Промты для Seedance 2.0: сценарий, референсы и движение камеры

Главное:

• Промпт для Seedance — не описание картинки, а мини-сценарий: роли, стиль, действия, камера, локация, тайминг по секундам.
• Референсы работают только с ролями: тег @Image1 отвечает за лицо, @Video1 — за движение, @Audio1 — за голос.
• Отрицания модель понимает наоборот: пишите, что должно быть в кадре, а запреты выносите коротким списком в конец.
• Движение камеры задаётся английским термином плюс скорость: slow dolly in, fast crash zoom, slow 180-degree orbit.
• Запустить bytedance-seedance-2 можно из России — от 290 ₽ за запуск, оплата в рублях.

Промты для Seedance ломаются на одном и том же месте: человек описывает красивую картинку, а модель должна отснять сцену — с движением, звуком и репликами. Ниже разобрана структура, которую используют авторы коротких фильмов, шпаргалка камерных терминов и готовые промпты, которые можно скопировать и запустить. Что умеет сама модель и сколько длится ролик — в отдельном материале: обзор Seedance 2.0.

Промты для Seedance: почему это сценарий, а не описание кадра

Промты для Seedance описывают не картинку, а последовательность событий во времени: кто в кадре, что происходит, куда едет камера и в какую секунду.

Русскоязычный обзорщик, разбиравший модель по официальной инструкции, сформулировал это прямо: сначала идут роли — теги референсов с описанием, за что отвечает каждый, потом визуальный стиль, действия, камера, локация и тайминг по секундам. «Это уже не запрос, это такой миниатюрный сценарий».

Разница видна на простом примере. Запрос «девушка в кафе, тёплый свет, кинематографично» даёт кадр, где девушка что-то делает — что именно, модель решит сама. Сценарный промпт говорит: первые три секунды она читает, на четвёртой поднимает глаза на входящего, камера в это время медленно наезжает от общего плана к среднему. Второй вариант воспроизводится, первый — лотерея.

У такой формы есть техническая причина. Одна генерация Seedance 2.0 длится около пятнадцати секунд, у версии 2.5 потолок поднят до тридцати секунд за проход. Пятнадцать секунд — это три-четыре осмысленных действия подряд, и, если их не расставить по времени, модель смешает их в кучу или растянет одно на весь ролик.

Второй довод — деньги. Каждый дубль оплачен, и автор одного из подробных руководств заканчивает разбор фразой: перед нажатием кнопки промпт надо перечитать целиком, иначе вы просто тратите генерации, тратите кредиты, тратите деньги. Сценарная форма как раз и позволяет вычитать промпт: видно, что в третьей секунде висит два действия сразу, а звук не описан вообще.

В каталоге IskraGen эта модель называется bytedance-seedance-2 и стоит от 290 ₽ за запуск, оплата идёт в рублях. Цена одного дубля известна заранее, поэтому промты для Seedance выгоднее вылизывать в текстовом редакторе, а не перебирать наугад в интерфейсе.

Структура промпта: роли, стиль, действия, камера, локация, тайминг

Рабочая раскладка состоит из шести блоков, и каждый отвечает за свой слой: роли, визуальный стиль, действия, камера, локация и тайминг по секундам.

Промты для Seedance начинаются с установки. Одна строка, которая говорит модели, что это за материал, прежде чем она увидит первый кадр: жанр, темп, число сцен, формат. Дальше идёт состав: каждый персонаж, предмет и локация описываются один раз в самом начале, чтобы модель не перепридумывала их на каждом стыке.

Третий блок — этапы, и это основная часть. Каждый отрезок времени описывается тремя полями: обстановка и расстановка героев, главное событие отрезка и видимое финальное состояние кадра. Такая тройка не даёт модели «доиграть» сцену по-своему: конец отрезка задан явно.

Таймкоды ставятся в квадратных скобках — [0s], [4s], [9s]. На пятисекундный клип хватает двух-трёх меток, на восемь-десять секунд — трёх-пяти, примерно по два-три действия на отрезок. Метка задаёт приблизительный момент, а не покадровую точность, поэтому дробить ролик посекундно смысла нет.

