Dreamina Seedance 2.0とは？
Dreamina Seedance 2.0は、ByteDanceのSeed研究チームが開発した第2世代のテキスト動画生成モデルです。同じSeedance 2.0エンジンは、ByteDanceのコンシューマー向けアプリである—CapCutとDreamina（旧Jimeng AI）—にも搭載されており、GPTProtoのようなAPIリセラーを通じて開発者にも提供されています。このページでは、モデルはtext-to-videoモードで動作します。プロンプトを送信すると、同じ処理で生成された音声付きの完成動画クリップが返されます。
Seedance 2.0が1.xシリーズと異なる最大の特徴は、音声と映像を1回の処理で生成できることです。セリフ、効果音、環境音、音楽が映像とともに1回の生成でまとめて作成されるため、別途音声を生成したり、後からつなぎ合わせたりする必要はありません。モデルはショットをまたいでキャラクターのアイデンティティ、特徴、スタイルを一貫して維持します。これは、実際に多くの短尺動画制作パイプラインが苦労している点です。
GPTProtoでは、1つのモデル文字列と既存の残高を使ってdreamina-seedance-2-0-260128にアクセスできます。そのため、個別のアカウントや地域ごとの登録制限なしに、Dreamina Seedance 2.0、Doubao Seedance 2.0、Sora 2、Veo 3の間でルーティングできます。
仕様
| 項目 | 値 |
|---|---|
| プロバイダー | ByteDance（Seedチーム）；BytePlus / Volcano Engineスタック |
| WebモデルID | dreamina-seedance-2-0-260128 |
| 入力モード | テキストから動画、画像から動画、参照から動画 |
| 受け付ける入力 | テキスト、画像、動画、音声（モードによる） |
| 出力 | ネイティブ同期音声付き動画（1回の処理） |
| 長さ | 4–15秒 |
| 解像度 | 480p / 720p / 1080p |
| アスペクト比 | ページの比率表を参照（デフォルトは16:9） |
| 音声 | generate_audioトグル |
| プロヴェナンス | C2PAメタデータ＋不可視ウォーターマーク。アプリと同様にAPI経由で適用 |
操作方法は3つ：テキスト、画像、参照
Dreamina Seedance 2.0では、同じモデルIDの下で3つの生成エンドポイントを利用できます。いずれも同じ基本設定—aspect_ratio、duration、resolution、generate_audio、camera_fixed、seed—を受け付け、異なるのは入力するものだけです。
テキストから動画 — プロンプトを入力し、クリップを出力します。エンドポイント：POST /api/v3/doubao/dreamina-seedance-2-0-260128/text-to-video
画像から動画 — 静止画をアニメーション化します。必要に応じてlast_imageを指定し、終了フレームを制御できます。エンドポイント：POST /api/v3/doubao/dreamina-seedance-2-0-260128/image-to-video
参照から動画 — images、videos、audiosの配列を参照素材として渡し、キャラクターとスタイルの一貫性を保ちます。エンドポイント：POST /api/v3/doubao/dreamina-seedance-2-0-260128/reference-to-video
3つすべてで同じBearer認証と、以下に示す同じ送信・ポーリングフローを使用します—変わるのは入力フィールドだけです。
Dreamina Seedance 2.0とSora 2、Veo 3、Doubao Seedance 2.0の比較
4つすべてをGPTProto上で1つの残高から利用できるため、重要なのは各ジョブをどれにルーティングするかです。以下の価格はサイト上の1回あたりの料金です。
| Dreamina Seedance 2.0 | Doubao Seedance 2.0 | Sora 2 | Veo 3 | |
|---|---|---|---|---|
| 開発元 | ByteDance | ByteDance | OpenAI | Google DeepMind |
| 同じ基本エンジン？ | — | はい（Doubaoルート） | いいえ | いいえ |
