Hướng dẫn viết prompt Seedance 2.5: cấu trúc, máy quay, thời gian, âm thanh và tham chiếu

Một prompt Seedance 2.5 tốt nói rõ ai làm gì, ở đâu, máy quay ghi hình thế nào và ta nghe thấy gì, theo đúng thứ tự đó: chủ thể và hành động trước, rồi đến bối cảnh, phong cách hình ảnh, máy quay và âm thanh. Hãy chia các clip dài hơn thành các khoảng thời gian như "0-3s" hoặc thành các cảnh quay được đánh số, gọi tên mọi tệp tham chiếu theo số thứ tự ("Image 1", "Video 1"), và đặt độ dài clip, tỷ lệ khung hình và độ phân giải dưới dạng tham số của yêu cầu, không phải trong văn bản. Các quy tắc dưới đây lấy từ các hướng dẫn viết prompt chính thức của ByteDance cho Seedance 2.5 và 2.0, được kiểm tra vào ngày 29 tháng 9 năm 2026. Mọi prompt ví dụ đều được viết riêng cho bài này.

Cách viết prompt Seedance 2.5 như thế nào?

Hãy bắt đầu từ công thức cốt lõi của ByteDance: "Chủ thể + Hành động hoặc Sự kiện + Bối cảnh và Môi trường (Tùy chọn) + Phong cách hình ảnh (Tùy chọn) + Chuyển động máy quay/Cắt cảnh (Tùy chọn) + Âm thanh (Tùy chọn)". Chỉ phần đầu tiên là bắt buộc. Hướng dẫn gọi chủ thể và hành động là "nền tảng của video" và cho phép bạn bỏ những phần không cần.

Trên thực tế, công thức đó trở thành bốn câu ngắn:

<Subject> performs <main action or event> in <scene and environment>.
The visuals feature <visual style>.
Use <shot size, camera angle, camera movement, or cuts>.
Audio includes <dialogue, ambience, sound effects, or music>.

Một phiên bản đã điền đầy đủ:

A street baker pulls a tray of round loaves from a brick oven at night and sets it on a flour-dusted counter.
Warm orange light from the oven, visible steam, shallow depth of field, realistic film look.
Start with a close-up of the oven door opening, then pull back slowly to a medium shot of the counter.
Audio: crackling wood, the scrape of the metal tray, quiet street noise outside.

Ba thói quen tạo ra khác biệt:

• Mô tả điều bạn muốn, không phải điều bạn không muốn. Hướng dẫn chính thức yêu cầu "mô tả theo hướng khẳng định bất cứ khi nào có thể" và nêu phụ đề và âm thanh là những chỗ hỗ trợ chỉ dẫn phủ định (xem bên dưới).
• Để tham số ngoài prompt. Độ dài clip, tỷ lệ khung hình, độ phân giải và việc có tạo âm thanh hay không là các trường của yêu cầu (duration, ratio, resolution, generate_audio); hướng dẫn nói các tham số "không cần đưa vào prompt".
• Kết thúc bằng những thứ phải giữ nguyên, chẳng hạn góc máy, bối cảnh và không khí, để chúng được giữ suốt cả clip.

Điều khiển máy quay và cảnh quay thế nào?

Hãy viết thẳng các thuật ngữ máy quay. ByteDance liệt kê các cỡ cảnh (toàn cảnh rất rộng, toàn cảnh, trung cảnh, cận trung cảnh, cận cảnh), các chuyển động (đẩy vào, kéo ra, lia, trượt ngang, bám theo, quay vòng quanh, ngước lên, rung cầm tay) và các góc máy (góc thấp, từ trên xuống, góc nhìn thứ nhất), cùng các kỹ thuật có tên riêng như one-shot/cảnh quay dài, dolly zoom, FPV, bullet time và speed ramp.

Với những thuật ngữ ít gặp hơn, hãy thêm một câu giải thích bằng lời thường sau thuật ngữ. Ví dụ của chính hướng dẫn là "Chuyển tiêu điểm (rack focus): tiêu điểm dịch chuyển mượt mà; những cái cây vốn rõ nét ở tiền cảnh trở nên mờ đi, còn nhân vật ở hậu cảnh dần dần rõ nét."