Четвёртый блок — визуальный стиль и оптика. Их выносят один раз глобально, а не повторяют в каждом кадре. Оптика пишется одной строкой в конце: shot on a 35 mm lens, aperture of 1.8, shallow depth of field, visible fine film grain, muted desaturated color grade.

Пятый блок — звук. Его надо задавать явно: звуковые эффекты, шумы, диалоги и музыка. Иначе модель просто создаст что-то случайное. Реплики оформляются с подачей: язык и акцент, темп, энергия, эмоциональное состояние и уже потом сама фраза в кавычках.

Шестой блок — ограничения согласованности. Это строгие правила, применимые к каждому кадру: цвет, положение героев, состояние предметов. Для короткого клипа хватает трёх строк, для длинной последовательности нужен целый абзац.

Собранные вместе промты для Seedance выглядят так:

FORMAT: 16:9, cinematic, one seamless shot, 10 seconds.
CAST: @Image1 — the man's identity and outfit. @Image2 — the kitchen location.
STYLE: warm evening light, soft shadows, muted color grade, fine film grain.

[0-3s] The man stands at the counter, slowly stirring tea, shoulders relaxed.
Camera: slow dolly in from medium to medium close-up.
End state: he lifts his eyes toward the doorway.

[3-7s] He hears steps behind him and turns his head, tension building in the jaw.
Camera: handheld, slight sway, stays on his face.
End state: he is half-turned, eyes fixed on the door.

[7-10s] He speaks, quiet and tired, in Russian: «Я думал, ты уже не придёшь».
Camera: static, eye level.
End state: he holds the cup mid-air, waiting for an answer.

OPTICS: shot on a 35 mm lens, aperture of 1.8, shallow depth of field.
AUDIO: spoon against ceramic, low fridge hum, distant street noise. No music.
CONSISTENCY: same kitchen, same clothes, same light temperature in every frame.
No: readable text, logos, extra people.

Один автор называет практический потолок в 4 000 символов, а часть площадок режет промпт до 3 000. И отдельная важная строчка — one seamless shot: без неё модель по умолчанию нарезает сцену кусками примерно по две секунды, и камера рвётся на каждом стыке.

Шесть блоков, из которых собирается сценарный промпт.

Референсы и теги: чем привязать лицо, движение и голос

Референс работает только тогда, когда у него есть роль: модель должна прочитать в промпте, что именно ей брать с этого файла.

Промты для Seedance опираются на теги: каждый загруженный файл получает своё имя — @Image1, @Video1, @Audio1. Напротив тега пишется его задача — «изображение один даёт внешность героя», «видео один даёт движение камеры», «аудио один даёт голос». Русскоязычный автор описывает это тем же языком: загружаешь фото — это image, загружаешь видео — это video один, и дальше в промпте говоришь, за что каждый отвечает.

Seedance 2.5 принимает до пятидесяти референсов сразу: тридцать изображений, десять видео и десять аудио. Но количество тут вторично. Гораздо важнее правило «один файл — одна задача»: если насыпать десяток картинок без ролей, модель усредняет их и выдаёт кашу вместо героя.

Вторая ловушка — дублирование. Если внешность уже задана референсом, не надо переписывать её словами: модель получает две инструкции об одном и том же и начинает выбирать между ними. Референс отвечает за идентичность и вид, промпт — за действие, камеру и темп.

Для лица используют референс-лист персонажа: несколько ракурсов на сером фоне, отдельный крупный портрет. Серый фон авторы называют отдельно — он работает заметно лучше белого и чёрного. Лист обновляют каждый раз, когда герой меняет вид: другая одежда, шлем, грязь на лице.

Когда персонажей несколько, спасает стартовый кадр, на котором они уже стоят в нужной композиции. Без него модель на длинной генерации теряет лицевую консистентность и легко выдаёт двойника.

Отдельно стоит знать про модерацию: генерации по референсам с реальными лицами модель режет, а на крупном портрете возвращает ошибку про обнаруженную информацию о лице. Обходной путь, который описывает автор русского обзора, — коллаж из нескольких своих фото в разных ракурсах, где лицо не слишком крупное относительно холста.

