Seedance 2.5で思いどおりの動画を作る｜公式プロンプトガイドの読み解きとClaude Codeでの進め方

株式会社TIMEWELLの濱本 隆太です。

動画生成AIを触りはじめた方から、こういう相談をよく受けます。「プロンプトをいろいろ試しているのですが、思ったような動きになりません。うまい書き方の型はありますか」。

気持ちはとてもよくわかります。画像生成では、呪文のような長いプロンプトを組むと結果が良くなる、という経験をした人が多いからです。同じ感覚で動画に向かうと、形容詞を積み上げた長文を書くことになります。

ところが、Seedance 2.5 の公式プロンプトガイドを読むと、そこには少し違うことが書かれています。文章が責任を持つ範囲は、私たちが思っているよりずっと狭い。動きや立ち位置の正解は文章ではなく素材が持っていて、文章の仕事はその配分を決めることだ、という設計思想です。

この記事では、Seedance とは何かというところから始めて、公式ガイドが何を求めているのかを読み解きます。あわせて、Claude Code のようなコーディングエージェントと組み合わせるとなぜ相性がいいのかもお話しします。最後に、業務で使うときのデータの扱いについても触れます。

先にお断りしておくと、この記事は2026年8月16日時点の公式ドキュメントにもとづく整理です。この分野は仕様の更新が速く、実際に本記事の執筆中にも仕様変更の告知がありました。数値や機能は必ず公式の最新版でご確認ください。

Seedanceとは何か

Seedance は、ByteDance の AI 研究部門である ByteDance Seed が開発している動画生成モデルのシリーズです¹。

系譜としては、1.5 が「音声と映像の同期生成」、2.0 が「統合されたマルチモーダルの音声映像生成」と公式自身が整理していて²、2026年7月31日に発表された 2.5 はその上に「長めのストーリーテリング」「多様な参照」「編集」の3点を積み上げたものだと説明されています¹。

初めて触る方向けに、公式ドキュメントで確認できる基本仕様を並べます。

項目	Seedance 2.5	前世代（2.0系）
出力の長さ	4〜30秒	4〜15秒
フレームレート	24fps	24fps
参照素材の上限	画像30枚＋動画10本＋音声10本＝計50点	画像9枚＋動画3本＋音声3本＝計15点
音声	映像と同時に生成（既定でオン）	同時生成

参照素材が15点から50点に増え、尺が15秒から30秒に倍増した、というのが世代交代の中身です³⁴。

数字を見るときに一点だけ注意があります。動画と音声は「10本まで」ですが、合計の長さが30秒以内という条件が別についています⁵。本数だけを見て10本入れようとすると、条件に引っかかることがあります。

音声は既定で生成されます。API の音声生成パラメータの既定値が「オン」なので、何も指定しなければ音のついた動画が出てきます⁶。日本語を含む11言語に対応しているとされています⁴。

解像度については、記事執筆時点で注意が要ります。公式ドキュメントには、Seedance 2.5 は現時点で1080pと4Kに対応しておらず、選べるのは480pと720pだと書かれています⁴。一方で API リファレンスには、2026年8月17日（北京時間）から1080p出力に正式対応するという告知が出ています⁷。つまりこの記事を書いている時点では720pまでですが、明日には変わる予定、という状態です。世の中には「ネイティブ4K対応」と書いている解説も見かけますが、少なくとも公式ドキュメントの記述とは合いません。こういうところは、公式を見に行くのがいちばん確実です。

プロンプトが責任を持てる範囲は、思っているより狭い

ここからが本題です。

公式のプロンプトガイドは、冒頭でこう指示しています。「Seedance 2.5 を映像コンテンツのプロデューサーとして扱い、映像的なストーリーテリングの発想で構造化されたプロンプトを書け」⁸。

さらに、2.0系の公式ガイド（2.5のガイドが参照を指示している姉妹文書）には、もっと踏み込んだ定義があります。良いプロンプトとは「コピーライティング的な描写」ではなく「エンジニアリング的な指示」である、と⁹。誰が、どのシーンで、何をして、カメラがどう動き、どの時系列で起きるのか。それぞれを別のレイヤーに配分して渡す、という考え方です。

