参考生视频 API

reference-to-video 是 Seedance 2.0 最强大的模式。它允许你在一次请求中同时提供最多 9 张参考图片 + 3 段参考视频 + 3 段参考音频，让模型综合这些素材合成新视频。

典型场景：

• 风格参考 — 用几张带有特定美术风格的图片，让新视频复现该风格
• 角色 / 商品参考 — 让同一个虚拟角色或产品出现在新的场景和动作中
• 镜头语言参考 — 用一段示范视频传达你想要的运镜节奏
• 配乐驱动 — 用一段参考音频驱动节奏和情绪
• 视频编辑 / 延展 — 在现有视频的基础上延续、扩展或改写

端点

POST https://api.evolink.ai/v1/videos/generations

Model ID: seedance-2.0-reference-to-video

对应的 Fast 版本是 seedance-2.0-fast-reference-to-video，参数结构完全一致。

请求参数

关键约束： image_urls、video_urls、audio_urls 可以全部不传（等价于纯文生视频），但不允许只传 audio_urls。只要提供了音频，就必须同时提供至少 1 张图或 1 段视频作为视觉锚点。

如何用 prompt 指定素材作用

本模型 没有标签语法（不存在 @Image1、@Video1 这类语法）。你用自然语言描述每份素材扮演的角色，模型会根据数组顺序理解"图 1 / 视频 1 / 音频 1"的指向。

常见表达模板：

你可以在一段 prompt 中自由组合上述句式。素材的顺序不会影响合法性，但会影响模型对"图 1 / 图 2"的理解，保持顺序稳定有利于结果复现。

输入素材限制

图片

视频

音频

整体

请求示例

cURL — 图 + 视频 + 音频三模态合成

curl -X POST https://api.evolink.ai/v1/videos/generations \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.0-reference-to-video",
    "prompt": "参考视频 1 的第一人称视角和镜头节奏；以音频 1 作为整段背景音乐。内容：年轻骑手穿越雨后的城市街道，霓虹反射在湿漉漉的路面上。",
    "image_urls": ["https://example.com/rider-style.jpg"],
    "video_urls": ["https://example.com/pov-reference.mp4"],
    "audio_urls": ["https://example.com/synthwave-bgm.mp3"],
    "duration": 10,
    "quality": "720p",
    "aspect_ratio": "16:9"
  }'

Python — 仅图片参考（最多 9 张）

import requests

response = requests.post(
    "https://api.evolink.ai/v1/videos/generations",
    headers={
        "Authorization": "Bearer YOUR_API_KEY",
        "Content-Type": "application/json"
    },
    json={
        "model": "seedance-2.0-reference-to-video",
        "prompt": "整体美术风格参考所提供的 3 张图片的用色与质感。场景：盛夏傍晚的小镇集市，暖色调光线。",
        "image_urls": [
            "https://example.com/style-ref-1.jpg",
            "https://example.com/style-ref-2.jpg",
            "https://example.com/style-ref-3.jpg"
        ],
        "duration": 8,
        "aspect_ratio": "16:9"
    }
)

task = response.json()
print(f"Task ID: {task['id']}")

Node.js — 仅视频参考（用于运镜复现）

const res = await fetch("https://api.evolink.ai/v1/videos/generations", {
  method: "POST",
  headers: {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "seedance-2.0-reference-to-video",
    prompt: "参考视频 1 的环绕镜头运动和速度曲线。主体替换为一座古典雕塑，背景为黄昏的博物馆大厅。",
    video_urls: ["https://example.com/orbit-shot.mp4"],
    duration: 8,
    quality: "720p",
    aspect_ratio: "16:9"
  })
});

const task = await res.json();
console.log("Task ID:", task.id);

响应

{
    "id": "task-unified-1774857405-abc123",
    "object": "video.generation.task",
    "created": 1774857405,
    "model": "seedance-2.0-reference-to-video",
    "status": "pending",
    "progress": 0,
    "type": "video",
    "task_info": {
        "can_cancel": true,
        "estimated_time": 180,
        "video_duration": 10
    },
    "usage": {
        "billing_rule": "per_second",
        "credits_reserved": 60,
        "user_group": "default"
    }
}

计费说明

• 按秒计费：以输出视频的 duration 为准
• 参考视频的输入时长也计入计费基数（即你传 10 秒的参考视频会按 10 秒参与计价）
• 音频生成本身不单独收费

常见问题

参考素材不会被原样输出吗？ 不会。模型只把它们当作"信号"去理解风格 / 构图 / 运动 / 节奏，最终输出是全新的生成内容。

可以不传任何参考素材吗？ 可以，此时行为类似于纯文生视频。但如果你没有任何参考素材，建议直接使用更便宜的 text-to-video。

素材顺序重要吗？ 重要。如果你在 prompt 中说"参考视频 1"，模型会对应到 video_urls[0]。保持固定顺序有助于复现实验。

相关文档

• 模型总览
• 文生视频 API
• 图生视频 API
• Fast 系列 — seedance-2.0-fast-reference-to-video
• 异步任务 / Webhooks