Seedance 2.5 Flash とはどのようなモデルか
Seedance 2.5 Flash は、ByteDanceの Seedance 2.5 シリーズのなかで生成速度を重視した動画モデルです。今回の検証では、動きの表現、人物の演技、細部のインタラクション、空間認識、および複数参照画像を用いたカット間の一貫性をそれぞれテストし、一般的な制作タスクでどこまで対応できるかを確認しました。今回のテストサンプルを見る限り、Seedance 2.5 Flash は出力効率と利用コストのバランスが取れており、クリエイターが日常的に企画を進めたり、カットを選定したりする際の主力生成モデルとして適しています。
今回実施した2組の比較テストでは、Seedance 2.5 Flash は標準版よりも速く結果が得られ、映像品質にも実用的な部分が見られました。ただし、バイクのコーナリングや、人物が打撃を受ける反応、足払い、転倒といった動きの大きいカットでは、動作の完結度や力強さ、複雑なアクション指示の実行において、Seedance 2.5 標準版にやや及ばない結果となりました。
Flash と他2モデルのスペック差
以下の表は、2026年11月16日に確認した公式ドキュメントをもとに整理したもので、各モデルの能力上限を示しています。今回の前半5組の Flash テストおよび標準版の比較動画2本はいずれも8秒、複数参照画像のケースは10秒で、解像度はすべて720pに統一しています。これはあくまで今回の実測における設定であり、モデルがこの仕様でしか出力できないことを意味するものではありません。
| パラメータ | Seedance 2.5 Flash | Seedance 2.5 | Seedance 2.0 |
|---|---|---|---|
| 出力解像度 | 480p、720p | 480p、720p、1080p | 480p、720p、1080p、4K |
| 1回あたりの生成時間 | 4–30秒 | 4–30秒 | 4–15秒 |
| マルチモーダル参照画像上限 | 10枚 | 30枚 | 9枚 |
| マルチモーダル参照動画上限 | 5本 | 10本 | 3本 |
| マルチモーダル参照音声上限 | 5本 | 10本 | 3本 |
| ドラフト(Draft)モード | 非対応 | 対応 | 非対応 |
Flash は最大720pの出力に対応し、下位は480pを選択できます。Seedance 2.5 と比較すると、参照画像の上限が30枚から10枚に減り、参照動画と参照音声もそれぞれ10本から5本に引き下げられています。大量の参照素材を入力する必要があるプロジェクトや、1080pの元動画をそのまま納品しなければならない案件では、こうした仕様の違いがモデル選定に直接影響します。
表にある参照数の上限はマルチモーダル参照タスクを対象としたもので、開始フレームからの画像-動画生成(Image-to-Video)におけるアップロード数ではありません。開始フレーム指定タスクでは画像を1枚のみ入力し、開始・終了フレーム指定タスクでは開始フレームと終了フレームをそれぞれ入力します。上記の上限はいずれも公式仕様に基づくものです。今回の複数参照画像のケースでは7枚の参照画像を使用しており、10枚の入力上限や他の解像度設定についてはテストしていません。
動画生成の公式価格比較
以下の価格は、2026年11月16日に確認した火山方舟(Volcengine Ark)公式中国語価格表のオンライン推論料金を参考にしており、720p・16:9・動画入力なしを前提とした料金計算です。今回のテストで扱ったテキストからの動画生成(Text-to-Video)、開始フレームからの動画生成、複数参照画像からの動画生成では、いずれも参照動画を入力していません。
| モデル | 公式単価 | 公式サイトの例から換算した秒単価 | 8秒動画の目安予算 | 10秒動画の目安予算 |
|---|---|---|---|---|
| Seedance 2.5 Flash | 46元 / 100万トークン | 約0.99元 | 約7.9元 | 約9.9元 |
| Seedance 2.5 | 70元 / 100万トークン | 約1.51元 | 約12.1元 | 約15.1元 |
| Seedance 2.0 | 46元 / 100万トークン | 約0.99元 | 約7.9元 | 約9.9元 |
同一条件下では、Flash の公式トークン単価は Seedance 2.5 より約34%低く、Seedance 2.0 と同水準です。Seedance 2.0 はここではスペックと価格の比較対象としてのみ記載しており、今回の検証でテストサンプルは生成していません。表中の8秒および10秒の予算は、比較しやすいよう公式サイトの例にある秒単価から大まかに換算したものです。実際の請求額はトークン単価と実使用量によって決まり、公式の請求明細が基準となります。ここに記載している金額は今回のサンプル生成にかかった実費ではありません。
各機能の実測結果
今回の検証では、6つのシーンを通じて5種類の生成能力を確認しました。Flash のサンプル6本と、比較用の Seedance 2.5 標準版サンプル2本の計8本が含まれます。バイクのコーナリングと連続格闘は「動きの表現」に分類して両バージョンの比較を行い、残りの4項目は Flash のみをテストしました。最初の7本の動画はいずれも8秒で、複数参照画像のケースは3カット構成の10秒となっています。