この「配分」という発想が、動画生成では決定的に効きます。

理由は単純で、Seedance 2.5 は1回の生成で最大50点の参照素材を受け取れるからです。この仕様は、プロンプトがすべてを説明する前提では作られていません。 説明する文章と、実物を持っている素材と、どちらが正確かを考えれば、どちらに任せるべきかは自ずと決まります。

動きの正解をいちばん正確に持っているのは、その動きを撮った動画そのものであって、それを言葉で説明した文章ではありません。顔の正解を持っているのは画像です。空間の構造とカメラの軌道の正解を持っているのは、テクスチャのない3Dモデル（白模型）です。

公式ガイドは、この考え方をかなり具体的に書いています。白模型については、テクスチャのない3Dモデルで空間構造・ポーズ・移動経路・カメラアングルを組み立てられる、と説明したうえで、精密なモデルより粗いモデルのほうが参照としてはうまくいくとまで書いています¹⁰。作り込むほど良いわけではない、というのは直感に反しますが、参照として渡すのは構造であって見た目ではない、と考えれば筋が通ります。

公式が求めるプロンプトの書き方

では具体的に何を書くのか。公式ガイドから、実務でそのまま効く指針を4つ取り出します。

1. 素材ごとに役割を明示する

これが公式の中核です。ガイドは「各参照素材の役割を明確に指定せよ。何のための参照なのかを含めて」と書いています。素材の一部だけを参照したい場合は、その旨も明示せよ、と続きます¹¹。

見落としやすいのは、役割を指定しなかった場合の既定の挙動です。公式は「生成タスクにおいて、参照動画からキャラクターの同一性・衣装・シーン全体を既定では継承しない」と明記しています¹²。つまり、動画を渡しただけでは何を参照してほしいのかがモデルに伝わりません。

書き方も具体的に案内されています。@Image 1、@Video 1、@Audio 1 のように素材を参照し、それぞれが何を提供するのかを書く¹³。そして、画像の中に名前を書き込んで対応づけようとしてはいけないとも書かれています。人物の画像に「John」と書いておいて文章側で「John」と呼ぶ、というやり方は推奨されません¹⁴。

さらに、複数の被写体をまとめて範囲指定するのも禁じられています。「キャラクターAとキャラクターBは @Image1 と @Image2 を参照」ではなく、1行に1被写体で分けて書け、という指示です¹⁵。

2. 使わない素材も明記する

これは知らないとまず書かない指示です。公式ガイドは、使える状態にあるが役割を割り当てていない素材は、すべて個別に「使わない素材」として列挙せよと求めています。理由も書かれていて、下流のプロンプト補完処理が、放置された素材を勝手に再活性化させることを防ぐためです¹⁶。

素材を並べておいて使わない、という状態が最も危ないわけです。

3. 抽象的な形容詞ではなく、観察できる動作で書く

「形容詞を積み上げるな」という一文そのものは公式ガイドには見当たりませんでしたが、機能的に同じ指針が複数あります。

感情表現については、「目・眉・口・呼吸・視線・手の動き・姿勢の中から最も明確な手がかりを少数だけ選べ。考えうる微表情を全部盛るな」¹⁷。商品訴求については、「効率的」「賢い」「信頼できる」といった抽象的な売り文句は、「初期状態から、具体的な操作を経て、観察できる結果に至る」という形に変換せよ¹⁸。

脚本をそのままプロンプトに貼るのも明確に禁じられています。冗長な文章はモデルの理解を混乱させる、という理由です¹⁹。

4. 苦手なことを知っておく

公式が自ら認めている限界も、ガイドとブログに書かれています。これを知らずに突っ込むと、時間を溶かします。

• 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は、まだ改善余地があると公式ブログが明記しています²⁰
• 被写体の数には推奨レンジがあります。音声・動画参照では1〜5被写体が良好で、6〜10は安定性が落ちる。画像参照では1〜8が良好で、9〜12は落ちる²¹
• 絵コンテを渡しても、生成される動画はコンテと厳密には一致しません。コンテは大枠の筋書きの参考にとどまる、と公式が明言しています。厳密に合わせたいならキーフレーム参照を使え、という案内です²²

