Hướng dẫn viết prompt video Seedance 2.0

Hướng dẫn này dựa trên chuẩn chính thức và bổ sung thêm. Dùng được cho dòng Seedance 2.0 (2.0, 2.0 Fast và 2.0 Mini). Prompt viết tốt thì hiệu quả của Seedance mới ra.

Công thức cơ bảnCopy Anchor Link

Dòng mô hình Seedance 2.0 hỗ trợ tham chiếu cùng lúc các tài nguyên đa phương thức như video, hình ảnh và âm thanh. Mô hình khóa chính xác các đặc điểm như ngoại hình nhân vật, hiệu ứng hành động, phong cách hình ảnh và âm sắc lời thuyết minh, nhờ đó hạ thấp nhiều ngưỡng viết prompt. Trên cơ sở đó, dẫn mô hình bằng một công thức cơ bản đơn giản, dùng đặc điểm của tài nguyên đa phương thức để nhanh chóng tạo video đáp ứng yêu cầu cụ thể.

Tạo video dựa trên tham chiếu chia thành ba loại nhiệm vụ: tham chiếu omni (omni reference), chỉnh sửa video và kéo dài video. Chọn công thức prompt cơ bản theo loại nhiệm vụ. Ba loại cũng có thể dùng kết hợp.

Tham chiếu omniCopy Anchor Link

Lấy một số yếu tố từ tài nguyên (như chủ thể, phong cách, cảnh và hiệu ứng âm thanh) để tạo một video hoàn toàn mới.

Tình huống phù hợp: chuyển hành động, dùng lại chủ thể, tham chiếu không khí, và các việc tương tự.

Mẫu nên dùng:

• Tham chiếu hình ảnh: tham chiếu chủ thể trong @Image1 để tạo…
• Tham chiếu video: tham chiếu chuyển động trong @Video1 để tạo…
• Tham chiếu âm thanh: tham chiếu âm sắc trong @Audio1 để tạo…

Trong studio này, tham chiếu omni (omni reference) là Đa tham chiếu. Gõ @ trong ô prompt và chọn tệp. Tệp được chèn thành @Image1, @Video1 hoặc @Audio1, đánh số theo thứ tự tải lên trong loại đó. Mỗi ảnh thu nhỏ hiện token của nó. Nếu gỡ một tệp, các token còn lại của loại đó được đánh số lại. Mẫu ở trên vẫn phải nói bạn đang lấy yếu tố nào. Một token đơn độc không cho mô hình biết bạn muốn khuôn mặt, chuyển động, phong cách hay âm sắc.

Chỉnh sửa videoCopy Anchor Link

Thực hiện thay đổi một phần hoặc toàn cục dựa trên video gốc. Những phần không được nhắc đến giữ nguyên theo mặc định.

Tình huống phù hợp: thay thế cục bộ, bỏ chủ thể, sửa một thuộc tính, và các việc tương tự.

Mẫu nên dùng:

• Thêm yếu tố: mô tả rõ @Video1 + yếu tố mới + chỗ nó nằm.
• Sửa yếu tố: chỉnh @Video1 một cách chặt, và đổi một yếu tố trong đó thành yếu tố khác.
• Xóa yếu tố: nêu các yếu tố cần xóa. Với yếu tố phải giữ nguyên, nhấn mạnh chúng trong prompt để kết quả tốt hơn.

Kéo dài videoCopy Anchor Link

Tiếp tục video gốc dọc theo chiều thời gian, yêu cầu phong cách nghe-nhìn, chủ thể và mạch kể giữ sự nhất quán.

Tình huống phù hợp: tiếp tục cốt truyện, kéo dài hành động, hoàn thành clip, và các việc tương tự.

Mẫu nên dùng:

• Kéo dài video: kéo @Video1 về phía trước hoặc về phía sau để tạo…
• Hoàn thành track: @Video1 + chuyện gì xảy ra, rồi @Video2 + chuyện gì xảy ra tiếp.

Với nhiệm vụ chỉnh và kéo dài, hãy chỉ thẳng vào video: "strictly edit @Video1", "extend @Video1 forward". Đừng viết "reference @Video1" cho các nhiệm vụ này. "Reference" là mẫu tham chiếu omni (omni reference), và mô hình có thể đọc một lần chỉnh hoặc một lần kéo dài thành một clip hoàn toàn mới.

Hình ảnh sang Video là một chế độ riêng. Khung đầu và khung cuối không thể trộn với tệp tham chiếu trong một lần tạo. Khung đầu là phần mở, và tỷ lệ khung hình theo ảnh đó. Bật Thêm khung cuối khi khung kết cũng phải được khóa, và chỉ mô tả chuyện xảy ra giữa hai khung. Bật Trả về khung cuối trước khi tạo. Khi clip sẵn sàng, Tiếp tục từ đây dùng khung cuối đó làm khung đầu của clip kế tiếp, nên mối nối được khóa vào một hình. Đó là cách khóa khung của studio này để tiếp tục. Công thức kéo dài chính thức vẫn áp dụng khi nguồn là một video trong Đa tham chiếu.

Nhiệm vụ kết hợpCopy Anchor Link

Ba loại nhiệm vụ ở trên cũng có thể dùng kết hợp.

Tình huống phù hợp: tham chiếu một tài nguyên và chỉnh một tài nguyên khác.

Mẫu câu nên dùng: tham chiếu [Chiều_Tham_Chiếu] của @Video1, chỉnh chặt @Video2, [Các_Chỉnh_Sửa_Cụ_Thể].

[Chiều_Tham_Chiếu] là một thứ bạn lấy từ tệp đầu, như chuyển động máy quay, một hiệu ứng hoặc một âm sắc. [Các_Chỉnh_Sửa_Cụ_Thể] là thay đổi duy nhất bạn muốn ở tệp thứ hai. Mọi thứ bạn không gọi tên trong phần chỉnh đều giữ nguyên.

