Seedance 2.0 プロンプト
ByteDance のマルチショット動画モデル——香盤表のようにショットを書けば、キャラクターはリップシンクで語り、音は空間に定位します。
Seedance 2.0 について
Seedance 2.0 は ByteDance の動画生成モデルで、最大の特徴は「単発クリップ」ではなく「ショットの連なり」で考えることです。多くのモデルが 1 つの連続ショットしか出せないのに対し、Seedance は 1 回の生成の中で被写体を複数のショットに引き継げます——引きの説明カット、寄りへのカット、リアクション——しかも台詞はネイティブのリップシンクで口元と一致し、音声は空間に定位します。
だからこそ、小さな物語を語りたいときに手が伸びるモデルです。キャラクター同士の短いやり取り、3 アングルで切り替わるプロダクト披露、吹き替えではなく「本当に話している」と感じさせたい一言。各種レビューでも常に最強クラスの動画モデルとして挙げられ、その強みはまさにこの監督型のショットコントロールにあります。
ただしマルチショットは諸刃の剣です。曖昧なプロンプトはモデルに委ねる判断が多すぎて、カットの流れが崩れます。明示的なショットリストと台詞マーキングで書かれたプロンプトこそが、まとまったシーケンスと支離滅裂の分かれ目です。下のギャラリーには検証済みの Seedance プロンプトと実際の出力を収録しています。動く構造から始めてください。
Seedance 2.0 プロンプトの書き方
- 1プロンプトは番号付きのショットリストで書く——「ショット1:引きで状況説明…… ショット2:クローズアップへカット……」。Seedance は長い一段落より明示的なシーケンス構造に忠実です。
- 2キャラクターの識別要素(服装・髪型・体型)をすべてのショット行で繰り返す。カットをまたいで同一人物を保つのは、記述の一貫性です。
- 3台詞は明確にマークし、話者を指定する:女性が言う:「夜明けに出発よ」。引用符付きで話者が明示された台詞が、正確なリップシンクを引き出します。
- 4空間音声も演出する——音の出どころを書く:「画面外左から近づく足音、彼女の背後に群衆のざわめき」。定位の指示がミックスに立体感を与えます。
- 51 ショットに役割は 1 つだけ:説明する、見せる、反応する。1 つのショット行に 2 つのビートを詰めるのが、カットが濁る最大の原因です。
- 6登場人物は少なく——話すキャラクターは 1〜2 人まで。話者が増えるたびに、ショットをまたぐ一貫性とリップシンクの負荷が倍増します。
よくある質問
Seedance 2.0 は何が得意ですか?
1 回の生成で完結するマルチショットの物語です。同じキャラクターを保ったままアングルを切り替え、台詞にはネイティブのリップシンク、音は空間に定位します。アイデアが 1 ショットで収まらないなら、Seedance はそのために作られています。
Seedance 2.0 でマルチショットのプロンプトを書くには?
明示的なショットリストとして構成します——各ショットに番号を振り、役割を 1 つに絞り、キャラクター描写を毎ショット繰り返してカット間の同一性を保ちます。このページの検証済みプロンプトがその型です。コピーして自分の物語のビートに差し替えてください。
Seedance 2.0 はリップシンクと台詞に対応していますか?
はい——リップシンクはネイティブ機能です。台詞を引用符に入れ、どのキャラクターの発話かを明示すれば、生成された音声は口の動きと一致します。空間音声もレンダリングされるため、音の出どころを描写する価値があります。
これらの Seedance プロンプトはどこで使えますか?
Seedance は ByteDance のクリエイティブプラットフォーム Dreamina(即夢 AI)で利用でき、開発者は Volcano Engine API からアクセスできます。このページのプロンプトをコピーして貼り付け、ショットリストを自分のシーンに合わせて調整してください。
関連モデル
Seedance 2.5
Seedance 2.5 is a next-gen AI video model that generates continuous, synchronized 30-second 4K clips from a single prompt.
Seedream 5
ByteDance's high-fidelity bilingual image model — the best quality-to-cost ratio for high-volume pipelines.
MiniMax H3
MiniMax H3 is a powerful multimodal video generation model that creates up to 15-second 2K videos with native stereo sound from text, image, video, and audio inputs.
Runway Gen-4
Runway's Gen-4: consistent characters and world-building for filmmakers.