ByteDance Seed、30秒の音声付き動画を生成できるSeedance 2.5を発表
2026年7月31日、ByteDance Seedは次世代の音声・映像同時生成モデル「Seedance 2.5」を発表しました。最大の変更点は長さです。1回の生成で30秒のクリップが得られ、発表で比較対象とされた従来モデルの15秒から倍になりました。さらに延長を繰り返すことで、より長い動画も作れます。
詳細
- クリップの長さ: 1回の生成で30秒の音声付き映像。モデルページでは2回まで延長できるとされ、ブログでは延長を重ねて数分の動画を作りつつ、キャラクター・環境・テンポの一貫性を保てると説明しています。
- マルチモーダル参照: 1回の生成で画像30枚、動画10本、音声10本まで(合計50点)。複数キャラクターの外見と声を維持できます。
- 参照モード: クレイレンダー(質感のない3Dモデル)モードで空間配置、ポーズ、動きの軌跡、カメラアングルを制御できます。モーション参照とクリエイティブ参照により、被写体・動作・カメラワークをより細かく指定できます。
- 編集: 生成時のタイムスタンプ単位の制御、生成後の特定クリップ内でのキャラクター・動作・展開の修正、新しい背景に合わせて被写体を調整するグリーンバック編集、カメラ視点編集、参照ベースの編集。
- 品質に関する主張: テクスチャ、肌と目、照明、色の改善、意図しない字幕やBGMの減少。いずれもByteDance自身の主張です。
- 公開時の提供状況: Jimeng AIとDoubao Proで順次提供(動画生成でSeedance 2.5を選択)。API(BytePlus ModelArk経由)は近日提供とされていました。
- 明記された課題: 複雑な動きの物理的な妥当性と、複数の被写体が相互作用する場面の安定性にはまだ改善の余地があるとしています。
- 記載なし: この発表には解像度、フレームレート、価格の記載がありません。公開当日の報道にそれらの数値があっても、この投稿が出典ではありません。
その後
予告されたAPIは数日以内に登場しました。BytePlusが2026年8月6日に独自の提供開始記事を公開しており(別記事で紹介)、ModelArkの料金ページにはSeedance 2.5のモデルIDも載っています。2.5の意義は画質そのものより制御性にあります。長尺の1テイク、多数の参照入力、タイムスタンプ編集は、作り直しではなく修正が求められる広告、EC、プリビズの用途を狙ったものです。ByteDance自身が挙げる課題である複数被写体の相互作用と複雑な物理表現は、本番利用の前に検証したい点です。