一次请求， 放进 30 张图
在 Yovid 生成器里，Seedance 2.5 每次最多读取 30 张参考图和 10 段参考视频。下面字节跳动的演示用了 8 张：一只纸片小狗的角色设定图、一只真的拉布拉多、一间卧室、一个宠物喂食器、一个玩具箱和一幅儿童画，全都出现在同一个 25 秒的场景里。
Seedance 2.5
参考生视频 AI
交给模型的是一份演员表，而不是一张首帧。上传人物、产品、服装或地点的照片，在提示词里标注它们，Yovid 会在 Seedance 2.5、Wan 3.0、MiniMax H3 等模型上围绕它们编排一个新场景。
参考图 不是首帧
参考图是要让模型认出来的东西，而不是视频必须从它开始的那一帧。Yovid 把每个文件交给模型，作为身份、服装、产品细节、场景或风格的来源，模型再按你写的运镜和动作构建一个新镜头。一个角色就是这样撑起一整个系列的，白桌上拍的一件产品也能这样出现在街景里。
参考生视频， 放进去的素材一目了然
Seedance 2.5一整组角色， 来自各自的照片
Wan 3.0 最多接收 10 张图片和 5 段视频。在阿里巴巴的示例里，一张人像定下女主角，一张图定下莲花秘境，另外七张设定图各画着一只 2D 和 3D 的生物；九张图的内容都出现在同一个 30 秒镜头里。
Wan 3.0图片和视频 放进同一组参考
两张脸来自人像照，吸面条的动作来自一段短视频。Seedance 2.0 系列每次最多接收 9 张图片和 3 段 2 到 15 秒的视频；把每个文件标成 @Image 或 @Video，模型就知道它是做什么用的。
Seedance 2.0品牌短片里， 产品分毫不差
一张情绪板、一张角色设定图、一只从三个角度拍的手袋，再加上结尾 logo：靠这四张参考图，MiniMax H3 剪出一支 15 秒的 2K 广告，手袋和片尾画面始终和原样一致。
MiniMax H3同一张脸、同一顶帽子和衬衫， 一个镜头接一个镜头
在这次 Yovid 生成里，三张关于一位披萨师傅和他小店的照片，让他在街上的夜景、烤炉前和柜台交接这几个画面里都认得出来。沿用同一组参考图和同样的写法，就能围绕他做一个系列。
Seedance 2.0这些模型 带参考模式
Seedance 2.5 能放的参考素材最多，Wan 3.0 用最多 10 张图生成 30 秒镜头，MiniMax H3 输出 2K，Seedance 2.0 Mini 可以用免费积分先把整个流程跑一遍。
参考生视频模型： 每个能放多少文件
上限和费率直接取自生成器自己的设置，模型一变，这张表也会跟着变。
| 模型 | 参考图 | 参考视频 | 参考视频时长 | 输出时长 | 最高分辨率 | 免费积分可用 | 每秒积分 |
|---|---|---|---|---|---|---|---|
 Seedance 2.5 | 30 | 10 | 2–30 秒 | 4–30 秒 | 1080p | 不支持 | 6.1（720p） |
| Seedance 2.0 | 9 | 3 | 2–15 秒 | 4–15 秒 | 4K | 不支持 | 4（720p） |
| Seedance 2.0 Fast | 9 | 3 | 2–15 秒 | 4–15 秒 | 1080p | 不支持 | 3.75（720p） |
| Seedance 2.0 Mini | 9 | 3 | 2–15 秒 | 4–15 秒 | 720p | 支持 | 2.5（720p） |
| Wan 3.0 | 10 | 5 | 1–15 秒 | 2–30 秒 | 1080p | 不支持 | 2.4（720p） |
 MiniMax H3 | 9 | 3 | 2–15 秒 | 5–15 秒 | 2K | 不支持 | 4.55（2K） |
 Kling 4.0 | 10 | 5 | 3–30 秒 | 3–30 秒 | 1080p | 不支持 | 3（720p） |
| Kling O3 | 不支持 | 1 | 3–10 秒 | 4–10 秒 | 1080p | 不支持 | 不支持 |
每秒积分是带参考图生成时的标准价，未计套餐折扣。Seedance 系列、Kling 4.0 和 Wan 3.0 上，图片不额外计费；MiniMax H3 从第 6 张图起每张约加 1.4 积分。参考视频会改变计费方式：Seedance 按参考视频秒数加输出秒数，用更便宜的参考视频费率计费；Kling 4.0 按输出秒数，再加参考视频和输出两者中较长的秒数，同样用更便宜的参考视频费率；Wan 3.0 和 MiniMax H3 两部分都按正常费率计费；Kling O3 只按输出计费。Wan 3.0 的参考视频和输出共用 30 秒的总时长。免费积分最高 720p。
