Der komplette Seedance 2.5 Prompt-Guide: Offizielle Formel, sekundengenaue Zeitstempel und 30 Sekunden am Stück (getestet im August 2026)

Am 7. August 2026 hat ByteDance die Seedance 2.5 API offiziell auf Volcano Engine veröffentlicht — direkte 30-Sekunden-Videos, bis zu 50 multimodale Referenzmaterialien und nativ mehr als ein Dutzend Sprachen. Aber mehr als das Modell selbst lohnt es sich, zehn Minuten in den gleichzeitig veröffentlichten „Seedance 2.5 Prompt-Guide” zu investieren: Er macht zum ersten Mal aus „Wie schreibe ich einen Prompt, damit es nicht zur Glückssache wird” eine Methode, die man einfach nachbauen kann.

Wir haben den offiziellen Guide, die am Launch-Tag veröffentlichten offiziellen Beispiel-Prompts und unsere eigenen echten Testergebnisse nebeneinandergelegt und dabei etwas ziemlich Kontraintuitives entdeckt: Viele der Gewohnheiten, mit denen Leute Seedance-Prompts schreiben, sind genau die Schreibweisen, von denen offiziell bei 2.0 ausdrücklich abgeraten wird — und bei 2.5 werden genau diese Schreibweisen plötzlich zur Stärke.

Dieser Artikel klärt drei Dinge: wie man die offizielle Formel anwendet, wie man mit Zeitstempeln als größtem Streitpunkt umgeht, und warum Licht/Farbe sowie Bewegungsbeschreibung zwei stark unterschätzte Hebel sind.

1. Zuerst die Fähigkeitsgrenzen von 2.5 verstehen: Was dein Prompt eigentlich steuert

Bevor du einen Prompt schreibst, solltest du wissen, was das Modell überhaupt leisten kann. Die wichtigsten Upgrades von Seedance 2.5 gegenüber 2.0:

Fähigkeit	Seedance 2.0	Seedance 2.5
Länge pro direkt generiertem Clip	max. 15 Sekunden	max. 30 Sekunden
Maximale Referenzmaterialien	ca. 12	50 (Bilder ≤30, Videos ≤10, Audios ≤10)
Sekundengenaue Zeitstempel	Offiziell als instabil unterstützt bezeichnet	Effiziente Reaktion, First-Class-Feature
Multi-View-Subjektreferenz	Nicht empfohlen	Unterstützt
Ausgabe-Seitenverhältnis	6 feste Stufen	Beliebig zwischen 0,4 und 2,5
Neue Referenzfähigkeiten	—	Wireframe-Rendering, Storyboard-Raster, nahtlose Video-Übergänge, Instruktions-Editing

Die direkten 30 Sekunden lösen das alte Problem, dass ein Refrain zwangsweise in drei Teile aufgeteilt und dann mühsam zusammengeschnitten werden musste. 50 Referenzmaterialien bedeuten, dass ein komplettes Set an Charakter-Referenzbildern, Szenenreferenzen und sogar Referenz-Audio auf einmal eingespeist werden kann. Zusammen machen diese beiden Dinge komplexe Erzählungen zum ersten Mal „kontrollierbar” statt „Glückssache”.

Praxisregel: Länge und Referenz-Obergrenze sind nur das Eintrittsticket — ob du sie ausschöpfen kannst, hängt davon ab, ob dein Prompt nach der offiziellen Formel strukturiert ist. Eine 30-sekündige, unstrukturierte Aufzählung bleibt am Ende ein 30-sekündiges, unstrukturiertes Durcheinander.

2. Die offizielle strukturierte Formel: Das Vier-Abschnitte-Schema einfach übernehmen

Die im offiziellen Guide empfohlene Struktur ist sehr klar: vier Abschnitte, feste Reihenfolge:

1. Referenzierung der Materialien: Nummeriere jedes hochgeladene Material und weise ihm eine Funktion zu — wer ist die Erscheinung, wer die Stimme, was ist die Szene. Empfohlene Formulierung: „Definiere die Frau im roten Kleid mit Strohhut in Bild 1 als Subjekt 1”, danach durchgängig mit demselben Label referenzieren. Ein besonderer Hinweis von offizieller Seite: Schreibe die Zuordnung nicht nur als Text ins Bild (z. B. „Zhang San” auf dem Referenzbild markieren und ihn dann im Prompt direkt beim Namen nennen) — bei Szenen mit mehreren Personen führt das leicht zu Verwechslungen oder doppelten Charakteren.
2. Ein-Satz-Zusammenfassung: Subjekt + Ort + Ereignis + Genre/Stil + besondere Kamerabewegung — der gesamte Clip in einem einzigen Satz.
3. Konkrete Handlung: Unterteile mit Zeitstempeln oder „Shot N” und beschreibe abschnittsweise Bild, Kamerabewegung, Bewegung, Dialog und Sounddesign — möglichst positiv formuliert. Negativformulierungen nur für die Steuerung von Untertiteln und Audio verwenden („keine Untertitel”, „keine Hintergrundmusik”).
4. Abschließende Zusammenfassung: Ergänze Details, die sich durch den gesamten Clip ziehen — Kameragewohnheiten, Umgebungsatmosphäre, Sounddesign, Licht- und Farbstimmung.

