Respuesta directa: para que Seedance 2.5 genere diálogo hablado, escribe cada frase entre comillas y añade cuatro datos alrededor: quién la dice, en qué idioma y con qué acento, en qué tono y en qué momento del clip. Una línea que funciona se ve así: The woman says quietly in French, "On rentre ?". Ajusta la cantidad de texto a la duración, unas dos o tres palabras por segundo de vídeo, y dale a cada personaje una acción visible entre frase y frase. Seedance 2.5 genera la voz y la imagen en la misma pasada, y en Yovid el sonido (Sound) viene activado por defecto. ByteDance no ha publicado una lista de idiomas, así que «cualquier idioma» significa que escribes el idioma que quieres y lo pruebas. Sus propias demos muestran diálogo en inglés, francés y chino. Abajo tienes 15 prompts de monólogos, escenas a dos voces, anuncios, microdrama y cinco idiomas, más dos guiones de 30 segundos por tramos.
Prompt de imagen: Fotograma cinematográfico de dos adultos de unos treinta años que conversan en el reservado de un diner tranquilo de madrugada. La mujer de la izquierda se inclina hacia delante a mitad de frase, con expresión abierta y seria; el hombre de la derecha escucha con una taza de café en la mano. Luz cálida de tungsteno dentro, gotas de lluvia en la ventana, farolas azules fuera, poca profundidad de campo, piel con textura natural, aspecto de 35 mm.
Última verificación: 2026-10-28
Contenido
- Cómo genera diálogo Seedance 2.5
- La fórmula del prompt de diálogo
- 15 prompts de diálogo listos para copiar
- Dos prompts de diálogo de 30 segundos por tramos
- Cómo corregir los fallos de diálogo más comunes
- Preguntas frecuentes
Cómo genera diálogo Seedance 2.5
ByteDance presenta Seedance 2.5 como un modelo de generación conjunta de audio y vídeo. En la práctica, la voz, el ambiente y los efectos salen de la misma generación que la imagen. No grabas una pista de voz para sincronizarla después: el prompt es el guion.
Lo que importa para el diálogo en Yovid:
| Ajuste | Qué significa para el diálogo |
|---|---|
| Sonido (Sound) | Activado por defecto. Si lo desactivas, el clip sale mudo y sin voces. |
| Duración | De 4 a 30 segundos por generación. Los clips largos dejan sitio para un intercambio y no solo para una frase. |
| Resolución | 480p, 720p o 1080p. El plan Lite llega a 720p con Seedance 2.5. |
| Relación de aspecto | 16:9, 9:16, 1:1, 4:3, 3:4 o 21:9. Usa 9:16 para anuncios verticales y microdramas. |
| Longitud del prompt | Hasta 10.000 caracteres, de sobra para un guion de 30 segundos. |
| Acceso | Cualquier plan de pago o cualquier paquete de créditos. Los créditos gratuitos de registro no cubren Seedance 2.5. |
Con la tarifa base de los paquetes de créditos, un clip de 10 segundos a 720p cuesta 61 créditos y uno de 30 segundos, 183. Las suscripciones pagan menos por segundo, y el botón de generar muestra el coste exacto antes de empezar. Los precios de planes y paquetes están en la página de precios. Si piensas hacer varias tomas de la misma escena, el modo borrador de Seedance 2.5 te deja revisar el ritmo primero a 480p.
Hay dos límites que conviene tener presentes. El escaparate de ByteDance incluye frases en inglés, un intercambio en francés dentro de una farmacia y una frase en chino en la cocina de una familia, pero no enumera todos los idiomas que el modelo puede hablar. Y la sincronía labial se genera, no se garantiza: la boca suele seguir mejor las palabras cuando el personaje mira a cámara y la frase es corta, así que revisa los primeros planos antes de publicar.
