Guida ai prompt di Seedance 2.5: struttura, esempi e clip reali

Un prompt per Seedance 2.5 segue l'ordine di ByteDance: soggetto, azione, scena, stile, camera, audio. Ogni piano porta un timecode o una riga "Shot N", e le battute vanno tra virgolette doppie. Abbiamo lanciato sei prompt in 720P il 26 ottobre 2026: lo stacco a tempo, la battuta e il testo sull'insegna sono usciti esattamente come scritti.

La struttura di un prompt per Seedance 2.5

Il tutorial di ByteDance ordina il prompt così: soggetto, azione o evento, scena, stile visivo, camera e stacchi di piano, poi l'audio; le parti inutili si possono omettere. La guida ai prompt lo riassume in soggetto + luogo + evento + genere/stile + movimento di camera. Il resto di quello che ByteDance ha confermato per 2.5, come le clip da 30 secondi e fino a 50 file di riferimento, è nella prova di Seedance 2.5.

• Metti i tempi in secondi interi e senza buchi, come "0s-2s" e poi "2s-5s", oppure con righe "Shot N". Funzionano anche gli istanti ("al secondo 2") e i tempi relativi ("3 secondi dopo"). Non mettere a tempo le azioni rapide e ripetute, come una testa che dice no tre volte al secondo.
• Seedance 2.0 ignora i timecode e segue solo il numero di piano: usa "Shot N" se il prompt deve funzionare su entrambi.
• Descrivi quello che vuoi vedere. ByteDance accetta negazioni solo per i sottotitoli e l'audio, come "No subtitles" e "No BGM".
• Metti le battute tra virgolette doppie. Anche il testo dell'insegna va tra virgolette, ed è uscito identico.
• ByteDance consiglia al massimo 500 caratteri cinesi o 1,000 parole inglesi, perché in un testo lungo il dettaglio si disperde. Nessun tetto rigido è pubblicato.
• Il tutorial elenca 11 lingue di prompt: cinese, inglese, spagnolo, indonesiano, malese, thai, arabo, portoghese, vietnamita, giapponese e coreano.

Il tutorial segna anche i livelli audio con parentesi: () per la musica, <> per gli effetti, {} per i dialoghi e 【】 per i sottotitoli. Queste parentesi non le abbiamo provate.

Come sono state fatte le clip

• Modello dreamina-seedance-2-5-260628 tramite l'API media asincrona di OmniaKey il 26 ottobre 2026 (ora di Pechino), con duration 5, resolution 720P e generate_audio true su ogni clip. Le clip 1–4 e 6 sono passate da text_to_video in 16:9; la clip 5 da image_to_video in adaptive, con un fotogramma fermo di Nano Banana 2.1 come prima immagine.
• Tutti e sei i lavori sono riusciti al primo tentativo: MP4, H.264, 24 fps, 5.04 s, AAC mono. Le clip 1–4 e 6 sono 1280×720; la clip 5 è tornata a 1286×716, la forma del fotogramma fermo.
• La generazione ha richiesto da 153.6 s a 252.0 s per 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).
• Abbiamo estratto fotogrammi in istanti fissi e li abbiamo guardati a dimensione piena, fatto girare un rilevatore di cambio piano su ogni clip e controllato ogni traccia audio con due modelli audio Gemini e uno spettrogramma. Ogni affermazione sull'audio qui sotto è una di quelle su cui questi controlli concordavano.
• OmniaKey vende l'accesso all'API di Seedance 2.5, quindi le clip sono passate da lì. I prezzi qui sotto sono quelli di listino BytePlus.
• Fonti: la guida ai prompt di Seedance 2.5 di ByteDance, il tutorial di Seedance 2.5, il riferimento dell'API per creare un lavoro video e la pagina dei prezzi dei modelli, controllati il 25 ottobre 2026.

Ogni prompt è girato una volta sola, quindi ogni risultato è un solo campione.

Sei prompt e clip vere

1. Una frase sola: soggetto, luogo, azione, stile, camera

La clip 1 mette tutta la formula in 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.