Với một lần cắt cảnh hoặc chuyển cảnh, hãy nêu cả thời điểm lẫn cách thức, ví dụ "Ở giây thứ 5, một cú lia nhanh sang trái chuyển sang cảnh tiếp theo." Hướng dẫn Seedance 2.0 có thêm một quy tắc vẫn hữu ích trên 2.5: mỗi cảnh quay chỉ dùng một chuyển động máy quay, vì yêu cầu "đẩy, kéo, lia và di chuyển cùng lúc" khiến hình ảnh kém ổn định hơn.

Một cảnh nhiều máy quay chỉ đơn giản là vài cảnh quay được đánh số, mỗi cảnh có khuôn hình riêng:

Shot 1: Wide shot, locked-off camera, eye level. Two chess players sit across a table in an empty library.
Shot 2: Over-the-shoulder shot from behind the older player. The younger player moves a knight and looks up.
Shot 3: Close-up of the older player's hand hovering over the board, then tapping the table once.
Quiet room tone, the soft click of chess pieces, no music.

Seedance có làm theo mốc thời gian không?

Seedance 2.5 có, theo số giây nguyên. Seedance 2.0 thì không. Phép so sánh của ByteDance rất thẳng thắn: "Seedance 2.0 không phản hồi mốc thời gian và chỉ phản hồi số thứ tự cảnh quay, trong khi Seedance 2.5 hỗ trợ mốc thời gian theo giây nguyên."

Ba dạng dùng được trên 2.5:

• Khoảng thời gian: "0-3s … 3-7s … 7-15s", không có khoảng trống giữa các đoạn.
• Thời điểm: "Ở giây thứ 2, một cơn gió thổi tung khăn trải bàn."
• Thời gian tương đối: "Cô ấy đứng chờ bên cửa. Sau 3 giây, đèn ở hành lang tắt."

Hãy phân bổ nội dung cho vừa với thời gian bạn đưa ra. Nếu một khoảng có quá ít sự việc, mô hình sẽ tự ứng biến; nếu có quá nhiều, hướng dẫn cảnh báo kết quả "có thể có quá nhiều lần cắt cảnh hoặc bỏ sót một phần cốt truyện". Đừng dùng mốc thời gian cho chuyển động lặp lại nhanh, chẳng hạn lắc đầu ba lần trong một giây.

Với một clip dài tới giới hạn 30 giây của Seedance 2.5, hãy viết nó thành các giai đoạn, mỗi giai đoạn có một trạng thái kết thúc rõ ràng:

A lighthouse keeper's evening routine, realistic, cool blue dusk turning to night, no music.
0-6s: Wide shot of a lighthouse on a rocky coast at dusk. The keeper climbs the outside stairs with a lantern.
6-14s: Inside the lamp room, medium shot. He wipes the large lens with a cloth, then checks a brass gauge.
14-22s: Close-up of his hand turning a wheel. The main lamp starts to rotate and throws a beam across the room.
22-30s: Aerial shot pulling back from the tower. The beam sweeps over dark water. Waves and wind only.

Viết lời thoại, âm thanh và phụ đề thế nào?

Seedance 2.5 tạo âm thanh cùng video theo mặc định (generate_audio là true). Mọi thứ đều có thể mô tả bằng câu thường, nhưng hướng dẫn chính thức định nghĩa các loại ngoặc cho khi bạn cần tách riêng các loại âm thanh:

Với lời thoại bằng một ngôn ngữ hoặc giọng vùng miền cụ thể, hãy nêu tên nó trước câu thoại. Công thức của hướng dẫn là Dialogue Language + Regional Variety or Accent + Delivery Style + Speaker + {Dialogue}, ví dụ: Dialogue language: American English. The girl says in natural, conversational American English: {I thought you weren't coming.} ByteDance cho biết Seedance 2.5 tạo giọng nói nguyên bản bằng hơn 10 ngôn ngữ; hướng dẫn không liệt kê chúng, nên hãy tự thử ngôn ngữ của bạn. Đừng trộn nhiều ngôn ngữ trong một câu thoại, điều mà hướng dẫn 2.0 cảnh báo, trừ tên riêng.

Khi có nhiều nhân vật nói, hãy viết cách thể hiện một lần cho mỗi câu thoại theo dạng "Câu thoại của nhân vật (cảm xúc): nội dung". Hướng dẫn nhận thấy việc lặp lại từ ngữ sau một câu thoại, hoặc gắn ghi chú ngữ điệu và hành động riêng cho từng từ, là một trong những nguyên nhân khiến mô hình thêm phụ đề.

