seedance-2-0

Seedance 2.0 を直接使った制作

これは汎用的な動画プロンプトのレシピではなく、プロバイダーとモデルファミリーに固有の運用ガイドとして扱ってください。リクエストを作成する前に、正確なゲートウェイの仕様を確認してください。「Seedance 2.0」だからといって、どの環境でも使えるモデル ID やスキーマが一つに定まるわけではありません。

ここでは、次のエビデンスラベルを使用します。

• ドキュメント記載 — ByteDance／BytePlus またはゲートウェイのドキュメントに記載されており、2026-07-09 に検証済みです。
• 本番環境でのヒューリスティック — ドキュメントに記載された動作と一般的な動画制作上の制約から推奨する運用方法です。現在のデプロイ環境で検証してください。
• 独立したエビデンス — 第三者による測定または観測です。限界も明記しています。

Seedance 2.0 が適しているかを判断する

次のいずれか、または複数の要件がショットにある場合は、このファミリーを優先してください。

• 映像、セリフ、環境音、音楽、効果音を一度の処理で同期して生成する；
• 被写体／製品／スタイル／レイアウト用の参照画像、動き／カメラ／編集用の参照動画、または音色／リズム用の参照音声を使う；
• 4～15 秒の、短く独立したショット、複数ショットのビート、編集、または延長を生成する；
• 最初のフレーム、または最初と最後のフレームを厳密に指定したトランジションを作る；
• あるアセットの要素を別のソース動画に適用するマルチモーダル編集を行う。

次の要件がある場合は、別のワークフローを選ぶか、ポストプロダクションを計画してください。

• 15 秒を超える単一の生成クリップ；
• フレーム単位で正確な編集タイミング、正確な振り付け、決定論的なシミュレーション、または ModelArk 直接利用時のシード再現性の保証；
• 正確な長文タイポグラフィ、法的文言、字幕、UI、パッケージのコピー、またはピクセル単位で正確なロゴ；
• 認可／信頼済みアセットのプロセスを使わずに、一般人の顔アセットを ModelArk に直接アップロードすること；
• ローカルの重み、またはオフラインでの実行；
• 米国から BytePlus を直接利用すること。BytePlus のサービス固有の規約では、同社の Model Services は米国では利用できないとされています。サードパーティ経由でも同じ地域条件が適用されると決めつけず、ゲートウェイと顧客固有の利用可否を確認してください。

Seedance 2.0 を抽象的に「最高」と呼ばないでください。ByteDance が公開している比較には社内評価が含まれており、公開ランキングも変動します。参照素材、音声、制御性、納品要件、コスト、レイテンシー、コンプライアンスの要件に基づいて選定してください。

リクエストを作成する前に、接続先とモデルを確定する

BytePlus ModelArk：直接利用時にドキュメントで確認できる仕様

公式 API は非同期です。

• 作成：POST https://ark.ap-southeast.bytepluses.com/api/v3/contents/generations/tasks
• 取得：GET https://ark.ap-southeast.bytepluses.com/api/v3/contents/generations/tasks/{id}
• ModelArk API キーで認証します；
• 返されたタスク ID を保存し、ポーリングするかコールバックを使用して、出力をすぐに永続ストレージへコピーします。

推測で作った別名ではなく、最新のモデルカタログを使用してください。

バリアント	2026-07-09 に検証済みの ModelArk ID	選択する条件	ドキュメントに記載された出力上限
Seedance 2.0	dreamina-seedance-2-0-260128	ファミリー最高の品質を優先する場合。1080p または 4K が必要な場合	480p、720p、1080p、4K。4K は 10-bit HEVC
Seedance 2.0 Fast	dreamina-seedance-2-0-fast-260128	最後のわずかな品質向上より、レイテンシー／コストを重視する場合	480p、720p
Seedance 2.0 Mini	dreamina-seedance-2-0-mini-260615	下書きや大規模なワークロードで、ファミリー内のコスト効率を最優先する場合	480p、720p

Standard、Fast、Mini は、コアとなる作成モードの大部分を共有するとドキュメントに記載されていますが、出力とプラットフォームの制御項目は異なります。利用料金が発生する前に、最新のモデルカードと有効化状況を確認してください。

ゲートウェイの契約は API ごとに異なります

モデル名だけを変更して呼び出しを変換しないでください。

契約	識別子／エンドポイントのパターン	2026-07-09 に確認された重要な相違点
BytePlus ModelArk	1 つのコンテンツ生成エンドポイントにモデル ID を指定	role を含む異種の content[] アイテム、ratio、整数の duration または -1。Seedance 2.0 の直接利用では seed、frames、camera_fixed はサポートされません。非同期のタスク ID
fal	bytedance/seedance-2.0/{text-to-video,image-to-video,reference-to-video} および /fast/...	モードごとに別のエンドポイント、aspect_ratio、"auto" または "4"～"15" などの列挙値である duration、最初／最後のフィールドおよびモダリティ別 URL 配列。seed を公開します。正確な解像度の選択肢はエンドポイントやティアによって異なるため、そのエンドポイントの最新スキーマを確認してください
Replicate	bytedance/seedance-2.0	統一ラッパー。image、last_frame_image、reference_images、reference_videos、reference_audios。整数の duration と -1、aspect_ratio。seed を公開し、ファイル／URI を返します