Công thức nâng caoCopy Anchor Link

Seedance 2.0 về bản chất là một đạo diễn AI đa phương thức: nó đọc cùng lúc prompt chữ, hình ảnh, video và âm thanh của bạn, rồi bên trong tách thành hai chiều, lớp không gian (spatial layer, thứ có trong khung) và lớp thời gian (temporal layer, mọi thứ đổi theo thời gian ra sao), để hiểu và tạo hình.

Một prompt tốt không chỉ là một đoạn mô tả kiểu viết quảng cáo, mà là một chỉ dẫn kiểu kỹ thuật: ai, ở cảnh nào, làm hành động gì, máy quay chuyển động ra sao, và sự kiện xảy ra theo thứ tự thời gian nào, được đưa lần lượt cho lớp không gian (spatial layer) và lớp thời gian (temporal layer).

1. Xác định chủ thểCopy Anchor Link

Trong tài nguyên tham chiếu thực, một hình thường chứa nhiều chủ thể. Để tham chiếu chính xác một vật cụ thể trong tài nguyên, phải xác định rõ chủ thể. Chủ thể có thể là người, đạo cụ, cảnh, v.v.

Định nghĩa cơ bản

Yêu cầu đặc điểm cốt lõi: dùng 2–3 đặc điểm tĩnh rõ và ổn định (như quần áo, kiểu tóc, ngoại hình hoặc loại) để mô tả chủ thể và bảo đảm nhận ra được một cách duy nhất.

Ví dụ:

• Định nghĩa người phụ nữ mặc váy đỏ và đội mũ rơm trong @Image1 là Subject 1.
• Định nghĩa người phụ nữ mặc váy đỏ và đội mũ rơm trong @Image1 là Zhang Hong.

Một chủ thể trên nhiều tư liệu

Khi các vật trong nhiều tài nguyên chỉ cùng một chủ thể, hãy buộc chúng một cách nhất quán. Viết rằng khuôn mặt trong @Image1 và ảnh toàn thân trong @Image2 là cùng một người.

Tình huống nhiều chủ thể

Khi nhiều chủ thể xuất hiện trong video, hãy định nghĩa riêng và phân biệt bằng nhãn. Nhãn phải duy nhất và ổn định, và các nhãn tương ứng phải được dùng nhất quán ở các mô tả sau để tránh tham chiếu mơ hồ.

Ví dụ: định nghĩa người đàn ông cao trong @Video1 là cảnh sát, và định nghĩa người đàn ông thấp kia là kẻ trộm. Cảnh đặt ở một khu chợ đông vào ban ngày, nắng sáng, nhiều sạp trái cây và dòng người đi bộ dày, tạo không khí chợ đường phố sôi động. Kẻ trộm chạy về phía trước trong hoảng loạn xuyên qua chợ đông, trong khi cảnh sát bám sát phía sau hết tốc lực. Hai người nhanh chóng luồn qua các sạp. Máy quay cầm tay bám nhanh về phía trước, với rung máy nhẹ mang tính hiện thực, tạo không khí đuổi bắt căng thẳng.

Mỗi lần một chủ thể tham gia, phải gọi tên rõ ràng, để khỏi bỏ sót. Có hai cách dùng được hỗ trợ:

• Với tình huống đơn giản chưa định nghĩa chủ thể, mỗi lần nhắc chủ thể, dùng @ để nhấn mối buộc giữa chủ thể và tài nguyên. Ví dụ: Zhang San @Image1.
• Với tình huống chủ thể đã được định nghĩa trước, mỗi lần nhắc chủ thể, dùng cùng nhãn. Sau khi người đàn ông cao trong @Video1 được định nghĩa là cảnh sát và người thấp là kẻ trộm, các câu sau nói cảnh sát và kẻ trộm, không phải "the tall one" và "the other man".

Khi dùng một id thư viện tài nguyên, bạn vẫn cần @Image1 hoặc @Video1 để chỉ chủ thể. Mô hình không thể gắn trực tiếp một id tài nguyên với nội dung tham chiếu, nên không được dùng id tài nguyên thay token tệp.

Giữ mô tả ngắn nhất có thể, tránh dư thừa, và tránh xung đột nghĩa, như các đặc điểm mâu thuẫn của cùng một chủ thể. Diễn quan hệ không gian trước hết qua hình tham chiếu, giảm các mô tả chữ phức tạp.

Với một người, một ảnh cận mặt cộng một ảnh toàn thân là đủ. Hình nhân vật multi-view không được khuyên dùng ở đây, vì một tờ turnaround là nguyên nhân phổ biến của ID drift.

2. Trình tự cảnh quayCopy Anchor Link

Mô hình hóa bên trong của mô hình tách không gian và thời gian. Vì vậy dạng prompt lý tưởng cho một video phức tạp là storyboard theo dòng thời gian: chia video thành vài cảnh quay, và mô tả động từng cảnh quay theo thứ tự sự kiện xảy ra: ai + ở đâu + làm gì + máy quay chuyển động ra sao.

Dùng thứ tự cảnh quay. Viết một storyboard đơn giản Shot 1 / Shot 2 / Shot 3 cho mỗi đoạn của video, rồi gộp thành một prompt trọn vẹn.

Ví dụ tiêu cực: "A man runs nervously down the street, and the scene feels very cinematic."

Ví dụ tích cực:

• Shot 1: cảnh quay bên của một hẻm phố; người đàn ông chậm rãi bắt đầu chạy, với cảm giác thở gấp.
• Shot 2: người đàn ông hất đổ một sạp trái cây; máy quay rung nhanh và cho cận cảnh khuôn mặt hoảng sợ của ông.
• Shot 3: người đàn ông trèo qua một bức tường thấp rồi biến mất; máy quay từ từ lùi lại và đứng hình trên con phố trống.

Dùng các định danh như Shot 1, Shot 2 và Shot 3 để sắp nội dung theo thứ tự sự kiện, việc chính trước, việc phụ sau. Đừng áp giới hạn chặt cho thời lượng từng đoạn. Ưu tiên để mô hình tự tạo nhịp theo cốt truyện. Sự hỗ trợ của mô hình cho thời điểm chính xác, như 0–3 giây, không ổn định, và cưỡng bức giới hạn thời lượng có thể dẫn tới kết quả tạo bất thường.

