Kompletny przewodnik po promptach Seedance 2.5: oficjalna formuła, znaczniki czasu co do sekundy i 30-sekundowe ujęcie w jednym kadrze (test z sierpnia 2026)

7 sierpnia 2026 roku ByteDance oficjalnie wprowadził API Seedance 2.5 na platformę Volcano Engine — 30-sekundowe wideo generowane bezpośrednio, do 50 materiałów referencyjnych w wielu modalnościach, natywne wsparcie dla kilkunastu języków. Ale bardziej niż sam model, dziesięć minut warto poświęcić na jednoczesnie opublikowany „Przewodnik po promptach Seedance 2.5”: po raz pierwszy oficjalny materiał zamienia „jak pisać prompt, żeby nie było loterii” w metodę inżynierską, którą można po prostu przepisać.

Zestawiliśmy oficjalny przewodnik, oficjalne przykładowe prompty z dnia premiery oraz nasze własne testy generowania i odkryliśmy coś dość nieintuicyjnego: wiele nawyków przy pisaniu promptów do Seedance to dokładnie te praktyki, których oficjalnie odradzano w wersji 2.0 — a te same praktyki w wersji 2.5 stały się mocną stroną.

Ten artykuł wyjaśnia trzy rzeczy: jak używać oficjalnej formuły, jak rozwiązać największy punkt sporny, czyli znaczniki czasu, oraz jak wykorzystać dwie mocno niedoceniane dźwignie — światło i ruch.

1. Najpierw poznaj granice możliwości 2.5: czym tak naprawdę steruje twój prompt

Zanim napiszesz prompt, warto wiedzieć, co model faktycznie ogarnie. Kluczowe usprawnienia Seedance 2.5 względem 2.0:

Możliwość	Seedance 2.0	Seedance 2.5
Długość pojedynczego generowania	maksymalnie 15 sekund	maksymalnie 30 sekund
Limit materiałów referencyjnych	ok. 12	50 (obrazy ≤30, wideo ≤10, audio ≤10)
Znaczniki czasu co do sekundy	oficjalnie niestabilne wsparcie	sprawna reakcja, pełnoprawna funkcja
Referencje wieloujęciowe postaci	nie zalecane	wspierane
Format wyjściowy	6 stałych proporcji	dowolna proporcja w zakresie 0,4–2,5
Nowe funkcje referencyjne	—	renderowanie modelu white-mesh, storyboard w siatce, płynne przejścia wideo, edycja instrukcjami

30-sekundowe generowanie rozwiązuje stary problem „refren trzeba było dzielić na trzy generowania i sklejać na siłę”; 50 materiałów referencyjnych oznacza, że cały zestaw grafik postaci, referencji scen, a nawet audio referencyjnego można wrzucić za jednym razem. Te dwie rzeczy razem sprawiają, że złożona narracja po raz pierwszy staje się „kontrolowalna”, a nie „zależna od losowania”.

Praktyczna zasada: limit długości i liczby materiałów to tylko bilet wstępu — czy uda ci się wykorzystać go w pełni, zależy od tego, czy twój prompt jest zorganizowany według oficjalnej formuły. 30-sekundowy opis w formie chaotycznej listy da w efekcie 30-sekundową chaotyczną listę na ekranie.

2. Oficjalna formuła strukturalna: czteroczęściowy schemat do przepisania

Zalecana struktura z oficjalnego przewodnika jest bardzo jasna — cztery części w ustalonej kolejności:

1. Odniesienie do materiałów: nadaj numer każdemu przesłanemu materiałowi i przypisz mu funkcję — kto jest postacią, co jest głosem, co jest sceną. Zalecana forma: „Zdefiniuj kobietę w czerwonej sukience i słomkowym kapeluszu na zdjęciu 1 jako Postać 1”, a potem konsekwentnie odnoś się do niej tym samym oznaczeniem. Oficjalny przewodnik szczególnie ostrzega: nie wpisuj mapowania wyłącznie jako tekstu na obrazie (np. podpisanie zdjęcia referencyjnego „Zhang San”, a potem odwoływanie się do niego po imieniu w prompcie) — przy wielu postaciach łatwo o pomyłkę lub powielenie roli.
2. Streszczenie w jednym zdaniu: postać + miejsce + wydarzenie + gatunek/styl + specjalne ruchy kamery, wszystko jasno w jednym zdaniu.
3. Konkretna fabuła: podziel na znaczniki czasu lub „Ujęcie N”, opisując krok po kroku obraz, ruch kamery, akcję, kwestie i dźwięk — najlepiej opisami pozytywnymi. Opisy negatywne stosuj tylko do kontroli napisów i audio („bez napisów”, „bez muzyki w tle”).
4. Zamknięcie na koniec: dodaj szczegóły przenikające cały materiał — nawyki kamery, atmosferę otoczenia, projekt dźwięku, ton światła.