Chỉ dẫn phủ định có tác dụng ở đây: "No subtitles" (không phụ đề), "No BGM; only ambient and action sounds" (không nhạc nền; chỉ âm thanh môi trường và âm thanh hành động), hoặc "No audio." (không âm thanh). Phụ đề vẫn có thể lọt vào, theo ByteDance là ít hơn so với 2.0, và một video tham chiếu có sẵn phụ đề có thể lấn át "no subtitles". Để cho một nhân vật dùng một giọng nói hoặc bài hát có sẵn, hãy đính kèm nó làm âm thanh tham chiếu và gắn nó với nhân vật đó, như ví dụ của hướng dẫn: "Image 1 thể hiện nhân vật chính John và dùng âm sắc giọng nói từ Audio 1."

Tham chiếu ảnh, video và âm thanh trong prompt thế nào?

Đánh số mọi tệp theo thứ tự bạn đính kèm và gắn nó trong văn bản. Các ví dụ của ByteDance viết như sau: "Images 1-2 là Nhân vật 1 và tương ứng với Audio 1; Images 3-4 là Nhân vật 2 và tương ứng với Audio 2." Đừng dựa vào một cái tên viết bên trong ảnh; hướng dẫn nói việc ghi nhãn một ảnh là "John" rồi viết "John is at school" "rất dễ gây nhầm lẫn hoặc trùng lặp nhân vật".

Hãy nói rõ mỗi tệp dùng để làm gì, và cần bỏ qua điều gì:

Image 1 defines the courier's face, hairstyle and yellow raincoat. Do not use the image background.
Image 2 defines the narrow alley, wet cobblestones and neon reflections. Do not use any people in it.
Video 1 defines the running pace and the handheld follow camera only.
The courier from Image 1 runs through the alley from Image 2 at night, jumps a puddle, and stops at a green door.

Nếu một video tham chiếu đã thể hiện đúng chuyển động, hãy viết "follow the actions and camera movement in Video 1" (làm theo hành động và chuyển động máy quay trong Video 1) thay vì mô tả lại từng bước; việc mô tả lại có thể mâu thuẫn với video. Khi nhiều ảnh thể hiện một vật thể từ các góc khác nhau, hãy nói rõ điều đó ("All four images show the same desk lamp; only one lamp appears", tức cả bốn ảnh là cùng một chiếc đèn bàn và chỉ một chiếc đèn xuất hiện), nếu không mô hình có thể coi chúng là các vật thể riêng biệt.

Dùng bao nhiêu: Seedance 2.5 nhận tối đa 30 ảnh, 10 video và 10 đoạn âm thanh (video và âm thanh mỗi loại tổng cộng tối đa 30 giây). ByteDance khuyên dùng 1–8 chủ thể trên các ảnh chủ thể, và 1–5 chủ thể với mỗi đoạn 5–10 giây cho video hoặc âm thanh tham chiếu; nhiều hơn vẫn được phép nhưng kém ổn định hơn. Seedance 2.0 nhận tối đa 9 ảnh, 3 video và 3 đoạn âm thanh, và hướng dẫn của nó khuyên tổng cộng 4–5 tệp. Về cấu trúc yêu cầu của từng loại tham chiếu, xem cách thêm ảnh, video và âm thanh. Ảnh và video tham chiếu có khuôn mặt người thật sẽ bị từ chối; bài này giải thích lỗi đó và những gì được phép.

Viết prompt chỉnh sửa hoặc kéo dài video thế nào?

Trên SeedRouter, chỉnh sửa và kéo dài là tính năng của Seedance 2.5: gửi một video tham chiếu và đặt omni_reference_task_type thành edit hoặc extend. Khi đó prompt phải làm được hai việc.

Với chỉnh sửa, hãy nêu phạm vi và mô tả thay đổi từ A sang B. Hãy dùng một từ kích hoạt như add, remove, replace hoặc change to, và dùng khoảng thời gian cho chỉnh sửa một phần. Ví dụ của hướng dẫn: "Đổi hành động của người đàn ông từ uống cà phê sang lau sàn từ giây 4–6 trong Video 1, và giữ nguyên phần nội dung còn lại." Việc thay một vật thể cũng theo cùng mẫu:

Edit Video 1: replace the paper coffee cup on the desk with the green ceramic mug from Image 1. Keep the person, the camera and the audio unchanged.

