes: text_to_video, 16:9, 720P, 5 s, audio activado.

Resultado: los dos planos y el corte salieron, con un fallo de continuidad.

• El detector encontró el corte en 2.29 s. Shot 1 es una vista general desde el mar al anochecer: acantilados oscuros, olas grandes rompiendo y el faro en silueta oscura sobre un cielo naranja rosado.
• Shot 2 es un primer plano de una mano curtida sobre un mango de latón frente a una gran lente de cristal estriada, que al principio está oscura y al final brilla cálida y luminosa.
• Sonido: sin música. El ruido constante de Shot 1 se detiene en el corte y Shot 2 tiene un clic y un zumbido creciente.
• Un fallo de continuidad: la lámpara de la parte superior del faro ya está encendida en Shot 1.

Qué cambiar:

• Di el estado que quieres en Shot 1 en positivo: "the lamp at the top is dark".

Fallos frecuentes y cómo arreglarlos

La guía de prompts de ByteDance termina con una lista de problemas conocidos y soluciones. Estos son los que un prompt puede arreglar, más uno de nuestros clips.

Cuánto cuesta un clip

BytePlus cobra Seedance 2.5 por token. Los tokens de un clip son (duración del vídeo de entrada + duración de salida) × ancho × alto × fotogramas por segundo / 1024, y la página de precios de modelos cobra $10.70 por millón de tokens en 480p y 720p, y $11.70 en 1080p.

Estos son los ejemplos que calcula BytePlus, revisados el 25 de octubre de 2026. A ese precio de lista, nuestros seis clips en 720P costarían $6.94 (6 × $1.156), y BytePlus solo cobra las generaciones correctas. Para ver cómo se compara Seedance 2.5 con Kling 3.0, mira Kling 3.0 vs Seedance 2.5.

Las tarifas actuales de OmniaKey están en la página del modelo Seedance 2.5.

Ejecuta estos prompts por la API

Esta petición envía el prompt de latte del clip 2. El JSON va en un heredoc entre comillas, así que el apóstrofo de "barista's" entra tal cual:

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: latte-pour-001" \
  --data-binary @- <<'JSON'
{
  "model": "dreamina-seedance-2-5-260628",
  "type": "video",
  "operation": "text_to_video",
  "input": {"prompt": "Commercial product video, warm studio lighting. A barista's hand pours steamed milk into a white ceramic cup of espresso on a dark walnut counter.\n\n0s-2s: Side close-up. The milk stream falls into the espresso and a white heart shape starts to form on the surface.\n\n2s-5s: The pour ends. The camera slowly pushes in from above as the finished latte art settles and a thin wisp of steam rises.\n\nSound: soft pouring and a quiet café murmur. No BGM. No subtitles."},
  "parameters": {"duration": 5, "resolution": "720P", "ratio": "16:9", "generate_audio": true}
}
JSON

1. La respuesta es 202 con un id de tarea.
2. Consulta https://api.omniakey.com/v1/media/tasks/{id} con ese mismo id hasta que status sea succeeded. Nuestros clips tardaron de 153.6 s a 252.0 s, así que sigue consultando en vez de reenviar.
3. Descarga el clip desde assets[0].url.

Para imagen a vídeo, pon operation en image_to_video y ratio en adaptive, y envía la imagen fija en input.media con type en first_frame y una URL HTTPS pública o un data URI. El cuerpo entero de la petición está limitado a 1 MiB. Usa el id de modelo exacto, porque los alias cortos devuelven 503 no_available_channel, y envía generate_audio: false para un clip sin sonido. Empieza en la página del modelo Seedance 2.5 y mira los documentos de la API de vídeo para ver todos los parámetros.

Preguntas frecuentes

¿Cuánto puede medir un prompt de Seedance 2.5?

ByteDance recomienda como máximo 500 caracteres en chino o 1,000 palabras en inglés, porque en un texto largo el modelo puede perder detalles. No aparece un tope duro en la referencia de la API ni en la guía de prompts.

¿Seedance 2.5 puede crear un vídeo de 30 segundos con un solo prompt?

Sí. La API acepta duration de 4 a 30 segundos, o -1 para que el modelo elija, y ByteDance subió el máximo de una generación de 15 a 30 segundos. La cifra de 15 segundos pertenece a Seedance 2.0.

¿Seedance 2.5 añade música por su cuenta?

Puede hacerlo. generate_audio vale true por defecto y el modelo añade voz, efectos y música para ajustarse al prompt y a la imagen. Nuestro clip 1 no decía nada del sonido y volvió con una base instrumental alegre, así que escribe "No BGM" para dejar la música fuera.

¿Seedance 2.5 admite prompts negativos?

No hay un campo aparte de prompt negativo. ByteDance pide descripciones positivas y admite restricciones negativas solo para subtítulos y audio, como "No subtitles" y "No BGM".

¿Estos prompts funcionan en Seedance 2.0?

Con un cambio: Seedance 2.0 ignora las marcas de tiempo y solo responde al número de plano, así que "Shot 1" se mantiene y "0s-2s" no. El aspecto también cambia, porque según ByteDance 2.5 y 2.0 tienen preferencias estéticas muy distintas.

Registro de cambios

• 26 de octubre de 2026: primera versión, con seis prompts ejecutados el mismo día.