Seedance 2.5 プロンプトガイド：公式フォーミュラ・素材の役割指定・記号構文

私はこれまでSeedanceで200本以上の動画を生成してきました。その大半の期間、説明のつかない問題を抱えていました。

5秒ならきれいに仕上がる同じプロンプトが、15秒になると崩れるのです。人物が変わっていく。カメラが勝手に迷走する。途中で理由もなくライティングが変わる。

モデルのせいだと思っていました。違いました。私のせいでした。5秒用のプロンプトを書いて、それを引き伸ばそうとしていたのです。

そこにByteDanceがSeedance 2.5の企業向け実践ガイド——同社の商用チームが実際に使っているドキュメント——を公開しました。一度読んだだけで、それまでの失敗がすべて説明できました。「もっと詳しく書きましょう」といった曖昧な助言ではありません。実際のフォーミュラ、参照素材に役割を割り当てるテンプレート、そしてモデルが情報を薄め始めるまでにどれだけ素材を渡せるかという明確な上限です。

Seedance 2.5のAPIは2026年8月7日に公開されます。以下、そのガイドの中身を、役に立つ順に並べます。

2.0と同じ書き方だとSeedance 2.5は崩れる

2.5では2つのことが変わり、どちらも古い書き方を壊します。

尺が2倍になりました。 Seedance 2.0は15秒が上限。Seedance 2.5は繋ぎなしで30秒を一発で生成します。純粋な進化に聞こえますし、実際そうなのですが——一文で流れるように書いたプロンプトには、30秒を支える骨組みがありません。空白はモデルが自分で埋め、その判断がブレを生みます。

参照素材の枠が一気に広がりました。 Seedance 2.0は画像9枚と音声・動画3本まで。Seedance 2.5は50点：画像30枚、動画10本、音声10本まで受け付けます。枠が広いことが有利になるのは、それぞれのファイルが何のためのものかを伝えたときだけです。何も説明せずに8枚アップロードすれば、モデルはどれが人物でどれが背景でどれが単なる雰囲気なのかを推測するしかありません。

以下はすべて、この2つの問題への対処です。

Seedance 2.5 公式プロンプトフォーミュラ

ByteDanceのガイドが示すフォーミュラは1つだけ。6つの要素で、不要なものは省けます。

各要素の役割はこうです。

1. 主体 + 動作 — 誰が、何をしているか。これが土台です。まず主要な流れを要約し、重要な瞬間だけ細部を足します。同じ動作を三通りに言い換えないこと。
2. 場所と環境 — 場所、時間帯、天候、空間関係、背景の状態。
3. ビジュアルスタイル — 光、色、質感、マテリアル、全体の空気感。
4. カメラワーク — サイズ、カメラ位置、動き、フォーカス対象、カットの繋ぎ方。
5. 音 — セリフ、声質、環境音、効果音、音楽。

フォーミュラをテンプレートにするとこうなります。

<主体>が<場所と環境>で<主要な動作や出来事>を行う。
映像は<ビジュアルスタイル>。
カメラは<サイズ・位置・動き・カット>を使う。
音には<セリフ・環境音・効果音・音楽>を含む。

公式ガイドから引いた記入例です。

陶芸家が早朝の工房で淡いブルーのカップを仕上げ、ろくろから外して木製ラックの
中央に置く。
窓から柔らかな朝の光が差し込み、湿った粘土が繊細な光沢を帯びる。作業台は
整然としている。
カメラはまずミディアムショットで成形の手つきを捉え、ゆっくりとカップの表面の
質感に寄り、最後にラックの正面へカットする。
ろくろの低い回転音、粘土の摩擦音、室内の環境音を残す。

ここに入っていないものに注目してください。解像度もフレームレートもアスペクト比もありません。生成パラメータはプロンプトに書くものではありません。 生成画面かAPIの引数で設定します。プロンプトに書くと、モデルが無視すべきノイズが増えるだけです。

30秒のプロンプトは「時間帯」に分けて書く

これが最も効果の大きい一手です。

30秒を1つのアイデアとして書かないこと。タイムスタンプ付きの区間に分けて書きます。ByteDanceのガイドに載っている長尺の例は、科学解説も広告も複数部屋を移動する長回しも、すべてこの書き方です。

パターンはこうです。

0-3s   [画面に何があるか] [カメラが何をするか] [セリフや音]
3-8s   ...
8-14s  ...