Die am Launch-Tag veröffentlichten vollständigen Beispiel-Prompts (ein 30-sekündiger Horror-Kurzfilm, eine Lagerhallen-Ensembleszene, eine Unterwasserverfolgung) folgen alle strikt diesem Gerüst und fügen am Ende jeweils einen Abschnitt „worauf unbedingt zu achten ist” hinzu: Charakterkonsistenz, keine Untertitel/Wasserzeichen, Spannungsbogen. Dieser abschließende „Regel-Abschnitt” lohnt sich sehr zum Nachahmen — er zieht dem Modell praktisch eine rote Linie, die es nicht überschreiten darf.

Praxisregel: Wenn das Referenzmaterial selbst schon präzise genug ist, reicht die reine Zuordnung — beschreibe das Bild nicht noch einmal. Im Original heißt es, dass „strikt an Bewegung und Kameraführung von Video 1 halten” bereits ausreicht — die Bewegung muss nicht Frame für Frame erneut ausgeschrieben werden, das führt eher zu Konflikten.

3. Zeitstempel oder Shot-Nummer? Bei den beiden Modellgenerationen genau entgegengesetzt

Das ist der größte Fund dieser Recherche und zugleich die Falle, in die die meisten Leute tappen.

Der offizielle Guide für Seedance 2.0 sagt es unverblümt: „Die Unterstützung des Modells für präzise Zeitangaben (z. B. 0–3 Sekunden) ist instabil, eine erzwungene Zeitbegrenzung kann zu abnormalen Ergebnissen führen.” Empfohlen wird die nummerierte Shot-Aufteilung „Shot 1 / Shot 2 / Shot 3”, bei der das Modell selbst über das Timing entscheidet.

Seedance 2.5 dagegen macht sekundengenaue Zeitstempel zu einem zentralen Feature. Im offiziellen WeChat-Account heißt es wörtlich: „effiziente Reaktion auf sekundengenaue Zeitstempel im Prompt”. Im 2.5-Guide steht: „Zeitstempel oder Shot N sind beide möglich”, und die offiziellen Beispiele am Launch-Tag verwenden fast durchgehend die Schreibweise 0s-3s: bzw. (0:00–0:05) — jeder Shot-Wechsel wird sekundengenau gesteuert.

Das heißt: Wenn du gewohnt bist, Seedance harte Zeitstempel wie [0-4 seconds] zu geben, schreibst du bei 2.0 eigentlich gegen die offizielle Empfehlung — ein Teil der „instabilen Ergebnisse” könnte genau daher kommen. Bei 2.5 funktioniert exakt dieselbe Schreibweise plötzlich reibungslos — nicht weil sich deine Schreibfertigkeit verbessert hat, sondern weil das Modell es endlich verarbeiten kann.

Hier je ein Beispiel für die Shot-Schreibweise beider Modellgenerationen:

Empfohlene Schreibweise für 2.0 (Nummerierung):

镜头 1：街巷侧拍，男人缓慢起跑，带有急促的呼吸感。
镜头 2：男人撞翻水果摊，镜头快速摇动并给到男人惊恐的特写。
镜头 3：男人翻过矮墙消失，镜头缓慢拉远定格在空荡的街道。

Empfohlene Schreibweise für 2.5 (sekundengenaue Zeitstempel):

0s-3s：低机位中远景，熊猫幼崽趴在绿色草坡上，顺着斜坡慢慢侧滚，阳光从左上方穿过树林。
3s-8s：熊猫滚到画面右下方停下，从侧躺变成趴卧，圆脸朝向镜头，头部小幅抬起又放低。

Praxisregel: Für Beat-genaue Inhalte (Musikvideos, Beat-Synced-Cuts) 2.5 mit Zeitstempeln verwenden; für Inhalte, bei denen das Modell den Rhythmus übernehmen darf (narrative Kurzfilme, Stimmungsfilme), reicht die Nummerierung bei 2.0 auch aus. Erzwinge keine sekundengenauen Zeitstempel bei 2.0.

Für alle, die Musikvideos machen, ist das besonders entscheidend — die Shot-Wechsel in einem MV müssen exakt auf den Beat treffen, und sekundengenaue Zeitstempel sind genau die Anweisung dafür. Deshalb betrachten wir 2.5 als die neue bevorzugte Engine für Übergänge und Shot-Aufteilung in Musikvideos.

