深入解析 Seedance 2.5 的参考系统：图像、视频与音频参考究竟如何运作
Seedance 2.5 的参考系统是它最强大、也最少被理解的功能之一。大多数人要么完全忽略参考，要么把文件一股脑丢进去碰运气。EvoLink 的开放指南中的社区案例展示了第三种做法：把参考当作一支精心组建的团队，每个文件都有自己的职责。重点不在于用满所有槽位——而在于给模型它真正需要的锚点，不多不少。
先说明一点：Seedance 2.5 尚处于预发布阶段，且通过服务商中转。下文的限制与行为反映的是其预期设计；在此基础上进行开发前，请先向你的服务商确认支持情况。这是一份独立指南——EvoLink 是我们推荐的服务商，我们与字节跳动没有任何关联。
真正的参考额度
参考按类型划分，每种类型都有各自的单次请求上限：
| 类型 | 请求字段 | 预期单次请求上限 |
|---|---|---|
| 图像 | image_urls | 最多 30 |
| 视频 | video_urls | 最多 10 |
| 音频 | audio_urls | 最多 10 |
这是彼此独立的额度，而不是共用一个总池——消耗图像槽位并不会减少你能附加的视频或音频参考数量。实际上，大多数镜头用到的数量远低于上限；这些余量的存在，是为了让多角色、多约束的创作不再是一种妥协。
参考如何进入提示词
参考并不是一条旁路——它们在行内被引用。提示词会在某个文件的内容应当发挥作用的位置，精确地写下类似 «image_1_1» 的标记：
”……镜头平稳地跟随一位身穿黑色大衣的男子（参考 «image_1_1»）……”
这是关键的思维转变：你不去描述大衣、面孔、场景——你指向它们。文字承载方向，文件承载名词。提示词变得更短，输出同时变得更一致。视频和音频参考的运作方式相同，使用相对应的 «video_x_y» 和 «audio_x_y» 标记。
如何分配每种额度
在各类多参考案例中，分配遵循一套清晰的经济学。按类型来思考：
| 职责 | 类型 | 典型数量 | 锁定什么 |
|---|---|---|---|
| 角色身份 | 图像 | 每个角色 2–3 | 整段镜头中的面孔、服装、身形比例 |
| 场景与布景 | 图像 | 2–4 | 环境、建筑、陈设 |
| 色调与调色 | 图像 | 1–2 | 色彩世界、光影氛围 |
| 镜头语法 | 视频 | 1–2 段片段 | 运镜本身——一段短片胜过一整段文字 |
| 节奏 | 音频 | 1 个文件 | 节奏感、节拍结构、剪辑时机 |
留意一下双角色叙事场景中图像参考会累积到多少：仅身份一项就可能吃掉 30 个图像槽位中的 4–6 个。这样的余量正是早期更紧张的额度所无法提供的——你可以从开场笑点到产品定妆镜头始终保持产品、色调和吉祥物的一致，或者携带多语种标识，让画面上的文字呈现为语言而非一堆乱码字母，而这一切都无需牺牲任何一个锚点。而且由于视频和音频使用各自独立的额度，添加一段运镜片段或一条节奏音轨永远不会占用你的图像槽位。
让它保持可调试的工作流
最浪费时间的错误，就是一次性加载所有参考。当一次多文件生成出问题时，每个文件都是嫌疑对象。分层的顺序能让失败保持可诊断，这也和我们为本站生成内容时的经验相符：
- 先做纯提示词草稿，采用起步分辨率（480p 或 720p），直到构图和运动达到预期
- 加入图像身份参考，确认角色保持一致
- 加入运镜视频片段，确认运镜得以转移
- 最后加入音频——节奏是收尾层，而不是地基
每次运行只加一层，意味着每个失败都只有一个嫌疑对象。先以低分辨率和短时长打草稿，等镜头跑通后再投入参考——Seedance 2.5 支持约 4–30 秒的预期时长范围，且原生音频在单次生成中一并产出，不额外收费。
参考质量准则
从输入与输出的对比中总结：
- 多个角度胜过一张完美镜头。 一个角色的两三个视角锁定身份的效果，远好于单张主图——而有了最多 30 个图像槽位，你完全有空间容纳它们。
- 干净的参考带来干净的转移。 一段自身画面繁杂的运镜片段会泄漏内容，而不只是运动；最好的参考片段往往格外朴素。
- 不要重新描述你所引用的东西。 文件与关于该文件的文字之间的矛盾会以不可预测的方式被解决——引用标记，然后闭嘴。
亲自体验这套经济学
先阅读提示词库中每个标记是如何放置的，然后重建一个属于你自己的双角色版本镜头：比如 6 个图像槽位用于身份、3 个用于场景、1 个用于色调，再加 1 段运镜视频片段和 1 条音频音轨。这远在每种额度之内，三种类型都留有充足余量。在试玩场中搭建好，在正式生成前先预览；如果你是通过代码来驱动，参考字段（image_urls、video_urls、audio_urls）接受纯 URL——请查看 API 指南了解请求结构以及 seedance-2.5-reference-to-video 模型 id（预发布，可配置）。