Sắp mỗi cảnh quay theo thứ tự này:

1. Chuyển động máy quay hoặc cách chuyển cảnh, như "slowly push in from a wide shot", "fixed camera position", "cut to…".
2. Hành động và biểu cảm của chủ thể. Mô tả các hành động then chốt và thay đổi biểu cảm của nhân vật hoặc vật trung tâm.
3. Vị trí hoặc thay đổi không gian. Giải thích cảnh, vị trí hoặc quan hệ không gian nơi chủ thể đang ở.
4. Thông tin âm thanh. Mô tả hiệu ứng âm thanh, giọng nói và nhạc nền tương ứng với cảnh quay.

3. Yêu cầu mô tả hành độngCopy Anchor Link

Làm mịn chuyển động cơ thể + lượng hóa mức độ. Hành động nên cụ thể tới các bộ phận như tay, chân, đầu, vai và lưng, đồng thời bổ sung mô tả biên độ, tốc độ và lực. Ví dụ: từ từ giơ một tay, nhanh chóng quay đầu, đẩy mạnh khỏi mặt đất, hơi cúi đầu.

Ưu tiên các chuyển động nhỏ chậm, nhẹ và liên tục. Ưu tiên các chuyển động tinh tế chậm, nhẹ và liền mạch, và cố tránh các hành động bùng nổ cao, động lực lớn như nước rút, nhảy lớn và lăn mạnh. Ví dụ: đi chậm, nhẹ nhàng giơ một tay, hơi cúi đầu, ngồi xuống tự nhiên theo chuyển động.

Bổ sung chuyển tiếp giữa các hành động. Nêu quán tính và sự liên tục giữa hành động trước và sau để chuyển động trên màn hình liền mạch và tự nhiên. Ví dụ: dùng quán tính của việc quay người để tự nhiên giơ tay, tự nhiên chuyển từ một khoảng dừng sang giơ tay.

Biểu hiện bên ngoài cụ thể của cảm xúc. Dùng chi tiết thể chất cụ thể để diễn cảm xúc, thay các từ trừu tượng như "very sad" và "extremely angry."

4. Prompt chuyển động máy quayCopy Anchor Link

Mô hình hiểu mạnh các thuật ngữ chuyển động máy quay, nên có thể dùng thẳng thuật ngữ chuẩn, như "medium shot, close-up, wide shot, slow push-in, smooth lateral tracking, fixed shot."

Cố chỉ nêu 1 loại chuyển động máy quay trong một cảnh quay. Đừng đòi push, pull, pan và move cùng lúc, vì điều đó làm hình kém ổn định hơn.

5. Chất lượng hình, phong cách và từ ràng buộcCopy Anchor Link

Chất lượng hình, phong cách và từ ràng buộc là chìa khóa để điều khiển kết quả tạo video. Chúng có thể đặt biên giới sáng tạo cho mô hình, thống nhất chất lượng hình và giọng nghệ thuật, và tránh lỗi hình cùng lệch ngẫu nhiên, nên là cấu hình cần thiết để bảo đảm đầu ra cuối ổn định và đúng chuẩn.

1. Chất lượng hình. Xác định độ nét, chất liệu chi tiết và chất lượng ánh sáng để nâng chất lượng hình cơ bản của video cuối. Ví dụ: HD, chi tiết giàu, chất liệu điện ảnh, màu tự nhiên, ánh sáng mềm.
2. Phong cách. Đặt phong cách nghệ thuật tổng thể và giọng hình để thống nhất không khí nghệ thuật của hình. Ví dụ: tông cyberpunk lạnh xanh-tím, phim retro, phong cách Nhật tươi.
3. Từ ràng buộc. Từ ràng buộc rất quan trọng. Chúng tránh hiệu quả lỗi hình, biến dạng, vỡ hình và yếu tố vô lý, và ràng buộc biên độ tạo cùng độ ổn định.

Mẫu từ ràng buộc thường gặp:

• Tránh tạo phụ đề: "keep it subtitle-free", "avoid generating any text or subtitles".
• Tránh tạo logo: "do not generate a logo".
• Tránh tạo hình mờ: "do not generate a watermark".

6. Trường hợpCopy Anchor Link

Hai ví dụ này cho thấy cách dùng công thức nâng cao ở trên. Lời thoại nằm trong {}, đó là dấu hội thoại của chuẩn ký tự đặc biệt.

Ví dụ 1: Phim ngắn cảm xúc trong ký túc xá (tập trung vào hội thoại)

Chuẩn bị tài nguyên:

• @Image1: ảnh nửa người của nữ chính
• @Image2: hình tham chiếu cảnh ký túc xá
• @Video1: tham chiếu chuyển động máy quay cho hội thoại trong nhà (dolly in/out cảnh trung hoặc pan nhẹ)
• @Audio1: tiếng nền trong nhà hoặc nhạc nhẹ

Use the girl in @Image1 as the main character, use @Image2 as the dormitory scene style reference, and refer to the camera movement in @Video1.

Shot 1: At dusk, girl @Image1 walks briskly to the dormitory entrance @Image2. The camera follows steadily in a medium shot. Warm yellow sunlight spills into the hallway from the window. She pauses at the doorway, takes a deep breath, and looks slightly nervous.

Shot 2: Girl @Image1 pushes the door open and enters the dormitory. The camera cuts to an indoor medium shot. Her roommates look up at her while organizing their books. One of them smiles and asks {How did the exam go? Did you pass?}. The camera slowly cuts between half-body close-ups of several people.

Shot 3: Girl @Image1 first lowers her head with a dejected expression. The camera gives her a close-up. Then she raises her head, unable to hold back a smile, laughs out loud, and says {I was kidding}. Her roommates start chasing and play-fighting with her. The camera slowly pulls back and freezes on a wide shot of the dormitory filled with laughter.

