Guia de prompts do Seedance 2.5: estrutura, exemplos e clipes reais

Um prompt do Seedance 2.5 segue a ordem da ByteDance: sujeito, ação, cena, estilo, câmera e som. Cada plano leva um carimbo de tempo ou uma linha "Shot N", e as falas ficam entre aspas duplas. Rodamos seis prompts em 720P em 26 de outubro de 2026: o corte cronometrado, a fala e o texto da placa saíram exatamente como escritos.

A estrutura de um prompt do Seedance 2.5

O tutorial da ByteDance ordena o prompt assim: sujeito, ação ou evento, cena, estilo visual, câmera e cortes de plano, e por último som; as partes desnecessárias podem sair. O guia de prompts resume isso em sujeito + lugar + evento + gênero/estilo + movimento de câmera. O resto do que a ByteDance confirmou para o 2.5, como clipes de 30 segundos e até 50 arquivos de referência, está na análise do Seedance 2.5.

• Cronometre com carimbos de tempo em segundos inteiros e sem buracos, como "0s-2s" e depois "2s-5s", ou com linhas "Shot N". Instantes ("no segundo 2") e tempos relativos ("3 segundos depois") também funcionam. Não cronometre ações rápidas e repetidas, como uma cabeça negando três vezes por segundo.
• O Seedance 2.0 ignora carimbos de tempo e só segue o número do plano, então use "Shot N" se o prompt precisar funcionar nos dois.
• Descreva o que você quer ver. A ByteDance só aceita restrições negativas para legendas e áudio, como "No subtitles" e "No BGM".
• Coloque as falas entre aspas duplas. O texto da placa também ficou entre aspas e saiu exato.
• A ByteDance recomenda no máximo 500 caracteres em chinês ou 1,000 palavras em inglês, porque texto longo espalha o detalhe. Não há limite rígido publicado.
• O tutorial lista 11 idiomas de prompt: chinês, inglês, espanhol, indonésio, malaio, tailandês, árabe, português, vietnamita, japonês e coreano.

O tutorial também marca as camadas de áudio com colchetes: () para música, <> para efeitos, {} para diálogo e 【】 para legendas. Esses colchetes não foram testados.

Como os clipes foram feitos

• Modelo dreamina-seedance-2-5-260628 pela API de mídia assíncrona da OmniaKey em 26 de outubro de 2026 (horário de Pequim), com duration 5, resolution 720P e generate_audio true em todos os clipes. Os clipes 1–4 e 6 rodaram text_to_video em 16:9; o clipe 5 rodou image_to_video em adaptive, com uma imagem fixa do Nano Banana 2.1 como primeiro quadro.
• As seis tarefas deram certo na primeira tentativa: MP4, H.264, 24 fps, 5.04 s, AAC mono. Os clipes 1–4 e 6 são 1280×720; o clipe 5 voltou em 1286×716, o formato da imagem fixa.
• A geração levou de 153.6 s a 252.0 s por clipe (clipe 1 154.5 s, 2 153.6 s, 3 246.3 s, 4 252.0 s, 5 155.6 s, 6 198.0 s).
• Extraímos quadros em instantes fixos e olhamos em tamanho real, passamos um detector de mudança de plano em cada clipe e conferimos cada faixa de som com dois modelos de áudio do Gemini e um espectrograma. Toda afirmação sobre som abaixo é uma em que essas checagens concordaram.
• A OmniaKey vende acesso à API do Seedance 2.5, então os clipes rodaram por ela. Os preços abaixo são os de tabela da BytePlus.
• Fontes: o guia de prompts do Seedance 2.5 da ByteDance, o tutorial do Seedance 2.5, a referência da API de criação de tarefas de vídeo e a página de preços de modelos, conferidos em 25 de outubro de 2026.

Cada prompt rodou uma vez, então cada resultado é uma única amostra.

Seis prompts com clipes reais

1. Uma frase: sujeito, lugar, ação, estilo, câmera

O clipe 1 condensa a fórmula inteira em uma 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.

Em português: um filhote de golden retriever persegue uma bola vermelha no gramado ensolarado de um quintal, com cara de vídeo caseiro caloroso e um travelling baixo que segue o filhote.

Configurações: text_to_video, 16:9, 720P, 5 s, áudio ligado.

Resultado: o sujeito e o lugar batem; a aparência e o movimento de câmera mudaram.

• O filhote, a bola vermelha e o gramado ao sol estão lá, mais uma cerca de madeira e uma cadeira de jardim, filmados de câmera baixa. A aparência é material polido de hora dourada, não vídeo caseiro.
• O filhote trota na direção da câmera atrás da bola que rola, e a câmera recua na frente dele.
• Som: uma trilha instrumental alegre que o prompt nunca pediu.

O que mudar:

• Adicione uma linha de som com "No BGM". Os quatro clipes abaixo que a traziam só têm efeitos e voz.
• Para seguir por trás, tente "the camera follows behind the puppy at ground level".

2. Carimbos de tempo dentro de um plano

O clipe 2 divide dois tempos dentro de um plano contínuo.

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.

