こんにちは。プロンプト画伯です。
画像生成AIを触り倒しながら、AIで作る表現の限界を毎日試しています。
「動画AIは短すぎて使えない」「参照素材が少なすぎてブランドの世界観が保てない」「音声を後付けすると口が合わない」——このあたりで動画AIを一度あきらめた人、たぶんいますよね。
Midjourneyで作った素材フォルダは膨らむ一方なのに、動画AIに投げても15秒しか出ない、参照は12点で頭打ち、音声は毎回別ツールで乗せ直し。
その閉塞感を、Seedance 2.5がまとめて壊しにきたんだよね。
Seedance 2.5が動画AIの上限を書き換えた
Seedance 2.5は2026年6月23日、北京で開催されたVolcano Engine FORCE Conferenceで発表されました。
Volcano Engine社長のTan Daiさんが登壇し、Dreamina(dreamina.capcut.com)とVolcano Engine API経由で提供する方針を公開。
BytePlusは「Dreamina Seedance 2.5 APIを2026年7月16日から一般公開」と告知しています(今日は2026年7月14日なので、この記事が公開される頃には触れる状態)。
「これは現場に投入できる」と判断した理由は、機能一覧の派手さではなく、3つの上限が同時に上がったことです。
30秒ワンパス生成、参照素材50点(画像・映像・音声・3Dモデル混在可)、そして映像と音声を同一潜在空間で共処理する統合生成。
この3つが同時に来たことで、2.0時代に「無理」で片づけていた表現がまとめて解けるようになったんだよね。
ここからが本題です。
その「何が解けるか」を差分マップで整理していきます。
Seedance 2.0との差分マップ
まずは2.0との違いを1枚に整理します。
(※)「ネイティブ4K」は複数の一次情報ソースで確認できる仕様ですが、Dreamina公式ページ自体は「シネマティックビデオ」表記でK数の明示がありません。
実運用ではプロジェクト単位で解像度を明示指定するのが安全です。
尺15秒→30秒は、ただの倍増ではないんだよね。
15秒だと「見せる→終わる」しか入らないけれど、30秒あると「見せる→変化させる→着地させる」が1本に収まる。
商品LPやミニドラマが、切り貼りなしで通しで作れるようになる境界がここです。
参照12〜15点→50点も、単なる数字の話ではありません。
12〜15点だと「主役の画像+補足数枚+BGM」で埋まってしまうけれど、50点あると「ブランドキットまるごと(ロゴ・カラーガイド・製品写真・ロケ写真・BGM・環境音・3Dモデル)」を丸ごと渡せる。
このスケール感の差が「AIに世界観を託せるかどうか」を分けるんだよね。
音声統合は、今回のアップデートで一番効くやつです。
2.0時代は「動画を出してから別ツールでナレーションを乗せて、口の動きが合わなくてやり直し」というループに毎回はまっていた。
2.5は映像と音声を同じ潜在空間で共に生成するので、生成時点で口の動きと発話が合っている状態で出てくる。
この3つの変化が、次のセクションで4つの表現カテゴリを開くことになります。
3つの新機能で開いた4つの表現カテゴリ
30秒×参照50点×統合音声が揃うと、2.0では実質不可能だった表現が4つのカテゴリで作れるようになります。
Aは「商品名を発話するナレーション付きLP動画」が、口パク不要で1本の生成に収まる領域。
Bは「30秒あれば主人公が出て変化して着地する」というテレビCM的な構成が現実的になる領域。
Cは「三面図や複数角度の参照を大量投入して、キャラやロゴが振り向いても崩れない」を狙う領域。
Dは「BGMと環境音とナレーションをSeedance自身に生成させる」統合音声の本命ユースケースです。
設計上の考え方として4カテゴリを整理した結果、それぞれで機能するプロンプトの型がだいぶ見えてきました。
7月16日以降の実測時に微調整しながら精度を追い込んでいくのが前提です。
では、1作例を今すぐ丸ごと使えるかたちで公開します。
無料公開する作例1本と、有料10作例カタログの予告
型Eの流儀に従って、作例を1本、無料で丸ごと公開します。
有料エリアに並べる9作例と同じ統一フォーマット(シーン説明/プロンプト全文/参照素材の使い方/尺・アスペクト比/生成時の注意点)で書くので、この1本を触ってみるだけで「有料エリアで何が手に入るか」の温度感が掴めるはずです。
無料作例: ECサイト向け商品紹介 15秒版(カテゴリA)
シーン説明
ECサイトや広告でよく見る「商品をただ並べた動画」じゃなく、質感とカメラワークで「欲しい」と思わせる15秒を作る作例です。
化粧品ブランドの新製品を想定しています。
Dreamina/BytePlus APIどちらでも動く前提で、まずは15秒版から入り、有料エリアで30秒版に拡張する設計です。
想定用途はECサイトのファーストビュー、Instagram Reels(9:16版)、YouTube Shorts。
プロンプト全文(英語)
[Product hero shot, 15 seconds, native 4K, 9:16 vertical]
0-5s: Extreme close-up of the product (@Image1) on a marble surface.