Kilka pełnych przykładowych promptów opublikowanych w dniu premiery (30-sekundowy horror, scena grupowa w magazynie, pościg pod wodą) ściśle trzyma się tego szkieletu, a na końcu każdego dodano akapit „na co uważać”: spójność postaci, brak napisów i znaków wodnych, łuk napięcia. Ten „akapit zamykający z zasadami” naprawdę warto skopiować — działa jak wyznaczenie modelowi czerwonych linii, których nie wolno przekroczyć.

Praktyczna zasada: gdy sam materiał referencyjny jest wystarczająco precyzyjny, ogranicz się do odniesienia — nie opisuj obrazu na nowo. Oficjalny przykład mówi po prostu „ściśle trzymaj się ruchu i kamery z wideo 1” — nie trzeba jeszcze raz rozpisywać akcji klatka po klatce, bo nadmiar opisu wprowadza tylko konflikty.

3. Znaczniki czasu czy numery ujęć? Odpowiedź dla obu generacji modelu jest całkowicie odwrotna

To największe odkrycie tego researchu i pułapka, w którą wpada najwięcej osób.

Oficjalny przewodnik dla Seedance 2.0 mówi wprost: „model niestabilnie wspiera precyzyjne odwołania czasowe (np. 0–3 sekundy), a wymuszanie ścisłych ram czasowych może prowadzić do nieprawidłowych wyników” — zaleca się numerowanie ujęć w stylu „Ujęcie 1 / Ujęcie 2 / Ujęcie 3”, pozostawiając rytm decyzji samemu modelowi.

Seedance 2.5 uczynił natomiast znaczniki czasu co do sekundy swoją flagową funkcją. Oficjalne konto na WeChacie pisze wprost o „sprawnej reakcji na znaczniki czasu co do sekundy w prompcie”; w przewodniku 2.5 zaznaczono, że „znaczniki czasu lub Ujęcie N — oba działają”, a oficjalne przykłady z dnia premiery niemal w całości używają zapisu 0s-3s: / (0:00–0:05) — precyzyjnie co do sekundy sterując każdym cięciem ujęcia.

Innymi słowy, jeśli zawsze pisałeś do Seedance twarde znaczniki czasu w stylu [0-4 seconds], w wersji 2.0 działałeś wbrew oficjalnym zaleceniom — część „niestabilnych wyników losowania” mogła wynikać właśnie stąd; a ten sam sposób pisania w 2.5 nagle zaczął działać płynnie — to nie twój warsztat się poprawił, to model w końcu jest w stanie to obsłużyć.

Po jednym przykładzie zapisu storyboardu dla obu generacji:

Zalecany zapis dla 2.0 (numerowanie ujęć):

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。

Zalecany zapis dla 2.5 (znaczniki czasu co do sekundy):

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。

Praktyczna zasada: dla treści, gdzie liczy się trafienie w takt (teledyski, montaż na bity), wybieraj 2.5 ze znacznikami czasu; gdy rytm można zostawić modelowi (krótkie fabuły, klimatyczne ujęcia), numerowanie ujęć w stylu 2.0 też wystarczy. Nie wymuszaj znaczników czasu co do sekundy w wersji 2.0.

Dla twórców teledysków to szczególnie istotne — cięcia w teledysku muszą trafiać w takt muzyki, a znaczniki czasu co do sekundy to właśnie instrukcja trafiania w bit. Dlatego uważamy 2.5 za nowy silnik pierwszego wyboru dla przejść i storyboardów w teledyskach.

