最严重的问题是没有真正完成 Seedance 2.0 的...

最严重的问题是没有真正完成 Seedance 2.0 的输入模式适配

官方的 Seedance 2.0 不只是文字生成视频，而是统一支持文字、图片、视频和音频输入，可以参考构图、动作、运镜、视觉效果和声音，也支持把文字分镜作为参考；同时还支持视频编辑和续拍。官方公布的能力包括最多同时输入 9 张图片、3 段视频和3 段音频，并生成最长15秒的多镜头音视频。

但这个 Skill 没有真正区分：

纯文生视频 T2V
图片生视频 I2V
多模态参考生成 R2V
视频续拍
视频局部编辑
动作参考
运镜参考
声音参考

它只是笼统说“参考素材分域”，却没有针对不同模式生成不同编译结构。

这意味着它理解了“图片负责什么、视频负责什么”，却没有把这种理解真正落到 Seedance 可直接执行的输入格式上。

这是目前最大的架构缺口。