| 能力カテゴリ | テストシーン | 尺 | Flash の主な挙動 | Seedance 2.5 との比較 |
|---|---|---|---|---|
| 動きの表現とカメラワーク | バイクのコーナリングと追従撮影 | 8秒 | スピード感はあるが、寄りの構図で見切れるためコーナリング全体の動きが見えにくい | バンク、エイペックスの通過から車体を起こすまでの過程がより完全 |
| 動きの表現とカメラワーク | 連続格闘 | 8秒 | 連続した攻防を生成できるが、一部の動作のつながりや力強さがやや弱い | 体のひねり、被弾時の反応、前後の位置移動がより自然 |
| 人物の演技とセリフ | 手紙を読む、顔を上げる、英語のセリフ | 8秒 | 手紙を読んでから微笑むまでの変化を表現できているが、セリフと口元の同期は別途未検証 | 未テスト |
| 細部のインタラクション | 2人の間で鍵を手渡す | 8秒 | 鍵の受け渡し関係は明確だが、人物設定にズレがあり、指先の接触は精査が必要 | 未テスト |
| 空間認識 | 机の上でマグカップを回す | 8秒 | 配置はおおむね維持されているが、カップの回転角度は確認しきれず、カメラがわずかに前進している | 未テスト |
| 複数参照画像とカット間の一貫性 | 7枚の参照画像から3カットの受け渡しシーンを生成 | 10秒 | 3つのカットを通じて、人物、車両、ヘルメットの所有関係が全体的に一貫している | 未テスト |
以下、能力カテゴリごとに生成動画とプロンプトを掲載します。各動画の具体的な待ち時間は、記事末尾の生成速度表にまとめています。
動きの表現とカメラワーク
このセクションでは、バイクのコーナリングと2人の格闘という2つのシーンを通じて、動作のつながり、重心の変化、移動ルート、そしてカメラが一連の動きをわかりやすく捉えられるかを観察します。両モデルには全く同じ英語プロンプトと生成設定を使用しました。
バイクのコーナリングと追従撮影
両バージョンのプロンプト要件は共通です。ライダーが赤いバイクに乗って長いコーナーを駆け抜け、カメラは前方斜め下のローアングルから並走して撮影します。車両はエイペックス(コーナーの頂点)を通過した後に徐々に車体を起こし、車体全体と前後輪を常に画面内に収めるよう指示しています。
Seedance 2.5 Flash
8秒 · 720p · ネイティブ音声 · 送信から完了確認まで:82.7秒
Seedance 2.5
8秒 · 720p · ネイティブ音声 · 送信から完了確認まで:200.8秒
Flash はレースのクローズアップに近い仕上がり
Flash が生成した映像では、赤いフロントカウル、濡れた路面、照明の反射、後輪が巻き上げる水しぶきがいずれもはっきり描かれており、背景が素早く後方へ流れ、フロントに密着した追従カメラによってスピード感も出ています。しかし画角が寄りすぎているため、ライダーの頭部や上半身、車体の一部がフレームアウトしており、前後輪もプロンプトの指示通りには収まっていません。車体が傾いていることはわかるものの、構図が窮屈すぎるため、ライダーとバイクがどのように連動してコーナーを曲がっているのかを把握するのは困難です。
完成映像のなかでタイトな部分クローズアップを差し込みたい場面であれば、この素材は使えます。しかし、絵コンテ上でコーナリングの過程全体を見せる必要がある場合や、コースのライン取りを見せるカットの直後に繋ぐ必要がある場合には、人物や車体の一部が見切れているこの構図はあまり適していません。
標準版はコーナリングの過程をより完全に描写
標準版では、ライダーとバイク全体のシルエットが画面内に収まっています。タイムラインに沿って見ると、車体を傾けてコーナーに入り、エイペックスに近づいた後、徐々にバンク角を浅くして車体を起こしています。コース内側の縁石と車体の位置関係と合わせることで、車両の走行ラインも明確に把握できます。
このスムーズさは、車体の姿勢、ライダーの重心、コーナリングのライン、そしてカメラ距離の噛み合いから生まれています。Flash のタイトなクローズアップと比較すると、標準版は旋回から徐々に車体を起こすまでの過程をより明確に捉えており、このシーンにおける動きの表現はより優れています。
ただし、標準版でも前方斜めからの追従アングルや画角は途中で変化しています。抽出フレームだけでは、すべての瞬間においてタイヤの接地状態や車体構造が完全に正確であるとは言い切れません。この比較から、標準版の方が動作の過程と走行ラインをより完全に表現できることはわかりますが、すべての物理的ディテールが正確であると断定することはできません。
バイクのテストで使用した英語プロンプト全文
