Seedance 2.0 完全利用ガイド：12種類の入力モダリティを実例付きで解説

Seedance 2.0は12種類の入力タイプをサポートしています——テキスト、最大9枚の参考画像、3本の参考動画、3つの音声ファイル——@Referenceプロンプトシステムと組み合わせることで、各素材が生成においてどの役割を果たすかを指定できます。本ガイドでは、すべての入力タイプ、4つの生成モード、そしてTikTok・Instagram・EC向けの実際のワークフローを解説します。

ほとんどのSeedanceチュートリアルはAPI呼び出しや基本的なテキストから動画への変換に焦点を当てています。このガイドはクリエイティブワークフロー向けです：各入力の役割、使うべきタイミング、そして制御された出力を得るための組み合わせ方を解説します。

なぜ入力の柔軟性が重要なのか

SoraとVeo 3.1はそれぞれ2種類の入力（テキスト＋1枚の画像）をサポートしています。Seedance 2.0の12モダリティ入力システムは全く異なるロジックです——モデルを、文字の説明だけで作業するのではなく、詳細な参考素材を受け取れるディレクターとして扱います。

ByteDanceの公式技術資料では、Seedance 2.0を「マルチリファレンス複合生成」として位置付けています——モデルは複数の参考入力を同時に処理するために特別に訓練されています。

12種類の入力タイプ詳解

テキスト（1種類）

プロンプト。SoraとはAOK、Seedance 2.0のプロンプトは参考素材と組み合わせた時に最も効果的です。テキストのみの動画生成もサポートされていますが、モデルの真の強みはアップロードされた参考素材の使い方を理解することにあります。

有効なプロンプト構造：

[参考タグ] + [シーン描写] + [カメラ/モーション描写]

画像（最大9枚）

最大9枚の参考画像をアップロードでき、それぞれが異なる目的を果たします：

• スタイル参考——「@image1のトーンと雰囲気を使用」
• キャラクター参考——「@image2の人物を主役として使用」
• シーン参考——「@image3の環境でシーンを設定」
• 商品参考——「@image4の商品を動きの中で表示」
• 最初のフレーム——ファースト＆ラストフレームモードでは、@image1が開始画面になる

9枚の画像入力があれば、キャラクター、衣装、環境、商品、スタイル方向性を同時にアップロードでき、それぞれが個別に制御可能な参考になります。

動画クリップ（最大3本）

動画参考入力は主にカメラワーク誘導とスタイル継続に使用されます：

• カメラワーク参考——目標のカメラワークを持つ動画をアップロード（@video1 カメラワーク）
• スタイル参考——1本の動画でビジュアル美学とリズムを確立
• トランジション参考——シーン間の接続方法を示す

これがカメラワーク制御機能の核心です。特定のカメラワークを持つドローン映像があれば、それを@video1としてアップロードし「カメラワーク」とタグ付けすれば、Seedanceがそのカメラの軌跡をコピーします。

音声ファイル（最大3つ）

音声入力でビート同期編集が実現します：

• 音楽トラック——楽曲をアップロードすると、生成動画の編集リズムがビートに追従
• 参考効果音——環境音声の方向性を確立
• ナレーション参考——テンポや音声デザインを誘導

ビート同期はSeedanceがVeoやSoraと差別化する核心的な音声機能です。TikTok、Instagramリールでトレンドのバイラル曲に合わせたコンテンツ、ブランドミュージックを使った製品広告——これがSeedanceを選ぶ主な理由です。

4つの生成モード

1. 全参考（All Reference）

適用シナリオ： 2つ以上の参考素材があり、モデルにそれらを統合させたい場合。

全参考モードは最も広い入力の組み合わせを受け付けます。キャラクター画像、環境参考、スタイルガイド、カメラワーク動画をアップロードすると、モデルがプロンプトのタグに従って合成します。

例：

@image1が主役として歩き、@image2が背景環境、@video1がカメラワーク、
霓虹輝く夜の都市街路をスムーズに追い撮り、5秒

2. ファースト＆ラストフレーム（First & Last Frame）

適用シナリオ： ショットの開始フレームと終了フレームが明確で、AIにトランジションを埋めてほしい場合。

2枚の画像をアップロード：最初のフレームと最後のフレーム。Seedance 2.0がその間の動きと変換を生成します。

一般的なユースケース：

• パッケージから商品が現れる（最初：完全なパッケージ、最後：商品展示）
• 人物が部屋に入る（最初：ドア口、最後：室内）
• 昼から夕暮れへの変換（最初：昼間、最後：ゴールデンアワー）

3. マルチフレーム（Multi-Frame）

適用シナリオ： 複数の明確なタイムポイントを持つシーケンスを構築している場合。

3〜5枚のキーフレーム画像を順番にアップロードすると、Seedanceが隣接フレーム間のトランジションを生成し、コンテまたはストーリーボード駆動のショートビデオが完成します。

