はじめに
2026年2月、ByteDanceのSeedチームが**シーダンス 2（Seedance 2）**をリリースしました。このモデルは、デュアルブランチ拡散トランスフォーマー（dual-branch diffusion transformer）アーキテクチャを採用し、マルチモーダル入力から高品質な動画を生成できます。
技術仕様
入力の柔軟性
シーダンス 2の最大の特徴は、同時に複数のモダリティを処理できる点です：
- 画像：最大9枚
- 動画クリップ：最大3本
- 音声クリップ：最大3本
- テキスト指示
出力品質
- 解像度：最大2K
- 長さ：15秒
- 音声：対話、効果音、環境音、音楽を1回の生成で同期出力
競合比較
| モデル | 解像度 | 長さ | 音声同期 | マルチモーダル入力 |
|---|---|---|---|---|
| シーダンス 2 | 2K | 15秒 | ネイティブ対応 | 9画像+3動画+3音声 |
| Sora 2 | 1080p | 25秒 | 限定的 | テキスト+画像 |
| Kling 3.0 | 4K | 15秒 | 8言語リップシンク | テキスト+画像 |
| Veo 3.1 | 1080p | 8秒 | ネイティブ対応 | テキスト+画像+動画 |
実装上の利点
- フレーム単位の制御：モーションガイダンスにより、各フレームの動きを細かく指定可能
- カメラワーク制御：パン、ティルト、ズームなどの映画的な動きを指示できる
- 動画拡張機能：既存の動画を自然に延長可能
使用モード
- Text to Video：テキストプロンプトから動画生成
- Image to Video：静止画に動きを付与
まとめ
シーダンス 2は、特にマルチモーダル入力と音声同期の面で他のモデルより優れています。開発者にとって、1回のAPI呼び出しで完全な動画コンテンツを生成できる点は大きなメリットです。
詳しい使い方ガイド：seedance2jp.com