One continuous 8-second cinematic live-action shot on a closed motorcycle racing circuit just after rain, at blue hour. A single adult professional racer in black protective leathers and a full-face helmet rides one unbranded red sport motorcycle through a sweeping right-hand bend. A low front three-quarter tracking camera follows alongside at matching speed, keeping the whole motorcycle and both wheels visible. The racer leans naturally into the corner, reaches the apex, then gradually brings the bike upright toward the exit. Both tires remain on the wet asphalt. Track barriers and floodlights move past in the background, with a fine spray of water trailing the rear tire. Physically plausible rider anatomy and motorcycle geometry, consistent red bodywork, realistic film texture. Sound: one motorcycle engine rising smoothly and wet tire hiss. No dialogue, no music, no cuts, no text, no subtitles, no logos.
2人による連続格闘
この格闘テストでは、開始直後から2人が打ち合うよう両モデルに指示しました。連続パンチ、回避とブロック、続けて強烈なキックでの反撃、さらに間合いを詰めての追撃、足払い、最後に転倒して転がるという流れです。素早い攻防のなかでキャラクターを見分けられるよう、プロンプトでは1人をグレーのジャケットに黒いズボン、もう1人を濃紺のジャケットに茶色のズボンと設定しています。
Seedance 2.5 Flash
8秒 · 720p · ネイティブ音声 · 送信から完了確認まで:82.4秒
Seedance 2.5
8秒 · 720p · ネイティブ音声 · 送信から完了確認まで:197.7秒
Flash は手数は多いものの、力強さがやや弱い
Flash は連続パンチ、ブロック、キック、低い位置での足払い、転倒して転がるといった一連の動作をひと通り生成できています。しかし細かく見ると、いくつかの攻防は決められた順番通りに動きをこなしているだけのように見え、パンチやキックの後の被弾リアクションや、勢いそのままに次の技へ繋ぐ過程にやや軽さ(浮ついた感じ)があります。2人は画面内で基本的に左右へ平行移動しており、カメラと人物の間で前後の奥行き方向の距離変化が欠けています。
また、画面の上下に自動で黒帯(レターボックス)が追加されており、前半部分では足元が完全には収まっていません。格闘時の軸足やステップワーク、力の伝わり方を観察したい場合、足元が見切れていると判断の妨げになります。
標準版は力の伝わり方と位置移動がより自然
標準版では、パンチを繰り出す際に肩や背中の力の入り具合、腰の回転が見て取れ、回避やカウンターキック、バックステップも体全体が連動しています。距離が離れた後に2人が再び接近し、流れのまま足元の技と転倒・回転へと繋がります。カメラも攻防に合わせて位置を調整しており、人物の前後の距離や向きが絶えず変化するため、奥行きのある空間内で格闘が展開され、前後の位置関係がより明確になっています。
このサンプルでは、力を込めるところから技の受け止め、追撃に至るまでの過程がより一貫して描かれています。Flash と比べると、標準版のパンチやキックには重みがあり、コンビネーションの繋がりもタイトで、このシーンにおける動きの表現はより優れています。
ただし、標準版も全編を通して2人の足元を画面内に収められているわけではありません。また、拳や足の接触が自然か、プロンプトで指定した3連打を厳密に打ち切っているか、各重心移動が理にかなっているかについては、動画を通して注意深く確認する必要があります。映像がより映画的であることは、殺陣(アクションの振り付け)が完全に正確であることと同義ではなく、プロンプト内のすべての動作指示が厳密に実行されたことを示すものでもありません。
格闘テストで使用した英語プロンプト全文
An explosive 8-second live-action martial-arts fight scene, fast real-time Hong Kong action-film choreography, one continuous shot. Two adult fighters in a gritty concrete parking garage: one in a light grey jacket and black trousers, the other in a dark navy jacket and tan trousers. They are already fighting in the opening frame. The grey fighter surges forward with a rapid three-punch combination; the navy fighter slips the first punch, blocks the next and drives back with a forceful body kick. The grey fighter staggers two steps, immediately