ゲートウェイで公開されている seed フィールドは、ModelArk を直接利用する場合に seed を制御できることを示すものではありません。再現性はゲートウェイごとに異なるものとして扱い、テストを繰り返して確認してください。サポートされている seed を固定しても、バイト単位で同一の出力になるとは限りません。

ゲートウェイによってプロンプト内のラベルも異なります。ModelArk のドキュメントでは、メディアを種類別の順序に従って Image 1、Video 1、Audio 1 と表記します。fal のページでは @Image1 のような形式や、別のページでは [Image1] が使われます。Replicate のドキュメントでは [Image1] が使われています。使用中のエンドポイントのスキーマと例に正確に従ってください。契約で順序付きメディアラベルが求められている場合、文章中でアセット ID を参照しないでください。

本番環境の計画に価格、レート制限、ルートの利用可否をハードコードしないでください。事前確認時に取得し、取得日時、モデル／ティア、解像度、長さ、音声設定、入力動画の追加料金ルール、通貨を記録してください。

ModelArk 直接利用時のリクエストエンベロープ

従来のプロンプト末尾への追記ではなく、トップレベルの JSON パラメーターを使用してください。

フィールド	2026-07-09 に確認された直接利用時の動作
model	現行のモデル ID または有効化されたエンドポイント ID
content	順序付きのテキスト／画像／動画／音声アイテム。role によって最初／最後／参照の動作が決まります
resolution	デフォルトは 720p。現行の契約では Standard のみ 1080p と 4K をサポートします
ratio	adaptive、21:9、16:9、4:3、1:1、3:4、または 9:16。2.0 シリーズのデフォルトは adaptive です
duration	整数の 4～15、デフォルトは 5。-1 を指定すると、モデルが整数の長さを選択し、課金にも影響します
generate_audio	デフォルトは true。false にすると無音の出力になります。生成される音声はモノラルです
watermark	デフォルトは false。true にすると右下に「AI Generated」マークが追加されます。必要な来歴情報の表示を削除しないでください
return_last_frame	デフォルトは false。連続性を保つワークフロー向けに、最後のフレームを PNG でリクエストします
callback_url	任意のステータスコールバック。認証を行い、コールバック処理を冪等にしてください
execution_expires_after	3,600～259,200 秒。デフォルトは 172,800 秒（48 時間）です
safety_identifier	安定した一意のエンドユーザー識別子。最大 64 文字です。個人データを送信するのではなく、内部 ID をハッシュ化してください
priority	Standard Seedance 2.0 のみ。実行速度の保証ではなく、同じエンドポイントのキュー内での整数値 0～9 の優先度です

別の Seedance バージョンやゲートウェイで受け付けられるからといって、直接利用する 2.0 ファミリーに frames、seed、camera_fixed、draft、service_tier: "flex" を送信しないでください。公式 API のドキュメントでは、Seedance 2.0 では frames、seed、camera_fixed はサポートされないこと、ドラフトモードは 1.5 Pro の機能であること、2.0 シリーズはオンライン推論のみであることが説明されています。

content[] を正しく構築する

テキスト項目：

{"type":"text","text":"<complete prompt>"}

最初のフレームの画像：

{"type":"image_url","image_url":{"url":"<public URL, data URI, or asset:// ID>"},"role":"first_frame"}

最初と最後のフレームを厳密に指定するモードでは、first_frame と last_frame の役割を持つ画像項目がちょうど2つ必要です。参照モードでは、reference_image、reference_video、reference_audio の役割を使用します。

最初のフレーム、最初と最後のフレーム、およびマルチモーダル参照の各モードは、役割のレベルでは相互に排他的です。参照モードでは、プロンプトの文言で画像に冒頭または末尾への影響を求めることはできますが、これらのフレームを厳密に固定するのは最初／最後のフレームの役割のみです。

送信前にメディアを検証する

ModelArk への直接送信に関するドキュメントでは、次の制限が示されています。

• 参照画像：1～9枚。JPEG、PNG、WebP、BMP、TIFF、GIF、HEIC、HEIFに対応。各ファイルは30 MB未満。幅と高さはそれぞれ300～6000 px。幅／高さの比率は0.4より大きく2.5未満。
• 参照動画：0～3本。各動画は2～15秒、合計時間は最大15秒。対応するH.264/H.265動画とAAC/MP3音声を含むMP4またはMOVに対応。各ファイルは最大200 MB。24～60 fps。サイズと総画素数は最新のAPI表の要件を満たす必要があります。
• 参照音声：0～3本。各ファイルは2～15秒、合計時間は最大15秒。WAVまたはMP3に対応。各ファイルは最大15 MB。
• 音声だけをテキスト以外の参照として指定することはできません。画像または動画を少なくとも1つ含めてください。
• Base64のリクエストボディには制限があります。大容量メディアには、永続的に利用できる公開URLまたはオブジェクトストレージのURLを優先してください。