La fórmula del prompt de diálogo
Escribe cada frase hablada como una sola oración con cinco partes en este orden:
Quién habla + cómo lo dice + idioma y acento + "la frase" + lo que hace después
Por ejemplo: The older man says slowly, in English with a soft Irish accent, "You kept the key." He sets it on the table.
- Quién habla. Identifica al personaje por algo visible: «la mujer del impermeable amarillo», «el cocinero más alto». El modelo tiene que saber qué boca se mueve.
- Cómo lo dice. Una o dos palabras de tono y volumen: susurrando, seco, riendo, a punto de llorar.
- Idioma y acento. Indícalo incluso en inglés: in French, in Spanish with a Mexican accent, in Mandarin Chinese.
- La frase entre comillas. Escríbela en el idioma de destino y con su propio alfabeto. No pongas la traducción entre paréntesis: el modelo podría leerla en voz alta.
- La acción siguiente. Una mirada, una pausa, un paso atrás. Así el plano tiene algo que hacer mientras la otra persona responde.
Después ajusta la cantidad de texto a la duración. Una conversación natural va a unas dos o tres palabras por segundo, y la escena también necesita tiempo para las reacciones:
| Duración del clip | Texto que cabe | Sirve para |
|---|---|---|
| 5 segundos | Una frase de hasta 10 palabras | Una reacción, un remate, un eslogan |
| 10 segundos | Dos o tres frases cortas | Una pregunta y una respuesta |
| 15 segundos | Tres o cuatro frases | Un intercambio breve con una acción |
| 30 segundos | De seis a ocho frases, repartidas en tramos | Una miniescena completa |
Un solo personaje
El monólogo es el plano de diálogo más fiable. Mantén al personaje en plano medio o más cerca, de frente a cámara o ligeramente girado, y describe el sonido de fondo para que la voz suene en un espacio real.
Dos personajes
Describe a los dos una vez al principio, con ropa o posición que los distinga. Después atribuye cada frase, aunque sea corta. Basta con «She answers»; una cita suelta sin hablante es justo donde se intercambian las voces.
Tres personajes o más
Se pueden tener tres voces en un clip, pero cada hablante extra aumenta la probabilidad de que una frase acabe en la cara equivocada. Da a cada persona un sitio fijo en el encuadre (izquierda, centro, derecha), escribe frases cortas y deja hablar a una sola persona cada vez. Para escenas de grupo más largas, reparte el diálogo en tramos de tiempo.
15 prompts de diálogo listos para copiar
Todos los prompts están en inglés, con cada frase hablada en su propio idioma. Cada tarjeta tiene un botón que abre el prompt en el generador de Yovid con Seedance 2.5 seleccionado; comprueba que el sonido está activado y elige duración y relación de aspecto. También puedes pegarlos tú en el generador de texto a vídeo.
Monólogos
1. Enfermera del turno de noche, 10 segundos
A 10-second medium close-up of a tired nurse in her forties in blue scrubs, sitting on a bench in an empty hospital corridor at night. She rubs her eyes, looks up at the camera and says quietly in English, "Twelve hours, and the coffee machine is still broken." She lets out a short laugh. Fluorescent hum, a distant monitor beeping, soft cool light.
2. Guía de montaña al amanecer, 10 segundos
A 10-second shot of a weathered mountain guide in his fifties wearing a red jacket on a rocky ridge at sunrise. He turns to the camera and says calmly in English with a Scottish accent, "Slow steps from here. The wind does the rest." Wind gusting over the mic, loose stones underfoot, golden light on his face, slow push in.
3. Actriz antes de que suba el telón, 15 segundos
A 15-second close-up of a young actress in a plain black dress standing alone on a dark stage under a single spotlight. She takes a breath, her voice shaking at first, and says in English, "I said I would leave. I never said I would forget." She pauses, steadies her chin, then says firmly, "Tonight I do both." Silent theater, the faint creak of the floorboards, slow push in to an extreme close-up.