closes the distance, ducks a swinging counterpunch and sweeps the navy fighter's leg. The navy fighter hits the floor in a controlled stunt fall and rolls away as the grey fighter pursues. Relentless attack-and-counterattack momentum throughout, short transitions, sharp acceleration, convincing physical impact reactions, forceful torso rotation, realistic weight and balance, clear changes of position across the floor. The camera tracks rapidly beside them at waist height in a medium-wide action framing, keeping both whole bodies and the floor under their feet visible, with subtle handheld vibration at impacts. Crisp readable action, restrained motion blur, hard overhead light, cinematic contrast, realistic anatomy and clothing, distinct stable identities. Audio: rapid footfalls, forceful punch and kick impacts, clothing snaps, heavy breathing and a solid floor impact. No slow motion, no standing around, no pauses to reset, no dialogue, no music, no text, no subtitles, no cuts, no blood, no gore, no weapons.
人物の演技とセリフ
このシーンでは、人物がまず俯いて手紙を読み、続けて顔を上げ、英語で “You kept the letter.”(手紙を取っておいてくれたのね)と話し、その後しばらく微笑むよう指示しています。プロンプトでは、セリフを4秒から6秒の間に発話し、カメラは固定するよう指定しています。
抽出フレームを見る限り、人物が俯いて手紙を読む状態から顔を上げて微笑むまで、顔立ちやジャケット、手に持った便箋はいずれの時点でもしっかり識別できます。このような動きの小さい演技は激しい動きによる破綻が起きにくいため、表情や感情の移り変わりを直接観察するのに適しています。
こうしたセリフ付きの演技カットを評価する際は、映像と音声を分けて確認する必要があります。動画に音声トラックが含まれているからといって、セリフの発音と口の動き(リップシンク)が正確に対応しているとは限りません。元動画を確認する際は、英語の発音が明瞭か、余計な話し声が混ざっていないか、指定通り4秒から6秒の間に話し始めているか、そして口の形が合っているかをチェックする必要があります。静止画のスクリーンショットだけでは判断できないため、今回の検証ではセリフが一字一句正確かどうか、およびリップシンクが厳密に同期しているかについての個別検証はまだ行っていません。
人物の演技で使用した英語プロンプト
One continuous 8-second medium close-up in a quiet train carriage, naturalistic live-action cinematography. An adult woman in a plain navy jacket holds one opened letter below her face. 0-2 seconds: she reads it silently, with a thoughtful expression. 2-4 seconds: she takes a small breath and lifts her eyes toward a person just beside the camera. 4-6 seconds: with a restrained, tender smile she says clearly in English, 'You kept the letter.' 6-8 seconds: she holds the eye contact and the quiet smile. Keep her mouth fully visible and her face, clothing and letter consistent. The camera stays still. Audio: her single spoken line over soft carriage rumble. No other voices, no music, no captions, no readable writing, no subtitles, no cuts.