The entire video should have a high-definition cinematic documentary style, with warm tones and soft lighting. The character's face remains stable without deformation; movements are natural and smooth, with no stutter or flicker. The ambient sound blends naturally with @Audio1.

Ví dụ 2: Đối đầu trên vách đá phong cách cổ (tập trung vào hành động/không khí)

Chuẩn bị tài nguyên:

• @Image1: nữ chính áo đỏ
• @Image2: thích khách áo đen (đối thủ)
• @Image3: hình cảnh vách đá và rừng tre
• @Video1: tham chiếu chuyển động máy quay cho đối đầu võ thuật
• @Audio1: nhịp trống dồn hoặc hiệu ứng tiếng đánh nhau

Use the woman in red from @Image1 as the female lead, use the woman in black from @Image2 as the opponent, use the cliff and bamboo forest environment in @Image3 as the scene reference, refer to the overall camera movement and action rhythm in @Video1, and synchronize the background sound effects with @Audio1.

Shot 1: At dusk, the camera slowly pushes in from a side medium shot of woman in red @Image1. She stands at the edge of the cliff and lifts a wine flask to drink. Her sleeves and robe hem sway gently in the mountain wind. The camera circles halfway around her, moving from the front to her back. In the distance, a figure in black is faintly visible in the bamboo forest.

Shot 2: The camera zooms and fades into a long shot. From a drone perspective, it overlooks the entire cliff and bamboo forest. The two characters stand at opposite ends of the cliff. The mountain wind lifts their robe hems and dust, and the rhythm slightly accelerates with the drum beats.

Shot 3: The camera cuts back to a ground-level close shot. The two slowly draw their swords and face off. Woman in red @Image1 shifts from a careless expression to a cold gaze. Woman in black @Image2 looks determined, and the sword tip trembles slightly. The camera steadily follows the two as they circle each other, finally freezing on a close-up of the instant before the two swords meet.

The overall visual style should feel like a cinematic wuxia world in misty rain, with cool tones, low saturation, a film-grain texture, and rich light-and-shadow layers. The characters' faces and body proportions remain stable without deformation. Movements are continuous and natural, not stiff, with no clipping or stutter.

Mẹo khácCopy Anchor Link

Tạo chữCopy Anchor Link

Các mô hình dòng Seedance 2.0 hỗ trợ tạo chữ thông dụng. Mô hình có thể tự khớp một phong cách và màu phù hợp theo ngữ cảnh, và cũng hỗ trợ chỉ định màu, phong cách, cách xuất hiện, thời điểm xuất hiện và vị trí xuất hiện của chữ trong prompt. Khi viết, ưu tiên ký tự thông dụng và tránh ký tự hiếm cùng ký hiệu đặc biệt, để trình bày tốt nhất. Hiện hỗ trợ các tình huống như khẩu hiệu quảng cáo, phụ đề và bong bóng lời thoại. Các trường hợp nằm ở mục cuối.

Mẫu prompt khẩu hiệu: [Nội_Dung_Chữ] + [Thời_Điểm] + [Vị_Trí] + [Kiểu_Vào/Xuất_Hiện], [Thuộc_Tính_Hình (Màu, Kiểu_Chữ)].

Seedance 2.0 có thể khớp một phong cách chữ phù hợp theo ngữ cảnh. Nếu có yêu cầu chặt về cách trình bày chữ, hãy dùng ví dụ logo trong mục tham chiếu nhiều hình.

Mẫu prompt phụ đề: hiện phụ đề ở giữa phía dưới cùng với chữ. Phụ đề phải đồng bộ hoàn hảo với nhịp và tốc độ của âm thanh.

Kéo dài video so với ghép theo đoạnCopy Anchor Link

• Cảnh dài liên tục (kéo dài video): hợp với cảnh hội thoại trong một cảnh, như cuộc nói chuyện dài, tiến triển cảm xúc và di chuyển dọc một lối, để có hiệu ứng một cú máy đắm chìm và liền mạch.
• Điểm ngoặt cảnh / hành động (ghép theo đoạn): hợp với ngoặt cốt truyện hoặc cảnh hành động phức tạp, nhịp nhanh, như rượt đuổi, đánh nhau và montage. Có thể tạo các clip độc lập rồi dựng lại với nhau để giữ nhịp và sức nặng hình ảnh.

Trong sản xuất thực, hai cách thường được kết hợp. Ví dụ, trước hết dùng kéo dài để tạo một cuộc nói chuyện liền mạch, rồi ghép các cảnh trống hoặc clip chuyển cảnh, cân bằng sự đắm chìm với biến thiên nhịp.

Chiến lược cấu hình tài nguyênCopy Anchor Link

Tài nguyên thường chia thành bốn vai trò chức năng:

1. Neo nhân vật: khóa ngoại hình nhân vật.
2. Đặt tông cảnh: khóa môi trường và phong cách.
3. Tham chiếu chuyển động máy quay: khóa ngôn ngữ cảnh quay và nhịp hành động.
4. Không khí có nhịp: dùng âm thanh để điều khiển cảm xúc và âm sắc.

Cấu hình nên dùng, tổng 4–5 tài nguyên: 1–2 hình nhân vật (cận mặt / toàn thân) + 1 hình cảnh + 1 video chuyển động máy quay + 1 clip âm thanh.

Không nên dùng hết hạn mức tài nguyên. Quá nhiều tài nguyên khiến mô hình khó phán ưu tiên đặc điểm, dễ gây xung đột phong cách, nhận diện chủ thể mờ và kết quả lệch khỏi kỳ vọng.

Ở họ Seedance 2.0, âm thanh không thể ghép chỉ với chữ. Thêm ít nhất một hình hoặc một video cùng với âm thanh.

Điều cần lưu ýCopy Anchor Link

Chuẩn ngôn ngữCopy Anchor Link

Ngôn ngữ hội thoại phải nhất quán, và nên tránh trộn tiếng Trung với tiếng Anh, trừ danh từ riêng.