In italiano: un cucciolo di golden retriever insegue una palla rossa sul prato assolato di un giardino, con uno stile da video di famiglia e una carrellata bassa che segue il cucciolo.

Impostazioni: text_to_video, 16:9, 720P, 5 s, audio attivo.

Risultato: soggetto e luogo corrispondono; resa e movimento di camera sono cambiati.

• Il cucciolo, la palla rossa e il prato assolato ci sono, con una staccionata di legno e una sedia da giardino, ripresi con camera bassa. La resa è un'immagine rifinita da golden hour, non un video di famiglia.
• Il cucciolo trotta verso la camera dietro la palla che rotola, e la camera arretra davanti a lui.
• Audio: un tappeto strumentale allegro che il prompt non aveva chiesto.

Cosa cambiare:

• Aggiungi una riga audio con "No BGM". Le quattro clip qui sotto che la contenevano hanno solo effetti e voce.
• Per seguirlo da dietro, prova "the camera follows behind the puppy at ground level".

2. Timecode dentro un solo piano

La clip 2 divide due tempi dentro un piano 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.

In italiano: da 0s a 2s, un primo piano laterale mostra la mano di un barista che versa latte montato nell'espresso, e sulla superficie inizia a formarsi un cuore bianco. Da 2s a 5s la versata finisce, la camera avanza lentamente dall'alto verso la latte art finita e sale un filo sottile di vapore. L'audio è solo la versata e il brusio di un bar, senza musica e senza sottotitoli.

Impostazioni: text_to_video, 16:9, 720P, 5 s, audio attivo.

Risultato: entrambi i tempi sono successi, circa un secondo in ritardo e da un'angolazione più alta.

• Una mano versa latte da una brocca d'acciaio in una tazza bianca su legno scuro, e il vortice diventa un cuore.
• La vista è dall'alto e di lato, dove il prompt chiedeva un primo piano laterale. La versata finisce verso 3 s, un secondo dopo il segno dei 2 s, poi la camera guarda il cuore finito dall'alto.
• Nei fotogrammi non c'è vapore. Audio: la versata, senza musica.

Cosa cambiare:

• Dai all'angolazione una frase sua in ogni segmento: "Camera at cup height, side view."
• Lascia un secondo di margine, perché qui "0s-2s" è durato fino a circa tre secondi.

3. Un movimento di camera con un nome: l'orbita

La clip 3 dà alla camera un solo movimento con un nome, un'orbita di 180 gradi.

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.

In italiano: al tramonto, all'ultimo piano di un parcheggio di cemento vuoto, una persona con una felpa bianca con cappuccio fa un giro veloce e si ferma. Durante il movimento la camera orbita di 180 gradi intorno a lei all'altezza del petto e la tiene al centro dell'inquadratura. Controluce arancione caldo, ombre lunghe, resa cinematografica; l'audio è quello delle scarpe da ginnastica che stridono sul cemento e del traffico lontano.

Impostazioni: text_to_video, 16:9, 720P, 5 s, audio attivo.

Risultato: orbita e luce corrispondono; distanza e luogo sono cambiati.

• Una persona con una felpa bianco crema gira e si ferma in una posa bassa, una mano a terra, in controluce davanti al sole che tramonta e con ombre lunghe.
• Il parcheggio ha un soffitto di cemento: un piano coperto, dove il prompt chiedeva l'ultimo piano all'aperto.
• La camera gira intorno alla persona, quindi lo sfondo passa dalla parete del parcheggio al lato aperto con il tramonto e la città. Arretra anche fino a un campo lungo a figura intera, quindi la figura cambia dimensione.
• Audio: nessuna musica. I due modelli audio hanno sentito effetti diversi, quindi lo stridio delle scarpe e il traffico restano non confermati.

Cosa cambiare:

• Per tenere ferma la distanza, prova "the camera keeps the same distance as it orbits".
• Per un tetto aperto, prova "open sky above, no ceiling".

4. Una battuta e il testo dell'insegna tra virgolette

La clip 4 prova una battuta e un prezzo tra virgolette.

