- AI Database Newsletter
- Posts
- 【徹底解説】最強の動画生成AI「Seedance 2.5」の使い方
【徹底解説】最強の動画生成AI「Seedance 2.5」の使い方
縦型ドラマを1本3,000円で作った実プロンプト全文つき

みなさん、こんにちは。
チャエンです。(自己紹介はこちら)
TikTokやYouTubeで流れてくる「縦型のショートドラマ」ありますよね。あのような動画がAIだけで作れるようになりました!
TikTokの親会社であるByteDanceが2026年7月31日に公開したSeedance 2.5は、プロンプトを1回打つだけで、セリフも効果音もBGMも全部込みで、30秒の映像がそのまま出てきます。生成にかかった費用は1本およそ1,400円。
本家サービスは Dreamina です。
今回は私が実際に触って調べた範囲で、Seedance 2.5 を徹底的に解説します。使い方や性能、他の動画AIとの比較、料金の内訳、そして私が実際にDreaminaに打ち込んだプロンプトの全文まで、全部公開します。
そのままコピペして使えるドラマ用のプロンプトも公開しているので、実際に使ってみてください。
Table of Contents
0.先に結論を4つ
長いので、先にこれだけは覚えておいてほしい結論を紹介します。

Seedance 2.5 は「総合最強」ではありません。
第三者ベンチマークに1件も載っていないし、そもそも動画AIに「総合ランキング」という概念が存在しません。それでも縦型ドラマを作るなら、今これ一択です。
理由は画質でも値段でもなく尺です。1回の生成で30秒通せるのは現状これだけです。プロンプトには公式仕様の書き方があります。
音楽は()、効果音は<>、セリフは{}。そして日本語セリフには「日本語で」と言語名を付ける。これを知らないと精度が別物になります。そして、これで儲かるとは限りません。
中国はもう1年前にこれをやり終えていて、1万再生あたりの収益は前年比90%減です。めちゃくちゃ面白い脚本を書くか、趣味でやるのをおすすめします。
1. Seedance 2.5 とは何か
Seedance 2.5は、ByteDanceが開発した次世代のAI動画生成モデルです。テキスト・画像・音声・動画などのマルチモーダル入力から、1回の生成で最大30秒のストーリー性のある動画を音声付きで作れるのが特徴です。
最大50個の参照入力に対応し、生成後に一部分だけを再レンダリングして修正する局所編集も可能で、キャラクターや照明・動きの一貫性を保ったまま長尺のシーンを作れます。
公式ブログが誇っているのは、以下の3つです。
① 1回の生成で最長30秒。しかも音つき。
前世代のSeedance 2.0は15秒だったので、ちょうど倍の長さが生成できるようになりました。公式の原文は "high-quality, 30-second audio-video clips in a single pass"。カット割りもモデルが自分でやります。
② 参照素材を最大50点渡せる。
内訳が面白く、画像30枚・動画10本・音声10本。顔も、衣装も、ロケ地も、さらには声まで固定できます。
③ 音と映像を一体で生成する。
"unified multimodal audio-video joint-generation architecture" を2.0から継承しました。映像を作ってから音を足しているのではなく、最初から一緒に作っている。だから口と声がズレません。
■ 画質について
公式ブログには480p / 720p / 1080p / 4Kといった解像度の話が1行も出てきません。実際Dreaminaで選べる解像度は480Pと720Pの2つだけで、1080P の選択肢はそもそも存在しません。
つまり Seedance 2.5は「長さと一貫性を取りにいったモデル」であって「画質を上げたモデル」ではないというのが正確な理解です。
この認識を間違えると「4Kのすごいやつが出た」という誤解のまま課金することになります。Seedance 2.5 の売りは「30秒ワンパス」と「参照素材50点」です。

1.1 「最強」の正体|実は総合1位ではありません
タイトルに「最強」と書いておいて恐縮ですが、ここは正直に書きます。
ネットには「Seedance 2.5 が世界一」という記事が溢れています。私も調べる前はそう思っていましたが、一次情報を当たると話が変わります。
そもそも「総合ランキング」が存在しないんです。動画AIの中立な比較サイトとして一番参照されているのがArtificial Analysisです。このサイトには総合ランキングという表はなく、以下の3部門のみです。
Text-to-Video(文章から動画)
Image-to-Video(画像から動画)
Video Editing(動画編集)
しかも各部門が「音声あり」「音声なし」に分かれます。つまり実際のリーダーボードは3部門 × 2で6枚あるということです。

そのため「総合1位」と言った瞬間、話がおかしくなります。6枚のうちどれを指しているのか宙に浮くからです。すべてを束ねた7枚目の表など存在しないのに、その架空の表を根拠にしていることになる。「総合1位」は、出典をたどると行き着く先がない主張なのです。

Reply