はじめに
少し前に Seedance 2.0 を触ってみた記事を書きました。そのあと 2.5 に乗り換えたのですが、同じ感覚で操作すると挙動が変わっている所がいくつかあって、最初の何本かを無駄にしました。
新機能の紹介は他所にたくさんあるので、この記事は「2.0 で組んだ手順のどこが通用しなくなるか」に絞ります。数値は実際に触って確認したものです。
今回も seedance 2.5 というブラウザのスタジオから叩いています。モデル自体は ByteDance のもので、ここは公式ではなく、複数モデルを1画面から動かせるサードパーティのスタジオです。
何が変わったか
先に一覧です。
| 2.0（Mini） | 2.5 | |
|---|---|---|
| 長さ | 4〜15秒 | 4〜30秒 |
| 解像度 | 720p / 480p | 720p / 480p（据え置き） |
| アスペクト比 | 7種・既定 16:9
|
同じ7種・既定 adaptive
|
| 音声 | 既定オフ | 既定オン |
| 参照：画像 | 9枚 | 30枚 |
| 参照：動画 | 3本（15秒まで） | 10本（30秒まで） |
| 参照：音声 | 3本 | 10本 |
| Image to Video のプロンプト | 任意 | 必須 |
| seed | なし | あり |
| 最終フレームの取得 | なし | あり |
| 出力形式の指定 | なし | mp4 / mov |
増えたのは尺と参照の量、変わっていないのは解像度、そして黙って既定値が入れ替わっているのが3つ、というのが全体像です。事故になるのは最後のやつです。
黙って挙動が変わる3つ
1. 音声が既定オンになった
2.0 でも音声は出せましたが、スイッチは既定でオフでした。2.5 は逆で、何もしなければ音が乗ります。
無音の素材を前提に、あとから自分で音を当てるワークフローを組んでいる場合、ここが一番影響します。私は書き出したファイルを編集ソフトに並べた段階で気づきました。要らないなら生成前に明示的に切ります。
2. Image to Video でプロンプトが必須になった
2.0 は画像だけ渡して回せました。動きの指示は任意項目で、空でも通りました。
2.5 は必須です。「この画像がどう動くか」を書かないと先へ進めません。画像を投げるだけの手順を組んでいると、そこで止まります。
書く内容は、絵の説明ではなく動きの説明です。写っているものはモデル側が見ているので、そこをなぞっても尺が動きません。
NG（絵の説明になっている）
夕暮れの海沿いの駐車場に立つ、茶色いジャケットの女性。
OK（動きを書いている）
女性がゆっくりカメラのほうへ振り向く。風でジャケットの裾と後れ毛が揺れる。
カメラは固定。奥の波は寄せ続ける。
もっとも、これは実質的に改善だと思っています。2.0 で動きを書かずに回すと、ほぼ静止画みたいな動画が出てきていたので、必須になったぶん失敗作が減りました。
3. アスペクト比の既定が adaptive になった
2.0 の既定は 16:9 で、何も選ばなければ横動画が出ました。2.5 の既定は adaptive、つまり入力画像の比率にそのまま合わせます。正方形の画像を渡せば正方形の動画が出ます。
選べる比率のリスト自体は両方とも同じ7種類なので、変わったのは既定値だけ……と思っていたのですが、もう一段あります。Image to Video の First + Last Frame モードでは、そもそもアスペクト比の項目が表示されません。このモードは入力画像の比率に従う前提で、他の値を指定しても上流で弾かれるためです。比率を選べるのは Multi-Reference モードのときだけでした。
なので2.0 で「とりあえず 16:9 を選んでおく」という手順を組んでいた人は、その項目を探しても見つからなくて一度止まると思います。素材側の比率で決まる、と理解を切り替えるのが早いです。ここで具体的にやらかした話は、Midjourney と組み合わせた別記事のほうに書きました。
増えた所：尺
15秒から30秒になりました。倍です。
体感としては「1カットで完結させられる場面が増えた」というより、繋ぐ回数が減ったという効き方でした。15秒だと2〜3本繋ぐ必要があったものが、1本で収まる。繋ぎ目が減れば、そのぶん画が飛ぶ事故も減ります。