Em português: nos primeiros 0s-2s, um close lateral mostra a mão de um barista despejando leite vaporizado no espresso, e um coração branco começa a se formar na crema. Nos 2s-5s o despejo termina, a câmera se aproxima devagar de cima da latte art pronta e um fio fino de vapor sobe. O som é o despejo e o murmúrio de um café, sem música e sem legendas.

Configurações: text_to_video, 16:9, 720P, 5 s, áudio ligado.

Resultado: os dois tempos aconteceram, cerca de um segundo atrasados e de um ângulo mais alto.

• Uma mão despeja leite de uma jarra de aço numa xícara branca sobre madeira escura, e o redemoinho vira um coração.
• A vista é de cima e de lado, onde o prompt pedia um close lateral. O despejo termina perto dos 3 s, um segundo depois da marca de 2 s, e então a câmera olha o coração pronto de cima.
• Os quadros não mostram vapor. Som: despejo, sem música.

O que mudar:

• Dê ao ângulo uma frase própria em cada trecho: "Camera at cup height, side view."
• Deixe um segundo de folga, porque aqui o "0s-2s" chegou a uns três segundos.

3. Um movimento de câmera com nome: a órbita

O clipe 3 dá à câmera um único movimento com nome, uma órbita de 180 graus.

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.

Em português: no fim da tarde, no último andar de um estacionamento de concreto vazio, uma pessoa de moletom branco gira rápido e para congelada. Durante o movimento, a câmera orbita 180 graus em volta dessa pessoa na altura do peito e a mantém no centro do quadro. Luz laranja quente vinda de trás, sombras longas e visual cinematográfico; o som é de tênis rangendo no concreto e trânsito distante.

Configurações: text_to_video, 16:9, 720P, 5 s, áudio ligado.

Resultado: a órbita e a luz batem; a distância e o lugar mudaram.

• Uma pessoa de moletom branco-creme gira e termina numa pose baixa, com uma mão no chão, em silhueta contra o sol que se põe e com sombras longas.
• O estacionamento tem teto de concreto: um andar coberto, onde o prompt pedia o último andar aberto.
• A câmera se move em volta da pessoa, então o fundo passa da parede do estacionamento para o lado aberto com o pôr do sol e a cidade. Ela também se afasta até um plano aberto de corpo inteiro, então a figura muda de tamanho.
• Som: sem música. Os dois modelos de áudio ouviram efeitos diferentes, então o ranger dos tênis e o trânsito ficam sem confirmação.

O que mudar:

• Para manter a distância fixa, tente "the camera keeps the same distance as it orbits".
• Para um teto aberto, tente "open sky above, no ceiling".

4. Uma fala e o texto da placa entre aspas

O clipe 4 testa uma fala e um preço entre aspas.

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.

Em português: uma padaria pequena de bairro às 7 da manhã. Plano médio-fechado de um padeiro sorridente com avental coberto de farinha atrás do balcão. Um quadro-negro atrás do balcão traz "SOURDOUGH $6" escrito em giz branco. O padeiro olha para a câmera e diz "Fresh sourdough just came out of the oven." (o pão de fermentação natural acabou de sair do forno). Depois ele levanta um pão redondo na direção da câmera.

Configurações: text_to_video, 16:9, 720P, 5 s, áudio ligado.

Resultado: a fala, a placa e a ordem das ações batem com o prompt.

• Um homem sorridente de camiseta branca e avental bege está atrás do balcão, e o quadro-negro traz exatamente "SOURDOUGH $6".
• Ele diz "Fresh sourdough just came out of the oven." com a boca se movendo e depois segura um pão grande com cortes na direção da câmera, na ordem que o prompt deu.
• Falta a farinha no avental. Som: a fala, sem música e sem legendas na tela.

O que mudar:

• Para palavras longas ou incomuns numa placa, o guia da ByteDance diz para soletrar letra por letra ou entregar o texto como imagem.
• Mantenha uma fala a cada poucos segundos de clipe.

5. Imagem para vídeo: a imagem fixa define a aparência

O clipe 5 parte de uma imagem fixa, então o prompt só carrega movimento, câmera e som. O primeiro quadro é uma imagem fixa que fizemos com o Nano Banana 2.1 em 16:9 e 2K a partir do 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.

Em português: o avião de papel levanta da mesa, desliza pela janela aberta e flutua sobre a cidade. A câmera o acompanha até a janela e para no parapeito. O som é uma brisa suave e pássaros distantes, sem música.

Configurações: image_to_video, adaptive, 720P, 5 s, áudio ligado.

Resultado: a imagem fixa definiu a aparência e o prompt definiu o movimento.

• O clipe abre com o enquadramento exato da imagem fixa e mantém a aparência dela. Cada passo do prompt acontece, em ordem: o avião levanta, sai pela janela e fica pequeno no céu sobre os telhados.
• A câmera sobe até a janela e para com o parapeito na parte de baixo do quadro.
• Som: sem música. O espectrograma mostra chirridos curtos e repetidos depois do primeiro segundo.

O que manter:

• Descreva só movimento, câmera e som, porque a aparência já vem da imagem fixa.
• Crie a imagem fixa no formato que você quer para o vídeo, porque o adaptive mantém o formato da imagem.