4. Licht, Schatten und Farbton: der am wenigsten kopierte, aber wertvollste Abschnitt in den offiziellen Beispielen

Wenn man alle offiziellen Beispiel-Prompts vom Launch-Tag durchgeht, fällt eine Gemeinsamkeit auf: Jeder einzelne hat einen eigenen Abschnitt für Licht und Schatten, und dieser ist extrem konkret geschrieben — „gedämpftes Horrorlicht, dominiert von kaltem blaugrünem Dunkel, eine Leuchtstoffröhre über dem Kopf flackert unregelmäßig”, „die Sonne fällt schräg von schräg hinten auf das Mädchen und erzeugt einen hellen Rembrandt-Lichtfleck auf ihrem Gesicht”.

Das ist keine Stilblüte, sondern ein Hebel. Schon in den offiziellen Materialien der 2.0-Ära gab es die Erkenntnis: Von allen modifizierenden Elementen — Stilbeschreibung, Bildqualitäts-Begriffe, Auflösungsanforderungen — hat die Beschreibung von Licht und Schatten den größten Einfluss auf die Bildqualität. Die meisten Leute schreiben in ihren Prompts nur „filmisch, 8K”, während die offiziellen Beispiele Lichtrichtung, Lichtbeschaffenheit und Hell-Dunkel-Kontrast beschreiben.

Auch bei der Farbtonbeschreibung gibt es ein festes Muster — die offiziellen Beispiele verwenden durchgehend eine dreischichtige Struktur:

• Hauptfarbton: die großflächige Basis („entsättigte kalte blaugrüne Schatten und grauer Beton”)
• Nebenfarbton: die mittlere Ebene, die zum Subjekt gehört („das nasse, dunkle Fell des Otters, die marineblaue Schuljacke”)
• Akzentfarbe: ein oder zwei wiederkehrende, kleinflächige Highlights („das kranke Leuchtstoffröhren-Glühen, das schwache grüne Notausgangsschild in der Ferne”)

Das ist genau der Denkansatz des Filmcolorgradings: Die Basis legt die Stimmung fest, die mittlere Ebene setzt das Subjekt, die Akzentfarbe lenkt den Blick. Wer den Farbton nach dieser dreischichtigen Struktur schreibt, bekommt „filmisches Feeling” nicht durch Magie, sondern durch ein Rezept.

Wie sieht das Ergebnis aus, wenn der Licht-Abschnitt richtig geschrieben ist? Die Schattenstruktur und die Highlight-Konturen im folgenden fertigen Bild wurden genau nach dem Prinzip „Lichtrichtung + Beschaffenheit + Kontrast” geschrieben:

Bild: SunoMV Team · Beispiel für Licht in einem fertigen Seedance-Clip

Praxisregel: Reserviere in jedem Prompt einen eigenen Abschnitt fürs Licht — Lichtrichtung + Beschaffenheit (hartes/weiches Licht) + Kontrast (gedämpfte Schatten/helle Durchsichtigkeit). Wenn dieser Abschnitt geschrieben ist, kannst du das Wort „filmisch” aus deinem Prompt streichen.

5. Vier Regeln für Bewegung und emotionale Externalisierung: Charaktere wie Schauspieler statt Marionetten wirken lassen

Der offizielle Guide gibt vier konkrete Regeln für Bewegungsbeschreibungen — jede davon kannst du direkt in deine Schreibgewohnheit übernehmen:

1. Körperteile präzisieren + Grad quantifizieren: konkret bis auf Hand, Bein, Kopf, ergänzt um Ausmaß und Geschwindigkeit — „langsam die Hand heben”, „schnell den Kopf drehen”, „kräftig gegen den Boden stoßen” statt „er hat sich bewegt”.
2. Ruhige, kontinuierliche kleine Bewegungen bevorzugen: Von offizieller Seite wird ausdrücklich empfohlen, hochexplosive Bewegungen wie wildes Rennen, große Sprünge oder heftiges Rollen zu vermeiden — das sind die Hauptquellen für Bildfehler. Willst du hohe Energie? Übertrage die Energie auf Schnittrhythmus und Kamerabewegung, statt den Charakter in einem einzigen Shot einen Salto schlagen zu lassen.
3. Bewegungsübergänge ausformulieren: „die Hand mit dem Schwung der Drehung heben” — wenn die Trägheit zwischen vorheriger und nächster Bewegung klar beschrieben ist, wirkt das Bild zusammenhängend.
4. Emotionen konkret externalisieren: Statt „sehr traurig” schreibe „Kopf gesenkt, Schultern leicht zitternd, die Finger krallen sich unbewusst in den Saum der Kleidung, Tränen kreisen in den Augen, ohne zu fallen”. Offiziell gibt es dazu direkt eine Tabelle, die abstrakte Emotionen körperlichen Details zuordnet — die aufzuheben lohnt sich.

