# SI-057 · D169 · Seedance 2.0 API 角色一致性突破 · 完整逻辑链 > HLDP://fifth-domain/tcs-core/SI-057-20260709-SEEDANCE-2-API-CHARACTER-CONSISTENCY > > 类型: 意识流 · 技术突破记录 · 逻辑链归档 > > 创建: D169 · 2026-07-09 · 铸渊 ICE-GL-ZY001 > > 主权者: 冰朔 ICE-GL∞ > > 平台: TCS 通感语言核系统(国作登字-2026-A-00037559) --- ## 一 · 今天做了什么 **一句话**: 调通了 Seedance 2.0 API 的角色参考图功能，验证了 AI 视频生成中角色一致性可以保持。 **具体产出**: 1. 用苏白(CHAR-003)的角色参考图作为输入，调用 Seedance 2.0 API 生成了 5 秒测试视频 2. 用 Qwen-VL 视觉模型对比分析视频帧与原图，确认外貌/服装/风格一致 3. API 密钥存入新加坡大脑服务器 `/opt/zhuyuan/secrets/video-ai.env` 4. 连接了 3 台服务器(SG-001/GZ-006/AW-GZ-001)验证光湖驱动引擎可用 **没做的事**: 第1集完整成片还没做。21 个镜头只测试了 1 个。配音/字幕/拼接还没开始。 --- ## 二 · 为什么这么做 · 完整逻辑链 ### 2.1 起点：冰朔的问题 冰朔说："视频AI系统角色一致性保持不了，豆包说 API 可以封装什么参数。" 这是视频 AI 系统的**第一阻塞项**。从 D133 开始就卡在这里： - 扩散模型不能稳定生成汉字 → 后期贴字方案(已解决) - 角色一致性 → 每次生成角色长不一样 → **未解决** ### 2.2 调研路径 ``` 冰朔说"API 可以封装参数" ↓ 铸渊查 Seedance 2.0 API 文档 ↓ 发现: 支持 OpenAI 兼容格式的多模态 content 数组 ↓ 关键: content 里可以传 image_url 类型的元素 ↓ 假设: 把角色参考图作为 image_url 传入 = 角色锚定 ``` ### 2.3 踩坑过程(5 次失败才找到正确格式) ``` 尝试 1: content: {text, first_frame: base64} → 400 InvalidParameter ❌ 尝试 2: content: {text, reference_image: base64} → 400 InvalidParameter ❌ 尝试 3: content: {text, references: [...]} → 400 InvalidParameter ❌ 尝试 4: content: {text, first_frame_image: "data:..."} → 400 InvalidParameter ❌ 尝试 5: {model, prompt, image}(没有 content 字段) → 400 MissingParameter ❌ 尝试 6(正确): content: [ {type: "text", text: "prompt"}, {type: "image_url", image_url: {url: "data:image/jpeg;base64,..."}} ] → 200 Success ✅ ``` **教训**: 火山引擎的 Seedance 2.0 用的是 OpenAI 兼容格式，但不是所有字段都兼容。关键是 `content` 必须是**数组**，每个元素有 `type` 字段。 ### 2.4 验证逻辑 ``` 生成视频成功 ↓ 怎么证明角色一致性保持了？ ↓ 用 Qwen-VL 视觉模型分析视频帧 ↓ 对比三组描述: - 原始 CHAR-003 参考图描述 - 视频首帧描述 - 视频中帧描述 ↓ 三组描述在 发型/眼睛/服装/风格 四个维度一致 ↓ 结论: 角色一致性通过 image_url 参考图方案可以保持 ``` ### 2.5 为什么不用第三方编排平台 冰朔问："有没有类似小云雀的一站式平台？" 铸渊调研后: - Dify + ComfyUI: 开源但需要人类拖拽操作 - Genra AI / Runway Agent: 商业平台，不支持自定义角色参考 - **结论**: 冰朔的情况是"不操作代码、不操作服务器、只通过对话"，所以需要 AI 自己编排 最终方案: 直接在 SG-001 上写 Python 脚本，链式调用现有 API。 - Seedance 2.0 → 视频生成 - Edge-TTS / 火山语音 → 配音 - FFmpeg → 拼接 - Qwen-VL → 质检 **为什么这样最简单**: 所有 API 都已经在服务器上调通了，不需要引入新的编排层。编排逻辑写在 Python 脚本里 = AI 可以直接修改和执行。 --- ## 三 · 当前状态 ### 3.1 已完成 ``` ✅ Seedance 2.0 API 格式确认(content 数组 + image_url) ✅ 角色参考图传入 → 视频生成成功 ✅ Qwen-VL 验证角色一致性 ✅ API 密钥存入服务器 /opt/zhuyuan/secrets/video-ai.env ✅ 3 台服务器连接验证(SG-001/GZ-006/AW-GZ-001) ✅ EP01 数据确认(21 镜头 / 69 秒 / 3 场景) ``` ### 3.2 待完成 ``` □ 21 个镜头全部生成(每个需要 ~30s API 调用) □ 配音生成(火山语音 / Edge-TTS) □ 字幕生成 □ FFmpeg 拼接成片 □ CHAR-002 诸葛风 / CHAR-012 王执事 正式角色素材 □ 质检流水线(每个镜头用 Qwen-VL 自动检查) ``` ### 3.3 预估工作量 ``` 21 镜头 × 30s/镜头 = ~10 分钟生成时间 配音 ~5 分钟 拼接 ~2 分钟 总计: ~20 分钟可以出第一版粗剪 ``` --- ## 四 · 技术细节归档 ### 4.1 Seedance 2.0 正确调用格式 ```python import requests, base64, time API_KEY = "从服务器 /opt/zhuyuan/secrets/video-ai.env 读取" BASE_URL = "https://ark.cn-beijing.volces.com/api/v3" MODEL = "doubao-seedance-2-0-260128" # 1. 读取角色参考图 with open("CHAR-003-SuBai/approved/full_body_costume.png", "rb") as f: img_b64 = base64.b64encode(f.read()).decode() # 2. 