Conversaciones a dos voces
4. Reservado de un diner a medianoche, 15 segundos
A 15-second scene in a late-night diner booth, rain on the window. A woman in a dark knit sweater leans toward a bearded man holding a coffee mug. She says in English, quietly but sharply, "You could have called." He looks down at the mug and answers flatly, "I know." She waits, then says more softly, "So why didn't you?" He looks up at her without speaking. Low jukebox music, rain tapping the glass, slow alternating close-ups.
5. Día de mudanza en un piso vacío, 10 segundos
A 10-second scene in an empty apartment full of cardboard boxes, afternoon sun through bare windows. A young man taping a box looks up at his sister in the doorway and says in English, in a tired but happy voice, "That's the last one." She smiles and answers, "Then let's go before I start crying." Tape screech, echo in the empty room, handheld medium shot.
6. Dos cocineros antes del servicio, 15 segundos
A 15-second scene in a busy restaurant kitchen before dinner service. A tall head chef in a white jacket tastes a sauce from a spoon and says to the shorter sous chef on his left, in English with a London accent, "More salt. And taste it before you send it." The sous chef nods fast and says, "Yes, chef." Pans sizzling, extractor fans roaring, steam rising, tracking shot along the pass.
Anuncios y frases de portavoz
Prompt de imagen: Fotografía cinematográfica de una panadera simpática de unos cuarenta años detrás del mostrador de una pequeña panadería de barrio, hablando directamente a cámara mientras sostiene una bandeja de madera con hogazas de masa madre recién hechas. Luz suave de mañana por la ventana, polvo de harina en el aire, tonos dorados cálidos, poca profundidad de campo, expresión natural y espontánea.
7. Dueña de la panadería a cámara, 15 segundos, vertical
A 15-second vertical 9:16 ad in a small neighborhood bakery in morning light. The baker, a woman in her forties with a flour-dusted apron, holds a tray of sourdough loaves and speaks to the camera in a warm, friendly tone in English: "We start at four every morning, so you don't have to. Fresh bread until noon, every day." She sets the tray down and smiles. Oven door closing, light chatter, slow push in.
8. Voz en off de producto sin nadie en pantalla, 10 segundos
A 10-second product shot of a matte green water bottle on a wet stone surface beside a mountain stream, water drops sliding down its side, slow orbit around the bottle. A calm male voiceover says in English, "Cold for a day. Light enough to forget it's there." No one on screen, no music, only the stream and the voice.
Escenas de microdrama
Prompt de imagen: Fotograma cinematográfico de dos jóvenes adultos en una parada de autobús de noche bajo la lluvia. Un hombre con una maleta pequeña se gira hacia una mujer que, bajo la marquesina, acaba de llamarlo. Asfalto mojado que refleja luces traseras rojas y una sola farola, lluvia cayendo en la luz, momento de tensión emocional, aspecto anamórfico, poca profundidad de campo.
9. Parada de autobús bajo la lluvia, 15 segundos, vertical
A 15-second vertical 9:16 short drama scene at a rainy bus stop at night. A young man with a small suitcase walks away from the shelter. A woman in a long coat calls after him in English, her voice breaking, "If you get on that bus, don't call me." He stops in the rain, turns his head and says quietly, "I was going to ask you to come." Heavy rain, a bus engine approaching, red tail lights on wet asphalt, slow push in on his face.
10. El sobre equivocado, 10 segundos
A 10-second short drama scene in a bright office meeting room. A woman in a gray blazer opens an envelope, reads it and freezes. Her colleague across the table asks nervously in English, "Is it the promotion?" She looks up slowly and says, "It's your resignation letter. Signed." Air conditioning hum, paper rustling, quick cut to his shocked face.
Diálogo en varios idiomas
Las demos de ByteDance incluyen voz en inglés, francés y chino. El español y el ruso no aparecen en su escaparate, así que trata los prompts 14 y 15 como pruebas: genera un clip corto a 480p o 720p antes de lanzarte a uno largo.