Das Western-Cowboy-Beispiel vom Launch-Tag treibt das auf die Spitze: eine 10-sekündige Gesichtsnahaufnahme, in der sich die Emotion von „ruhig konzentriert” über „ein Zucken im Blick, eine leicht angehobene Augenbraue” bis zu „ein kaum merkliches Anheben der Mundwinkel” entwickelt — getragen ausschließlich durch minimale Veränderungen von Augen und Mundwinkeln. Das Schauspielverständnis von 2.5 kann Anweisungen auf diesem Niveau bereits umsetzen.

In Kombination mit Shot-Aufteilung und Charakterkonsistenz sieht szenenübergreifendes Erzählen so aus:

Bild: SunoMV Team · Beispiel für Charakterkonsistenz über mehrere Shots hinweg

6. Diese Formel auf Musikvideos anwenden: der Ansatz von SunoMV

An dieser Stelle denkst du vielleicht: Ein Song hat Dutzende Shots, jeden einzelnen nach der offiziellen Formel zu schreiben, ist einfach zu viel Arbeit.

Genau das ist es, was SunoMV tut: Ein Song wird automatisch in ein Storyboard-Skript zerlegt — Charakterdesign, visuelle Motive und der emotionale Bogen der Abschnitte werden zuerst einheitlich von einer KI-Regie geplant, dann werden pro Textzeile konkrete Shot-Beschreibungen generiert. Bewährte Praktiken wie Licht, Farbton und Bewegungsintensität sind direkt in der Generierungslogik eingebaut. Die gesamte Seedance-Modellreihe (inklusive der Vorabversion von 2.5) steht in der Liste der Videomodelle zur Verfügung — Modell auswählen, einen Song einspeisen, und ein MV mit Übergängen und Untertiteln kommt heraus.

Wer tiefer in den kompletten Workflow einsteigen will, findet in diesen beiden Artikeln mehr Details: Der Fünf-Schritte-Workflow von Audio zum fertigen Video mit Seedance + Suno, Was Seedance 2.5 und 4K für Musikvideos bedeuten. Wer eine echte Person bei der Arbeit sehen möchte, kann sich dieses Tutorial, wie man aus einem Suno-Song ein komplettes KI-MV macht ansehen (Roboverse, 12 Minuten).

Häufig gestellte Fragen

F: Wie lang darf ein Seedance-2.5-Prompt sein?

Die offiziellen Beispiele liegen meist zwischen 500 und 1.500 Zeichen, bei komplexen 30-Sekunden-Erzählungen sogar noch länger. Nachdem die Instruktionsbefolgung bei 2.5 verstärkt wurde, gehen Informationen aus langen Prompts kaum noch verloren — vorausgesetzt, sie sind nach dem Vier-Abschnitte-Schema strukturiert und nicht als ein großer, unstrukturierter Textblock.

F: Gibt es ein offizielles Tool, das mir hilft, den Prompt zu optimieren?

Ja. Im 2.5-Guide wird offiziell die Prompt-Tuning-Skill sd25-pe empfohlen (installierbar über npx) — du gibst deinen Entwurfs-Prompt ein, und sie schreibt ihn nach dem offiziellen Standard für dich um.

F: Wie viel teurer ist 2.5 im Vergleich zu 2.0? Kann ich 2.0 noch verwenden?

Der offizielle Preis für 2.5 liegt bei 70 ¥ pro Million Token (ohne Video-Input), bei 2.0 sind es 46 ¥ — rund 52 % teurer. 2.0 wurde nicht abgeschaltet und bleibt für alltägliche Inhalte weiterhin die preis-leistungsstärkere Wahl. Wie man sich zwischen den beiden Generationen entscheidet, haben wir in einem vollständigen Vergleich beschrieben.

F: Muss ich die Zeitstempel-Schreibweise in SunoMV selbst schreiben?

Nein. SunoMV organisiert das Shot-Format automatisch je nach ausgewähltem Modell — 2.5 verwendet sekundengenaue Zeitstempel, die 2.0-Reihe die Nummerierung. Diese Weichenlogik ist bereits gemäß den Empfehlungen des offiziellen Guides eingebaut.

Jetzt gleich ausprobieren

Die offizielle Formel auswendig zu kennen ist die eine Sache, ein fertiges Video zu bekommen die andere. Geh zum SunoMV Audio-zu-Video-Generator, wirf einen Song hinein, den du gerade in Dauerschleife hörst, wähle Seedance in der Modellliste aus und sieh mit eigenen Augen, was ein nach der offiziellen Methode strukturierter Prompt aus einem Song macht.

BibiGPT Team