Seedance 2.5 テキストから動画生成
doubao/seedance-2-5/text-to-video
Seedance 2.5 は次世代の高品質動画生成モデルであり、テキストから動画生成、複数のアスペクト比、480p/720p/1080p 解像度、AI 同期音声生成に対応し、指示追従性・カメラ制御・モーション品質が向上しています。
サンプル
パラメータ
| 名前 | 型 | 既定 | 制約 | 説明 |
|---|---|---|---|---|
| prompt *プロンプト | textarea | — | — | 動画生成に使用するポジティブプロンプト。 |
| generate_audioオーディオ生成 | boolean | true | — | 生成動画に映像と同期した音声を含めるかどうか。 |
| resolution解像度 | select | 720p | 480p | 720p | 生成動画の解像度。 |
| ratioアスペクト比 | select | adaptive | adaptive | 21:9 | 16:9 | 4:3 | 1:1 | 3:4 | 9:16 | 生成動画の画面比率。 |
| duration再生時間 (秒) | slider | 5 | 4 ~ 30 · step 1 | 生成動画の長さ(4〜30 秒の整数のみ対応)。 |
| return_last_frame最後のフレームを返す | boolean | — | — | 生成された動画の最後のフレームを返すかどうか。 |
| watermark透かしを追加 | boolean | false | — | 生成動画に透かしを含めるかどうか。 |
| seedシード値 | number | -1 | -1 ~ 4294967295 | 生成結果のランダム性を制御するシード値。 |
API
統一 REST API でこのモデルを呼び出せます。API Keys ページでキーを取得してください。
cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/doubao/seedance-2-5/text-to-video" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"input": {
"prompt": "A serene landscape with a futuristic city in the background, glowing with neon lights under a starry night sky.",
"generate_audio": true,
"resolution": "720p",
"ratio": "16:9",
"duration": 6,
"watermark": false,
"seed": -1
}
}'
# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
-H "Authorization: Bearer YOUR_API_KEY"Python
import time, requests
API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
# 1) Submit
resp = requests.post(
"https://www.namifusion.com/api/v1/marketplace/run/doubao/seedance-2-5/text-to-video",
headers=HEADERS,
json={
"input": {
"prompt": "A serene landscape with a futuristic city in the background, glowing with neon lights under a starry night sky.",
"generate_audio": True,
"resolution": "720p",
"ratio": "16:9",
"duration": 6,
"watermark": False,
"seed": -1
}
},
)
resp.raise_for_status() # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()
# 2) Poll until a terminal state (completed / failed / cancelled).
# This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
if time.time() > deadline:
raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
time.sleep(3)
poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
poll.raise_for_status()
task = poll.json()
print(task["status"], task.get("output"))JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };
// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/doubao/seedance-2-5/text-to-video", {
method: "POST",
headers: { ...HEADERS, "Content-Type": "application/json" },
body: JSON.stringify({
"input": {
"prompt": "A serene landscape with a futuristic city in the background, glowing with neon lights under a starry night sky.",
"generate_audio": true,
"resolution": "720p",
"ratio": "16:9",
"duration": 6,
"watermark": false,
"seed": -1
}
}),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();
// 2) Poll until a terminal state (completed / failed / cancelled).
// This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
await new Promise((r) => setTimeout(r, 3000));
