E2X 字节跳动 Seedance 2.0 Mini API 指南:4–15 秒视频生成与多模态参考仅 $0.045/s 起
字节跳动旗下的 Seedance 2.0 Mini(上游模型标识 dreamina-seedance-2-0-mini-260615)现已在 E2X API 全面上线,完整覆盖全部四大视频生成能力端点:
bytedance/seedance-2.0-mini/text-to-video:通过纯文本提示词生成 4 到 15 秒的视频片段,支持六种画面宽高比(21:9、16:9、4:3、1:1、3:4、9:16)与原生同步音频。bytedance/seedance-2.0-mini/image-to-video:将单张起始图片(image_url)转化为 4 到 15 秒的动态视频片段,支持精准的镜头运镜与动作控制。bytedance/seedance-2.0-mini/start-end-frame-to-video:在起始首帧(image_url)与结束尾帧(end_frame_url)之间插值生成一段 4 到 15 秒的连续过渡镜头。bytedance/seedance-2.0-mini/reference-to-video:在单次请求中同时组合最多 9 张参考图片(@Image1..@Image9)、3 段参考视频片段(@Video1..@Video3)以及 3 段参考音频轨道(@Audio1..@Audio3)。
凭借我们在 $0.06/s 目录基准价上提供的常态化 25% 折扣(七五折),全部四个端点均采用完全相同的每秒单价计费:480p 分辨率下每秒 $0.045,720p 分辨率下每秒 $0.09,且免费包含原生同步音频。默认生成的 5 秒 720p 视频片段费用为 $0.45,5 秒 480p 草稿片段仅需 $0.225。
$0.045/s 与 $0.09/s 计费机制详解
E2X 平台上的每一个 Seedance 2.0 Mini 功能端点都共享每秒 $0.06(即 60,000 微美分)的目录基础费率。我们常态化的 25% 全局折扣将该基础费率降至每秒 $0.045(即 45,000 微美分)。以下两个 Schema 参数会作为乘数作用于折后基础费率:
resolution(分辨率):"480p"应用 ×1 倍率($0.045/s,即每秒45,000微美分),而默认的"720p"应用 ×2 倍率($0.09/s,即每秒90,000微美分)。duration(时长):从"4"到"15"的任意整数秒字符串(默认值为"5"),将每秒费率乘以所请求的生成秒数。
与那些一旦添加参考视频或开启音频就会改变计费倍率的按 Token 计费 API 不同,E2X 严格仅按输出视频时长与输出分辨率计费:
has_sound(默认值为true)没有任何附加倍率。同步人物对白、环境背景音和拟音音效均已包含在$0.045/s和$0.09/s的费率中。- 多模态参考输入(
reference_urls、reference_video_urls、reference_audio_urls)完全不收取任何输入 Token 附加费。
以下是我们在 2026 年 11 月 5 日核实的 E2X 与 fal.ai、WaveSpeed、Replicate 及 Eachlabs 的价格横向对比:
| API 供应商 | 480p / 秒 | 720p / 秒 | 720p 5 秒 (文生视频 / 图生视频) | 720p 5 秒 (含 5 秒参考视频) | E2X 在 720p 下的节省幅度 |
|---|---|---|---|---|---|
| E2X(75 折优惠) | $0.045 | $0.090 | $0.45 | $0.45 | 基准价格 |
| fal.ai | ~$0.072 | ~$0.155 | ~$0.77 | ~$0.93 | 便宜 42% (T2V) / 便宜 52% (含视频参考) |
| WaveSpeed | $0.060 | $0.120 | $0.60 | $0.75 | 便宜 25% (T2V) / 便宜 40% (含视频参考) |
| Replicate | $0.040 | $0.090 | $0.45 | $0.55 | 价格持平 (T2V) / 便宜 18% (含视频参考) |
| Eachlabs | $0.035–$0.039 | $0.075–$0.087 | $0.38–$0.44 | 随模态浮动 | E2X 提供统一双供应商高可用调用链 |
以上费率对比核实于 2026 年 11 月 5 日。各供应商的价格与条款可能会有所变动,实时费率请查看我们的定价页面。
四大能力端点的完整参数 Schema
Seedance 2.0 Mini 的全部四个路由均通过 POST https://api.e2x.ai/v1/jobs/submit 接收任务。只需在 model 字段传入对应的能力标识,并在 input 对象中传入以下参数:
| 参数名称 | 适用端点 | 类型 | 是否必填 | 默认值 | 支持的取值说明 |
|---|---|---|---|---|---|
prompt | 全部 4 个端点 | string | 是 | 无 | 最长 2,000 个字符。在 reference-to-video 上支持 @Image1..@Image9、@Video1..@Video3、@Audio1..@Audio3 标签。 |
image_url | image-to-video, start-end-frame-to-video | string (URI) | 是 | 无 | 起始首帧画面的公网可访问 HTTPS URL。 |
end_frame_url | start-end-frame-to-video | string (URI) | 是 | 无 | 结束尾帧画面的公网可访问 HTTPS URL。 |
reference_urls | reference-to-video | string[] | 至少提供 1 张图片或视频 | 无 | 最多 9 个参考图片 URL(@Image1..@Image9)。 |
