Seedance 2.0 视频生成接口

豆包 Seedance 2.0 系列视频生成接口文档。

支持的模型

模型名称	说明
doubao-seedance-2-0-260128	Seedance 2.0 标准版，画质更优，生成较慢（约5-8分钟）
doubao-seedance-2-0-fast-260128	Seedance 2.0 快速版，速度更快（约3-4分钟），画质略低

接口统一说明：以上模型使用完全相同的请求参数（metadata.content[] + metadata.ratio + metadata.duration），只需切换 model 字段即可切换模型。

接口地址

提交任务

POST {BASE_URL}/v1/video/generations

查询结果

GET {BASE_URL}/v1/video/generations/{task_id}

请求参数

顶级参数

参数	类型	必填	说明
model	string	是	模型名称：`doubao-seedance-2-0-260128` 或 `doubao-seedance-2-0-fast-260128`
prompt	string	是	文本提示词（平台校验要求非空，实际提示词通过 metadata.content 传递）
metadata	object	是	扩展参数对象，包含所有 Seedance 2.0 参数

metadata 参数

参数	类型	必填	说明	默认值
content	object[]	是	输入给模型的内容数组，详见下方 content 参数说明	-
generate_audio	boolean	否	控制生成的视频是否包含与画面同步的声音	`true`
resolution	string	否	视频分辨率	`"720p"`
ratio	string	否	视频宽高比	`"adaptive"`
duration	integer	否	视频时长（秒）	`5`
tools	object[]	否	配置模型要调用的工具	-

注意：prompt 字段必须非空（平台校验要求），但实际发送给上游的提示词来自 metadata.content 中的文本内容。如果未传 metadata.content，平台会自动将 prompt 转换为 content 数组。

content 参数详细说明

metadata.content 为对象数组，输入给模型生成视频的信息，支持文本、图片、音频、视频。支持以下几种组合：

文本

文本（可选）+ 图片

文本（可选）+ 视频

文本（可选）+ 图片 + 音频

文本（可选）+ 图片 + 视频

文本（可选）+ 视频 + 音频

文本（可选）+ 图片 + 视频 + 音频

文本信息

输入给模型的提示词信息。

字段	类型	必填	说明
type	string	是	固定为 `"text"`
text	string	是	文本提示词，描述期望生成的视频。支持中英文。建议中文不超过 500 字，英文不超过 1000 词。字数过多信息容易分散，模型可能忽略细节，造成视频缺失部分元素。

示例：

{
  "type": "text",
  "text": "清晨的海边，金色阳光照耀在海面上，一只海豚跃出水面，水花四溅"
}

图片信息

输入给模型的图片信息。

字段	类型	必填	说明
type	string	是	固定为 `"image_url"`
image_url	object	是	图片对象
image_url.url	string	是	图片 URL、Base64 编码或素材 ID（见下方说明）
role	string	条件必填	图片的位置或用途（见下方说明）

image_url.url 支持的格式：

图片 URL：填入图片的公网 URL

Base64 编码：格式 data:image/<图片格式>;base64,<Base64编码>，如 data:image/png;base64,{base64_image}

素材 ID：格式 asset://<ASSET_ID>

传入单张图片要求：

格式：jpeg、png、webp、bmp、tiff、gif

宽高比（宽/高）：(0.4, 2.5)

宽高长度（px）：(300, 6000)

大小：单张图片小于 30 MB，请求体大小不超过 64 MB。大文件请勿使用 Base64 编码

图片数量：

图生视频-首帧：1 张

图生视频-首尾帧：2 张

多模态参考生视频：1~9 张

role 取值说明：

图生视频-首帧、图生视频-首尾帧、多模态参考生视频为 3 种互斥场景，不可混用。

场景	图片数量	role 取值	说明
图生视频-首帧	1 张	`first_frame` 或不填	以该图片作为视频首帧
图生视频-首尾帧	2 张	首帧：`first_frame`（必填），尾帧：`last_frame`（必填）	指定视频的首帧和尾帧图片
多模态参考生视频	1~9 张	`reference_image`（必填）	作为参考图片生成视频

示例（首帧图生视频）：

{
  "type": "image_url",
  "image_url": { "url": "https://example.com/image.jpg" },
  "role": "first_frame"
}

示例（参考图）：

{
  "type": "image_url",
  "image_url": { "url": "https://example.com/ref.jpg" },
  "role": "reference_image"
}