6. Dois planos e um corte cronometrado

O clipe 6 é o teste de vários planos: duas linhas "Shot N" e um corte aos 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.

Em português: um farol numa costa rochosa ao anoitecer. Shot 1 (0s-2s) é um plano geral extremo visto do mar: ondas batem nas pedras e o farol se ergue escuro contra um céu laranja. Shot 2 (2s-5s) corta para um close dentro da sala da lanterna: mãos gastas de um faroleiro giram um interruptor de latão, a grande lente de vidro começa a brilhar e a girar, lançando um feixe pela janela. O som é ondas e vento, depois um zumbido mecânico grave quando a lâmpada acende.

Configurações: text_to_video, 16:9, 720P, 5 s, áudio ligado.

Resultado: os dois planos e o corte saíram, com uma falha de continuidade.

• O detector achou o corte em 2.29 s. Shot 1 é uma vista aberta do mar ao anoitecer: falésias escuras, ondas grandes quebrando e o farol em silhueta escura contra um céu laranja rosado.
• Shot 2 é um close de uma mão gasta num puxador de latão diante de uma grande lente de vidro estriada, escura no começo e quente e brilhante no fim.
• Som: sem música. O ruído constante do Shot 1 para no corte, e o Shot 2 tem um clique e um zumbido que sobe.
• Uma falha de continuidade: a lâmpada no topo do farol já está acesa no Shot 1.

O que mudar:

• Diga o estado que você quer no Shot 1 em positivo: "the lamp at the top is dark".

Falhas comuns e correções

O guia de prompts da ByteDance termina com uma lista de problemas conhecidos e contornos. Estes são os que um prompt consegue corrigir, mais um dos nossos clipes.

Quanto custa um clipe

A BytePlus cobra o Seedance 2.5 por token. Os tokens de um clipe são (duração do vídeo de entrada + duração de saída) × largura × altura × taxa de quadros / 1024, e a página de preços de modelos cobra $10.70 por milhão de tokens em 480p e 720p e $11.70 em 1080p.

Esses são os exemplos calculados pela própria BytePlus, conferidos em 25 de outubro de 2026. Com esse preço de tabela, nossos seis clipes em 720P sairiam por $6.94 (6 × $1.156), e a BytePlus só cobra as gerações que dão certo. Para comparar o Seedance 2.5 com o Kling 3.0, veja Kling 3.0 vs Seedance 2.5.

Os preços atuais da OmniaKey estão na página do modelo Seedance 2.5.

Rode estes prompts pela API

Esta requisição envia o prompt de latte do clipe 2. O JSON fica num heredoc entre aspas, então o apóstrofo de "barista's" entra como está:

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. A resposta é 202 com um id de tarefa.
2. Consulte https://api.omniakey.com/v1/media/tasks/{id} com esse mesmo id até status ser succeeded. Nossos clipes levaram de 153.6 s a 252.0 s, então continue consultando em vez de reenviar.
3. Baixe o clipe em assets[0].url.

Para imagem para vídeo, coloque operation em image_to_video e ratio em adaptive, e envie a imagem fixa em input.media com type em first_frame e uma URL HTTPS pública ou um data URI. O corpo inteiro da requisição é limitado a 1 MiB. Use o id exato do modelo, porque os apelidos curtos devolvem 503 no_available_channel, e envie generate_audio: false para um clipe sem som. Comece na página do modelo Seedance 2.5 e veja os documentos da API de vídeo para todos os parâmetros.

Perguntas frequentes

Qual o tamanho máximo de um prompt do Seedance 2.5?

A ByteDance recomenda no máximo 500 caracteres em chinês ou 1,000 palavras em inglês, porque num texto longo o modelo pode perder detalhes. Nem a referência da API nem o guia de prompts trazem um teto rígido.

O Seedance 2.5 consegue criar um vídeo de 30 segundos com um prompt?

Consegue. A API aceita duration de 4 a 30 segundos, ou -1 para o modelo escolher, e a ByteDance subiu o máximo de uma geração de 15 para 30 segundos. Os 15 segundos são do Seedance 2.0.

O Seedance 2.5 adiciona música sozinho?

Pode adicionar. generate_audio vem como true por padrão, e o modelo acrescenta voz, efeitos e música para combinar com o prompt e com a imagem. Nosso clipe 1 não dizia nada sobre som e voltou com uma trilha instrumental alegre, então escreva "No BGM" para deixar a música de fora.

O Seedance 2.5 aceita prompts negativos?

Não existe um campo separado de prompt negativo. A ByteDance pede descrições positivas e aceita restrições negativas só para legendas e áudio, como "No subtitles" e "No BGM".

Estes prompts funcionam no Seedance 2.0?

Com uma mudança: o Seedance 2.0 ignora carimbos de tempo e responde só ao número do plano, então "Shot 1" continua valendo e "0s-2s" não. A aparência também muda, porque segundo a ByteDance o 2.5 e o 2.0 têm preferências estéticas bem diferentes.

Registro de atualizações

• 26 de outubro de 2026: primeira versão, seis prompts rodados no mesmo dia.