reference_video_urls | reference-to-video | string[] | 可选 | 无 | 最多 3 个参考视频 URL(@Video1..@Video3)。 |
reference_audio_urls | reference-to-video | string[] | 可选 | 无 | 最多 3 个参考音频 URL(@Audio1..@Audio3)。必须同时至少提供一项图片或视频参考。 |
aspect_ratio | text-to-video, reference-to-video | string | 否 | "16:9" | "21:9", "16:9", "4:3", "1:1", "3:4", "9:16"。 |
resolution | 全部 4 个端点 | string | 否 | "720p" | "480p" ($0.045/s), "720p" ($0.09/s)。 |
duration | 全部 4 个端点 | string | 否 | "5" | "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15"。 |
has_sound | 全部 4 个端点 | boolean | 否 | true | true(同步原生音频)或 false(静音 MP4)。 |
seed | 全部 4 个端点 | integer | 否 | 随机生成 | 用于复现动作轨迹的非负整数(0 或更大)。 |
双供应商架构与真人肖像审核自动绕过机制
当您在 E2X 上调用 bytedance/seedance-2.0-mini/* 系列端点时,您的任务会由后端 Worker 中配置的两阶段供应商调用链负责执行:
- 主供应商通道(BytePlus ModelArk 官方直连 API):直接连接位于
ark.ap-southeast.bytepluses.com的字节跳动dreamina-seedance-2-0-mini-260615模型服务。 - 真人面孔隐私资产自动注册机制:BytePlus ModelArk 的默认安全审核会拦截包含真实人类面孔的输入图片或参考视频,并返回
InputImageSensitiveContentDetected.PrivacyInformation错误。当我们的 Worker 捕获到该错误码时,会自动将视觉输入素材注册到 BytePlus 的私有 AIGC 资产库(Asset Library)中并配置Moderation.Strategy = "Skip",随后将媒体 URL 重写为asset://<id>重新提交任务,并在轮询结束后的finally代码块中立即清理删除临时资产。 - 二级备用回退通道(Eachlabs):如果主上游接口超时或返回服务异常,Worker 会自动透明地故障转移至 Eachlabs(
bytedance-seedance-2-0-mini-*),无需您的业务应用层编写重试逻辑。
代码示例:文生视频与多模态参考生视频
1. 提交一段 10 秒超宽画幅文生视频任务 (curl)
下面是一个使用 21:9 宽高比和 480p 草稿分辨率调用 bytedance/seedance-2.0-mini/text-to-video 的 curl 请求示例(费用为 10s × $0.045 = $0.45):
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "bytedance/seedance-2.0-mini/text-to-video",
"input": {
"prompt": "Low-angle tracking shot ahead of a classic silver coupe driving through an alpine pass at sunrise. Golden light glints off wet asphalt and snowbanks. Deep exhaust note echoing off rock walls and wind rushing past.",
"aspect_ratio": "21:9",
"resolution": "480p",
"duration": "10",
"has_sound": true,
"seed": 77410
}
}'
2. 在 TypeScript 中同时组合 @Image1、@Video1 和 @Audio1
在 bytedance/seedance-2.0-mini/reference-to-video 端点上,您可以在单次调用中同时通过参考图片锁定角色外观与产品细节、通过参考视频锁定摄影机运镜轨迹,并通过参考音频锁定说话语速节奏:
const E2X_API_KEY = process.env.E2X_API_KEY!;
const headers = {
Authorization: `Bearer ${E2X_API_KEY}`,
"Content-Type": "application/json",
};
async function runMultimodalReference() {
const submitRes = await fetch("https://api.e2x.ai/v1/jobs/submit", {
method: "POST",
headers,
body: JSON.stringify({
model: "bytedance/seedance-2.0-mini/reference-to-video",
input: {
prompt:
"The presenter in @Image1 holds the matte titanium flask from @Image2 in the sunlit studio from @Image3, speaking with the vocal rhythm of @Audio1 while the camera performs the slow arc from @Video1.",
reference_urls: [
"https://cdn.example.com/assets/presenter-front.jpg",