公式ガイドから引いた科学解説の短縮版です。

月がどのように誕生したかを説明する科学動画を生成する。シネマティックな質感、
強いビジュアルインパクト、科学的に正確であること。

0-2s：宇宙の遠景。画面下部に地球の弧と青い大気層、上方遠くに暗赤色の天体が
浮かぶ。カメラはほぼ静止。

2-3s：近景にカット。表面がオレンジ色の溶岩の亀裂で覆われた巨大な天体が地球の
縁に接近。カメラは静止、天体の圧迫感が増す。
ナレーション：「45億年前、地球は火星ほどの大きさの天体に衝突されました。」

3-5s：天体が地球の縁に衝突。接触点から白橙色の閃光が噴き出し、破片と炎が
表面に沿って飛散する。カメラは衝撃とともに前進。

5-8s：超高温の物質が宇宙空間で集まり、発光するオレンジ色の溶融球体になる。
周囲を破片と塵が周回。カメラはゆっくり引く。

これが機能する理由は3つあります。

• タイムスタンプがテンポを固定する。 書かなければ各アイデアの尺はモデルが決めますが、その判断は良くありません。
• 各区間にカメラの指示がある。 何が映っているかだけでなく、その間カメラが何をしているか。
• セリフが区間に紐づいている。 プロンプトの末尾に浮いていません。

このガイドから1つだけ持ち帰るなら、これです。

参照素材それぞれに「役割」を伝える

素材は@記号で参照します——@画像1、@動画1、@音声1。ここまでは誰でも知っています。

ほとんどの人がやっていないのが、実は最も重要な部分です。参照素材1つにつき、それが何を提供するのかを一文で書くこと。 ガイドはこの点をはっきり書いています。「@画像1を参照」のような頭も尻もない書き方はしないこと。画像内に書かれた文字ラベルに頼らないこと。どの素材がどの人物や小道具や場所に対応するのかをモデルに推測させないこと。

テンプレートです。

@画像1は<主体>の<外見・服装・構造・素材>に使う。
@動画1は<動作・カメラワーク・リズム>に使う。
@音声1は<役柄や音の種類>の<声質・セリフ・環境音・音楽>に使う。

<主体>が<場所>で<主要な動作や出来事>を行う。
映像は<ビジュアルスタイル>、カメラは<カメラワーク>を使う。

記入するとこうなります。

@画像1は陶芸家の顔立ち、髪型、深緑のエプロンに使う。この画像の背景は使わない。
@画像2は工房の木製作業台、窓の位置、朝の光に使う。この画像の人物は使わない。
@動画1は両手で成形し、カップを持ち上げ、置くまでの動作のリズムに使う。
この動画の人物の identity、服装、場所は使わない。

この「使わない」という一文が実際に効いています。参照画像はその中にあるすべて——主体、背景、構図、色——を持ち込みます。ジャケットだけが欲しいなら、そう言わなければ撮影された部屋ごとついてきます。

もう1つ覚えておくべきケース。 複数の画像が同じ物体の別アングルである場合は、明示的に書きます。

@画像1は折りたたみランプの正面を定義する。
@画像2は同じ折りたたみランプの左側面の構造を定義する。
@画像3は同じ折りたたみランプの右側面の構造を定義する。
3枚は同一の折りたたみランプを定義する。完成した動画の中に折りたたみランプは
常に1つだけ存在する。

最後の一文を省くと、ランプが3つ出てくることがあります。

音楽・効果音・セリフ・字幕を分ける4つの記号

自然言語だけでも動きます。ただ、音楽と効果音とセリフと画面上の文字を分けて制御したいときには、Seedanceには専用の記号があります。この対応表はByteDance公式実践ガイドに載っているものです。

音を明示的に切ることもできます。期待するより確実です。

BGMなし。セリフ、環境音、動作の効果音のみを残す。
字幕なし。
音は一切入れない。

日本語以外のセリフには、その前に言語を明記します。 Seedance 2.5は10以上の言語をネイティブに扱えます——中国語、英語、スペイン語、インドネシア語、マレー語、タイ語、アラビア語、ポルトガル語、ベトナム語、日本語、韓国語。ガイドが推奨する書式はこうです。

言語：アメリカ英語。女性が自然で口語的なアメリカ英語のアクセントで言う：
{I thought you weren't coming.}

言語：ロサンゼルスのアメリカ英語。若い男性がくだけた口調で言う：
{No way, you actually made it.}

これは「英語のセリフを書いたのに別の言語で喋る」という最もよくある不満への対処法でもあります。言語を明示すれば解決します。

ネガティブプロンプトも使えます。公式のインテリアリノベーション例は、最後にネガティブブロックがついています。

Negative Prompt: 部屋のレイアウトを変えない。家具を動かさない。
物体を追加・削除しない。カメラの動きを変えない。
人物なし、文字なし、ロゴなし、ちらつきなし。