Chuẩn ký tự đặc biệtCopy Anchor Link

Dùng ký hiệu một cách hợp lý trong prompt giúp mô hình hiểu chính xác các loại thông tin khác nhau.

FAQCopy Anchor Link

Tham chiếu khuôn mặt không chính xácCopy Anchor Link

Triệu chứng điển hình. Ngoại hình nhân vật được tạo không khớp hình tham chiếu, hoặc giữa video xảy ra đổi mặt (ID drift), khiến nhân vật trong video giống một người nổi tiếng và bị chặn khi duyệt.

Nguyên nhân gốc. Hình tham chiếu khuôn mặt không đủ hiệu lực.

• Hình tham chiếu trộn. Đưa cho mô hình một hình ghép gồm tham chiếu mặt, tham chiếu tư thế toàn thân hoặc nửa người, tham chiếu trang phục, tham chiếu chi tiết và các yếu tố tham chiếu khác.
• Tỷ lệ mặt quá nhỏ. Trong hình tham chiếu trộn, vùng mặt chiếm tỷ lệ quá nhỏ của cả hình. Khi tách đặc điểm mặt, mô hình gán trọng số không đủ và dễ bị nền hoặc yếu tố khác làm nhiễu.

Cách xử lý. Tăng tính độc lập và trọng số của tham chiếu mặt.

1. Chuẩn bị một hình cận mặt. Ngoài ảnh toàn thân gốc, chuẩn bị thêm một hình cận mặt chỉ chứa đầu nhân vật. Một headshot, chỉ giữ khuôn mặt. Không biểu cảm là tốt nhất. Giảm tối thiểu yếu tố gây nhiễu như vai, cổ và nền.
2. Xác định rõ chủ thể trong prompt: đặc điểm mặt tham chiếu headshot, trang điểm và tạo kiểu tham chiếu ảnh toàn thân.
3. Đặt tài nguyên quan trọng trước. Tài nguyên càng cần tham chiếu chính xác thì càng nên đứng sớm trong prompt.

Với tham chiếu nhân vật, một headshot + một ảnh toàn thân là đủ. Không nên dùng hình nhân vật multi-view. Tài nguyên multi-view chứa các góc khác nhau của cùng một nhân vật, và mô hình dễ nhận chúng là nhiều chủ thể khác nhau, điều đó lại làm vấn đề ID drift nặng hơn.

Trước: nhân vật trong video đổi mặt giữa chừng và giống một người nổi tiếng. Sau: khuôn mặt giữ khớp hình tham chiếu suốt thời gian.

Phụ đề không mong muốn xuất hiện trong videoCopy Anchor Link

Triệu chứng điển hình. Prompt không yêu cầu phụ đề, nhưng video được tạo có phụ đề.

Cách xử lý. Không thể trực tiếp tránh tạo phụ đề 100%. Chỉ có thể giảm xác suất và nâng tỷ lệ thành công.

1. Thêm chỉ dẫn ràng buộc rõ vào prompt: "Keep it subtitle-free" và "Avoid generating any text or subtitles".
2. Nếu hình hoặc video tham chiếu chứa chữ không thiết yếu, hãy xóa chữ trước, bằng chỉnh hình hoặc chỉnh video, rồi dùng tài nguyên không chữ làm đầu vào.
3. Nếu cách dùng của bạn cho phép, ưu tiên tạo video khổ ngang. Xác suất tạo phụ đề ở khổ ngang thấp hơn rõ so với khổ dọc. Sau đó có thể cắt thành khổ dọc trong trình dựng.

Logo hoặc hình mờ xuất hiện trong videoCopy Anchor Link

Triệu chứng điển hình. Prompt không nhắc nội dung liên quan hình mờ, nhưng video được tạo chứa logo hoặc hình mờ của một nền tảng video khác.

Cách xử lý. Thêm chỉ dẫn ràng buộc rõ vào prompt: "Do not generate watermarks" và "Do not generate Logos".

Phong cách trôiCopy Anchor Link

Triệu chứng điển hình. Bạn kỳ vọng tạo phong cách anime 2D hoặc 3D, nhưng phong cách hình tham chiếu đầu vào tương đối hiện thực, và prompt không nhấn phong cách video. Kết quả là video được tạo có thể trôi sang phong cách hiện thực người đóng.

Cách xử lý. Thêm từ ràng buộc phong cách rõ vào prompt, như "2D Japanese anime style" hoặc "3D Chinese-style comic". Nếu cần kiểm soát phong cách chính xác hơn, hãy chuyển hình tham chiếu sang phong cách đích trước khi tạo video.

Trước: phong cách xianxia trôi sang phong cách người đóng. Sau: giữ phong cách xianxia hoạt hình CG Trung Quốc 3D.

Jump cut tại điểm nối khi kéo dài videoCopy Anchor Link

Triệu chứng điển hình. Sau khi dùng kéo dài video để tạo video mới, khi video mới được ghép với video gốc, tại mối nối có thể có nhảy khung hoặc vấn đề nội dung bị kéo lùi.

Cách xử lý. Khuyến nghị hiện tại là sửa việc này ở hậu kỳ bằng cách căn keyframe. Tối ưu căn bản sẽ đến qua các vòng lặp mô hình sau này.

1. Nhập các video cần ghép vào CapCut hoặc phần mềm dựng video chuyên nghiệp khác.
2. Tại mối nối đầu, cắt 6 khung ở cuối đoạn video trước.
3. Đồng thời, cắt 1 khung ở đầu đoạn video sau.
4. Lặp các thao tác trên cho mọi điểm ghép.
5. Xuất và kiểm tra độ mượt của video đã ghép.

Sau khi căn khung video, nhảy nhẹ vẫn có thể còn. Nên kết clip trước tại khoảnh khắc một nhát cắt chuyển cảnh, và bắt đầu video sau từ cảnh mới sau nhát cắt đó.

Trước: tại điểm chuyển xảy ra nhảy màn hình tức thì hoặc nội dung bị kéo lùi. Sau: các chuyển cảnh mượt hơn.