11. Inglés con acento irlandés, 10 segundos
A 10-second scene in a cozy village pub with a fire burning. An elderly barman in a wool vest polishes a glass and says to a young traveler at the bar, kindly, in English with a soft Irish accent, "You'll not find the road in this fog. Stay for one more." The traveler laughs and sits back down. Crackling fire, low murmur of voices, warm amber light.
12. Francés, 10 segundos
A 10-second scene on a Paris cafe terrace at dusk, string lights overhead. A woman in a beige trench coat stirs her coffee and says to the man opposite her, in French, in a teasing tone, "Tu es encore en retard." He raises his hands and answers in French, "Le métro, comme toujours." She shakes her head and smiles. Street noise, cups clinking, medium two-shot.
13. Chino mandarín, 10 segundos
A 10-second scene in a small family kitchen at night, a pot steaming on the stove. A mother in her fifties in a cardigan turns from the stove and says softly in Mandarin Chinese to her grown son at the table, "饭快好了，先喝点汤。" He nods and answers in Mandarin Chinese, "好，妈。" Soup bubbling, a spoon against a bowl, warm overhead light, static medium shot.
14. Español, 10 segundos
A 10-second scene at a sunny outdoor fruit market. A cheerful fruit seller in her sixties with a straw hat holds up a ripe mango and says to a customer in Spanish with a Mexican accent, "Pruebe este, está dulcísimo." The customer takes a bite and answers in Spanish, "Tiene razón, me llevo tres." Market chatter, a radio playing faintly, handheld medium shot.
15. Ruso, 10 segundos
A 10-second scene on a snowy railway platform in winter, steam rising from an old train. A grandmother in a fur hat hugs her grandson in a student coat and says in Russian, in a warm and slightly worried tone, "Позвони, когда доедешь." He smiles and answers in Russian, "Обязательно, бабушка." Train whistle, crunching snow, soft gray daylight, slow push in.
Si el clip muestra subtítulos que no pediste, añade «no subtitles, no on-screen text» al final del prompt.
Dos prompts de diálogo de 30 segundos por tramos
Seedance 2.5 puede generar 30 segundos en una sola pasada, y los ejemplos de plano largo de ByteDance reparten la acción por tiempo. En el diálogo esto importa todavía más, porque cada tramo le indica al modelo cuándo debe empezar una frase. Pon la duración en 30 segundos y pega uno de estos. Cada tarjeta muestra los tramos como una línea de tiempo.
16. Locutora de radio de madrugada, una voz
- 0–10sA cramped radio studio at 2 a.m., red ON AIR light glowing. A radio host in her thirties with headphones leans into the microphone and says in English, in a low warm voice, "If you're still awake, you're not alone. Lines are open."
- 10–20sShe reads a message on her screen, smiles and says, "Daniel from the night bus says hello to his driver." The camera slowly circles her desk, faders and coffee cups in the foreground
- 20–30sShe pushes a fader up as soft piano music begins and says, "Here's something quiet for the road home." Close-up on her face in the red light as the music rises
17. Dos hermanos venden la ferretería familiar
- 0–10sA dusty hardware shop at closing time, late sun through the front window. An older brother in a flannel shirt counts keys at the counter. His younger sister enters holding a folder and says in English, "The buyer signed this morning."
- 10–20sHe keeps counting and answers without looking up, "Dad built this counter himself." She puts the folder down beside him and says gently, "I know. That's why I wanted you to hear it from me."
- 20–30sHe stops, picks up one old brass key and hands it to her. He says quietly, "Keep this one." She closes her hand around it as the camera pulls back to a wide shot of the shop, the bell over the door ringing softly
Para escribir tramos, referencias y ediciones con más detalle, consulta la guía de prompts de Seedance 2.5.
