A maioria das ferramentas de vídeo com IA pede que você descreva um personagem com palavras e depois torce para o modelo lembrar o que você quis dizer. O Seedance 2.0 R2V segue outro caminho: você entrega ao modelo imagens, clipes e áudios reais, e ele constrói o vídeo em torno deles. O resultado é um casaco vermelho que continua vermelho, um rosto que continua reconhecível e um produto que mantém a forma do primeiro ao último quadro. Este artigo cobre as configurações que você pode alterar, exemplos de prompt que você pode copiar, o que os provedores cobram por geração e os limites que vão moldar como você planeja cada plano.
Você pode rodar o modelo no PicassoIA pelo Seedance 2.0, então os passos abaixo estão ligados aos campos de entrada reais, e não a suposições.
O que R2V realmente significa
R2V quer dizer reference-to-video. Em vez de começar apenas com texto (texto para vídeo) ou com um quadro inicial (imagem para vídeo), você fornece ao modelo um conjunto de material de referência e um prompt que diz como usar cada peça.

Imagens de referência ou primeiro quadro
Essa distinção confunde muita gente. Uma imagem de primeiro quadro fixa o início do clipe, e o modelo anima a partir dela. Imagens de referência fazem outra coisa: dizem ao modelo como são um sujeito, um look, um local ou um estilo, mas o modelo decide como compor a cena.
No PicassoIA, os dois modos são mutuamente exclusivos. O campo de imagem (primeiro quadro) e o campo de último quadro não podem ser combinados com imagens de referência. Se você enviar referências, deixe os campos de primeiro e último quadro vazios.
💡 Regra prática: use um primeiro quadro quando precisar de um plano de abertura exato. Use imagens de referência quando precisar que o mesmo personagem ou produto apareça em uma cena que você ainda está criando.
O que o modelo lê das suas entradas
O Seedance 2.0 aceita três tipos de material de referência em uma mesma requisição:
- Imagens para identidade, roupas, objetos, cenário e estilo visual
- Vídeos para movimento, movimento de câmera e comportamento de edição
- Áudio para voz, ritmo e sincronização labial
Cada arquivo recebe uma tag no seu prompt: [Image1], [Video1], [Audio1] e assim por diante. A ordem das tags segue a ordem em que você envia os arquivos. Se você pular as tags, o modelo ainda usa suas referências, mas decide sozinho para que serve cada uma. A marcação elimina essa ambiguidade.
Todas as configurações explicadas
Esta é a lista completa de entradas como aparece no Seedance 2.0 no PicassoIA, com o que cada campo faz na prática.
| Configuração | Opções | Padrão | O que faz |
|---|
| Prompt | Texto livre | Obrigatório | Descreve ação, câmera e som. Diálogos vão entre aspas duplas |
| Imagens de referência | Até 9 | Vazio | Orientação de personagem, estilo e cena |
| Vídeos de referência | Até 3, 15 s no total | Vazio | Transferência de movimento e referência de estilo |
| Áudios de referência | Até 3, 15 s no total | Vazio | Geração guiada por áudio e sincronização labial |
| Duração | Segundos inteiros, ou -1 | 5 | -1 deixa o modelo escolher a duração |
| Resolução | 480p, 720p, 1080p, 4k | 720p | Nitidez da saída e faixa de custo |
| Proporção | 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, 9:21, adaptativa | 16:9 | Formato do quadro |
| Gerar áudio | Ligado ou desligado | Ligado | Diálogos, efeitos e música em uma só passagem |
| Seed | Inteiro | Aleatória | Repetir ou comparar gerações |
Imagens, vídeos e áudio de referência
Nove imagens são um teto generoso, mas mais não é automaticamente melhor. De três a cinco imagens bem escolhidas costumam superar nove misturadas, porque cada imagem extra dá ao modelo mais uma coisa para conciliar. Um retrato limpo, uma foto de corpo inteiro e uma foto do local vão render mais do que um álbum de recortes.
Os vídeos de referência são limitados a três, com duração combinada de 15 segundos. Funcionam melhor quando o clipe mostra um movimento claro: uma virada de cabeça, um ciclo de caminhada, um travelling lento. Um clipe agitado, com cinco movimentos, não dá ao modelo nada específico para copiar.
O áudio de referência tem uma pegadinha que vale lembrar: ele exige pelo menos uma imagem ou vídeo de referência. Você não pode gerar um vídeo só com áudio. Envie primeiro o rosto ou a cena, depois anexe o clipe de voz e marque-o como [Audio1] no prompt.