Nhân vật bị trùngCopy Anchor Link

Triệu chứng điển hình. Trong tình huống có nhiều nhân vật trong khung và hình nhân vật three-view được đưa làm tài nguyên tham chiếu, hai nhân vật giống hệt dễ xuất hiện trong cùng một khung video được tạo.

Nguyên nhân gốc.

• Chủ thể nhân vật không được định nghĩa rõ trong prompt, nên mô hình không phân biệt chính xác các vai khác nhau.
• Khi hình nhân vật three-view hoặc multi-view được dùng làm tài nguyên tham chiếu, việc nhận dạng nhân vật của mô hình dễ rối, khiến nó tạo các nhân vật trùng ngoại hình.

Cách xử lý. Không thể trực tiếp tránh vấn đề sinh đôi 100%. Các cách sau chỉ giảm xác suất và tăng tỷ lệ thành công.

1. Nêu rõ liên kết nhân vật và chủ thể. Định nghĩa rõ từng vai trong prompt và chỉ sự tương ứng giữa vai và hình tham chiếu. Đánh dấu hình tham chiếu tương ứng sau mỗi tên nhân vật và giữ định dạng nhất quán. Ví dụ: Zhang San (tương ứng image 1) ném sổ tiết kiệm màu xanh về phía Li Si (tương ứng image 2), người đang đứng.
2. Thêm chỉ dẫn ràng buộc toàn cục. Thêm một ràng buộc cố định ở cuối prompt: suốt video, cấm các nhân vật có ngoại hình, quần áo và phụ kiện hoàn toàn giống nhau. Đừng tạo avatar trùng hoặc hiệu ứng sinh đôi. Trong cùng một khung chỉ giữ một nhân vật tương ứng, và đừng tái tạo các bản sao lặp của nhân vật.
3. Tối ưu tài nguyên tham chiếu. Với hình tham chiếu nhân vật, ưu tiên ảnh độc lập của một người. Tài nguyên three-view hoặc multi-view không được khuyên dùng.
4. Đơn giản hóa và tối ưu prompt. Đừng dùng thẳng kịch bản đầy đủ làm prompt. Lời quá dư dễ gây rối trong cách mô hình hiểu. Bỏ các mô tả không liên quan và bảo đảm chỉ dẫn rõ, tập trung.

Trước: sinh đôi xuất hiện trong video. Sau: một người cho mỗi vai.

Chất lượng hình giảm khi kéo dài videoCopy Anchor Link

Triệu chứng điển hình. Khi một video do mô hình tạo được dùng làm tài nguyên đầu vào để kéo dài và tiếp tục, chất lượng hình giảm. Nhiều lần tiếp tục cộng dồn sự giảm đó, và các khối màu loang đặc biệt dễ xuất hiện ở vùng mặt nhân vật.

Cách xử lý. Các cách sau có thể giảm mức suy chất lượng hình. Tối ưu căn bản sẽ được thực hiện sau qua các vòng lặp mô hình.

1. Chuyển video gốc thành một video mô hình trắng, rồi dùng nó làm tài nguyên đầu vào để tiếp tục. Prompt tham chiếu: chuyển video thành một mô hình 3D trắng (white 3D model). Mọi nhân vật nên được thống nhất thành mô hình 3D trắng thuần, không màu, không chất liệu và không bóng; dùng nền trắng thuần, cấu trúc ổn định và chuyển động mượt.
2. Ưu tiên hình độ nét cao làm tài nguyên tham chiếu.
3. Kiểm soát hợp lý số lần tiếp tục video và tránh các lần tiếp tục chồng lặp.

Trước: tiếp tục trực tiếp dựa trên đầu ra của mô hình. Sau: chuyển đầu ra của mô hình thành video mô hình trắng trước khi tiếp tục.

Hiệu ứng đặc biệt không đúng kỳ vọngCopy Anchor Link

Triệu chứng điển hình. Khi một hiệu ứng đặc biệt được mô tả bằng chữ prompt, hiệu ứng có thể không khớp kỳ vọng. Ví dụ nếu prompt nêu số "2999" xuất hiện với hoạt ảnh đếm ngược, hiệu ứng cuộn số thực sự được tạo có thể nhảy ngẫu nhiên và không theo logic đếm ngược chuẩn.

Cách xử lý. Dùng một video tham chiếu để định nghĩa hiệu ứng đặc biệt. Đưa video hiệu ứng đặc biệt đích vào mô hình như một tài nguyên tham chiếu, để mô hình hiểu chính xác dạng hiệu ứng và logic chuyển động, và kết quả tạo khớp kỳ vọng hơn. Ví dụ: cách số "2999" xuất hiện nên tham chiếu @Video1.

Trước: hiệu ứng cuộn số có cảm giác nhảy loạn rõ. Sau: sau khi thêm video hiệu ứng cuộn số đúng, kết quả hiệu ứng đúng kỳ vọng.

Quá nhiều nhân vật tham chiếuCopy Anchor Link

Triệu chứng điển hình. Khi số người tham chiếu vượt 4, độ ổn định đầu ra của mô hình giảm, và video được tạo có thể gặp vấn đề như sai số người (ví dụ quá ít hoặc quá nhiều nhân vật) hoặc nhân vật trùng.

Cách xử lý. Việc này có thể giảm bằng các cách sau. Trong tương lai, tối ưu căn bản sẽ được thực hiện dựa trên các vòng lặp mô hình.

1. Tạo hình từng bước. Nhóm người sao cho số người trong mỗi hình được tạo không vượt 4. Ví dụ, 6 người có thể chia thành 2 nhóm, mỗi nhóm 3 người, và các hình được tạo riêng.
2. Tạo video từ hình. Dùng nhiều hình đã nhóm ở bước một làm tài nguyên tham chiếu, rồi tạo video cuối.

Trước: đưa vào 8 nhân vật tham chiếu, và video đầu ra có 9 người. Sau: tạo 2 hình từ 8 nhân vật, rồi dùng hình sang video.

Nhiễu ở cuối videoCopy Anchor Link

Triệu chứng điển hình. Khi video có lời dẫn, tiếng tách đột ngột và nhiễu bị cắt dễ xuất hiện ở cuối video.