"https://cdn.example.com/assets/titanium-flask.jpg",
"https://cdn.example.com/assets/sunlit-studio.jpg",
],
reference_video_urls: [
"https://cdn.example.com/assets/camera-arc-ref.mp4",
],
reference_audio_urls: [
"https://cdn.example.com/assets/voice-rhythm.mp3",
],
aspect_ratio: "16:9",
resolution: "720p",
duration: "6",
has_sound: true,
},
}),
});
const { data: submitted } = await submitRes.json();
for (let i = 0; i < 240; i++) {
await new Promise((r) => setTimeout(r, 3000));
const statusRes = await fetch(
`https://api.e2x.ai/v1/jobs/${submitted.jobId}`,
{ headers }
);
const { data: job } = await statusRes.json();
if (job.status === "completed") {
return job.outputs[0].url;
}
if (job.status === "failed" || job.status === "cancelled") {
throw new Error(job.error?.message || `Job ended with ${job.status}`);
}
}
}
何时选择 Seedance 2.0 Mini vs Gemini Omni 1.1 Flash vs Veo 3.1 Fast
E2X 在文生视频、图生视频、首尾帧生成视频以及多模态参考生视频四大分类中提供了三大主力视频模型家族:
| 特性对比 | Seedance 2.0 Mini | Gemini Omni 1.1 Flash | Veo 3.1 Fast |
|---|---|---|---|
| E2X 720p 每秒费率 | $0.09/s | $0.09/s | $0.01/s(静音) / $0.015/s(含声音) |
| 草稿测试档位费率 | $0.045/s (480p) | $0.0297/s (360p) | 无 |
| 首尾帧生成每秒费率 | $0.09/s (720p) / $0.045/s (480p) | $0.09/s (720p) | $0.10/s |
| 最高输出分辨率 | 720p | 4K ($0.18/s) | 4K |
| 支持时长选项 | 4 至 15 秒(1 秒步进) | 4, 6, 8, 10 秒 | 4, 6, 8 秒 |
| 支持宽高比 | 6 种(21:9, 16:9, 4:3, 1:1, 3:4, 9:16) | 2 种(16:9, 9:16) | 2 种(16:9, 9:16) |
| 参考输入能力 | 9 张图片 + 3 段视频 + 3 段音频 | 最多 7 张图片 | 最多 3 张图片 |
当您的视频生成工作流有以下需求时,请优先选用 Seedance 2.0 Mini:
- 需要 11 到 15 秒的一镜到底长镜头,或者需要奇数秒时长(如
5s、7s、9s、12s)以严丝合缝地对齐剪辑时间线。 - 需要原生生成非标准宽高比(如
21:9电影宽银幕、1:1正方形、4:3或3:4),避免后期二次裁剪造成画面损失。 - 需要在最多 9 张
@Image图片参考的基础上,同时引入@Video动作运镜参考或@Audio声音节奏参考。 - 需要以
$0.045/s(480p)或$0.09/s(720p)的高性价比费率生成首尾关键帧过渡视频(start-end-frame-to-video),其价格低于 Veo 3.1 Fast 的$0.10/s首尾帧费率。
欢迎前往 E2X 模型目录探索全部四个端点,或直接查阅 text-to-video、image-to-video、start-end-frame-to-video 与 reference-to-video 的机器可读规范文件。
常见问题解答 (FAQ)
E2X 上的字节跳动 Seedance 2.0 Mini 价格是多少?
凭借我们在 $0.06/s 目录价基础上提供的常态化 25% 折扣,Seedance 2.0 Mini 的全部四个功能端点在 480p 下均为每秒 $0.045,在 720p 下均为每秒 $0.09。一段 5 秒的 720p 视频收费 $0.45,一段 5 秒的 480p 视频收费 $0.225。
使用 Seedance 2.0 Mini 时,E2X 比 fal.ai 和 WaveSpeed 便宜多少?
在 720p 分辨率下,E2X($0.09/s)比 fal.ai(~$0.1547/s)便宜 42%,比 WaveSpeed($0.12/s)便宜 25%。当您在 reference-to-video 任务中附加参考视频时,由于 E2X 不对输入参考视频的秒数收费,节省幅度将进一步扩大至 40%–52%。
我可以在 reference-to-video 中只传参考音频而不传图片或视频吗?
不可以。BytePlus ModelArk 要求每一个 reference-to-video 任务都必须包含至少一项视觉参考素材(reference_urls 或 reference_video_urls)。您可以在提供至少一张参考图片或一段参考视频的前提下,同时附加最多 3 个音频文件(reference_audio_urls)。
如何在提示词中指定引用某张图片、某段视频或某个音频文件?
请使用与各个数组顺序相匹配的、从 1 开始编号的标签:reference_urls 使用 @Image1 至 @Image9,reference_video_urls 使用 @Video1 至 @Video3,reference_audio_urls 使用 @Audio1 至 @Audio3。