Аудиореференс переносит голос целиком. Автор загрузил запись собственного голоса, и персонаж в генерации заговорил именно им: интонации и тембр сохранились. А вот видеореференс забирает управление длительностью: при его загрузке выбор длины генерации отключается, длину задаёт сам файл. Если поставить другую длительность, модель начнёт додумывать продолжение. Про то, как из одной фотографии получить движение, подробно разобрано в материале как оживить фото нейросетью — те же промты для Seedance работают и в этом режиме.

Движение камеры: шпаргалка формулировок для промпта

Камеру Seedance понимает по английским терминам операторского цеха, и к каждому нужно добавить скорость: своей по умолчанию у модели нет.

Промты для Seedance разводят три сущности отдельно: камеру, субъект и окружение. Если смешать их в одном предложении, модель поймёт запрос иначе и снимет что-то своё. Второе, что нужно камере, — модификатор темпа: slow, steady, rapid или прямая длительность вроде slow 5-second pan right.

Несколько движений подряд описывают не стопкой глаголов, а через то, что входит в кадр на каждом этапе: сначала общий план улицы, затем герой в центре, затем крупный план лица. У рывка whip pan есть своё правило: задать длительность, пометить объекты буквами A, B, C и закончить шот той же крупностью, с которой он начался. Если начать средним планом, а закончить крупным, приём разваливается.

Широкий установочный план в начале ролика работает как разметка сцены: модель расставляет героев по местам, и дальше они не разбредаются. И полезно помнить, что полный оборот на 360 градусов в пять секунд не влезает — либо больше времени, либо полукруг.

Движение камеры — не украшение, а способ передать состояние: наезд усиливает чувство, наклонённая камера даёт напряжение, живая тряска добавляет достоверности. Поэтому в хорошем промпте камера прописана в каждом отрезке отдельно.

Шесть базовых движений камеры и точные формулировки для промпта.

Готовые промты для Seedance: шесть сцен под копирование

Ниже шесть промптов под разные задачи — их можно скопировать целиком, подставить свои референсы и запускать без переделки.

Разговор двух героев. Диалоговая сцена с репликой на русском и переводом фокуса между собеседниками.

16:9, cinematic drama, one seamless shot, 10 seconds.
@Image1 — the woman's identity. @Image2 — the man's identity. @Image3 — the office.
[0-4s] Two people sit across a small table, papers between them, evening light from the blinds.
Camera: static medium two-shot, eye level. End state: she puts down her pen.
[4-10s] She speaks first, calm and tired, in Russian: «Мы закончим это сегодня».
He answers after a short pause, quieter. Camera: rack focus from her face to his.
OPTICS: 50 mm lens, aperture of 2.0, shallow depth of field, soft film grain.
AUDIO: paper rustle, distant traffic, no music.
No: readable text, logos, extra people.

Товар крупным планом. Облёт и наезд — базовая связка для рекламного кадра.

16:9, product commercial, 8 seconds, glossy studio look.
@Image1 — the product, exact shape and color must be preserved.
[0-4s] The product stands centered on a dark reflective surface.
Camera: slow 180-degree orbit around the subject. End state: front face toward camera.
[4-8s] Light sweeps across the surface. Camera: slow dolly in to a tight close-up.
OPTICS: 85 mm lens, aperture of 2.8, crisp specular highlights.
AUDIO: low ambient hum, one soft click as the light lands.
No: text, logos, hands in frame.

Экшен на улице. Быстрая сцена, где темп держат рывок камеры и живая тряска.

16:9, action, 12 seconds, overcast daylight, desaturated grade.
@Image1 — the runner's identity and outfit. @Video1 — reference for the running motion.
[0-4s] The man runs along a narrow street, breathing hard.
Camera: handheld following shot behind him, subtle sway.
[4-8s] He glances back over his shoulder. Camera: whip pan left with motion blur to the empty street.
[8-12s] He stops at a corner, hands on knees. Camera: slow dolly out to a wide shot.
OPTICS: 35 mm lens, aperture of 2.8, visible fine film grain.
AUDIO: footsteps on wet asphalt, heavy breathing, distant siren.
No: slow motion, extra people, readable signs.

Монолог в кадре. Сцена под липсинк: одно лицо, минимум движения, вся работа в подаче.