Với kéo dài, hãy nói rõ hướng và bắt đầu từ khung hình ở ranh giới. Dùng "extend forward" (kéo dài về phía trước), "extend backward" (kéo dài về phía sau) hoặc "continue" (tiếp tục), rồi mô tả điều xảy ra tiếp theo:

Continue Video 1: the cyclist reaches the top of the hill, stops, and takes off her helmet. The camera stays on the same side angle. Wind and distant birds.

Một lần chỉnh sửa hoặc kéo dài giữ nguyên tỷ lệ khung hình của video gốc, nên hãy để ratio là adaptive; chỉnh sửa còn giữ nguyên độ dài của video, nên duration phải là -1. ByteDance khuyên dùng MOV cho cả đầu vào lẫn đầu ra (output_format: "mov") để màu sắc và âm thanh liền mạch nhất. Nếu một yêu cầu kết hợp tham chiếu cùng chỉnh sửa cho kết quả không ổn định, cách khắc phục của hướng dẫn là tách nó thành một tác vụ tham chiếu rồi một tác vụ chỉnh sửa. Thân yêu cầu chính xác có trong cách chỉnh sửa hoặc kéo dài một clip.

Dùng storyboard và khung hình chính thế nào?

Chúng làm những việc khác nhau. Một storyboard nhiều ô, tức nhiều khung hình trong một ảnh, là tham chiếu cốt truyện lỏng: mô hình "không bám sát hoàn toàn" theo nó. Khung hình chính, tức các ảnh riêng biệt được đính kèm theo thứ tự, thì được làm theo sát.

• Storyboard: dùng nét vẽ đơn giản hoặc hình người que, không có chữ, tối đa 15 ô. Hãy gắn ảnh storyboard trước, viết một câu tóm tắt câu chuyện, rồi mô tả từng cảnh quay để bổ sung những gì bản vẽ không thể hiện (hành động, máy quay, phong cách).
• Khung hình chính: đính kèm mỗi khung hình thành một ảnh tham chiếu riêng và mở đầu prompt bằng "Use Images 1 to 6 in order as keyframes." (dùng lần lượt Images 1 đến 6 làm khung hình chính).
• Khung hình đầu và cuối: đặt vai trò của các ảnh là first_frame và last_frame. Cách này khóa đầu ra theo tỷ lệ khung hình của ảnh đầu tiên, nên hãy dùng hai ảnh có cùng tỷ lệ. Đặt chúng là reference_image và viết "Image 1 is the first frame" thì không khóa tỷ lệ, nhưng đầu ra có thể không khớp hoàn toàn với các ảnh.

Prompt cho Seedance 2.0 có gì khác?

Cấu trúc vẫn giống nhau (chủ thể, hành động, bối cảnh, máy quay, phong cách, âm thanh), nhưng hướng dẫn 2.0 yêu cầu vài điều mà 2.5 không còn cần:

• Cảnh quay, không phải số giây. Hãy sắp xếp clip thành "Shot 1 / Shot 2 / Shot 3" và để mô hình tự điều nhịp; hướng dẫn 2.0 gọi việc canh thời gian chính xác là "không ổn định".
• Chuyển động nhẹ nhàng, liên tục. Nó ưu tiên "các chuyển động nhỏ chậm rãi, nhẹ nhàng, mạch lạc" hơn là chạy nước rút, nhảy lớn và lăn lộn dữ dội, và yêu cầu bạn mô tả cách một hành động chuyển sang hành động tiếp theo.
• Cảm xúc thể hiện qua hành động. Thay vì "very sad" (rất buồn), hãy viết "lowers her head, shoulders trembling slightly, eyes reddening" (cúi đầu, vai khẽ run, mắt đỏ hoe).
• Mỗi nhân vật một ảnh cận mặt và một ảnh toàn thân, không phải một bảng nhiều góc, thứ mà 2.0 có thể hiểu thành nhiều người. Seedance 2.5 nhận ảnh nhiều góc nhìn.
• Gọi một chủ thể theo cùng một cách mọi lúc, ví dụ "the woman in the red coat@Image 1" (người phụ nữ mặc áo khoác đỏ@Image 1), hoặc định nghĩa một cái tên một lần rồi dùng lại.