| ネイティブ音声 | はい、1回の処理 | はい | はい | はい |
| 入力モード | テキスト / 画像 / 参照 | テキスト / 画像 / 参照 | テキスト / 画像 | テキスト / 画像 / 参照 |
| 最大長 | 15秒 | 15秒 | 12秒 | 8秒 |
| GPTProtoの1回あたりの価格 | $0.2957から | $0.2957 | $0.40 | $0.48 |
| おすすめの用途 | 最低の1回あたりコスト；3つの入力モード | 同じエンジン、Doubaoのデフォルト設定 | OpenAIネイティブの生成 | 4K＋シネマティックな制御 |
率直に言うと： Dreamina Seedance 2.0とDoubao Seedance 2.0 は、2つのブランドルートを通じた同じByteDance生成エンジンです—1回あたり$0.2957で同一であり、違いは出力の上限ではなくプラットフォームのデフォルト設定にあります。この4つの中で、Seedanceは1回あたりのコストが最も低く、テキスト、画像、マルチモーダル参照という3種類の入力モードを備える唯一の選択肢です。 Veo 3 （1回あたり$0.48）は、4Kと緻密なシネマティック制御が必要な場合に適しています。Sora 2（1回あたり$0.40）は、OpenAIネイティブの生成に向いています。よくある使い方は、Seedanceで下書きを作成し、選んだテイクをより高価なモデルで再レンダリングする方法です。
半額で下書きを作成する場合は、dreamina-seedance-2-0-fast-260128を1回あたり$0.2365で利用できます。
CapCut / DreaminaからAPIへ移行する
CapCutやDreaminaアプリ内で生成してきた場合、APIを使えば、新しいSDKを学ぶことなく、アプリごとの登録や地域ごとの提供制限を回避できます。クライアントの接続先をhttps://gptproto.com/api/v3に設定し、キーをBearerトークンとして送信して、dreamina-seedance-2-0-260128タスクエンドポイントにPOSTします。1つの残高ですべての他のモデルも利用できるため、同じジョブランナー上でSeedanceとSora 2やVeo 3をA/Bテストできます。
プロンプトレシピ
Seedance 2.0は、スタイル、被写体、カメラ、照明、動きの順に、明示的で整理された指示を与えると効果的に応答します。
- プロダクトヒーロー（カメラ固定）：
シネマティック；濡れたスレートの上に置かれたマットブラックのワイヤレスイヤホン、水滴；固定された静止ショット；左側からの柔らかなスタジオキーライト；ゆっくりと結露が発生—camera_fixed: trueを設定します。 - キャラクター短編（プッシュイン）：
アニメスタイル；夜の雨に濡れたネオンの路地を自転車で走る配達員；ゆっくりとしたプッシュイン；道路に映る反射；雨の環境音と遠くの交通音— 環境音のベッドとしてgenerate_audio: trueを維持します。 - 参照素材による一貫性：
images[]に2枚のキャラクター静止画を渡し、同じキャラクター、新しいショット：朝の市場を歩く、手持ちカメラで追従とプロンプトします。新しいテキストプロンプトから始めるよりも、参照モードのほうがカットをまたいだアイデンティティをより適切に維持します。
カメラの動きは「slow push in」「tracking shot」「locked off」のように文字どおり指定し、照明も直接記述してください。曖昧なプロンプトではずれが生じますが、具体的なプロンプトなら一貫性を保てます。
期待できること：速度、音声、アスペクト比
生成時間。クリップは非同期でレンダリングされるため、即時応答ではなく待ち時間を見込んでください。標準的な短尺動画は最も早く返されますが、複数の参照素材を使った15秒の長いクリップは最も時間がかかります。そのため、ポーリング間隔や進行状況UIを適切に設定してください。
音声。 generate_audio: trueを指定すると、モデルは映像に合わせてセリフ、効果音、環境音、音楽を同じ処理で生成します。自分でトラックをミックスする場合はfalseに設定して無音クリップにします。ミュージックビデオや、固定した音声ベッドを使うブランドコンテンツでは一般的な方法です。
アスペクト比。後からクロップするのではなく、送信時に目的の比率を選択してください。モデルは指定されたキャンバスに合わせてアクションを構成します。デフォルトは16:9で、比率の全リストはページ内の表に掲載されています。