複数人が絡む複雑な動きを文章で押し切ろうとするのは、開発元自身が難所だと認めている領域に正面から突っ込むことになります。そこは先に撮った素材に任せて、AIには見た目の変換を担当させる、という分担のほうが合理的です。

Claude Codeと組み合わせるとどうなるか

ここまで読んでいただくと、この作業の性質が見えてきたと思います。

やることは、映像を美文で描写することではありません。素材と役割の対応表を作り、何を残して何を変えるかを決め、守れないときの優先順位を先に決めておくことです。つまり、構造化された仕様書を書いて管理する作業です。

これは、Claude Code のようなコーディングエージェントが得意な形をしています。

私たちが実際にやっている進め方は、素朴です。プロンプトを対話の中で書き捨てにせず、リポジトリの中のファイルとして管理する。素材のファイル名と役割の対応、使わない素材の一覧、残すもの・変えるもの、優先順位。これらを構造化したテキストに落として、生成のたびにその差分だけを更新していきます。

こうすると、いくつか良いことが起きます。

ひとつは、再現できることです。うまくいった生成の条件が手元に残るので、次に似たものを作るときに一から試行錯誤せずに済みます。動画生成は1回あたりの待ち時間と費用がそれなりにかかるので、この差は積み上がります。

ふたつめは、素材の取り違えが減ることです。公式が「使わない素材も明記せよ」と言っているのは、裏を返せばそこが事故の起きどころだからです。素材が10点、20点と増えてくると、対話の中だけで管理するのは現実的ではなくなります。ファイルにしておけば、機械的に突き合わせられます。

みっつめは、API を叩く部分まで一気通貫にできることです。Seedance は API から呼べるので、対応表を作る作業と、それを実際のリクエストに変換する作業を、同じ場所で完結できます。参照素材の役割は API 側にもパラメータとして存在していて、どの素材を先頭フレームとして使うか、参照画像として使うか、といった指定ができるようになっています²³。

コーディングエージェントを「コードを書く道具」としてだけ見ていると、この使い方は出てきません。構造を持った指示を管理して、実行して、結果を見て直すという作業全般に効く道具だと考えると、用途はかなり広がります。この考え方についてはAI駆動開発を起業家が進めるべき理由の記事でも書きました。

業務で使う前に確認しておきたいこと

最後に、実務の話をします。

生成AIのサービスに素材をアップロードするとき、その素材がどう扱われるかは、サービスと提供経路によって規約が違います。これは Seedance に限った話ではなく、外部のAIサービス全般に共通する確認事項です。

Seedance について公式の規約を確認したところ、次のような違いがありました。

API経由（BytePlus ModelArk）の動画生成モデル専用規約には、ユーザーが送信した入力（プロンプト等）と出力を基盤モデルの学習には使わない、と明記されています。ただし「別途同意した場合を除く」という留保がついています²⁴。

一方で、消費者向けのアプリ側のプライバシーポリシーには、プラットフォーム上で作成・アップロード・生成したコンテンツを、入力したプロンプトを含めて User Content として収集する、という記述があります²⁵。

同じモデルを使っていても、どの経路で使うかによって書かれていることが違うわけです。業務で使う場合は、自分が使っている経路の規約を読む必要があります。

あわせて、実務で効く制約がひとつあります。公式ドキュメントには、実在の人物の顔を含む参照画像・参照動画を直接アップロードすることはできないと明記されています²⁶。代替手段としてプリセットのデジタルキャラクター、同一アカウントで生成した出力の再利用、権利処理済みの実写素材が案内されています。社員や顧客が写った素材をそのまま投げる、という使い方は想定されていません。