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.

In italiano: un piccolo panificio di quartiere alle 7 del mattino. Primo piano medio di un panettiere sorridente con un grembiule infarinato dietro il banco. Una lavagna dietro il banco riporta "SOURDOUGH $6" scritto con il gesso bianco. Il panettiere guarda in camera e dice "Fresh sourdough just came out of the oven." (il pane a lievitazione naturale è appena uscito dal forno). Poi solleva una pagnotta tonda verso la camera.

Impostazioni: text_to_video, 16:9, 720P, 5 s, audio attivo.

Risultato: battuta, insegna e ordine delle azioni corrispondono al prompt.

• Un uomo sorridente in maglietta bianca e grembiule beige sta dietro il banco, e la lavagna riporta esattamente "SOURDOUGH $6".
• Dice "Fresh sourdough just came out of the oven." muovendo le labbra, poi solleva una pagnotta grande e incisa verso la camera, nell'ordine dato dal prompt.
• La farina sul grembiule manca. Audio: la battuta, senza musica e senza sottotitoli sullo schermo.

Cosa cambiare:

• Per parole lunghe o rare su un'insegna, la guida di ByteDance consiglia di compitarle lettera per lettera o di fornire il testo come immagine.
• Tieni una battuta ogni pochi secondi di clip.

5. Immagine in video: la resa viene dal fotogramma fermo

La clip 5 parte da un fotogramma fermo, quindi il prompt porta solo movimento, camera e audio. La prima immagine è un fotogramma fermo creato con Nano Banana 2.1 in 16:9 e 2K dal 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.

In italiano: l'aereo di carta si stacca dalla scrivania, esce planando dalla finestra aperta e va alla deriva sopra la città. La camera lo segue fino alla finestra e si ferma sul davanzale. L'audio è una brezza leggera e uccelli lontani, senza musica.

Impostazioni: image_to_video, adaptive, 720P, 5 s, audio attivo.

Risultato: il fotogramma fermo ha fissato la resa, il prompt il movimento.

• La clip si apre con l'inquadratura esatta del fotogramma fermo e ne mantiene la resa. Ogni passo del prompt succede, in ordine: l'aereo si stacca, esce dalla finestra e si rimpicciolisce nel cielo sopra i tetti.
• La camera sale fino alla finestra e si ferma con il davanzale in fondo all'inquadratura.
• Audio: nessuna musica. Lo spettrogramma mostra richiami brevi e ripetuti dopo il primo secondo.

Cosa tenere:

• Descrivi solo movimento, camera e audio, perché la resa arriva già dal fotogramma fermo.
• Crea il fotogramma fermo nella forma che vuoi per il video, perché adaptive conserva la forma dell'immagine.

6. Due piani e uno stacco a tempo

La clip 6 è la prova su più piani: due righe "Shot N" e uno stacco a 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.

In italiano: un faro su una costa rocciosa al crepuscolo. Shot 1 (0s-2s) è un campo lunghissimo dal mare: le onde si infrangono sugli scogli e il faro si staglia scuro contro un cielo arancione. Shot 2 (2s-5s) stacca su un primo piano dentro la lanterna: le mani consumate di un guardiano girano un interruttore d'ottone, la grande lente di vetro comincia a brillare e a ruotare, proiettando un fascio attraverso la finestra. L'audio è onde e vento, poi un ronzio meccanico basso quando la lampada si accende.

Impostazioni: text_to_video, 16:9, 720P, 5 s, audio attivo.

Risultato: entrambi i piani e lo stacco sono usciti, con un difetto di continuità.

• Il rilevatore ha trovato lo stacco a 2.29 s. Shot 1 è una vista ampia dal mare al crepuscolo: scogliere scure, onde grandi che si infrangono, il faro in silhouette scura contro un cielo arancione rosato.
• Shot 2 è un primo piano di una mano consumata su una maniglia d'ottone davanti a una grande lente di vetro scanalata, scura all'inizio e calda e luminosa alla fine.
• Audio: nessuna musica. Il rumore regolare di Shot 1 si ferma allo stacco, e Shot 2 ha un clic e un ronzio che sale.
• Un difetto di continuità: la lampada in cima al faro è già accesa in Shot 1.