人物がブレる理由：参照素材の配分ルール

私の元々の問題に答えてくれたのがこの節なので、少し丁寧に書きます。

Seedance 2.5は50点の参照素材を受け付けます。それは上限であって、目標ではありません。 ByteDance自身の評価で、ある点を超えると素材を足すほど結果が悪化する——重要な特徴が薄まり、ノイズが増える——ことが確認されています。

数字はこうです。

1本あたりの長さも、本数と同じくらい重要です。 動画と音声の参照素材は5〜10秒に収めます。認識精度と安定性の最良のバランスがここです。2秒では情報量が足りずモデルが掴めません。30秒では欲しい特徴が薄まり、ノイズが混ざります。

単一視点か多視点か：

• 主体画像5枚以下なら、どちらでも構いません。
• 主体が5つを超えたら、単一視点のほうが安定します。
• 複数アングルが必要なら、別々の画像としてアップロードします。複数アングルを1枚に並べた画像は絶対に使わないこと。

素材が多すぎるときは、この順で削ります。

最初に削るのはスタイルです。多くの人が真っ先に守るのがスタイルですが、それはちょうど逆です。

参考までに、上限の全体像です。

動画と音声の時間枠は別々に計算されます。合計30秒ではなく、動画30秒と音声30秒です。

モダリティの組み合わせは7通り——画像のみ、動画のみ、音声のみ（2.5の新機能）、およびそれらの組み合わせ。3つすべてを使う場合は、参照画像の1枚を最初のフレームまたは最後のフレームに指定することもできます。

そのまま使える8つのプロンプト

すべてByteDance公式実践ガイドからのアレンジです。主体と場所を差し替えれば自分の企画に使えます。

1. セリフなし30秒のナラティブ

30秒のセリフなしビジュアルストーリー。フランスの田舎の静かな優雅さ、
プロヴァンスの夏の午後。オフホワイトのリネンワンピースを着た若い女性が、
石造りのコテージの古い木のテーブルで手紙を書き終え、外に出て、砂利道を通って
ひまわり畑を抜け、村外れのヴィンテージな黄色いポストにたどり着き、手紙を
投函する。カメラはテーブル上の浅い被写界深度のクローズアップから始まり、
光が影に変わる戸口を抜け、最後に上昇して金色の谷のワイドへ引く。
環境音のみ——蝉、風、紙をなぞるペン、ポストが閉まる小さな音。

効く理由： 移動経路が1本の連続した道として描かれ、カメラにも明確な弧がある——クローズアップ、戸口を抜ける、上昇して引く。これが30秒を迷走させない要です。

2. 商品広告：スタジオから生活シーンへ

30秒の縦型家具広告。商品は淡いセージグリーンのモジュラーソファ、丸みのある
ライン、低く厚いクッション。

前半15秒——純白のシームレススタジオ。カメラはゆっくり寄り、水平にトラック
し、シルエットに沿ってパンしてから、固定のワイドへ引く。均一で柔らかい照明、
清潔な白背景、光の走りや白飛びは入れない。

後半15秒——夕方の暖色照明のリビング。オフホワイトのニットを着た女性が
ソファで本を読み、膝にはスロー。コーヒーカップを置き、猫が飛び乗り、子どもが
駆け込んで肩にもたれる。フロアランプが灯る。カメラはゆっくり引いて止まり、
ロゴを置く余白を残す。

効く理由： 明確な転換点を持つ2部構成。トーンが変わる場所をモデルが推測しなくて済みます。

3. 複数の参照素材を使うファッションフィルム

30秒のワンカット動画を生成する。6人のモデルが順に画面に入り、カメラは
途切れず移動し、ビートに合わせてスタイリングが変わる。
@画像1が@画像2を身につけ@画像3の場所にいる、音は@音声1を参照。
@画像4が@画像5を着て@画像6の帽子をかぶり、コーヒーを持って歩き出す、
背景は@画像7。@画像8が@画像9の場所で@画像10と@画像11を着てポーズをとる。

効く理由： すべての素材に役割が明記され、推測の余地がありません。

4. 3Dアニメーション広告、区間ごとに

3Dアニメーション広告。明るく透明感のある色、果肉と果汁に強い爽快感。
上質なコマーシャルアニメーションの質感に、少し誇張したユーモア。砂漠の
ツノトカゲのキャラクターは愛らしく表情豊か。