そのうえで、社内で線を引いておくとよいと思う観点を挙げます。

• 未公開の製品情報が写り込んだ素材を渡さない。試作品の外観、未発表のパッケージ、開発中の画面など
• 個人が特定できる素材を渡さない。顔だけでなく、名札、社員証、固有の背景なども
• 取引先の情報が写り込んでいないか確認する。資料の一部、ロゴ、契約書の断片など
• 参照素材の背景に何が写っているかを確認する。意図せず社内の様子が入っていることがあります

これらは特定のサービスや国を問題視する話ではなく、外部サービスに素材を渡すとき一般に必要な確認です。自社の情報管理の基準に照らして、渡してよい素材の範囲を先に決めておくのが実務的だと思います。自社のAI活用が今どの段階にあるかを確かめておきたい方は、AIリテラシーの無料診断から現在地を測っておくと、社内で線を引く議論がしやすくなります。

まとめ

• Seedance 2.5 は ByteDance Seed が開発する動画生成モデルで、2026年7月31日発表。出力4〜30秒・24fps、参照素材は最大50点（画像30・動画10・音声10）。動画と音声は合計30秒以内という条件つき
• 解像度は記事執筆時点（2026年8月16日）で480pと720pのみ。1080p対応は8月17日からと公式が告知しており、この分野は仕様変更が速いので必ず公式の最新版を見る
• 公式ガイドの発想は「描写」ではなく「エンジニアリング的な指示」。動きの正解は動画が、顔の正解は画像が、空間の正解は白模型が持つ。文章の仕事はその配分を決めること
• 素材ごとに役割を明示し、使わない素材も明記する。指定しなければ参照動画からキャラクターや衣装は継承されない
• 複数被写体の相互作用は公式自身が改善余地を認めている領域。被写体は1〜5が安定
• 素材と役割の対応をファイルとして管理すると、再現性が上がり、取り違えが減り、API呼び出しまで一気通貫にできる。Claude Code のようなエージェントと相性がよいのはこの性質のため
• 業務利用では、提供経路ごとに規約の記述が異なる。実在人物の顔を含む素材はそもそもアップロードできない旨が公式に明記されている。渡してよい素材の範囲は社内で先に決めておく

動画生成は、プロンプトの職人技を競う段階から、素材と指示を設計する段階に移りつつあります。うまい呪文を探すより、何を素材に持たせて何を文章で決めるかを分けたほうが、結果は安定します。

自社のコンテンツ制作にどう組み込むかを具体的に検討したい方は、WARPの担当までご相談ください。

参考文献・一次情報

Footnotes

1. ByteDance Seed 公式モデルページ「Seedance 2.5」。“Seedance 2.5 is a next-generation audio-video joint generation model, built for 30-second storytelling with precise reference control and powerful editing capabilities.” https://seed.bytedance.com/en/seedance2_5 ↩ ↩²

2. ByteDance Seed 公式ブログ「Seedance 2.0 Official Launch」（2026年2月12日）。1.5から2.0への技術的な位置づけ、および2.0時点の参照上限（画像9・動画3・音声3）と最長15秒。 https://seed.bytedance.com/en/blog/seedance-2-0-official-launch ↩

3. ByteDance Seed 公式ブログ「One-take Creation, Flexible Referencing: Introducing Seedance 2.5」（2026年7月31日）。“Users can now input up to 30 images, 10 video clips, and 10 audio clips as reference materials in a single pass.” https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5 ↩

4. BytePlus ModelArk 公式ドキュメント「Dreamina Seedance 2.5 tutorial」。参照上限50点の内訳、出力4〜30秒、最大長が15秒から30秒へ拡張されたこと、解像度（480p/720p、既定720p、1080pと4Kは現時点で非対応）、アスペクト比、11言語対応。 https://docs.byteplus.com/en/docs/ModelArk/2607688 ↩ ↩² ↩³