Duração e proporção
O padrão é 5 segundos. Os provedores que publicam faixas para o endpoint reference-to-video do 2.0 geralmente listam de 4 a 15 segundos. Definir a duração como -1 transfere a decisão ao modelo, que escolhe uma duração com base em quanto acontece no seu prompt. Isso é útil para um teste rápido, mas imprevisível quando você está fazendo um orçamento.
A proporção é mais simples. Use 16:9 para YouTube e cinema, 9:16 para Reels e Shorts, 1:1 para feeds e 21:9 para um recorte cinematográfico. A configuração adaptativa deixa o modelo escolher com base nas suas entradas, o que funciona bem quando suas imagens de referência têm uma orientação clara.
Resolução e a chave de áudio
As opções de resolução no schema vão de 480p até 4k, com 720p como padrão. Alguns provedores limitam a saída a um nível mais baixo que outros, e seu plano pode restringir as faixas mais altas, então confirme o que sua conta permite antes de planejar um fluxo de trabalho em 1080p.
A chave Gerar Áudio vem ligada por padrão. Com ela ligada, o modelo cria diálogos, som ambiente e música na mesma passagem da imagem. Desligue-a se você pretende fazer a trilha do vídeo por conta própria ou se está apenas testando movimento.
Como usar o Seedance 2.0 no PicassoIA
Siga estes passos para rodar sua primeira geração R2V.
- Abra o modelo. Vá até o Seedance 2.0 no PicassoIA.
- Envie imagens de referência. Adicione de uma a cinco imagens no campo de imagens de referência. Deixe os campos de primeiro e último quadro vazios.
- Adicione vídeo ou áudio opcionais. Anexe um clipe de movimento ou um arquivo de voz se a sua cena precisar. Lembre que o áudio precisa de pelo menos uma imagem ou vídeo junto dele.
- Escreva um prompt com tags. Mencione cada arquivo pela tag, por exemplo: "[Image1] caminha por uma rua chuvosa, câmera acompanhando na altura do ombro."
- Defina duração e proporção. Comece com 5 segundos e 16:9 ou 9:16.
- Escolha a resolução. Teste em 720p antes de gastar com uma faixa superior.
- Mantenha o áudio ligado. A menos que você pretenda substituí-lo na edição.
- Gere e revise. Mude uma variável por vez entre as execuções e mantenha o seed se quiser comparar.

💡 Teste barato, finalize caro. Rode suas duas ou três primeiras tentativas em 720p e com duração curta. Só passe para uma resolução maior quando o movimento e a identidade estiverem certos.
Exemplos de prompt para copiar
Bons prompts de R2V leem como notas de plano. Eles dizem quem é, onde está, o que se move, como a câmera se comporta e o que se ouve.
Consistência de personagem entre cenas
Envie um retrato nítido do seu sujeito como [Image1] e uma foto de rua como [Image2].
"[Image1] caminha devagar pela rua de paralelepípedos molhada de [Image2], câmera baixa acompanhando-a de lado. A luz quente de um café se reflete nas poças. Chuva leve, passos ao longe, piano suave ao fundo."
O retrato trava o rosto e a roupa, a foto de rua define o local, e o prompt fornece o movimento. Reutilize o mesmo retrato no seu próximo prompt, com outro local, e o personagem se mantém.

Fotos de produto
Envie dois ou três ângulos do mesmo produto, como uma vista frontal, uma vista lateral e um close do rótulo.
"A garrafa de [Image1] e [Image2] repousa sobre uma placa de travertino. Aproximação lenta, luz suave lateral vinda da esquerda, o vidro capta um brilho em movimento. Ambiente silencioso, leve farfalhar de tecido."
O trabalho com produtos é onde as imagens de referência mais compensam. Um prompt só com texto vai inventar uma garrafa. Um prompt guiado por referências mantém a que você realmente vende.

Retrato com diálogo falado
Envie um retrato como [Image1] e uma gravação curta de voz como [Audio1].
"[Image1] está sentada perto da janela de um café e fala para a câmera com a voz de [Audio1]. Movimento sutil da cabeça, piscadas naturais, luz suave do dia vinda da esquerda. Xícaras tilintando ao fundo."
Diálogos escritos diretamente no prompt vão entre aspas duplas. Se você anexar áudio, marque-o e deixe o modelo conduzir os lábios a partir da gravação.