0-3s：太陽に焼かれた砂漠。空気が熱で歪む。ツノトカゲが灼熱の砂に伏せ、
舌を出し、目はうつろ。音：うねる熱気、かすかな乾いた音。
3-6s：トカゲが止まる。鼻がぴくりと動く。砂に埋もれていたのは、水滴のついた
冷たくふくよかなグレープフルーツ。音：明るい発見音。
6-8s：トカゲが飛びつき、両腕で抱きしめ、頬を皮に押し当てて至福の表情。
1秒静止。音：どすんという音、その後0.5秒の静寂。
8-11s：皮が割れる。中の果肉が発光する。果汁は滴るのではなく、噴き出す。
音：小気味よい咀嚼音、続いて誇張された弾ける音。

効く理由： 音が区間ごとに指定されています。コメディのタイミングはこれで決まります。

5. キーフレーム駆動のコンセプトフィルム

シネマティックなブランドコンセプトフィルム。@画像1を最初のフレームとする。
画面がわずかに揺れ、カメラは窓の外を流れる木々の影へ寄っていき、その速度が
加速する。突然@画像2へカット、速度が落ち、カメラは小川に沿って前進する。
カメラは水中へ下降——音には気泡——オレンジ色のクラゲの群れがレンズの前を
横切る@画像3。カメラはゆっくり引く。

効く理由： 最初のフレームが宣言され、各カットが特定の素材に紐づいています。

6. 編集：被写体を削除する

動画編集：@動画1から主役以外の人物をすべて削除する。

これがプロンプトの全文です。編集の指示は短いのが正解です。

7. 編集：全編のライティングを組み直す

@動画1のライティングを、真昼の強いトップライトから、夕暮れの低いサイド
ライトに変更する。

効く理由： 現在の状態と目標の状態の両方を明記しています。「もっと綺麗に」では何も得られません。

8. 編集：演者の年齢と表情を変える

@動画1の構図、カメラ位置、ライティング、演技のリズムを保持する。主演女性の
容貌と表情だけを書き換える：20代半ばから60歳へ自然に老いていき、目の中の
こらえていたものがほどけ、涙が目尻を伝い、口角が少しずつ上がり、最後に
泣き笑いになる。ワンカット、カットなし、ちらつきなし、年齢変化に伴って
顔立ちがブレないこと。

効く理由： 変えてはいけないものを先に固定してから、変えるべきものを言っています。これが編集プロンプトの基本形です——詳しくはSeedance 2.5 動画編集・延長ガイドに別途まとめました。

よくある質問

Seedance 2.5は参照素材をいくつ受け付けますか？ 50点：画像30枚、動画10本、音声10本。動画と音声は各2〜30秒、動画の合計30秒、音声の合計30秒は別枠です。

ネガティブプロンプトは使えますか？ 使えます。ByteDance公式のインテリアリノベーション例は、レイアウト、家具の位置、カメラの動き、不要なアーティファクトを網羅したネガティブブロックで締めくくられています。

対応言語は？ 10以上をネイティブ対応。中国語、英語、スペイン語、インドネシア語、マレー語、タイ語、アラビア語、ポルトガル語、ベトナム語、日本語、韓国語など。セリフの前に言語を書くと安定します。

すでにある動画を編集できますか？ できます。完成した動画を@動画1として渡し、変更内容を書き、それ以外を固定する一文を足します。出力は元のアスペクト比と、ほぼ元の尺を保ちます。

1本の長さの上限は？ 繋ぎなしのワンカットで30秒。Seedance 2.0の15秒の2倍です。

料金は？ モデル自体に無料枠はなく、公開は2026年8月7日です。料金と2.0からの変更点はSeedance 2.5と2.0の違いにまとめました。

まとめ

使えるSeedance 2.5プロンプトと使えないプロンプトを分けるのは、3つのことです。

30秒は一文ではなく、タイムスタンプ付きの区間で書く。 各区間にカメラの指示を入れること。

参照素材それぞれに役割を与える。 何を提供し、何を提供しないかを1ファイル1行で。

配分を守る。 音声・動画の主体は5つ、画像の主体は8つ、1本5〜10秒。50点は上限であって目標ではありません。

Seedance 2.5の公開は8月7日ですが、待つ必要はありません。このフォーミュラも、役割テンプレートも、記号の表も、Seedance 2.0で今日から使えます。TryonrでSeedance 2.0を使って生成すれば、ウォーターマークなしで試せます。2.0で正しい習慣を身につけておけば、2.5が開いた日から仕事になります。

まだ2.0を使っている方はSeedance 2.0プロンプトガイドから。モデル自体の全体像はSeedance 2.5モデルページへ。

本記事のプロンプトはByteDance公式Seedance 2.5実践ガイドをもとにアレンジしたものです。