视频信息

输入给模型的视频信息。仅 Seedance 2.0 & 2.0 fast 支持。

支持使用本账号下 Seedance 2.0 & 2.0 fast 模型产出的视频作为输入素材，进行视频编辑或延长，其中的真人人脸可正常使用，不会触发审核拦截。

字段	类型	必填	说明
type	string	是	固定为 `"video_url"`
video_url	object	是	视频对象
video_url.url	string	是	视频 URL 或素材 ID（格式 `asset://<ASSET_ID>`）
role	string	条件必填	当前仅支持 `"reference_video"`

传入视频要求：

格式：mp4、mov

分辨率：480p、720p

时长：单个视频 [2, 15] 秒，最多传入 3 个参考视频，所有视频总时长不超过 15s

宽高比（宽/高）：[0.4, 2.5]

宽高长度（px）：[300, 6000]

画面像素（宽 × 高）：[409600, 927408]

示例：640×640=409600（最小值），834×1112=927408（最大值）

大小：单个视频不超过 50 MB

帧率 (FPS)：[24, 60]

示例：

{
  "type": "video_url",
  "video_url": { "url": "https://example.com/video.mp4" },
  "role": "reference_video"
}

音频信息

输入给模型的音频信息。仅 Seedance 2.0 & 2.0 fast 支持。

不可单独输入音频，应至少包含 1 个参考视频或图片。

字段	类型	必填	说明
type	string	是	固定为 `"audio_url"`
audio_url	object	是	音频对象
audio_url.url	string	是	音频 URL、Base64 编码或素材 ID
role	string	条件必填	当前仅支持 `"reference_audio"`

audio_url.url 支持的格式：

音频 URL：填入音频的公网 URL

Base64 编码：格式 data:audio/<音频格式>;base64,<Base64编码>，如 data:audio/wav;base64,{base64_audio}

素材 ID：格式 asset://<ASSET_ID>

传入音频要求：

格式：wav、mp3

时长：单个音频 [2, 15] 秒，最多传入 3 段参考音频，所有音频总时长不超过 15s

大小：单个音频不超过 15 MB，请求体大小不超过 64 MB。大文件请勿使用 Base64 编码

示例：

{
  "type": "audio_url",
  "audio_url": { "url": "https://example.com/audio.wav" },
  "role": "reference_audio"
}

其他参数详细说明

generate_audio

取值	说明
`true`（默认）	模型输出的视频包含同步音频。模型会基于文本提示词与视觉内容，自动生成与之匹配的人声、音效及背景音乐。建议将对话部分置于双引号内，以优化音频生成效果。例如：`男人叫住女人说："你记住，以后不可以用手指指月亮。"`
`false`	模型输出的视频为无声视频

生成的有声视频均为单声道，和传入的音频声道数无关。

resolution

视频分辨率，默认值 "720p"。

取值	说明
`"480p"`	低分辨率，生成速度较快
`"720p"`	高分辨率，画质更好

ratio

视频宽高比，默认值 "adaptive"。

取值	说明
`"16:9"`	横屏宽幅
`"4:3"`	横屏标准
`"1:1"`	正方形
`"3:4"`	竖屏标准
`"9:16"`	竖屏全屏
`"21:9"`	超宽屏 / 电影比例
`"adaptive"`	根据输入自动选择最合适的宽高比

adaptive 适配规则：

文生视频：根据提示词智能选择最合适的宽高比

首帧/首尾帧生视频：根据上传的首帧图片比例，自动选择最接近的宽高比

多模态参考生视频：根据用户提示词意图判断，以传入的第一个媒体文件为准（优先级：视频 > 图片）选择最接近的宽高比

不同宽高比对应的宽高像素值：

分辨率	宽高比	宽高像素值
480p	16:9	864×496
480p	4:3	752×560
480p	1:1	640×640
480p	3:4	560×752
480p	9:16	496×864
480p	21:9	992×432
720p	16:9	1280×720
720p	4:3	1112×834
720p	1:1	960×960
720p	3:4	834×1112
720p	9:16	720×1280
720p	21:9	1470×630

duration

视频时长（秒），默认值 5，仅支持整数。

取值	说明
`4` ~ `15`	指定具体时长，支持有效范围内的任一整数
`-1`	智能指定，由模型在有效范围内自主选择合适的视频长度。实际时长可通过查询 API 返回的 `duration` 字段获取。注意视频时长与计费相关，请谨慎设置