細部のインタラクション
このシーンでは、1人が小さな真鍮の鍵をもう1人の手のひらに置き、指を離してから、空になった手を引くよう指示しています。このような小さく硬い小道具の受け渡しは、手の生成品質を検証するのに適しています。2つの手が近づき重なり合う際、鍵をつまむ動作と離す動作が明確に描かれる必要があります。
抽出した受け渡しシーンのフレームでは、鍵を渡す手が広げられた手のひらへと伸び、鍵を置いてから手を引き、受け取る側の人物がその後指を閉じています。以下の画像は受け渡しの瞬間を部分拡大したもので、指先と鍵の接触関係を確認しやすくしています。

このような局所的なインタラクションをチェックする際は、通常いくつかの細部を重点的に確認する必要があります。手を離す際に鍵をつまんでいた指が自然に開くか、指先と鍵または相手の手のひらが癒着して曖昧になっていないか、親指と他の指の関節構造が正常か、そして鍵が全編を通して常に1つだけ保たれているかといった点です。これらの細部は動画をコマ送りにして確認する必要があり、開始フレームの手のひら構造が正常だからといって、2つの手が重なった際にも破綻しないとは限りません。
さらに、このサンプルでは人物設定に明らかなズレが生じています。プロンプトでは画面左側の鍵を渡す人物を女性と明確に指定していましたが、生成された映像では渡す側が男性として描かれています。したがって、このサンプルは手元の受け渡し動作を観察する用途には使えるものの、人物設定は指示通りに再現されていません。小道具の受け渡しが完了しているからといってプロンプトの指示がすべて反映されているわけではなく、数枚の抽出フレームだけで指の接触構造が完全に正確であると断定することもできません。
鍵の受け渡しテストで使用した英語プロンプト
One continuous 8-second live-action shot, a fixed waist-up two-shot of two adults at a wooden counter, with both people's hands clearly visible throughout. The woman on the left wears a dark green shirt. The man on the right wears a charcoal shirt. 0-2 seconds: the woman holds exactly one small brass key between the fingers of her right hand; the man presents his empty open left palm. 2-5 seconds: she moves that key into his left palm and releases it. 5-8 seconds: she withdraws her visibly empty right hand, and he closes his fingers around the received key. Maintain one key, two people and continuous natural hand movements. Show the actual contact and release clearly, with realistic anatomy and steady framing. Soft side lighting, believable skin and wood textures. Audio: quiet room tone and a small metallic click during the transfer. No speech, no music, no text, no subtitles, no cuts.