Cómo corregir los fallos de diálogo más comunes
| Problema | Causa probable | Solución |
|---|---|---|
| Los labios no coinciden con las palabras | Personaje lejos, de espaldas o frase demasiado larga | Plano medio o más cerca, cara hacia cámara, frase más corta |
| Cambia el idioma | No se indicó el idioma o hay una traducción entre paréntesis | Nombra el idioma antes de cada frase y quita las traducciones |
| La frase la dice otra persona | Citas sin hablante o personajes parecidos | Atribuye cada frase y da a cada persona un aspecto y un sitio distintos |
| Hablan dos a la vez | Frases demasiado juntas en el tiempo | Una frase por tramo y una acción entre frases |
| La frase se corta | Demasiado texto para la duración | Menos palabras o un clip más largo |
| La música tapa la voz | Se pidió música o no se excluyó | Añade «no music» o «music very low under the dialogue» |
Los labios no coinciden
La mayoría de los problemas de sincronía vienen del encuadre, no de la redacción. Un personaje en plano general o de perfil le da poca información al modelo. Acerca la cámara a plano medio o primer plano, mantén la cara hacia el objetivo mientras habla y acorta la frase: dos oraciones cortas se sincronizan mejor que una larga. Si una toma está casi bien, genera otra vez con el mismo prompt antes de reescribirlo, porque los resultados cambian de una generación a otra.
Cambia el idioma
Si escribes She says, "Bonjour" sin indicar French, el modelo puede tratar la escena como inglesa y cambiar las palabras o el acento. Nombra el idioma antes de cada frase, escríbela con su propio alfabeto y no añadas una traducción al lado. Si los personajes cambian de idioma a propósito, indica el idioma de cada frase por separado.
Se mezclan los personajes
Cuando dos personas se parecen, el modelo no sabe qué boca mover. Haz que sea fácil distinguirlas (edad, ropa, posición en el encuadre), descríbelas una vez al principio y luego atribuye cada frase. Dale algo que hacer a quien escucha, como asentir, apartar la mirada o coger una taza, para que el plano se lea claramente: una persona habla y la otra escucha.
Preguntas frecuentes
¿Seedance 2.5 puede hablar cualquier idioma?
ByteDance no ha publicado una lista. Sus demos oficiales incluyen diálogo en inglés, francés y chino. Puedes escribir una frase en otro idioma, como español o ruso, e indicar ese idioma en el prompt, pero pruébalo con un clip corto antes de depender de él.
¿La sincronía labial es precisa?
La voz y el movimiento de la boca se generan juntos, lo que ayuda, pero no es perfecta en cada fotograma. Los mejores resultados llegan con frases cortas, caras orientadas a cámara y planos medios o cortos. Revisa cada primer plano antes de publicar.
¿Qué longitud puede tener una frase?
Calcula unas dos o tres palabras por segundo de clip y deja tiempo para las reacciones. Un clip de 10 segundos admite con holgura una pregunta y una respuesta. Si son más de cuatro frases, usa un clip de 30 segundos con tramos.
¿Puedo usar la voz de un actor real o una frase famosa de una película?
No. Escribe tus propias frases y describe personajes ficticios. Los prompts que nombran a personas reales o copian frases de películas y canciones pueden ser rechazados, y además no tendrías derechos para usar el resultado.
¿Puedo hacer hablar a un personaje a partir de mi propia imagen?
Sí. Usa el generador de imagen a vídeo, adjunta la imagen como primer fotograma y escribe el diálogo de la misma forma. Usa la imagen de un personaje ficticio o de una persona que haya dado su permiso, porque las subidas que muestran a personas reales pueden bloquearse.
Para comparar cómo resuelven las escenas habladas otros modelos, lee Seedance 2.5 vs Veo 3.1, y encontrarás más colecciones en guías de prompts. Cuando quieras empezar, abre el generador de texto a vídeo de Yovid, elige Seedance 2.5, deja el sonido activado y genera una prueba de 10 segundos de la escena que más te importe.