4. Światło i ton koloru: fragment najrzadziej kopiowany z oficjalnych przykładów, a najbardziej wartościowy

Po przejrzeniu wszystkich oficjalnych przykładowych promptów z dnia premiery widać wspólny mianownik: każdy ma osobny, niezależny akapit o świetle, i to napisany niezwykle konkretnie — „stonowane, przerażające światło, dominują chłodne, ciemne błękity i zielenie, nad głową migocząca świetlówka” albo „słońce wpada ukośnie z tyłu boku dziewczyny, tworząc na jej twarzy jasną plamę światła rembrandtowskiego”.

To nie kwiecisty styl — to dźwignia. Już w erze 2.0 oficjalne materiały wskazywały wniosek: spośród opisów stylu, słów o jakości obrazu i wymagań dotyczących rozdzielczości, to opis światła ma największy wpływ na jakość obrazu. Większość ludzi w prompcie pisze tylko „filmowość, 8K”, podczas gdy oficjalne przykłady opisują kierunek źródła światła, jego fakturę i kontrast światła-cienia.

Sposób zapisu tonu koloru ma podobnie powtarzalny schemat — wszystkie oficjalne przykłady stosują strukturę trójwarstwową:

• Kolor podstawowy: duża powierzchnia tła („odsycone, chłodne błękity i zielenie w cieniu oraz szary beton”)
• Kolor drugorzędny: środkowa warstwa związana z postacią („mokre, ciemne futro wydry, granatowa kurtka szkolna”)
• Kolor akcentujący: jeden lub dwa powtarzające się, małe punkty światła („chorobliwy blask świetlówki, słabe, zielone światło znaku wyjścia ewakuacyjnego w oddali”)

To dokładnie sposób myślenia filmowego kolorystów: podstawa ustala nastrój, warstwa środkowa buduje postać, akcent prowadzi wzrok. Pisząc ton koloru według tej trójwarstwowej struktury, „filmowość” gotowego materiału przestaje być magią, a staje się przepisem.

Jak wygląda efekt dobrze napisanego akapitu o świetle? Warstwy cienia i kontury świateł na poniższym kadrze z gotowego materiału powstały właśnie z zapisu „kierunek źródła światła + faktura + kontrast”:

Ilustracja: zespół SunoMV · przykład światła w gotowym materiale Seedance

Praktyczna zasada: w każdym prompcie zostaw osobny akapit poświęcony wyłącznie światłu — kierunek źródła + faktura (twarde/miękkie światło) + kontrast (stonowane cienie/jasna przejrzystość). Gdy ten akapit jest gotowy, słowo „filmowość” można śmiało wykreślić z reszty promptu.

5. Cztery zasady ruchu i uzewnętrznianie emocji: niech postać gra jak aktor, a nie marionetka

Oficjalny przewodnik podaje cztery konkretne zasady dotyczące opisu ruchu, każdą można od razu wdrożyć w swoim warsztacie:

1. Uszczegółowienie ciała + kwantyfikacja intensywności: konkret — dłoń, noga, głowa, plus amplituda i prędkość — „powoli unosi dłoń”, „szybko odwraca głowę”, „mocno odpycha się nogą od ziemi” — zamiast „on się poruszył”.
2. Priorytet dla powolnych, ciągłych, drobnych ruchów: oficjalnie zaleca się unikanie gwałtownego biegu, dużych skoków, gwałtownych przetoczeń — to główne źródło zniekształceń. Chcesz wysokiej energii? Przekaż ją montażowi i ruchowi kamery, a nie postaci robiącej fikołka w jednym ujęciu.
3. Zapisuj przejścia między ruchami: „wykorzystując bezwładność obrotu, płynnie unosi dłoń” — jasny opis przekazywania bezwładności między kolejnymi ruchami sprawia, że obraz jest spójny.
4. Konkretyzuj emocje w ciele: zamiast „bardzo smutny” napisz „opuszcza głowę, ramiona lekko drżą, palce nieświadomie zaciskają się na brzegu ubrania, łzy kręcą się w oczach, ale nie spadają”. Oficjalny przewodnik daje wprost tabelę przekładającą abstrakcyjne emocje na szczegóły cielesne — warto ją zachować.