生成料金を支払う前に、ffprobe などを使って確認してください。コーデック、再生時間、fps、サイズ、アスペクト比、音声ストリーム、ファイルサイズを検証します。向きのメタデータを正規化してください。意図した参照でない場合は、意図せず含まれたキャプション、透かし、無関係な人物の顔、競合する背景を削除してください。

各参照に1つの役割を割り当てる

ショットの表現に必要な最小限の参照セットを使用してください。公式のプロンプトガイドでは、利用可能なスロットをすべて埋めるのは避けるよう警告しています。参照が多すぎると、特徴の優先順位が不明瞭になり、スタイルの衝突、被写体の識別の弱さ、逸脱につながる可能性があります。

プロンプトを書く前に、アセット台帳を作成します。

番号	アセット	権利／同意	目的とする要素	維持する要素	変更可能な要素
画像1	製品のヒーロー画像	所有	正確な形状、ラベルの色	シルエット、素材	環境
動画1	動きの素材	ライセンス取得済み	カメラの動きと手の動き	タイミング、操作	元の製品
音声1	承認済みの音声サンプル	実演者の許諾取得済み	音色と話す速さ	声の特徴	正確な言葉

優先度の高いアセットを先に配置します。被写体の同一性、製品の形状、衣装、環境、構図、カメラの動き、アクション、効果、声の音色、メロディー、リズムなど、必要な要素のみを参照させてください。「すべての参照からすべてを使う」と、競合が発生します。

キャラクターについて、公式ガイドでは、複数の視点を並べたコラージュではなく、鮮明な顔写真と全身またはスタイリング画像を1枚ずつ使用することを推奨しています。情報量の多いシート内の小さな顔は、同一性の重み付けが弱くなります。また、複数の視点が別人として解釈され、同一性の逸脱や重複が増える可能性があります。ModelArk では、顔のモデレーションを回避しようとせず、信頼済み出力、プリセットキャラクター、または許可を得た実在人物のアセット用の経路を使用してください。

プロンプトは実行可能な指示として書く

まずショットの不変要素を示し、続けて時間的な動きを説明します。

1. 各被写体を、安定した識別力のある特徴2～3点で定義し、順序付きのアセットに紐付けます。
2. どの参照要素を引き継ぐか、何を変更せずに保つかを明記します。
3. 舞台と空間的な位置関係を説明します。
4. 動作は、身体の部位、方向、大きさ、速度、力、移行／慣性を含めて説明します。
5. 複雑なクリップは、イベント順に Shot 1、Shot 2、Shot 3 と整理します。
6. 各ショットにつき、主となるカメラ移動を1つ指定します。
7. セリフ、声の特徴、環境音、効果音、音楽の動作を指定します。
8. 最後に、スタイル、照明、画質、ネガティブ制約を記載します。

被写体には毎回同じラベルを使います。曖昧になる可能性がある場合は、ラベルを再度紐付けます。小道具が複数あるとき、後から単に it とするのではなく、the amber bottle from Image 1 と指定します。

因果関係を示す動詞と、観察可能な演技を優先します。

• 弱い例：She is nervous and the shot is cinematic.
• より強い例：Her shoulders tighten; she glances twice toward the locked door, exhales through parted lips, then slowly reaches for the handle. A restrained handheld medium close-up follows her hand.

複数ショットの生成では、フレーム単位で正確なタイムコードを要求するのではなく、順序を説明します。BytePlus は、「0–3 seconds」のような正確な区間タイミングへの追従が不安定であることを明示しています。おおよそのビートを使い、カット位置を正確に合わせる必要がある場合はショットを個別に生成し、タイミングは編集ソフトで仕上げます。

1つのショットにプッシュイン、オービット、パン、チルト、ズーム、クレーン、手ブレを重ねないでください。公式ガイドでは、複数の動きを組み合わせると不安定さが増すため、ショットごとにカメラ移動を1つにすることを推奨しています。

セリフについては、以下の点に従います。

• 実際に話す言葉を二重引用符で囲みます。
• 各行で話者を明記し、簡潔に話し方を指定します。
• 話す言語を統一します。固有名詞を除き、くだけたバイリンガルの混在は避けます。
• 8秒に段落を詰め込むのではなく、尺と演技に合わせて語数を調整します。
• クリアなルームトーンまたは明示的な環境音を指定します。ModelArk では直接生成される音声はモノラルです。
• 発音、声の一致、音の末尾のクリック音、音切れノイズには、再生成やポストプロダクションでの修復が必要になる場合があります。