Cách xử lý. Tạo lại video, hoặc dùng trình dựng như CapCut để áp fade-out âm thanh cho track âm thanh cuối thông qua volume envelope, loại nhiễu bị cắt.

Các bước cụ thể, dùng CapCut:

1. Nhập video đã tạo vào CapCut.
2. Chọn track video trên dòng thời gian và bấm Audio trên thanh công cụ.
3. Chọn chức năng Volume envelope. Ở một số phiên bản nó nằm trong menu Basic / Adjust. Chọn keyframe. Một đường biểu thị âm lượng và keyframe sẽ xuất hiện trên track âm thanh.
4. Gần cuối video, kéo keyframe âm lượng cuối xuống mức 0 để tạo một dốc xuống. Đường cong trên thẻ chính là dốc đó.
5. Xem trước và xác nhận âm thanh cuối tắt dần tự nhiên, không cắt đột ngột và không nhiễu.

Trước: có nhiễu ở cuối. Sau: không có nhiễu ở cuối.

Trước

Sau

Tư liệu tham chiếu

@Image1

Cách sửa

Regenerate the video, or fade the ending audio to silence with a volume envelope. Near the end, drag the final volume keyframe down to 0 so the curve in @Image1 forms a downward slope.

Phát âm tiếng Trung không chính xácCopy Anchor Link

Triệu chứng điển hình. Mô hình dễ phát âm sai chữ đa âm, chữ ít gặp và chữ có hình dạng gần nhau.

Cách xử lý. Có thể thay chữ dễ đọc sai bằng các từ đồng âm thông dụng cùng cách phát âm, để tránh lệch phát âm và khôi phục hiệu ứng âm thanh mong muốn. Cách này chỉ là phương pháp tối ưu và không thể tránh hết mọi vấn đề phát âm.

Ví dụ: có thể viết lại "螭龙山" trong prompt thành từ đồng âm "吃龙山".

Trước: phát âm của "螭" trong "螭龙山" sai. Sau: đổi thành "吃龙山" thì phát âm đúng.

Tham chiếu giọng không chính xácCopy Anchor Link

Triệu chứng điển hình. Khi dùng âm thanh tham chiếu để chỉ định một giọng, giọng trong video cuối được tạo khác rõ so với giọng tham chiếu.

Cách xử lý.

1. Thêm vào prompt các mô tả chi tiết về đặc điểm giọng. Dòng đang dùng trong ví dụ này là: dùng giọng nam trung niên thấp, dày, ấm và có hạt mịn của @Audio1.
2. Giữ phong cách lời thoại của video gần tông và cách diễn của âm thanh tham chiếu, điều đó giúp cải thiện độ khôi phục giọng và độ ổn định.

Trong Đa tham chiếu, tệp đó là @Audio1. Ở họ Seedance 2.0, hãy ghép âm thanh với ít nhất một hình hoặc một video.

Trước: giọng không khớp âm thanh đầu vào. Sau: sau khi thêm mô tả đặc điểm giọng vào prompt, độ chính xác khớp giọng tăng rõ.

Ví dụ promptCopy Anchor Link

Mục này trình bày các ví dụ prompt chính thức cho tạo chữ, tham chiếu hình, tham chiếu video và chỉnh sửa video. Prompt trên mỗi thẻ giữ câu chính thức. Lời thoại và chữ trên màn hình không đổi. @Image1, @Video1 và @Audio1 là token của studio này cho Image 1, Video 1 và Audio 1. Chỗ prompt chính thức nói Image 1, Image 2 và Image 3, đó là nhãn trên một tờ tham chiếu, và tờ đó là tệp duy nhất @Image1.

Khẩu hiệuCopy Anchor Link

Mẫu prompt: [Nội_Dung_Chữ] + [Thời_Điểm] + [Vị_Trí] + [Kiểu_Vào/Xuất_Hiện], [Thuộc_Tính_Hình (Màu, Kiểu_Chữ)].

Seedance 2.0 có thể khớp một phong cách chữ phù hợp theo ngữ cảnh. Nếu có yêu cầu chặt về cách trình bày chữ, hãy dùng ví dụ logo trong mục tham chiếu nhiều hình.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

Hand-drawn comic style: Three people are sitting around a table enjoying the fried chicken shown in @Image1, with a friendly and joyful atmosphere. The frame then gradually blurs, and the text "Bite", "Laugh", and "Seedance" in order appears in the center of the screen.

Phụ đềCopy Anchor Link

Mẫu prompt: hiện phụ đề ở giữa phía dưới cùng với chữ. Phụ đề phải đồng bộ hoàn hảo với nhịp và tốc độ của âm thanh.

Ví dụ đầu là lời thuyết minh. Ví dụ sau là lồng tiếng.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

I2V: A time-lapse of a mountain landscape transitioning from a vast, starry night to a vibrant dawn. Reference @Image1. Voiceover: A deep, serene male voice says: "In the vast silence of the cosmos, our world is but a fleeting moment. Yet, within it, life defiantly thrives." Text integration: Render the narration as subtitles at the bottom-center. Subtitles must be perfectly synchronized with audio timing.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

R2V: A shot of these two people in @Image1 chatting in a modern office. The woman speaks first with a playful tone: "You always arrive right on time, don't you just love that perfect timing?" followed by the man's smiling reply: "I have my own rhythm." Text integration: Render the dialogue as subtitles at the bottom-center of the screen. Subtitles should appear sequentially as each character speaks.

Bong bóng lời thoạiCopy Anchor Link

Bong bóng lời thoại chứa câu được nói và xuất hiện bên nhân vật đang nói.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

The two characters from @Image1, both dressed in sportswear, are running on the school playground. The girl looks at the boy, smiling confidently as she says: "We can definitely do it!". Cut to a close-up of the boy. He hesitates and replies: "Are you sure?". Cut back to a medium close-up of the girl. She speaks in a light, upbeat tone: "Yes!" Her demeanor is bright and resolute. Speech bubbles containing the corresponding lines appear around the speaking character.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

Refer to the character design of the girl in Image 1 and Image 2 on @Image1. The scene is set in an apple field: the girl picks one apple, takes a bite, smiles and says "This is the real deal!". A speech bubble pops up beside the girl, with this line written inside.