使用场景
谁会从参考图开始
固定班底的系列内容
复用同一组参考图，让同一个主持人、吉祥物或角色贯穿每一集、每支广告和每条短片。
产品出现在没拍过的地方
把产品图放进厨房、山路或城市街道，形状、颜色和 logo 都保持原样。
Lookbook 和广告大片
把分开拍的模特、服装和配饰照片，组合成一支有造型的时尚短片。
让插画角色动起来
角色设定图和手绘稿变成会表演的角色，每个镜头都保持原有设计。
用参考图生成视频 只要 3 步
第 1 步
每个角色准备一个清晰的文件
每个人物一张图，服装或产品一张，地点或风格一张。背景干净、主体看得清，帮助最大。
第 2 步
上传并逐个标注
放入三张或更多图片，它们就会作为参考图使用。在提示词里输入 @，上传的文件会列成 @Image 1、@Image 2 等；给每个文件写明用途。
第 3 步
执导这个新镜头
写下一个还不存在的场景里的动作、运镜和光线，选好时长，确认积分后点击生成。
技巧： 让参考图真正起作用
一个文件只管一件事
“@Image 1 的脸，@Image 2 的夹克”，远比五张照片不加说明管用。在提示词里写明每个文件的作用。
从几个角度展示角色
正面、侧面和背面，哪怕拼在一张设定图里，也能让人物或吉祥物在镜头绕着走时依然认得出。
外观交给图片来说
不必再用文字描述脸或服装。和图片对不上的文字，会把结果从图片那边拉偏。
做系列就复用同一组
每条提示词里的图片、标注和措辞都保持一模一样，只改变动作和运镜。
产品照要拍干净
干净的背景，加上“标签和瓶盖严格保持 @Image 3 里的样子”这样的指令，能护住最关键的卖点细节。
真人面孔可能被拦下
模型服务商可能拒绝名人、真人面孔或受保护的角色。生成失败不扣积分。
相关工具
开始一个镜头的其他方式
参考图只是几种输入方式之一。按手头的素材挑合适的那种，账号和积分都是同一套。
参考生视频常见问题
参考生视频 AI 能做什么？
这是一种生成模式：你的图片，以及大多数模型上的短视频，告诉 AI 画面里该出现谁、出现什么，比如一张脸、一套衣服、一件产品、一个地点或一种风格。在此基础上，模型按你的提示词创作一个新镜头，任何一张参考图都不必作为真实的某一帧出现。
参考生视频和图生视频有什么区别？
图生视频的视频从你的图片开场，构图和姿势因此被锁定。参考生视频取出图片里的内容，把它放进一个全新的构图。画面必须对上时选图生视频，角色或产品必须对上时选参考生视频。
Yovid 上哪些模型支持参考图？
Seedance 2.5 最多，30 张。Kling 4.0 和 Wan 3.0 各 10 张。Seedance 2.0 的标准版、Fast 和 Mini 各 9 张，MiniMax H3 也是 9 张。Kling O3 不收图片，只用一段参考视频。
视频片段也能当参考吗？
有 8 个模型能读取视频。Seedance 2.5 能放的最多：10 段，每段 2–30 秒。三个 Seedance 2.0 模型和 MiniMax H3 能放 3 段 2–15 秒的视频，Kling 4.0 能放 5 段、每段至少 3 秒（合计 30 秒），Wan 3.0 能放 5 段 1–15 秒的视频，Kling O3 只能放 1 段 3–10 秒的视频。参考视频可以借出它的动作、运镜或画面风格；除 Kling O3 外，这些模型都能在一次生成里混用视频和图片。
参考图要单独计费吗？
在 Seedance 和 Wan 3.0 上免费：带图片的生成和纯文字生成价格一样。MiniMax H3 从第 6 张图起每张约收 1.4 积分。参考视频按各模型自己的方式计费，具体见表格下方的说明。
有免费试参考图的办法吗？
有。新账号的免费积分可以用在 Seedance 2.0 Mini 上，它最多读取 9 张参考图和 3 段视频，最高 720p。Seedance 2.5、Kling 4.0、Wan 3.0、MiniMax H3 或 Kling O3 需要付费套餐或积分包。免费生成的结果不带水印。
怎样让同一个角色在几条视频里保持一致？
每次都用同一组参考图，最好有正面、侧面、背面和一张清晰的面部特写，并用同样的标注引用它们。每条视频只改动作、运镜和场景，其他都不动。Seedance 2.5 有 30 个图片位，一次就能放下几个角色、他们的服装和场景。
为什么角色在镜头之间还是会走样？
最常见的原因是文字对人物的描述和照片冲突，脸太小或被遮住，或者两张参考图在抢同一个角色。删掉文字描述，换一张清晰的正面照，让每个文件只负责一件事。