构造请求(content 必须是数组) payload = { "model": MODEL, "content": [ {"type": "text", "text": "提示词文本"}, {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}} ] } # 3. 提交任务 headers = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"} r = requests.post(f"{BASE_URL}/contents/generations/tasks", headers=headers, json=payload) task_id = r.json()["id"] # 4. 轮询结果 while True: r = requests.get(f"{BASE_URL}/contents/generations/tasks/{task_id}", headers=headers) data = r.json() if data["status"] == "succeeded": video_url = data["content"]["video_url"] break time.sleep(5) # 5. 下载视频(video_url 24 小时过期) video = requests.get(video_url).content with open("output.mp4", "wb") as f: f.write(video) ``` ### 4.2 服务器密钥位置 ``` /opt/zhuyuan/secrets/video-ai.env (SG-001 新加坡大脑) ├── JIMENG_API_KEY → SC-001 Seedance 视频生成 ├── JIMENG_BASE_URL → https://ark.cn-beijing.volces.com/api/v3 ├── JIMENG_MODEL → doubao-seedance-2-0-260128 ├── VOLC_VOICE_API_KEY → SC-002 火山语音复刻 ├── VOLC_VOICE_APP_ID → 5552460045 ├── VOLC_VOICE_ACCESS_TOKEN → SC-002 语音访问令牌 ├── VOLC_VOICE_SECRET_KEY → SC-002 语音签名密钥 ├── ALIYUN_QWEN_VL_KEY → SC-004 千问VL视觉 ├── ALIYUN_QWEN_VL_ENDPOINT → 千问VL专属域名 ├── ALIYUN_QWEN_VL_MODEL → qwen-vl-max └── ALIYUN_API_KEY → SC-003 百炼图像生成 ``` ### 4.3 服务器连接信息 ``` BS-SG-001 新加坡大脑: http://43.156.237.110:3911/exec BS-GZ-006 广州中转: http://43.139.217.141:3910/exec BS-AW-GZ-001 企业灯塔: http://43.139.251.175:3910/exec 连接方式: 光湖驱动引擎 /exec API(不是 SSH) 认证方式: Bearer token(从 SKILL-001 / KEYCHAIN 获取) ``` --- ## 五 · 跟视频 AI 系统经验库的关系 本 SI 的发现应回写到: - `video-ai-system/experience/` → 新增"Seedance 2.0 角色参考图格式"经验 - `video-ai-system/knowledge/MODEL-CAPABILITY-MATRIX.hdlp` → 更新 Seedance 能力 关键经验: ``` ⊢ Seedance 2.0 的 content 必须是数组，不是对象 ⊢ 角色参考图通过 image_url 类型传入 ⊢ 图片用 base64 data URI 格式 ⊢ 提交后是异步任务，需要轮询 ⊢ 结果 video_url 24 小时过期，要及时下载 ⊢ 分辨率 834x1112(竖屏)，24fps，H264+AAC ``` --- ## 六 · 视野三栏 ```yaml GLW-NOW: | D169 · 2026-07-09 - Seedance 2.0 API 角色一致性验证通过 - 测试视频: /opt/zhuyuan/video-ai-test/test-char003-firstframe.mp4 - API 密钥: /opt/zhuyuan/secrets/video-ai.env (SG-001) - EP01 数据: 21 镜头 / 69 秒 / 3 场景(已就绪) GLW-MAP: | - 本 SI → tcs-core/SI-057-20260709-SEEDANCE-2-API-CHARACTER-CONSISTENCY.md - 钥匙串更新 → eternal-lake-heart/heartbeat-core/KEYCHAIN.hdlp - 技能包 → tcs-core/skills/SKILL-001-LIGHT-LAKE-DRIVER.hdlp - EP01 分镜 → video-ai-system/data/ep01-storyboard.json - EP01 提示词 → video-ai-system/data/ep01-prompts.json - 角色素材 → video-ai-system/assets/characters/ GLW-TODO: | - [x] 调通 Seedance 2.0 API - [x] 验证角色一致性 - [x] 存 API 密钥到服务器 - [x] 写 SI 逻辑链 - [x] 更新钥匙串 - [ ] 生成 EP01 全部 21 镜头 - [ ] 配音 + 字幕 + 拼接 - [ ] 出第一版粗剪给冰朔看 ``` --- ## 七 · 时间锚定 ``` SI 编号: SI-057 日期: D169 · 2026-07-09 创建者: 铸渊 ICE-GL-ZY001 主权者: 冰朔 ICE-GL∞ 上游意识流: SI-026(视频 AI 全梳理) · SI-056(HLDP 重构) 配对文件: KEYCHAIN.hdlp · SKILL-001 · ep01-storyboard.json 平台: TCS 通感语言核系统(国作登字-2026-A-00037559) ``` --- > ⊢ 语言等于现实 · 语言不可撤销 > ⊢ 角色一致性 = 输入一致性 → image_url 参考图方案 > ⊢ 编排层不需要第三方平台 → Python 脚本直调 API > ⊢ 冰朔在第 5 代 · 系统永远在第 4 代 --- 铸渊 `ICE-GL-ZY001` · D169 · 2026-07-09 · 签字 冰朔 `ICE-GL∞` · 主权签署 · 565183519@qq.com