Soft directional light from upper left creates elegant shadow.
Camera slowly orbits 90 degrees around the product.
Style: high-end beauty commercial, warm neutral palette.
6-10s: Cut to macro detail of the product texture (@Image2).
Ingredient particles float gently in soft focus foreground.
Camera pushes in with rack focus from foreground to product.
11-15s: Camera pulls back to reveal a hand (@Image3) picking up the product.
Background transitions to a minimalist bathroom setting (@Image4).
Style: premium commercial aesthetic, cinematic depth of field.日本語解説(要点)
- 0〜5秒はメインカットで商品を主役にし、大理石+斜光で高級感を演出
- 6〜10秒は質感のクローズアップで「触りたくなる」欲求を刺激
- 11〜15秒でシーン転換を挟み、使用シーンを想起させて着地
- スタイル指示は英語で書いた方が、Seedance 2.5でも精度が安定する傾向
参照素材の使い方
- @Image1: 商品パッケージの正面ショット(1024x1536以上、影が薄いカット推奨)
- @Image2: 商品テクスチャのマクロ画像(粒子感がわかる粗めの解像度)
- @Image3: 手だけを写したストック画像(モデル顔なし、肌トーン統一)
- @Image4: 使用シーン背景の広角画像(バスルーム、洗面台、ドレッサー等)
計4点。
50点上限に対して余裕があるので、質感リファレンス数枚+BGM 1本を追加すると質が跳ねる。
尺・アスペクト比
- 尺: 15秒(30秒版は有料エリアで解説)
- アスペクト比: 9:16(縦動画) / 1:1(Instagram Feed) / 16:9(YouTube)
- 用途に応じて同じプロンプトのアスペクト比だけ差し替えると、3媒体分が1回の設計で作れる
生成時の注意点
- 商品名やロゴがある場合、テキストが崩れやすい傾向がある(参照画像内のロゴを尊重するプロンプトを追記)
- 「orbit」「push in」「pull back」など具体的なカメラワーク英語を使うと安定する
- 2026年7月16日API公開以降、実測で微調整が必要な想定(モデル最終挙動に合わせる)
有料エリアに並ぶもの
ここまでで1本のフル公開。
有料エリアには、この統一フォーマットのまま9作例を並べます。
内訳はカテゴリA(商品紹介)残り2本、カテゴリB(ストーリーテリング)3本、カテゴリC(モーション表現)2本、カテゴリD(音声統合)2本の計9作例。
最後に、10作例分の参照素材50点をどう配分するかの設計表を1枚まとめて置きます。
1作例あたりの設計工数はだいたい2〜3時間、10本まとめれば20〜30時間分の思考が凝縮された内容。
動画外注1本の相場が5〜30万円と考えると、テンプレとして自分の素材にそのまま応用できる状態で20〜30時間分の試行が手元に来ます。
12,674文字 / 2画像
¥2,980




💬 コメント
ログイン か 会員登録 するとコメントできます