16:9, intimate portrait scene, 10 seconds, single warm lamp as the only light source.
@Image1 — the man's identity. @Audio1 — his voice reference.
[0-3s] He sits still, looking slightly off camera. Camera: static medium close-up.
[3-10s] He speaks slowly, with pauses, voice low and unsteady, in Russian:
«Я не знал, что так получится». Camera: very slow dolly in, ending on a close-up.
OPTICS: 35 mm lens, aperture of 1.8, shallow depth of field, muted desaturated grade.
AUDIO: room tone only, faint clock ticking, no music.
No: cuts, background movement, readable text.

Общий план локации. Установочный кадр, с которого удобно начинать любую историю.

16:9, cinematic establishing shot, 8 seconds, golden hour.
@Image1 — the location reference, keep architecture and colors identical.
[0-5s] Wide aerial view of an old town, long shadows across the roofs.
Camera: drone flyover, slow rise. End state: the square is fully visible.
[5-8s] Camera: slow tilt down toward a single lit window.
OPTICS: 24 mm lens, deep focus, warm grade, light haze.
AUDIO: wind, distant bells, faint street murmur.
No: modern cars, people close to camera, text.

Оживление фотографии. Минимальный промпт для режима «изображение в видео», где важно не сломать исходный кадр.

16:9, 6 seconds, one seamless shot.
@Image1 — the source photo, keep the face, clothing and background exactly as they are.
[0-6s] The person breathes, blinks twice and turns the head slightly toward the camera,
a small honest smile appears at the end. Camera: very slow dolly in, almost imperceptible.
OPTICS: keep the original lens look and grain of the photo.
AUDIO: quiet room tone.
No: new objects, change of clothing, background movement.

Эти промты для Seedance проверяются по одной схеме: сначала короткий вариант на шесть-восемь секунд, потом добавление отрезков. Если сцена посыпалась, правится один блок за раз, а не весь текст сразу.

Частые ошибки: на чём горят генерации

Большинство неудачных дублей объясняется не моделью, а промптом: список запретов вместо описания, конфликт референсов или сцена, которая не помещается в один запуск.

Отрицания вместо описания. Автор короткометражек на Seedance формулирует жёстко: негативные промпты не нужны, модель их не понимает и делает наоборот. Напишете «он не плачет» — получите слёзы. Описывайте нужное состояние прямо, а короткий список исключений выносите отдельной строкой в самый конец: No: readable text, logos, extra people.

Сцена без таймкодов. Неразмеченный длинный промпт теряет структуру: действия смешиваются, финал наступает раньше времени. Разметка по секундам стоит одной строки, а спасает целую генерацию.

Сразу максимальная длительность. Начинать разумно с восьми-пятнадцати секунд, а не с потолка: короткий ролик быстрее показывает, где промпт неточен. Черновые прогоны удобно гонять на bytedance-seedance-2-fast — от 175 ₽ за запуск.

Слишком много референсов без ролей. Пять файлов с непонятными задачами хуже двух с чёткими. Модель усредняет всё, что ей дали, и герой перестаёт быть собой.

Одна генерация вместо монтажа. Один шот — одна генерация, а сцена собирается из нескольких дублей. Неудачные генерации не выбрасывают: хороший кадр из них становится стартовым кадром следующей попытки.

Сложное движение по видеореференсу. Простая статичная камера с одним объектом даёт четыре удачных дубля из пяти, а танец или хаотичная динамика переносятся плохо: модель не понимает, что происходит вокруг персонажа, и путает масштаб. Такие сцены проще разбить на короткие шоты.

Мелочи на референсе. Маленькая деталь вроде шляпы или значка ломает лицо героя в видео — с исходника её лучше убрать. Туда же экраны и вывески в кадре: если не сказать, что на них, модель нарисует нечитаемую мешанину.

Промты для Seedance перестают быть лотереей ровно в тот момент, когда становятся сценарием: шесть блоков, тайминг по секундам, роли у референсов и камера, прописанная в каждом отрезке. Запустить модель можно прямо в Студии IskraGen — а если хочется начать с более простого сценария, посмотрите, как собрать видео по текстовому описанию.