適している用途：

• 製品の使用ステップのデモンストレーション
• レシピまたはチュートリアルシーケンス
• 特定の場所でのトラベルモンタージュ

4. サブジェクト参考（Subject Reference）

適用シナリオ： 複数の生成にわたってキャラクター/商品の外観の一貫性を維持する必要がある場合。

サブジェクトの参考画像をアップロードすると、Seedance 2.0が異なるシーン、背景、角度全体でその外観、顔の特徴、衣装の一貫性を維持します。

固定IPキャラクターを持つブランド、シリーズコンテンツ、または異なるシーンで同じ商品を視覚的に一貫して見せる必要があるECチームにとって、サブジェクト参考モードはスケールされたコンテンツ制作の鍵です。

@Referenceプロンプト：使い方

@referenceの文法はSeedanceが多素材入力用に設計した命令システムです。使用しない場合、モデルがアップロードされた素材の使い方を自分で決定します。使用すると、各素材の役割を指定できます。

サポートされている役割タグ：

• @image1 キャラクター ——この人物/主体を主役として使用
• @image2 スタイル ——この画像の美的スタイルをシーン全体に適用
• @image1 ファーストフレーム ——この画像を開始フレームとして使用
• @image2 ラストフレーム ——この画像を終了フレームとして使用
• @video1 カメラワーク ——この動画クリップのカメラワークをコピー
• @audio1 ビート同期 ——この音声のリズムに合わせて編集

1つのプロンプトで複数の参考タグを組み合わせることができます：

@image1のキャラクターが自信を持って歩き、@image3の都市背景で、
@video1のカメラワーク、@audio1のビート同期、
都会的なファッション広告、5秒、ゴールデンアワーの光

カメラワーク制御：実践解説

これはSeedance 2.0独自の機能で、SoraもVeoも持っていません。操作フロー：

1. 希望のカメラワーク参考動画を見つけるか録画する
2. 参考としてアップロード（動画入力エリア）
3. タグを付ける：@video1 カメラワーク
4. プロンプトでシーンの内容を描写

モデルは参考動画からカメラの速度、方向、特性を学習し、新しいシーンに適用します。これにより、複雑なカメラワークを正確にテキスト描写することなく、一連の動画で統一した撮影スタイルを維持できます。

ビート同期の実践手順

1. 音声ファイル（MP3またはWAV）を音声参考としてアップロード
2. プロンプトにタグを付ける：@audio1 ビート同期
3. モデルが音声トラックのビートマーカーを分析
4. 生成動画の編集とトランジションがビートに合わせられる

生成された動画には自然な編集リズムがあります。音声の3秒目にリズムのピークがあれば、動画もそこで視覚的な強調があります。

注意：Seedance 2.0は追加で環境音声を生成し、あなたの音声トラックに重ねます。元の音声トラックのみが必要な場合は、ポスト編集で音声トラックを個別に処理してください。

典型的なワークフロー例

EC製品動画（Amazon / Shopify）

入力：
- @image1：商品の正面画像
- @image2：ライフスタイルシーン背景（キッチン、ジム等）
- @audio1：ブランドBGM

プロンプト：
@image1商品を前面に配置、@image2環境、@audio1ビート同期、
スムーズな展示カメラワーク、暖かい照明、プロフェッショナルな商品広告スタイル、5秒

音楽ビデオクリップ

入力：
- @image1：アーティストの参考写真
- @video1：カメラワーク参考動画
- @audio1：楽曲

プロンプト：
@image1アーティストがパフォーマンス、@video1カメラワーク、@audio1ビート同期、
コンサートライブのダイナミックな照明、背景のぼやけた観客、5秒

不動産プレゼンテーション動画

入力：
- @video1：特定の飛行ルートのドローン映像
- @image1：建物外観の写真

プロンプト：
@video1カメラワーク、@image1の建物外観、空中フライオーバーの視点、
夕暮れの光、不動産プレゼンテーション、映画品質、8秒

よくある質問

1回の生成で最大何枚の画像をアップロードできますか？ 9枚の参考画像に加えて、最大3本の動画と3つの音声ファイル。1回の生成で最大15個の独立した素材を参照できます。

Seedance 2.0は1080pに対応していますか？ 対応しています。ProおよびBusinessプランで利用可能。無料アカウントは720p出力。1080pは1回あたり約80クレジットが追加で必要です。

最長どのくらいの動画を生成できますか？ Seedance 2.0は4〜12秒をサポートし、この範囲内で尺を選択できます。

商業プロジェクトに使用できますか？ ProおよびBusinessプランには完全な商業利用権が含まれており、有料プランでは透かしなしで出力されます。

ビート同期の効果はどの程度ですか？ リズムが明確な音楽（EDM、ポップ、ヒップホップ）では最もよく機能します。不規則なリズムの音楽（ジャズ、クラシック）では同期精度が下がります。安定したBPMのトラックの使用を推奨します。

@referenceタグは大文字・小文字を区別しますか？ 区別しません。@Image1、@image1、@IMAGE1はすべて同じように機能します。

日本語プロンプトのサポートは良好ですか？ Seedance 2.0は多言語プロンプトをサポートしており、日本語のシーン描写や商品説明も使用できます。ただし、英語プロンプトの方が通常より一貫した結果が得られます。

最終更新：2026年2月