const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
task = await poll.json();
}
console.log(task.status, task.output);ドキュメント
Doubao-Seedance 2.5
「プロダクションを一つのモデルに」:マルチモーダル融合による精密なビデオ制作。
Seedance 2.5は、ByteDanceが提供する次世代AI動画生成モデルです。「一人映画制作」を現実にするため、革新的なマルチモーダル・レファレンス・システムを搭載。最大12個の素材(画像、動画、音声、テキスト)を組み合わせることで、キャラクターの一貫性、カメラワーク、リズムをピクセル単位で正確に制御できます。
🚀 主な特徴
- マルチモーダル融合制御: 画像30枚+動画10本+音声10本(最大50素材)を同時入力可能。キャラクターの固定や複雑な動作の指定が容易です。
- 映画レベルの画質: 480pおよび720p解像度に対応。映画レベルのライティングと質感を実現し、AI特有の違和感を排除。
- ネイティブ音画同期: リップシンク(口パク)とリズム解析を内蔵。BGMのビートに合わせて動画の動きを自動調整します。
- 卓越した物理演算: 流体、重力、複雑な人間動作をリアルにシミュレート。生成成功率は驚異の**99.5%**を誇ります。
- プロ級のカメラ制御: 自然言語で「ドリーイン」「パン」「ズーム」などの高度なカメラワークや照明の変化を指定可能。
🛠️ 技術仕様
| 項目 | 詳細 |
|---|---|
| アーキテクチャ | Multi-modal Diffusion-Transformer (DiT) |
| 最大解像度 | 720p (対応: 480p, 720p) |
| 動画の長さ | 4 - 30 秒(整数) |
| アスペクト比 | 16:9, 9:16, 4:3, 3:4, 21:9, 1:1, adaptive |
| 入力モード | テキスト、画像 (最大30)、動画 (最大10)、音声 (最大10) |
| 生成速度 | 1クリップあたり約30〜90秒 |
サンプルプロンプト
- シネマティック: 「雨の夜の街、ネオンが揺れる。黒いコートの男が赤い傘を差して歩く。顔のアップまでゆっくりとズーム。憂鬱な映画風、冷たい色調。」
- 精密制御: 「@Image1 をキャラクターに、@Video1 のカメラワークを参考に、@Audio1 のリズムに合わせて生成。」
💰 料金プラン (火山エンジン API)
| サービスタイプ | 解像度 | 価格 | 概算コスト |
|---|---|---|---|
| 動画生成 (動画入力なし) | 480p/720p | $10.70 / 1M トークン | ~1秒あたり $0.103/0.231 |
| 動画生成 (動画入力あり) | 480p/720p | $6.40 / 1M トークン | ~1秒あたり $0.079/$0.178 |
💡 最適な活用シーン
- EC・広告制作: 高品質な商品デモやプロモーション動画を短時間で作成。
- ミュージックビデオ (MV): 曲のテンポに合わせて視覚効果やシーン転換を自動同期。
- SNSコンテンツ: TikTokやReels向けのプロフェッショナルな動画を、高価な機材なしで量産。
関連モデル
xAI Grok Imagine Video v1.5 テキストから動画生成
テキストプロンプトから1-15秒の動画を生成します。480p、720p、1080pに対応しています。
Nami Wan 2.7 T2V Spicy
WAN 2.7 Spicy はテキストプロンプトから高品質な動画を生成し、より自然で滑らかなモーション、高い画面一貫性、表現力豊かなシネマティック映像を実現します。マルチショット生成とプロンプト最適化に対応し、クリエイティブコンテンツ、広告制作、キャラクターアニメーション、映画品質の動画生成に最適です。すぐに使える REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
MiniMax H3 テキストから動画生成
MiniMax H3 テキストから動画生成は、プロンプトから一貫性のある 2K 動画を生成できます。4〜15秒の柔軟な長さと、6種類のアスペクト比に対応し、シネマティックなシーン、クリエイティブ動画、制作ワークフローに適しています。すぐに使える REST 推論 API を提供し、高性能・コールドスタートなし・手頃な価格で利用できます。
Kling Omni Video O3 標準版テキストから動画生成
Kling Omni Video O3 は、MVL(マルチモーダルビジュアルランゲージ)技術を採用したKuaishouの高度な統合型マルチモーダル動画モデルです。テキストから動画生成モードでは、プロンプトを基に主体の一貫性、自然な物理シミュレーション、正確な意味理解を備えた映画品質の動画を生成します。音声生成にも対応。すぐに使えるREST API、最高のパフォーマンス、冷スタートなし、手頃な価格。
Kling Omni Video O1 テキストから動画生成
Kling Omni Video O1 は、MVL(マルチモーダルビジュアルランゲージ)技術を採用したKuaishou初の統合型マルチモーダル動画モデルです。テキストから動画生成モードでは、プロンプトに基づいて映画品質の動画を生成し、主体の一貫性、自然な物理シミュレーション、正確な意味理解を実現します。すぐに使えるREST API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling 3.0 標準版
Kling 3.0 標準版は、高品質なテキストから動画生成を提供します。滑らかな動き、映画のような映像、正確なプロンプトの適合性、そして共有可能なクリップ用のネイティブ音声を備えています。即時利用可能な REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling V2.6 テキストから動画生成 API
Kling 2.6 は、滑らかなモーション、映画のようなビジュアル、強力なプロンプト適合性、そしてネイティブオーディオを備えた、トップクラスのテキストから動画生成を提供します。共有可能なクリップを即座に生成可能。すぐに使用できる REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Gemini Omni Flash テキストから動画生成 API
Gemini Omni Flash Text to Video は、テキストのプロンプトから音声同期付きの短い AI 動画を生成し、映像生成と音声出力を組み合わせて高速なマルチモーダル動画作成を実現します。すぐに使える REST 推論 API で、高性能、コールドスタートなし、手頃な価格です。