Clip Seedance 2.0 dài 4–15 giây (mặc định 5), và nó có các phiên bản Fast và Mini nhận cùng một yêu cầu, chỉ ở 480p hoặc 720p. Bài so sánh hai phiên bản và hướng dẫn so sánh Seedance 2.0, Fast và Mini nói về việc chọn mô hình nào. ByteDance cũng cảnh báo hai phiên bản có "sở thích phong cách thẩm mỹ khác nhau đáng kể", nên cùng một prompt sẽ không cho cùng một vẻ ngoài.

Vì sao Seedance không làm theo prompt của tôi?

Phần lớn các lỗi bắt nguồn từ một vài nguyên nhân được nêu trong FAQ chính thức:

• Quá nhiều thứ trong quá ít thời gian. Hãy giãn các sự kiện ra hoặc tăng duration.
• Mâu thuẫn. Hai mô tả khác nhau về cùng một nhân vật, hoặc một chuyển động máy quay xung đột với hành động.
• Nhân vật bị tráo giữa các tham chiếu. Hãy đính kèm tệp tham chiếu theo thứ tự các nhân vật xuất hiện lần đầu và đánh số lại trong prompt cho khớp.
• Mắt phát sáng. Những từ mạnh như "fanatical" (cuồng tín) hay "extremely shocked" (cực kỳ sốc) có thể khiến đồng tử phát sáng. Hãy dùng từ ngữ điềm tĩnh hơn và thêm "normal human eyes; no glowing eyes" (mắt người bình thường; không có mắt phát sáng).
• Chữ trên màn hình sai chính tả. Hãy đánh vần từ đó từng chữ cái, hoặc cung cấp đúng dòng chữ dưới dạng ảnh tham chiếu.
• Một yêu cầu làm quá nhiều việc. Hãy tách tham chiếu và chỉnh sửa thành các tác vụ riêng.
• Khuôn mặt bị chặn. Khuôn mặt người thật trong tham chiếu bị từ chối; xem lỗi người thật.

Hãy làm bản nháp ở 480p với duration ngắn, rồi dựng phiên bản bạn giữ lại ở độ phân giải cao hơn. Tác vụ thất bại không bị tính phí; để biết một clip hoàn chỉnh tốn bao nhiêu, xem Giá Seedance API.

Câu hỏi thường gặp

Có nên viết prompt Seedance bằng JSON không?

Không bắt buộc định dạng nào. Hướng dẫn của ByteDance nói prompt "có thể được viết hoàn toàn bằng ngôn ngữ tự nhiên", và mọi mẫu của nó đều là câu thường với các nhãn tùy chọn như "Shot 1" hoặc "0-3s". Cấu trúc giúp ích; cú pháp JSON thì không cần.

Làm cảnh đánh nhau trong Seedance 2.5 thế nào?

Hãy mô tả trận đánh một cách khái quát và dành chi tiết cho một hoặc hai đòn quan trọng; hướng dẫn khuyên dùng cách diễn đạt như "hai bên giao chiến cận chiến" thay vì liệt kê từng cú đấm. Hãy đặt các nhịp lên một dòng thời gian, giữ một chuyển động máy quay cho mỗi cảnh quay, và mô tả âm thanh bằng hiệu ứng < >.

Video Seedance 2.5 dài tối đa bao lâu?

Tối đa 30 giây mỗi yêu cầu, đặt bằng duration (4–30, hoặc -1 để mô hình tự chọn). Seedance 2.0 tối đa 15 giây.

Có công cụ tối ưu prompt Seedance chính thức không?

Có. ByteDance công bố một skill viết prompt cho Seedance 2.5 là sd25-pe, mà các trợ lý lập trình có thể dùng để viết lại prompt của bạn trước khi bạn gửi. Lệnh cài đặt có trong hướng dẫn chính thức.

Có dùng được ảnh của chính mình làm tham chiếu không?

Không. Seedance từ chối ảnh và video tham chiếu có khuôn mặt người thật. Hướng dẫn về lỗi người thật nói về những gì ByteDance cho phép thay vào đó.

Thử prompt của bạn

Hãy dán một prompt vào playground Seedance 2.5 hoặc playground Seedance 2.0, hoặc gửi nó từ code theo tài liệu API Seedance 2.5. Bạn nạp tiền một lần, không có gói đăng ký, tín dụng không bao giờ hết hạn, và tác vụ thất bại không tốn gì.