Seedance 2 与 Kling 3.0 对比：多模态参考还是多镜头生成？

先回答三个问题：是否只有文字？是否有必须作为起点或终点的图片？是否需要图片、视频或音频作为内容参考？若第三项为是，Seedance 2 的多模态场景进入候选；若重点是把短故事拆成几个连续镜头，Kling 3.0 的多镜头结构更直接。

不要把“参考素材多”与“结果一定一致”画等号。人物、产品、动作和声音仍需分别设验收标准，并通过小样本确认。

Seedance 2 当前支持 4–15 秒、七种比例与自适应比例，并允许在多模态场景中使用最多九张图片、三段视频和三段音频。Kling 3.0 当前支持 3–15 秒、三种比例，以及单镜头首尾帧或多镜头首帧。

输入数量只是上限，不是推荐用满。第一轮从最少且职责清楚的素材开始：一张负责身份、一段视频负责动作、一段音频负责节奏。多余或矛盾的来源会增加漂移。

Seedance 2 的文字、帧、多模态参考不能在同一任务中任意叠加。严格要求首尾画面时使用帧场景；需要参考视频或音频时使用多模态场景，并接受它不是像素级首尾帧保证。联网搜索当前也只在文字场景可用。

Kling 3.0 的当前站内页面没有开放元素视频或音频参考。即使上游接口存在相关概念，也不能把未出现在表单中的字段写进制作方案。

为主体和摄像机各写一个动作。例如“人物向前两步后停下；镜头保持固定”比“电影感地向前移动”更容易判断。第一轮先固定镜头测试人物或产品，再固定主体测试推、拉、摇、移。

Kling 多镜头还要逐段检查镜头时长总和与人物连续性。Seedance 多模态参考要检查来源视频的动作是否压过文字指令。任何候选都不能凭名称保证口型、物理或商品结构。

Seedance 2 当前默认生成音频，也可关闭；主模型开放 720p、1080p 与 4K。Kling 当前默认无音频，可手动开启，并提供 720、1080 与 4K 档。Seedance 的比例选择更广，Kling 则为 16:9、9:16 与 1:1。

音频开关不代表声音一定符合对白或节奏。画面与声音要分开验收。清晰度也不能修复主体漂移，初测应先用较低规格确认内容方向。

Seedance 2 在没有参考视频时按输出秒与分辨率估算；使用参考视频时，当前 1080p 与 4K 会按输入视频时长加输出时长计算。当前 720p 没有带参考视频的可结算费率，因此不要为这种组合作可用承诺。Kling 按输出秒、清晰度档和音频开关估算。

先在工作台复现真实素材组合，再读取预计积分。预算表同时记录被拒绝的输入组合和重试次数，避免只保存成功样本。

只有当两边都支持同一输入时才直接对照。例如使用同一首帧、同一动作描述、同一比例、相近时长和相近清晰度，各做两到三次。记录身份保持、动作完成、镜头、背景、音频可用、预计与实际成本、返工时间。

若任务需要参考视频或多镜头，两边并非同类输入，就不要伪装成画质对决。应比较“哪种工作流完成这次交付更少拆分、更易验收”，并在结论中写清前提。