Seedance 2.0 Fast Reference to Video

Seedance 2.0 Fast Reference to Videoは、ByteDanceが提供する最先端のリファレンス駆動型ビデオモデルです。クリエイティブな幅を保ちながら、より速い生成結果を実現するためにチューニングされています。テキストプロンプトだけでビデオを生成するのではなく、自分のリファレンス素材をモデルに与え、画面上で各要素がどのように組み合うかを演出できます。一度の生成で最大9枚の画像、3本のビデオ、そして3つのオーディオクリップを組み合わせ、映像と音声のソースを自由にミックスして、仕上がり映像の見た目、動き、音に思い通りの指示ができます。

このモデルの最大の特徴は、プロンプト内でリファレンスを直接指定できる点です。アップロードしたすべての画像、ビデオ、オーディオにはハンドル名が付き、@Image1、@Video2、@Audio1のように記述することで、どの素材がどのシーンやキャラクター、動き、音声に影響するかを明確に指示できます。つまり、単に雰囲気を伝えるだけでなく、@Image1のキャラクター、あるクリップの動き、別のトラックの声や環境音――それらの相互作用まで細かく演出するワークフローです。既存素材の変換やスタイライズ、ショット間でキャラクターや雰囲気を一貫させたり、音声に合わせて口の動きをリップシンクさせたりするのに最適です。

モデルの出力は音声と同期した完成動画です。オーディオ生成をオンにすると、画面上のアクションに合った効果音や環境音、リップシンクしたセリフなどの音声が自動生成されます。独自にサウンドトラックや音声を用意したい場合は、リファレンスオーディオクリップをアップロードしてプロンプトで参照できます。なお、リファレンスオーディオを含める場合は、必ず少なくとも1つのリファレンス画像またはビデオを一緒に指定する必要があります。

フレーミングも自由自在です。ワイド（16:9）、縦型（9:16）、SNS向けスクエア（1:1）、映画風のウルトラワイド（21:9）、4:3や3:4など、多彩なアスペクト比から選択可能。プロンプトに応じて自動決定もできます。動画の長さも4秒から15秒の間で調整でき、オート設定ではシーンに合った長さを自動で選んでくれます。短いループ動画から少し長めのナラティブまで自在です。

出力品質も用途に応じて選べます。高速な生成には480p、バランス重視なら720p。また最高品質や大きなファイルサイズが希望の場合は高画質バージョンも選択できます。一方で標準品質ならファイルサイズを抑えて素早いアイデア出しに最適です。ニーズに合わせてスピード・品質・ファイルサイズを柔軟にコントロールできます。

入力フォーマットも幅広く対応。画像はJPEG、PNG、WebP、ビデオはMP4またはMOVで、解像度は480p〜720p、合計動画長は2〜15秒。オーディオはMP3またはWAVで、音声全体で15秒以内。1回の生成で、12個までのリファレンス素材（画像・動画・音声の合計）を組み合わせ可能なので、豊富なパレットから選択してクリエイティブを実現できます。

このモデルは、幅広いクリエイターに最適です。映像制作者やビデオエディターは素材のスタイライズや変換、シーン拡張、複数テイクの統合に使えます。コンテンツクリエイターやSNS制作者は縦型やスクエア動画・短尺映像を迅速に作れます。キャラクターデザイナーやアニメーターはリファレンス指定でキャラの一貫性やリップシンクも自在。ミュージシャンや音声ストーリーテラーは音と映像を組み合わせて動きとサウンドの同期が可能。どのリファレンスが何に使われてどう展開するかを明確に指示するほど、意図通りの映像を作れます。

実際に利用する際の注意点もいくつかあります。リファレンスオーディオ利用時は必ず画像または動画を一緒に指定する必要があります。ビデオ素材は対応解像度／長さであること、音声は合計15秒以内、全リファレンス数は12個まで。高解像度・高画質はレンダリング時間が長くなりますが見栄えがよくなり、480pや標準品質は素早い試作に最適です。リファレンス素材は明瞭で明るく、はっきりと枠組みされたものが理想的です。プロンプトで各リファレンスを明示し、動きや雰囲気、音を具体的に指示することで、Seedance 2.0 Fast Reference to Videoは自分の画像・映像・音を意図通りの短編動画へ変える柔軟なツールとなります。