Tham chiếu chủ thể nhiều gócCopy Anchor Link

Một chủ thể, được tham chiếu từ nhiều góc trên tờ: điện tử tiêu dùng, nhà và lối sống, và một người.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

Use the cameras featured in Image 1, Image 2 and Image 3 on @Image1. Replace the original background with a white one, and place the cameras on a white table. The camera first focuses on the cameras in close-up, then slowly rotates 360° with the cameras as the main subject, clearly displaying the front, sides and back of each camera.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

In a warm-toned home setting, present the thermos shown in @Image1 in a medium shot. Then smoothly push the camera into a close-up of the thermos. Next, a hand naturally enters the frame off-screen, gently grips the thermos body and picks it up. The camera follows the slight rotating motion of the hand to showcase the thermos.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

Refer to the image of the woman in Image 1, Image 2 and Image 3 on @Image1, and generate a scene of her eating a cake in a coffee shop.

Tham chiếu nhiều hìnhCopy Anchor Link

Mỗi hình trên tờ có một việc: logo, nhiều chủ thể, một dàn diễn viên và một nơi, một chuỗi nhiều khung hình chuyện, hoặc một chuỗi khung.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

The scene is set on an aerial corridor in a neon-drenched futuristic metropolis, where flying vehicles and holographic ads intertwine. Featuring the girl from Image 2 on @Image1, the sequence opens with a medium shot of her releasing a silver floating lantern embedded with a holographic projection. The camera then pulls back to reveal floating lanterns flooding the sky, which gradually converge at the center of the frame to form the logo from Image 1 on @Image1. The entire piece adopts a 3D cyberpunk sci-fi animation style.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

Using the cat and dog from Image 1 and Image 2 on @Image1 as prototypes, the scene unfolds in a cozy apartment. The dog is lying on the ground eating dog food when the cat approaches, extending a paw to nudge the dog. The dog pauses its meal upon noticing the cat, and the cat snuggles up next to the dog. The entire scene features a warm colored tone.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

The scene is set in the restaurant from image 4 on @Image1, with people coming and going. The girl from image 1, wearing the clothes from image 2, is organizing the items on the counter. The boy, a customer, from image 3 approaches her to ask for her contact information. The logo from image 5 remains in the bottom right corner throughout.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

Refer to the sequence in @Image1 to create an intense high-energy fight sequence. All frame compositions from @Image1 shall be presented in strict predefined order, after which the two characters engage in fierce, fast-paced combat.

Kết quả

Tư liệu tham chiếu

@Image1

Prompt

Refer to the composition in Image 3 on @Image1. A girl (her character design refers to Image 1) is waiting for her father to finish cooking, and she says: "아빠, 배고파요! 밥 다 됐어요?" Then the camera pans right and cuts to the frame and composition shown in Image 4. The father (his character design refers to Image 2) replies to her: "거의 다 됐어, 조금만 기다려!" Next, the camera cuts back to a close-up shot of the daughter's slightly disappointed facial expression, and she says: "아직 멀었어요? 맛있는 냄새 나는데..." Then the shot switches to a close-up of the father's face, and he says: "이제 진짜 금방이야. '빨리빨리' 하지 말고 손부터 씻고 와!"

Tham chiếu chuyển độngCopy Anchor Link

Tham chiếu chuyển động nhân vật và ngôn ngữ cảnh quay trong video, rồi áp chúng cho các nhân vật trong hình. Ví dụ tiếp thị tham chiếu dáng chạy của con ngựa trong video.

Kết quả

Tư liệu tham chiếu

@Image1

@Video1

Prompt

Refer to the character movements and shot language in @Video1 to create a fight scene with the character from Image 2 on @Image1 on the left and the character from Image 1 on @Image1 on the right. Include intense background music.

Tham chiếu chuyển động máy quayCopy Anchor Link

Tham chiếu chuyển động máy quay trong video, và gọi tên chủ thể mới trong hình.

Kết quả

Tư liệu tham chiếu

@Image1

@Video1

Prompt

Referring to the camera movement in @Video1, create a concept video for a science and technology park, with the tall building in @Image1 as the visual center, also using a first-person diving perspective, to reflect the sense of technology in the park from @Image1.

Tham chiếu hiệu ứng đặc biệtCopy Anchor Link

Tham chiếu hiệu ứng đặc biệt trong video, và áp cùng hiệu ứng, cùng đường đi và cùng trình tự đó cho nhân vật trong hình.

Kết quả

Tư liệu tham chiếu

@Image1

@Video1

Prompt

Refer to the golden particle effects in @Video1, so that when the character in @Image1 plays the flute, the same particle effects surround their body.

Kết quả

Tư liệu tham chiếu

@Image1

@Video1

Prompt

Refer to the special effects shown in @Video1 to generate identical wings for the girl in @Image1, ensuring the wing formation trajectory follows the exact same motion path and sequence depicted in the video.

Thêm, bỏ hoặc sửa yếu tốCopy Anchor Link

Thêm, bỏ hoặc thay. Với một lần chỉnh, đừng viết "reference". Những phần không được nhắc đến giữ nguyên.

Kết quả

Tư liệu tham chiếu

@Image1

@Video1

Prompt

Replace the perfume featured in @Video1 with the face cream from @Image1, with all original motions and camera work preserved.

Kéo dài videoCopy Anchor Link

Kéo về phía trước tạo nội dung sau video. Kéo về phía sau kéo dài đoạn mở đầu của video.

Hoàn thành trackCopy Anchor Link

@Video1, rồi nhịp cầu, tiếp theo @Video2.

Giới hạn trong một nhìnCopy Anchor Link

Video tham chiếu nên ở 480p hoặc 720p, 24–60 fps.