5. BytePlus ModelArk 公式ドキュメント「Dreamina Seedance 2.5 prompt guide」内 Total reference asset input limits。“Images: Up to 30 images, with resolution up to 4K. Videos: Up to 10 videos, with a combined total duration of no more than 30 seconds. Audio: Up to 10 audio clips, with a combined total duration of no more than 30 seconds.” https://docs.byteplus.com/en/docs/ModelArk/2607689 ↩

6. BytePlus ModelArk 公式APIリファレンス「Create a video generation task」。generate_audio は boolean で既定値 true。 https://docs.byteplus.com/en/docs/ModelArk/1520757 ↩

7. 同上。“Dreamina Seedance 2.5 will officially support 1080p output starting from August 17, 2026, Beijing time (UTC+8).” ↩

8. 前掲 prompt guide 冒頭。“Treat Seedance 2.5 as a visual content producer, and write structured prompts with a visual storytelling mindset.” ↩

9. BytePlus ModelArk 公式 Seedance 2.0系プロンプトガイド（2.5ガイドが参照を指示している姉妹文書）。“a good prompt is not simply 'copywriting-style description', but an 'engineering-style instruction'” ↩

10. 前掲 prompt guide 白模型（3D clay-model）参照の項。“with clay render referencing, users can build a scene's spatial structure, character poses, motion paths, and camera angles using textureless 3D models.” および “Simple, coarse-grained 3D clay-model video generally works better as a reference.” ↩

11. 前掲 prompt guide。“Specify the role of each reference asset clearly, including what it should be used as a reference for. If only part of an asset should be referenced, clearly state that.” ↩

12. 前掲 prompt guide モーション参照の項。“In a generation task, do not inherit character identity, clothing, or the entire scene from a reference video by default.” ↩

13. 前掲 tutorial。“Clarify asset responsibilities: Use @Image 1, @Video 1, and @Audio 1 to refer to reference assets.” ↩

14. 前掲 prompt guide。“It is not recommended to provide mapping information only inside the image itself.” ↩

15. 前掲 prompt guide。“Do not compress multiple subjects and assets into one range mapping.” ↩

16. 前掲 prompt guide。“Every asset that is available but has no assigned role must be listed individually under 【Unused Assets】 to prevent downstream prompt enhancement from reactivating it.” ↩

17. 前掲 prompt guide。“Choose a small number of the clearest cues from the eyes, brows, mouth, breathing, gaze, hand movements, and body posture. Do not pile on every possible microexpression.” ↩

18. 前掲 prompt guide。“Convert abstract selling points such as efficient, intelligent, or reliable into 'initial state -> specific operation -> observable result.'” ↩

19. 前掲 prompt guide。“Do not directly use the complete script as the prompt. Overly redundant copy can easily cause confusion in model understanding.” ↩

20. 前掲 Seed 公式ブログ（2026年7月31日）末尾。“there is still room for improvement, particularly regarding the physical plausibility of complex motions and the stability of scenes involving interacting subjects” ↩

21. 前掲 prompt guide。“1-5 subjects generally produce better results. You may try 6-10 subjects, but stability may decrease and multiple attempts may be needed.” ↩

22. 前掲 prompt guide 絵コンテの項。“the generated video does not strictly align with the storyboard... The storyboard mainly provides a high-level plot reference.” 加えて多コマ時の注意（15コマ以下推奨）。 ↩

23. 前掲 APIリファレンス。“Set content.role to first_frame or last_frame. / Set content.role to reference_image, reference_video, or reference_audio.” ↩

24. BytePlus 動画生成モデルサービス専用規約。“The BytePlus Video Generation Model Services will not use the prompts and other input you submit... to train the underlying models”（別途同意した場合を除く旨の留保あり）。規約は改定されうるため、利用時点の最新版を確認すること。 ↩

25. Dreamina プライバシーポリシー。“User Content. We may collect the content you create, upload, generate, or access through the Platform, including text, audio, photos, and prompts.” ↩

26. 前掲 tutorial の Usage limits。“Seedance 2.5 does not support directly uploading reference images/videos containing real human faces.” ↩