Seedance 2.5 とは?ByteDance のマルチモーダル動画モデルを解説
Seedance 2.5 は ByteDance の次世代動画モデルです。テキスト、画像、動画クリップ、音声ファイルを混在させた入力を受け取り、音声を同一パスで生成した一続きの動画を返すことを設計目標としています。
現時点でのアクセスは pre-release であり、provider を介して提供されています。Seedance 2.5 API はまだ一般公開されていません。以下に述べる機能は launch 時点で期待されるものです。未確認の内容はすべて未確定事項として扱い、本番環境で依存する前に provider 自身のドキュメントと照らし合わせて検証してください。
主な変更点(予定)
1. より長いワンカット。 Seedance 2.5 は、単一の連続ショットでおよそ 4〜30 秒の長さをサポートする見込みです。これにより、クリップのつなぎ合わせや、キャラクターの姿が崩れる・カット間で照明が飛ぶといった連続性の破綻への対処が減ります。これを前提に開発する前に、正確なサポート範囲を provider に確認してください。
2. Launch 時の解像度:480p と 720p。 launch 時点では、モデルは 480p と 720p を出力する見込みです。より高い解像度(1080p 以上)は、provider のドキュメントで確認されるまで未確定です。720p を超える解像度が現時点で利用可能だと想定しないでください。
3. マルチモーダル参照。 複数の参照ファイルで生成を条件付けできます。リクエストごとに最大 画像 30 枚、動画 10 本、音声 10 本の参照が可能です。実際には、参照写真でキャラクターを固定し、カラーパレットを揃え、アップロードしたクリップのカメラワークを再現し、音楽トラックでテンポを誘導する——これらすべてを 1 回のリクエストで行えることを意味します。動画を「説明する」のではなく、その素材を「組み立てる」ようになるのです。
音声は後付けではなく、映像と同時に生成される
Seedance 2.5 は単一パスで動画と音声を同時に生成するよう設計されており、ネイティブ音声は追加料金なしで含まれます。セリフ、フォーリー、劇伴は映像の動きと同期して届きます。音声参照を提供すれば、動きやテンポをそれに追従させることもできます。音声生成は generate_audio フラグで制御されます(デフォルトで有効)。
コストについて
公開の料金表はまだ発表されていません。 予定されているモデルについて言えるのは次のとおりです。
- 課金は出力 1 秒あたりで計算されます。
- ネイティブ音声は無料——同期サウンドトラックに追加料金はかかりません。
content_filterをオフにすると、1 回の生成コストが約 10% 増加します。
公開レートは API と同時に launch される見込みなので、予算を確定する前に provider のコンソールで実際の料金を確認してください。当サイトの料金ページは既知の情報を追跡しており、playground では生成前にリクエストを組み立てられます。
アクセス方法
アクセスは pre-release 段階で、provider を介して提供されています。開発者や AI agent にとって現実的なルートは、EvoLink のようなサードパーティ API provider を利用することです。EvoLink は REST API 経由で Seedance 2.5 を提供する見込みです。それを前提に開発する前に、provider のサポート状況と可用性を確認してください。API クイックスタートには動作するコードがあり、agent ガイドは自動化ワークフローを扱っています。
API の契約仕様(pre-release——設定可能にしておくこと)
これは pre-release であるため、model id を設定可能な項目として扱い、すべてのフィールドを provider のドキュメントと再照合してください。予定されている契約仕様は次のとおりです。
POST https://api.evolink.ai/v1/videos/generations で生成を送信します。
curl -X POST https://api.evolink.ai/v1/videos/generations \
-H "Authorization: Bearer $EVOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "seedance-2.5-reference-to-video",
"prompt": "A cinematic drone shot pulling back over a coastal town at golden hour",
"duration": 5,
"quality": "720p",
"generate_audio": true,
"content_filter": true,
"image_urls": [],
"video_urls": [],
"audio_urls": [],
"callback_url": "https://example.com/webhook"
}'
フィールドリファレンス:
model—seedance-2.5-reference-to-video(pre-release。設定可能にしておいてください)。prompt— テキストによる指示。duration— 4〜30 秒(デフォルト 5)。quality—"480p"または"720p"(デフォルト"720p")。generate_audio— ブール値、デフォルトtrue。content_filter— ブール値、デフォルトtrue。falseに設定すると 1.1 倍のコスト係数が適用されます。image_urls— 最大 30 枚の画像参照。video_urls— 最大 10 本の動画参照。audio_urls— 最大 10 本の音声参照。callback_url— 完了通知用の任意の webhook。
その後、GET https://api.evolink.ai/v1/task-detail?id=<id> で結果をポーリングします。ステータスは pending → processing → completed(または failed)と遷移します。
競合との位置づけ
Seedance ファミリーは公開の動画生成ベンチマークで競争力を示してきました。2.5 は、より長いワンカット、ネイティブ音声、より大きなマルチモーダル参照枠によって、その優位性をさらに広げる見込みです。Sora 2 や Veo 3.1 といったモデルに対する実質的な差別化要因は、マルチ参照入力とワンカットの一貫性になると予想されます——ただし、これらの機能はすべて pre-release 段階であることを忘れないでください。このモデルと相性の良い prompt 構成については、prompt ライブラリを参照してください。
まとめ
Seedance 2.5 は、「撮影を監督するように指揮できる」動画モデルを目指しています。キャスト(画像参照)、カメラワーク(動画参照)、劇伴(音声参照)、演出方針(prompt)を持ち込めば、一貫した、音と映像が同期したワンカットが返ってきます。現時点では pre-release であり、provider を介して提供されています——予定される長さは 4〜30 秒、launch 時の解像度は 480p と 720p、参照は最大で画像 30 枚 / 動画 10 本 / 音声 10 本、ネイティブ音声は追加料金なし、課金は 1 秒あたり(レートは launch 時に確定)です。本記事は独立したガイドであり、EvoLink は推奨するサードパーティ provider です。リリース前に、すべての詳細を provider に確認してください。リクエストがどのように組み立てられるかを見るには、playground から始めてください。