tools

配置模型要调用的工具。仅 Seedance 2.0 & 2.0 fast 支持。

字段	类型	说明
type	string	工具类型，当前支持 `"web_search"`（联网搜索，仅文生视频支持）

开启联网搜索后，模型会根据提示词自主判断是否搜索互联网内容（如商品、天气等）。可提升生成视频的时效性，但也会增加一定的时延。
实际搜索次数可通过查询视频生成任务接口返回的 usage.tool_usage.web_search 字段获取，为 0 表示未搜索。

示例（放在 metadata 内）：

{
  "model": "doubao-seedance-2-0-260128",
  "prompt": "占位",
  "metadata": {
    "content": [{ "type": "text", "text": "今天北京的天气播报" }],
    "tools": [{ "type": "web_search" }]
  }
}

重要提示：关于提示词传递

在 Windows 命令行（cmd / PowerShell）中使用 curl 直接传递中文提示词可能出现编码问题，导致生成内容与提示词不符。
推荐做法：先将请求 JSON 写入 UTF-8 编码的文件，再使用 --data-binary @文件名 发送请求。
通过 Python、Java、前端应用等编程语言调用 API 不受此影响，因为这些语言默认使用 UTF-8 编码。

错误示例（Windows 下中文可能乱码）

正确示例（使用文件方式）

请求示例

cURL（推荐文件方式）

文生视频

图生视频（首帧）

多模态参考生视频（图片+音频+文本）

Python

Java

查询结果

查询请求

查询响应示例

生成中

{
  "code": "success",
  "data": {
    "task_id": "cgt-20260326182734-68xp4",
    "status": "IN_PROGRESS",
    "progress": "30%",
    "data": {
      "model": "doubao-seedance-2-0-260128",
      "status": "running",
      "generate_audio": true
    }
  }
}

生成成功

{
  "code": "success",
  "data": {
    "task_id": "cgt-20260326182734-68xp4",
    "status": "SUCCESS",
    "progress": "100%",
    "data": {
      "model": "doubao-seedance-2-0-260128",
      "ratio": "9:16",
      "duration": 8,
      "resolution": "480p",
      "generate_audio": true,
      "framespersecond": 24,
      "content": {
        "video_url": "https://...mp4?..."
      },
      "usage": {
        "total_tokens": 80770,
        "completion_tokens": 80770
      }
    }
  }
}

生成失败

{
  "code": "success",
  "data": {
    "task_id": "cgt-xxxxx",
    "status": "FAILURE",
    "fail_reason": "task failed",
    "data": {
      "error": {
        "code": "OutputVideoSensitiveContentDetected",
        "message": "The request failed because the output video may contain sensitive information."
      }
    }
  }
}

任务状态说明

状态	说明
NOT_START	任务已提交，尚未开始
IN_PROGRESS	任务正在生成中
SUCCESS	生成成功，可获取视频 URL
FAILURE	生成失败，查看 fail_reason

支持的模型#

接口地址#

提交任务#

查询结果#

请求参数#

顶级参数#

metadata 参数#

content 参数详细说明#

文本信息#

图片信息#

视频信息#

音频信息#

其他参数详细说明#

generate_audio#

resolution#

ratio#

duration#

tools#

重要提示：关于提示词传递#

错误示例（Windows 下中文可能乱码）#

正确示例（使用文件方式）#

请求示例#

cURL（推荐文件方式）#

文生视频#

图生视频（首帧）#

多模态参考生视频（图片+音频+文本）#

Python#

Java#

查询结果#

查询请求#

查询响应示例#

生成中#

生成成功#

生成失败#

任务状态说明#

支持的模型

接口地址

提交任务

查询结果

请求参数

顶级参数

metadata 参数

content 参数详细说明

文本信息

图片信息

视频信息

音频信息

其他参数详细说明

generate_audio

resolution

ratio

duration

tools

重要提示：关于提示词传递

错误示例（Windows 下中文可能乱码）

正确示例（使用文件方式）

请求示例

cURL（推荐文件方式）

文生视频

图生视频（首帧）

多模态参考生视频（图片+音频+文本）

Python

Java

查询结果

查询请求

查询响应示例

生成中

生成成功

生成失败

任务状态说明