Przykładowy prompt z kowbojem z dnia premiery wykorzystuje to do granic możliwości: 10-sekundowy zbliżenie na twarz, emocja przechodzi od „spokojnego skupienia” przez „drgnięcie spojrzenia, lekkie uniesienie brwi” po „ledwo zauważalny uśmiech w kącikach ust” — całość niesiona wyłącznie subtelnymi zmianami w oczach i ustach. Rozumienie aktorstwa w 2.5 jest już w stanie obsłużyć instrukcje na tym poziomie.

Połączenie storyboardu ze spójnością postaci daje taki efekt w narracji między scenami:

Ilustracja: zespół SunoMV · przykład spójności postaci między ujęciami

6. Jak zastosować tę formułę do teledysków: podejście SunoMV

Czytając to, możesz pomyśleć: piosenka ma kilkadziesiąt ujęć, pisanie każdego według oficjalnej formuły to ogrom pracy.

Dokładnie to robi SunoMV: automatycznie rozbija piosenkę na scenariusz ujęć — projekt postaci, motywy wizualne i łuk emocjonalny poszczególnych fragmentów planuje najpierw AI-reżyser, a potem generowane są konkretne opisy ujęć dla każdej linijki tekstu, przy czym oficjalne najlepsze praktyki dotyczące światła, tonu koloru i amplitudy ruchu są wbudowane bezpośrednio w logikę generowania. Cała rodzina modeli Seedance (łącznie z wczesnym dostępem do 2.5) znajduje się na liście modeli wideo — wystarczy wybrać model, wgrać piosenkę i otrzymać gotowy teledysk z przejściami i napisami.

Jeśli chcesz zgłębić cały proces, te dwa artykuły rozkładają go dokładniej: pięcioetapowy workflow od dźwięku do gotowego materiału z Seedance i Suno, co Seedance 2.5 i 4K oznaczają dla teledysków. Aby zobaczyć to na żywo, zobacz ten poradnik o tworzeniu pełnego teledysku AI z piosenki Suno (Roboverse, 12 minut).

Najczęściej zadawane pytania

P: Jak długi może być prompt w Seedance 2.5?

Oficjalne przykłady mają zazwyczaj od 500 do 1500 znaków, a przykłady 30-sekundowych złożonych narracji są jeszcze dłuższe. Po wzmocnieniu przestrzegania instrukcji w 2.5 informacje z długiego promptu zasadniczo nie są pomijane — pod warunkiem, że jest zorganizowany według schematu czteroczęściowego, a nie jako jedna wielka chaotyczna lista.

P: Czy jest oficjalne narzędzie do optymalizacji promptu?

Tak. W przewodniku do 2.5 oficjalnie polecany jest skill sd25-pe do dopracowywania promptów (instalowany przez npx) — wystarczy podać swój wersję roboczą promptu, a narzędzie przepisze go zgodnie z oficjalnymi wytycznymi.

P: O ile 2.5 jest droższy od 2.0? Czy nadal można używać 2.0?

Oficjalna cena 2.5 to 70 juanów za milion tokenów (bez wejścia wideo), a 2.0 to 46 juanów — 2.5 jest droższy o ok. 52%. Wersja 2.0 nie została wycofana, do codziennych treści nadal jest opłacalnym wyborem — napisaliśmy pełne porównanie tego, jak wybierać między obiema generacjami.

P: Czy w SunoMV trzeba samodzielnie pisać znaczniki czasu?

Nie. SunoMV automatycznie dobiera format storyboardu w zależności od wybranego modelu — 2.5 korzysta ze znaczników czasu co do sekundy, seria 2.0 z numerowania ujęć — ta logika podziału jest wbudowana zgodnie z zaleceniami oficjalnego przewodnika.

Wypróbuj to już teraz

Zapamiętanie oficjalnej formuły to jedno, a wygenerowanie gotowego materiału to drugie. Wejdź do generatora wideo z audio SunoMV, wgraj piosenkę, którą ostatnio słuchasz w kółko, wybierz Seedance z listy modeli i zobacz na własne oczy, co z twojej piosenki potrafi zrobić prompt zorganizowany według oficjalnej metody.

BibiGPT Team