ByteDance: Seedance 2.0

ByteDance: Seedance 2.0 は、生成メディアモデルの Seedance シリーズを手がける ByteDance による動画生成モデルです。動画カテゴリに属し、その役割は、入力をもとにテキストや静止画ではなく完成した動画の出力を生成することです。生成されたモーションフッテージが必要なものを構築しているなら、このプロバイダーでは注目すべきモデルファミリーです。

入力側では、Seedance 2.0 はマルチモーダルです。テキスト、画像、動画、音声を参照として受け取り、出力としては動画のみを生成します。この組み合わせにより、テキストから動画、最初と最後のフレーム制御を伴う画像から動画、既存のクリップや音声をガイダンスとして提供するマルチモーダル参照から動画をカバーします。出力は 480p、720p、1080p、4K で生成でき、アスペクト比は 1:1、3:4、9:16、4:3、16:9、21:9、9:21、長さは 1 秒刻みで 4 秒から 15 秒です。音声生成もサポートされているため、返される動画にはサウンドトラックを含めることができます。このモデルにはコンテキスト長が公開されていませんが、これはテキストモデルではなく動画生成器としては想定内です。

これらの機能は、いくつかの実用的なパターンを示しています。キャラクターの一貫性は明言されている強みであるため、同じ被写体がショット間で同じに見える必要があるエピソード内容やシリーズ内容は自然に適合します。最初と最後のフレーム制御は、ショット間の遷移や、すでに持っている 2 つのキーフレーム間の補間に適しています。動画と音声の入力を使った参照から動画は、生成されたクリップを既存の素材のスタイル、ペース、またはサウンドに一致させたい場合に有用です。アスペクト比の範囲は、縦型ソーシャル形式、正方形投稿、ワイドスクリーン、ウルトラワイドをカバーし、4 秒から 15 秒の長さは、ショートフォーム広告、ティーザー、ソーシャルクリップに合います。4K 出力は、結果がより大きな画面やさらなる編集に耐える必要がある場合に重要です。

これは、モデル id「bytedance/seedance-2.0」を使用して、api14 の OpenAI 互換 API を通じて呼び出します。インターフェースは OpenAI スキーマに従っているため、既存の OpenAI クライアントを api14 のベース URL に向け、上記のモデル id とリクエスト本文内のプロンプトおよび参照メディアを指定して、通常の形式でリクエストを送信できます。このモデルに記載されているパラメータの中で、frequency_penalty はサポートされています。解像度、アスペクト比、長さ、最初と最後のフレーム画像、音声生成などの他の生成制御は、標準のチャットパラメータではなく、モデル独自の設定面の一部であるため、それらがどのように渡されるかはモデルページを確認してください。

ここでは公開されたコンテキスト長も最大出力トークン数も考慮する必要はありません。出力はトークンストリームではなく動画ファイルだからです。タスクがテキスト生成、推論、分類、または単語を返すものである場合、テキストモデルの方が適しています。Seedance 2.0 は、成果物が動画である場合にのみ有用です。その範囲内では、マルチモーダル参照、フレームレベルの制御、または生成されたクリップ内の音声が必要なときに評価すべき選択肢です。