画面上のテキストは、短く一般的な表現にします。モデルはスローガン、字幕、吹き出しに対応していますが、法的な文言や最終的なブランド素材に、生成された文字をそのまま使わないでください。映像をきれいに仕上げたうえで、ポストプロダクションで決定論的にテキストやロゴを合成する方法を優先します。

モード別の指示

テキストから動画を生成

被写体、環境、動作の順序、カメラ、照明、映像の仕上がり、音声、除外事項を説明します。参照素材への忠実さが不要なオリジナルショットに使います。

最初のフレーム、または最初と最後のフレーム

最初のフレームからの動きを説明し、2フレームモードでは、最後のフレームに至る因果的な変化も説明します。入力と出力のアスペクト比を一致させてください。寸法が一致しないと、中央の切り抜き、引き伸ばし、圧縮、または急なフレームジャンプが起きることがあります。最終的な出力フレーミングがまだ決まっていない場合は ratio: "adaptive" を使うか、ドキュメントに記載された目標ラスターに合わせて両方のフレームを事前に切り抜きます。

マルチモーダル参照

次のように、明示的に紐付けます。

Define the matte amber pump bottle in Image 1 as PRODUCT.
Use only the clockwise hand rotation and camera path from Video 1.
Use the warm, low female timbre from Audio 1 for the quoted line.
PRODUCT keeps its exact silhouette, pump geometry, amber glass, and cream label throughout.
...

参照音声だけを送信しないでください。声の一致が重要な場合は、承認済みのサンプルを添付するだけでなく、声の特徴を言葉でも説明します。また、新しいセリフはサンプルの声域や話し方に近づけます。

動画編集

素材と対象範囲を示し、何を変更し、何を維持するかを記述します。

Strictly edit Video 1. Replace only the silver can with PRODUCT from Image 1. Preserve the actor's hands, grip, finger occlusion, camera movement, lighting direction, reflections, background, timing, and all other content.

何かを削除する場合は、削除するオブジェクトと、再構築する背景／遮蔽の挙動の両方を明記します。複合タスクでは、参照元の素材と編集対象の動画を区別します。

延長とトラックの完了

前方または後方への延長、新しいアクション、被写体、照明、カメラ、動き、雰囲気、物語の連続性に関する制約を指定します。ソースクリップが2～3本ある場合は、トランジションの順序を明確に説明します。

延長を繰り返すと、ディテールや顔の品質が劣化することがあります。延長の深さを抑え、高品質なアンカーを維持し、劣化した結果をさらに繰り返し延長するのではなく、クリーンな状態から再生成してください。公式ガイダンスによると、つなぎ目では映像が飛んだり巻き戻ったりする場合があります。後処理で位置を合わせてトリミングし、意図的なカットで難しいつなぎ目を隠してください。

完全なプロンプト例

以下は例であり、必須の定型文ではありません。フィールド名とメディアラベルは、使用中のゲートウェイに合わせてください。

例 1 — ModelArk への直接リクエストによる、オリジナルの縦型会話シーン

目的： 外部の参照素材を使わず、音声あり、9:16 のソーシャル動画向けに8秒のショットを1本作成します。

リクエスト：

{
  "model": "dreamina-seedance-2-0-260128",
  "content": [{
    "type": "text",
    "text": "Photorealistic vertical lifestyle scene. A fictional woman in her early thirties stands at a sunlit kitchen island holding an unbranded ceramic travel mug. She has a short black bob, a mustard linen shirt, and a calm, candid manner. Single shot: medium close-up with a gentle handheld drift only. She turns the mug once in both hands, looks toward the hallway, smiles slightly, and says in a warm conversational voice: \"Train in ten. Let's go.\" A soft ceramic tap lands as she sets it down. Natural room tone, distant morning traffic, no music. Soft window light, realistic skin texture, neutral color grade. No subtitles, no logos, no watermark-like graphics, no duplicate fingers, no extra people."
  }],
  "resolution": "1080p",
  "ratio": "9:16",
  "duration": 8,
  "generate_audio": true,
  "watermark": true,
  "return_last_frame": false,
  "safety_identifier": "<stable-end-user-hash>"
}

この構成にした理由： 話者1人、1つのアクションの流れ、1つのカメラの動き、引用されたセリフ、明確な音声の優先順位により、尺に収まる内容になっています。出演者は架空の人物で、オブジェクトはブランド名のないものであり、セリフには推薦コメントや製品性能に関する主張が含まれていません。

期待される結果： 同期した発話と、動きに即したオブジェクト音を含む、メイン映像として使えるテイクです。

起こりやすい失敗と修正方法： セリフが途中で切れる場合は、セリフを短くするか尺を長くしてください。不要な字幕が表示される場合は、no subtitles を強調し、後処理で確実に字幕を付ける計画を立ててください。手を返すときに指が崩れる場合は、ゆっくりとした四分の一回転に簡略化するか、物を置く動作を別のショットに分けてください。

バリエーション： 外部のナレーションを使うワークフローを制御するには、generate_audio: false に設定します。

例 2 — 製品の忠実性に加え、動きと承認済みの音声参照

目的： 製品画像2枚、動きの参照動画1本、同意を得た音声サンプル1件を使い、横長の11秒のローンチ用インサートを作成します。

リクエスト内の入力順： 画像1は製品の正面ヒーロービュー、画像2は側面・ディテールビュー、動画1は使用許諾済みの手とカメラの動きを収録したプレート、音声1は同意を得た出演者の参照音声です。

完全なプロンプト：

Define the matte navy portable speaker shown in Image 1 and Image 2 as SPEAKER. Preserve SPEAKER's exact rounded-rectangle silhouette, grille pattern, two coral buttons, seam placement, and logo-free front.