Cosa cambiare:

• Dì lo stato che vuoi in Shot 1 in positivo: "the lamp at the top is dark".

Errori frequenti e correzioni

La guida ai prompt di ByteDance si chiude con un elenco di problemi noti e soluzioni. Qui ci sono quelli che un prompt può correggere, più uno venuto dalle nostre clip.

Quanto costa una clip

BytePlus fattura Seedance 2.5 a token. I token di una clip sono (durata del video in ingresso + durata in uscita) × larghezza × altezza × fotogrammi al secondo / 1024, e la pagina dei prezzi dei modelli fattura $10.70 per milione di token in 480p e 720p, e $11.70 in 1080p.

Sono gli esempi calcolati da BytePlus stessa, controllati il 25 ottobre 2026. A questo prezzo di listino le nostre sei clip in 720P costerebbero $6.94 (6 × $1.156), e BytePlus fattura solo le generazioni riuscite. Per confrontare Seedance 2.5 e Kling 3.0, vedi Kling 3.0 vs Seedance 2.5.

I prezzi attuali di OmniaKey sono nella pagina del modello Seedance 2.5.

Lanciare questi prompt dall'API

Questa richiesta manda il prompt del latte della clip 2. Il JSON sta in un heredoc tra apici, quindi l'apostrofo di "barista's" passa così com'è:

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 risposta è 202 con un id del lavoro.
2. Interroga https://api.omniakey.com/v1/media/tasks/{id} con lo stesso id finché status non è succeeded. Le nostre clip hanno richiesto da 153.6 s a 252.0 s, quindi continua a interrogare invece di rinviare.
3. Scarica la clip da assets[0].url.

Per l'immagine in video, imposta operation su image_to_video e ratio su adaptive, e manda il fotogramma fermo in input.media con type su first_frame e un URL HTTPS pubblico o un data URI. L'intero corpo della richiesta è limitato a 1 MiB. Usa l'id esatto del modello, perché gli alias corti restituiscono 503 no_available_channel, e manda generate_audio: false per una clip muta. Parti dalla pagina del modello Seedance 2.5, e tutti i parametri sono nei documenti dell'API video.

Domande frequenti

Quanto può essere lungo un prompt per Seedance 2.5?

ByteDance consiglia al massimo 500 caratteri cinesi o 1,000 parole inglesi, perché in un testo lungo il modello può perdere dettagli. Né il riferimento dell'API né la guida ai prompt danno un tetto rigido.

Seedance 2.5 può fare un video di 30 secondi con un solo prompt?

Sì. L'API accetta duration da 4 a 30 secondi, oppure -1 per lasciar scegliere al modello, e ByteDance ha alzato il massimo di una generazione da 15 a 30 secondi. I 15 secondi sono di Seedance 2.0.

Seedance 2.5 aggiunge musica da solo?

Può. generate_audio è true per impostazione predefinita, e il modello aggiunge voce, effetti e musica in linea con il prompt e con l'immagine. La nostra clip 1 non diceva niente sull'audio ed è tornata con un tappeto strumentale allegro: scrivi "No BGM" per tenere fuori la musica.

Seedance 2.5 supporta i prompt negativi?

Non c'è un campo separato per un prompt negativo. ByteDance chiede descrizioni positive e accetta negazioni solo per i sottotitoli e l'audio, come "No subtitles" e "No BGM".

Questi prompt funzionano su Seedance 2.0?

Con una modifica: Seedance 2.0 ignora i timecode e risponde solo al numero di piano, quindi "Shot 1" passa e "0s-2s" no. Anche la resa cambia, perché secondo ByteDance 2.5 e 2.0 hanno preferenze estetiche molto diverse.

Registro delle modifiche

• 26 ottobre 2026: prima versione, sei prompt lanciati lo stesso giorno.