Preços sem adivinhação
Não existe um preço único para o Seedance 2.0 R2V. Os custos dependem da plataforma, da resolução, da duração e, em alguns provedores, da sua requisição incluir ou não um vídeo de referência.
O que os provedores cobram
Os valores publicados por diferentes provedores de API variam muito, por isso vale lê-los como faixas, e não como cotações:
| Fator | Como afeta o custo |
|---|
| Resolução | Faixas mais altas custam mais por segundo |
| Duração | Cobrado por segundo de saída na maioria dos provedores |
| Vídeo de referência | Alguns provedores cobram uma tarifa diferente quando há um vídeo de entrada |
| Faixa | As variantes Standard, Fast e Mini têm preços diferentes |
| Plataforma | Agregadores e APIs diretas publicam tarifas diferentes |
Como um choque de realidade, um agregador lista uma faixa de cerca de US$ 0,60 a US$ 4,05 por geração, dependendo da resolução e do comprimento, enquanto outros provedores cotam preços por segundo que vão de algumas décimas de dólar a bem mais de um dólar. Esses valores mudam com frequência, então use-os como indicação de quão ampla é a variação e confira o provedor que pretende usar antes de se comprometer com um lote.

Como reduzir o custo
- Faça rascunhos em 480p ou 720p. Avalie movimento e identidade antes de pagar por nitidez.
- Mantenha a duração curta. Um teste de 5 segundos revela quase tudo o que um de 12 segundos revelaria.
- Evite o -1 ao fazer orçamento. Um comprimento automático pode durar mais do que você planejou.
- Limite o excesso de referências. Menos referências, e melhores, significam menos tentativas desperdiçadas.
- Use uma faixa mais barata para rascunhos. O Seedance 2.0 Fast e o Seedance 2.0 Mini são opções mais leves para passadas rápidas.
Todo modelo de vídeo tem seus limites. Conhecê-los cedo economiza créditos e paciência.
Limites rígidos
| Limite | Valor |
|---|
| Imagens de referência | Até 9 |
| Vídeos de referência | Até 3, 15 segundos combinados |
| Áudio de referência | Até 3, 15 segundos combinados |
| Entrada de áudio | Precisa de pelo menos uma referência de imagem ou vídeo |
| Primeiro quadro e imagens de referência | Não podem ser usados juntos |
| Último quadro | Funciona só com um primeiro quadro, e não com referências |
| Tamanho do arquivo de imagem | Cerca de 25 MiB por arquivo em alguns provedores, em PNG, JPEG ou WEBP |
| Duração do clipe | Aproximadamente de 4 a 15 segundos nas faixas publicadas pelos provedores |

Limites flexíveis
Estes não estão escritos no schema, mas você vai notá-los rápido:
- Deriva de identidade em referências carregadas. Se suas imagens mostram a mesma pessoa com iluminação ou ângulos muito diferentes, o modelo pode fazer uma média delas. Escolha fotos consistentes e nítidas.
- Instruções conflitantes. Pedir uma perseguição rápida e um clima lento e contemplativo no mesmo prompt confunde o resultado.
- Pessoas reais. Muitos provedores restringem fotos de referência de pessoas reais e identificáveis. As políticas variam de plataforma para plataforma, então confira as regras do lugar onde você gera.
- Cenas longas. Um único clipe é curto. Histórias mais longas exigem gerar vários clipes com as mesmas referências e montá-los em sequência.
- Confusão de versões. Algumas listagens online misturam o Seedance 2.0 com a família mais nova 2.5. Verifique qual modelo um endpoint executa de fato antes de comparar preços ou limites.
💡 Planeje por planos, não por cenas. Trate cada geração como uma posição de câmera. Reutilize as mesmas imagens de referência em cada montagem e depois monte a sequência em um editor.
Alternativas que valem a pena testar
O Seedance 2.0 não é o único modelo de vídeo com referências no PicassoIA. Dependendo do trabalho, estes merecem uma comparação lado a lado:
Rode o mesmo prompt e as mesmas referências em dois modelos e compare identidade, movimento e som. As diferenças aparecem rápido, e a melhor escolha muitas vezes depende do seu sujeito, e não de um ranking.
Teste o seu próprio conjunto de referências
A forma mais rápida de ver o que o R2V consegue fazer é montar um pequeno conjunto de referências seu: um retrato, um local, um objeto. Escreva um prompt com tags, gere em 720p por 5 segundos e observe o quanto a saída segue as suas imagens. Mude uma única entrada, como trocar a foto do local ou adicionar um clipe de voz, e compare.

Abra o Seedance 2.0 no PicassoIA, envie suas referências e rode o primeiro teste. Se quiser ver o que mais está disponível, explore tudo em picassoia.com/en/all-models e combine a geração de vídeo com ferramentas de imagem, áudio e upscaling (aumento de resolução) para um fluxo de produção completo.