Use only the slow hand placement and 30-degree clockwise camera arc from Video 1. Use the clear, low, lightly textured female timbre and measured pace from Audio 1 for the quoted line; do not reuse words from Audio 1.

Shot 1: On a dark walnut desk at blue hour, a hand places SPEAKER beside a rain-speckled window. Medium close-up; the camera performs the same restrained clockwise arc from Video 1. SPEAKER remains rigid and correctly proportioned.
Shot 2: Cut to a macro close-up of one coral button depressing once. A soft tactile click is synchronized with the press; a narrow rim light travels across the grille.
Shot 3: Return to the three-quarter hero angle. Off-camera, the woman says: "Small room. Full sound." A restrained low-frequency music pulse rises after the line, then ends cleanly.

Premium product cinematography, realistic materials, controlled reflections, navy-and-coral palette, shallow depth of field. No subtitles, no added labels, no altered button count, no warped grille, no hands touching the grille, no duplicate product, no third-party logo.

直接指定するパラメーター： Standard モデル、resolution: "1080p"、ratio: "16:9"、duration: 11、generate_audio: true。すべてのメディア項目には、それぞれに適した reference_* の役割を指定します。

期待される結果： 製品の同一性は画像1～2から、カメラとアクションは動画1から、音声の特徴は音声1から反映されます。音声1の内容はコピーされません。

起こりやすい失敗と修正方法： 製品の形状が変わる場合は、優先度の低い側面画像を外すか、カメラの回転を小さくしてください。モデルがソース動画のスタイルをコピーする場合は、reference only motion and camera path と指定してください。音声の類似度が低い場合は、声質や声域をより正確に説明し、新しいセリフのリズムをサンプルに近づけてください。

バリエーション： 動きとレイアウトのテストには720pのFastを使い、承認後にStandardへ切り替えてください。モデルの切り替えは、新たな有料生成の判断として記録してください。

例 3 — 最初と最後のフレームを厳密に指定した変化

目的： 閉じた紙製パッケージから、同じパッケージが開き、中身が配置された状態へ変化する、音声なしの6秒のトランジションを作成します。

入力： 同じ1:1のラスターサイズに事前にトリミングした、所有権のある画像2枚。順に first_frame、last_frame を指定します。

完全なプロンプト：

Single locked overhead shot. Beginning exactly from the closed kraft-paper package in the first frame, two gloved hands enter from the lower edge, slowly untie the black cotton cord, unfold the top flap, and place the three tea sachets into a neat fan. Every movement is continuous and physically causal, arriving exactly at the supplied last frame. Preserve the package dimensions, paper texture, cord color, sachet count, tabletop grain, lighting direction, and all printed artwork from the supplied frames. Silent video. No additional objects, no camera motion, no text changes, no hand crossing over the printed mark.

直接指定するパラメーター： resolution: "1080p"、ratio: "1:1"、duration: 6、generate_audio: false。

期待される結果： 境界フレームが正確に一致し、その間はモデルが因果関係のある動きを生成します。

起こりやすい失敗と修正方法： パッケージが飛んだり伸びたりする場合は、両方の画像のラスターサイズとアスペクト比が同一で、選択した出力テーブルに合っていることを確認してください。結び目を作る動作を簡略化してください。納品時のフレーミングに柔軟性がある場合に限り、adaptive を試してください。最後のフレームに正確に到達させる必要がある場合は、厳密な役割指定を reference_image に置き換えないでください。

例 4 — リファレンスに基づく動画編集

目的： ライセンスを取得した7秒の元映像の小道具を1つ差し替え、演技と照明を維持します。

入力： 画像1：所有権のあるクリーム色の瓶。動画1：ライセンスを取得した元映像。汎用的な瓶が映っており、同意を得ていない顔は含まれていません。

プロンプト全文：

Define the frosted pale-green cream jar with the flat white lid in Image 1 as JAR.

Strictly edit Video 1. Replace only the generic jar in the actor's right hand with JAR. Keep JAR's exact cylindrical proportions, frosted glass, flat lid, and blank label panel. Preserve the actor's hands and finger placement, natural occlusion around the jar, wrist motion, original camera path, rack focus, scene duration, background, wardrobe, lighting direction, shadows, reflections, and all audio from Video 1. Do not change the face, body, hand count, grip, or background. Do not add text, logos, subtitles, or a second jar.

