多模态输入组合
Seedance 2.0可同时接收最多9张图像、3段视频片段、3个音频文件及一条文本提示，并为每类输入赋予明确的创意角色：图像提供构图，视频提供镜头运动，音频提供节奏，文本提供描述性意图。
支持这项说法
如何使用Seedance 2.0制作惊艳视频——Replicate博客
大多数视频模型仅接受文本提示并输出一段视频。Seedance 2.0的工作方式则不同：用户可向其输入最多9张图像、3段视频片段、3个音频文件及一条文本提示。该模型能理解如何分别利用每一类输入——可从一张照片提取构图，从一段视频片段提取镜头运动，从一段音频轨道提取节奏，并用文字描述各要素如何协同运作。
原始摘录
Most video models take a text prompt and give you a clip. Seedance 2.0 works differently. You can feed it up to 9 images, 3 video clips, 3 audio files, and a text prompt. The model understands how to use each piece. You can pull the composition from a photo, the camera movement from a video clip, the rhythm from an audio track, and describe how it all works together in words.