もうひとつ、音声が既定オンになったことと合わせて効いてくる場面があります。台詞を入れる場合、15秒だと一文の途中でカットが終わってしまい、繋いだ先で言い直させる羽目になりがちでした。30秒あると一往復くらいの会話がそのまま収まるので、音を後から編集で辻褄合わせする手間が減ります。尺と音声の変更は別々の項目ですが、実際に使うと連動して効いてきました。
増えた所：参照素材の量
ここの伸びが一番大きいです。
- 画像：9枚 → 30枚
- 動画：3本 → 10本、しかも1本あたり15秒までだったのが30秒まで
- 音声：3本 → 10本
Image to Video には Multi-Reference というモードがあって、そこに渡せる画像も9枚から30枚に増えています。
枚数が増えて実際に楽になったのは、同じ世界観を維持したいときでした。9枚だと「キャラの参考」「背景の参考」「色味の参考」を入れるとすぐ埋まります。30枚あると、同じ被写体を角度違いで何枚も入れておけるので、寄せ方が安定しました。
ただ、たくさん渡せば必ず良くなるわけではないです。方向性の違う画像を混ぜると平均化されて、どっちつかずの画になります。枚数の余裕は「別の指示を足す枠」ではなく「同じ指示を補強する枠」だと思って使うほうが結果が良かったです。
実際に30枚をどう埋めたかというと、だいたいこの配分に落ち着きました。
| 用途 | 枚数の目安 |
|---|---|
| 被写体（同じ人物・同じ服を角度違いで） | 10〜15 |
| 背景・ロケーション | 5〜8 |
| 色味やライティングの参考 | 3〜5 |
| 小物・質感の参考 | 2〜3 |
被写体に一番厚く割くのが効きました。9枚時代は被写体に3〜4枚しか回せず、カットごとに顔や服の印象が動いていたのが、ここを厚くしてから落ち着いています。
参照動画のほうも、1本あたりの上限が15秒から30秒になっています。カメラワークを真似させたいとき、15秒だと動きの途中で切れてしまって参考にならないことがあったので、ここは地味に助かりました。
増えた所：seed と、最終フレームの取得
2.0 には無かったものが2つ増えています。
seed が指定できるようになりました。同じ seed と同じプロンプトで、同じ出だしから作り直せます。プロンプトを一語だけ変えて比較したいときに、ようやくまともな比較ができるようになりました。seedance 2.0では毎回別物が出てくるので、何が効いたのか判断できませんでした。
未指定だとランダムなので、当たりが出た時点でその seed を控えておいて、以降はそれを固定したまま言葉だけ動かす、という使い方をしています。
最終フレームの取得（return_last_frame）は、生成した動画の最後のコマを返してもらう機能です。それを次のカットの1枚目として渡せば、繋がりのあるカットを積めます。これも2.0には無く、当時は自分で動画から静止画を切り出していました。
変わっていない所：解像度
正直に書いておくと、解像度は 720p と 480p のままです。バージョンが上がったので上限も上がっているだろうと思って探しましたが、選択肢は2.0と同じでした。
なので「納品解像度が足りなくて 2.0 を諦めていた」という人にとっては、2.5 でも状況は変わりません。逆に言うと、尺と参照の量で困っていたなら効きます。自分がどっちで詰まっていたかで、乗り換える価値がかなり変わると思います。
2.0 を使い続ける理由はあるか
短いカットを数撃つだけなら、正直どちらでもいいです。参照を9枚以内で済ませていて、尺も15秒で足りていて、音は自分で当てる、という組み方をしているなら、2.5 に移っても操作が変わるだけで得は少ないと思います。
移る価値が出るのは、繋ぎの回数を減らしたい場合と、参照を増やして絵を安定させたい場合、それと seed で比較検証をしたい場合です。
まとめ
2.0 → 2.5 で実際に手が止まったのは、新機能ではなく既定値が入れ替わった3か所（音声オン／プロンプト必須／比率が入力追従）でした。移行するときは、この3つだけ先に確認しておけば無駄打ちが減ります。
伸びたのは尺（15→30秒）と参照の量（画像9→30枚ほか）、据え置きは解像度。ここを踏まえて、自分がどこで詰まっていたかと照らすのが早いと思います。