直接指定するパラメーター： リファレンスモード、resolution: "1080p"、ratio: "adaptive"、duration: 7。元音声の連続性が必要な場合はgenerate_audio: trueを指定します。

期待される結果： 元映像の動きを維持した小道具の局所的な差し替え。

よくある失敗と修正方法： 手が変わってしまう場合は、replace only the jarを繰り返し指定し、元映像をスローダウンするか短くします。照明が合わない場合は、似た照明でレンダリングした商品リファレンスを追加します。ブランドのグラフィックを正確に再現する必要がある場合は、生成後に最終ラベルを決定論的に合成します。

例 5 — 最終フレームの引き継ぎによる連続性のある連鎖

目的： 個別に承認した8秒のクリップを3本作成し、24秒のシーケンスを構成します。

ワークフロー：

1. return_last_frame: trueを指定してクリップAを生成し、動画とPNGの両方をすぐにダウンロードします。
2. そのPNGをクリップBのfirst_frameとして使用します。次の動作だけを説明し、被写体、レンズの高さ、照明、天候、画面上の方向、衣装、環境音を維持します。
3. クリップCでも同じ手順を繰り返します。
4. 次の有料リクエストを行う前に、各境界フレームを確認します。形が崩れた手や顔を、無確認で引き継がないでください。
5. 動機のある動き、またはカットアウェイでつなぎます。ポストプロダクションでコーデック、色、ラウドネス、ルームトーンを統一します。

クリップBのプロンプト：

Continue exactly from the supplied first frame. The same red delivery bicycle moves left-to-right through the wet alley; the rider pedals twice, then brakes beside the blue doorway. Preserve the bicycle frame geometry, rider's yellow raincoat and black helmet, wet cobblestone reflections, overcast light, 35 mm eye-level perspective, left-to-right screen direction, and light rain ambience. One lateral tracking movement only. The brake squeak lands as the rear wheel stops; no speech or music. No new riders, no duplicated wheels, no change of weather, no subtitles or logos.

直接指定するパラメーター： 連鎖全体でStandardまたはFastを一貫して使用します。ratio: "16:9"、duration: 8、generate_audio: true、return_last_frame: trueを指定します。

よくある失敗と修正方法： 連続して延長すると、劣化が重なることがあります。劣化したクリップを延長するのではなく、最後に承認した劣化のないアンカーから再生成します。カットアウェイを使って不連続を隠します。最終フレームの引き継ぎによって、同一性や動きの連続性が保証されるとは限りません。

制作ループ

1. 事前確認： 対応地域とアカウント、稼働中のゲートウェイとエンドポイントのスキーマ、モデルの利用可否、クォータと同時実行数、最新の価格、出力の権利、メディアの権利、顔素材の取り扱い経路を確認します。
2. アセットの正規化： 技術的なプロパティを確認し、意図した比率に合わせてクロップし、意図しないリファレンスの競合を取り除き、ソースの来歴をハッシュ化して保存します。
3. 低コストで試作： 最終的な機能を反映する経路を使い、FastまたはMiniで480p／720pの構図と動きをテストします。ドラフトによってStandardの4K品質が実証されたかのように示してはいけません。
4. 少数の候補を生成： プロンプト、リファレンスの選択と順序、長さ、モデルなど、同時にではなく一度に1つの要素を変えます。
5. 各実行を記録： ゲートウェイ、エンドポイント／モデル、リクエストJSON、順序どおりのアセットハッシュ、タスク／リクエストID、タイムスタンプ、コスト、モデレーション結果、返されたメタデータ、出力チェックサムを記録します。
6. すぐにダウンロード： タスクの記録は限られた期間のみ保持され、結果や最終フレームのURLは期限切れになることがあります。メディアはプロジェクト管理下の永続ストレージに保存します。
7. 拡大前に確認： バッチ生成の前に、構造、権利、音声、連続性に関する問題があるものを除外します。
8. 従来の方法で仕上げ： 編集、スタビライズ、リタイミング、正確なキャプション／ロゴ／法的表記の追加、音声のミックス、トランスコードを行い、納品仕様を確認します。

コールバックでは、ゲートウェイが提供する場合は送信元と署名を検証し、重複した配信を受け付け、タスク状態を冪等に遷移させます。さらに、ジッターを加えた指数バックオフを使い、回数に上限を設けたポーリングにフォールバックします。queued、running、succeeded、failed、expired、cancelledをそれぞれ明示的に処理します。モデレーションに失敗した場合に、際限なく再送信してはいけません。

再生成する前に診断する

症状	考えられる原因	まず試す修正
被写体の同一性が揺らぐ	顔や被写体が小さすぎる、コラージュや複数視点による曖昧さ、結び付けが弱い	鮮明なクローズアップ画像とスタイリング画像を1枚ずつ使います。被写体ラベルを1つ決めて繰り返し指定し、同一性の画像を先頭に配置します
人物や製品が重複する	複数の視点が曖昧、またはプロンプトが複雑	被写体が1つだけの参照画像を使い、すべての役割を結び付けます。重複を禁止し、複雑な動作はショットに分けます
製品の形状が異なる	動きやスタイルの参照が製品の参照画像より優先されている	参照画像の数を減らし、変えてはならない特徴を正確に指定します。ゆっくりと小さく回転させ、細かなラベルは後から合成します
スタイルがリアル寄りに変化する	リアルな元画像が、指定したスタイルと矛盾している	全体を通して目標のスタイルを指定し、どの元画像の要素を引き継がないか明記します
予期しない字幕やロゴが入る	音声や元画像内のテキストが、グラフィックの事前傾向を引き起こしている	関係のない元画像内のテキストを削除し、テキストを生成しないよう指定します。横長の画面を試し、テキストやロゴはポストプロダクションで仕上げます。プロンプトで完全に防げるとは限らないことを受け入れます
最初と最後のフレーム間の切り替わりが唐突	アスペクト比やラスタが一致していない、または変換が複雑すぎる	両方のフレームを、同じ対応ラスタに事前に切り抜きます。動作を単純化し、許容できる場合にのみアダプティブ比率を使います
指定したタイミングが守られない	モデルのタイミングはおおよそのもの	厳密なタイムスタンプを使わず、順序を指定したショットにします。ショットを別々に生成し、編集時にタイミングを正確に調整します
カメラが安定しない	カメラへの指示を同時に出しすぎている	ショットごとに主要なカメラ移動を1つだけにし、被写体の動きを抑えます
セリフが途中で切れる、または発音を間違える	単語が多すぎる、一般的でない語や多音語がある、再生時間が不足している	音声表記に沿って短く言い換え、発音を簡単にします。再生時間を延ばすか、ポストプロダクションで吹き替えます
音声の末尾でクリック音がする	生成されたフレーズや音楽がクリップの境界で終わっている	きれいに終わるよう再生成するか、ポストプロダクションで短いフェードやエンベロープを適用します
延長部分とのつなぎ目が不自然	生成境界でのロールバックや不連続がある	つなぎ目の位置を調整してトリミングし、アクションの途中でカットします。別の映像を挿入するか、より自然につながる状態から再生成します
延長するにつれて品質が低下する	劣化した出力から再エンコードや生成を繰り返している	連鎖の深さを制限し、高品質な同一性の基準画像を再利用します。最後に品質が保たれている状態から再生成します
実在の人物の顔がモデレーションで拒否される	直接アップロードが、信頼または許可された人物画像の経路ではない	ModelArk の許可済み実在人物アセットのフロー、承認済みのプリセットキャラクター、または条件を満たす同一アカウントの信頼済み出力を使います。フィルターを回避してはいけません
リクエストが拒否される	スキーマ、ロールの組み合わせ、形式、再生時間、リージョン、クォータが正しくない、またはパラメーターが未対応	実際に利用するエンドポイントの仕様に照らして検証します。ゲートウェイ間で共通ではないフィールドを削除し、生成内容を変更する前に構造化エラーを確認します

失敗の種類が、仕様、アセット、プロンプト、モデルのばらつき、モデレーション、ポストプロダクションのどれに当たるかを分類してから再生成してください。うまくいった要素は残し、プロンプト全体を書き直すことは避けてください。

成果物として出力をレビューする

サムネイルや最初のフレームだけでなく、ファイル全体を確認してください。

映像と動き

• 被写体／製品の同一性、数、プロポーション、手、顔、接触、遮蔽、反射、影；
• 動作の順序、因果関係の連続性、物理的な妥当性、速度、画面上の方向；
• カメラの動き、フォーカス、地平線、構図、クロップ、トランジション、背景人物の重複；
• 曖昧な類似性ではなく、割り当てられた評価軸に基づく参照元への忠実性；
• テキスト／ロゴの正確さ、および望ましくない来歴を示すようなマークの有無。

音声

• 台詞の文言、話者の特定、聞き取りやすさ、発音、感情、リップシンク；
• 効果音のタイミング、環境音の連続性、音楽の適切さ、クリッピング、クリック音、ノイズ、唐突な音切れ；
• 最終ミックス後のモノラル互換性、ラウドネス、トゥルーピーク、位相。

技術面

• 再生時間、フレームレート、解像度、アスペクト比、コーデック／プロファイル、ピクセル形式、ビット深度、音声ストリーム、ファイルの整合性；
• 4K Standard 出力は 10-bit H.265/HEVC として記載されています。承認環境でデコードできない場合は、マスターを保持したままレビュー用プロキシにトランスコードしてください；
• 期限切れのリモート URL をマスター素材として扱わないでください。

編集と安全性

• 通常の再生速度で、ショットが依頼内容を満たしていること；
• すべての人物、音声、商標、作品、素材クリップ、音楽の参照について、許可が文書化されていること；
• 欺瞞的ななりすまし、誤解を招く主張、プライバシー漏えい、ポリシー違反、または開示されていない合成描写がないこと；
• 必要な開示、ウォーターマーク、メタデータ、来歴情報が保持されていること。

一般公開、広告上の主張、リアルな人物、政治／ニュース関連、健康／金融／安全に関する主張、未成年者、またはその他の影響が大きい用途では、人によるレビューを必須としてください。

権利、同意、安全な運用

アップロードする前に、すべての素材について、出所、所有者、ライセンス、許可された加工、対象地域、期間、モデルのトレーニングに関する制限、公開状況を記録してください。アップロードが技術的に受理されたことは、許可がある証拠にはなりません。

人物の顔、身体、演技、音声について、対象を明確にした明示的な許可を取得してください。ModelArk の許可済み実在人物ライブラリでは、本人確認と許諾の確認が行われます。該当する場合は、その経路を使用してください。適切な権利なしに存命人物や故人を描写したり、欺瞞的になりすましたり、同意のない親密なコンテンツを作成したり、顔／著名人フィルターを回避したりしないでください。

モデルが似せて生成できるという理由だけで、著作権で保護されたキャラクター、フランチャイズの世界観、有名人の肖像、特徴的な演技、保護されたロゴ、存命アーティストの作風模倣を要求しないでください。自ら所有する素材、パブリックドメインの素材、オリジナルの演出を使用するか、ライセンスを文書化してください。BytePlus の規約では、入力と出力の適法性に関する責任は顧客にあるとされ、出力が固有のものとは限らないと記載されています。また、BytePlus は非侵害を保証しません。

必要な AI 表示、ウォーターマーク、認証情報、識別子、メタデータ、その他の来歴シグナルを削除したり、隠したりしないでください。状況または法律により必要な場合は、合成メディアであることを開示してください。未加工の生成物、リクエスト記録、同意記録、最終編集の来歴情報を保持してください。

モデレーションを回避しないでください。無害なリクエストがブロックされた場合は、プロバイダーのエラーを確認し、曖昧さを取り除き、文書化された許可済み素材の経路を使用するか、プロバイダーのサポートに問い合わせてください。ゲートウェイがコンテンツを受け入れたからといって、その用途が適法または安全になるわけではありません。

ソース一覧

上記の変動する情報は、2026-07-09 に再確認済みです。本番環境で使用する前に再確認してください。モデル ID、制限、アクセス、スキーマ、価格は変更される可能性があります。

主要な公式情報：

• ByteDance Seed — Seedance 2.0 モデルページ — アーキテクチャ／機能の位置付けと、内部ベンチマークに関する開示。
• Team Seedance、「Seedance 2.0: Advancing Video Generation for World Complexity」 — 公式モデルカード。ネイティブなマルチモーダル音声・動画生成、入力モダリティ、当初の 4～15 秒および参照素材の制限。
• BytePlus ModelArk — Seedance 2.0 シリーズのチュートリアル — バリアント、ID、生成モード、4K、縦向きアセットのパス、制限、運用上のトラブルシューティング。
• BytePlus ModelArk — プロンプトガイド — 主体の紐付け、ショットの順序、カメラ／アクションの指示、アセットの優先順位、文書化された失敗時の復旧方法。
• BytePlus ModelArk — 動画生成タスクの作成 — 直接リクエストの正式なスキーマとメディアの制約。
• BytePlus ModelArk — タスクの取得 — ステータス、出力メタデータ、使用状況、結果の処理。
• BytePlus ModelArk — 製品の更新情報 — 1080p／4K 世代のプラットフォーム変更と入力形式の更新。
• BytePlus 動画生成サービス規約およびGenAI 利用規定 — 地域、権利、出所、同意、安全に関する義務。
• BytePlus コンテンツ事前フィルター FAQ — 著名人の顔／声との類似性に関するフィルタリングとプライバシー通知。

検証済みのゲートウェイ文書。BytePlus との直接契約を示すものではありません。

• fal のテキストから動画へのスキーマ、fal の画像から動画へのスキーマ、fal の参照素材から動画へのスキーマ。
• Replicate Seedance 2.0 のスキーマおよび使用ガイド。

独立した証拠。限定的に使用してください。

• Artificial Analysis Seedance ファミリーページには、ユーザーによるブラインド比較のアリーナ結果、価格、生成時間の測定値が掲載されています。特定の参照素材／編集／音声タスクへの適合性を証明するものではなく、時点依存の比較情報として扱ってください。順位を引用する前に、サンプル数、テスト対象の経路、解像度、方法論を確認してください。
• 独立系メディア TechRadar による制作分析では、瞬きの不自然さ、身体の動き、エキストラの重複、プラスチックのような肌、長尺の編集作品における従来型のポストプロダクション作業の多さが報告されています。これは報道上の所見であり、失敗頻度を統制された方法で推定したものではありません。上記の復旧手順の根拠としては、公式プロンプトガイドに記載された同一性、重複、字幕、延長、音声に関する独自のトラブルシューティングの方が有力です。