空間認識
このテストでは、文字を含まないオリジナルの静止画を開始フレームとして入力しました。人物、青いマグカップ、閉じたノート、机、部屋の背景はすべて開始フレーム画像内で確定しています。プロンプトで要求した動きはごくわずかです。人物が視線を落とし、手を伸ばして机の上のマグカップを(底を机から浮かさずに)4分の1回転させ、その後手を離して顔を窓の外へ向けるというものです。
人物の見た目が維持されているかどうかに加え、このカットでは机上の空間関係に対するモデルの理解度を主に見ています。手が自然な方向からマグカップの取っ手へ伸びるか、カップを回す際に底面が常に机に接しているか、ノート・カップ・机の相対的な位置関係が安定しているか、そして取っ手を握ってから離すまでの過程で前後の重なり(オクルージョン)が正しく、めり込み(貫通)がないかといった点です。
抽出フレームを見る限り、机上の全体的な配置は安定しており、手がカップへ伸びてから戻るまでの過程が確認でき、ノートも右側の元の位置に留まっています。ただし、取っ手の向きは変化したものの、後半になると元の位置に近い向きに戻っているように見えます。この抽出フレームだけでは、カップが確実に4分の1回転して新しい角度で止まったかどうかを確認するのは困難です。また、プロンプトではカメラの固定を指定していましたが、生成された映像にはカメラがわずかに前進(ドリーイン)している兆候が見られます。
このような開始フレームからの動画生成を評価する際は、人物の特徴が維持されているかどうかに加え、手が机上の硬い物体に触れたときに元の物体の位置や前後の重なり関係が維持されるかが重要なポイントになります。指の接触や重なり関係、物体の位置ズレを確認する際は、開始フレームの元画像と生成動画を並べて比較することをお勧めします。
マグカップを回すテストで使用した英語プロンプト
Continue the supplied first frame as one steady 8-second live-action shot. Preserve this exact adult woman's appearance, navy shirt, desk, single blue mug, closed tan notebook, background and window lighting. 0-2 seconds: she briefly glances down toward the blue mug. 2-5 seconds: she gently takes the mug handle with her right hand and rotates the mug a quarter turn on the tabletop without lifting it. 5-8 seconds: she releases the mug, rests her right hand beside it, and looks back toward the window. The mug stays on the desk and remains one rigid ceramic object, and the closed notebook remains fixed throughout. Keep the camera locked with no cut or zoom. Audio: quiet indoor ambience and a soft ceramic scrape during the turn. No speech, no music, no text, no subtitles.
複数参照画像とカット間の一貫性
このテストでは動画の尺を10秒に延ばし、7枚の参照画像を使用して3つのカットを含むクリップを生成しました。キャラクターは韓国人女性ライダー、欧米系の男性ライダー、欧米系の中年メカニックの3人に設定し、それぞれ1枚ずつキャラクター三面図を入力しています。同時に、デザインの異なる2台のバイクと、赤黒・白の2つのヘルメットも提供しました。
参照画像は人物の顔立ち、服装、物体のデザインを定義するために使用しています。背景画像や絵コンテのラフは入力せず、ガレージの環境、ライティング、カットの切り替えはすべてテキスト記述で制御しました。「曇り空の午後、ガレージの入り口から柔らかい自然光が差し込み、床は乾いた状態を保ち、肌やレザースーツの強いハイライトを抑える」という設定です。
今回使用した参照画像
| 参照内容 | 画像 | 対応関係 |
|---|---|---|
| 1 · 女性ライダー三面図 | ![]() | 赤黒のレーシングスーツ、赤黒のヘルメットを受け取る |
| 2 · 男性ライダー三面図 | ![]() | 黄黒のレーシングスーツ、常に白いヘルメットを保持 |
| 3 · メカニック三面図 | ![]() | 濃紺の作業着、ヘルメットを渡した後は空の手を引く |
| 4 · 赤いバイク | ![]() | フルカウル車体とスプリットヘッドライトを維持 |
| 5 · 青いバイク | ![]() | 丸目ヘッドライトと露出したエンジンを維持 |
| 6 · 赤黒のヘルメット | ![]() | メカニックの手から女性ライダーへ手渡される |
| 7 · 白いヘルメット | ![]() | 男性ライダーが保持 |
カット割り
| 時間 | カット内容 |
|---|---|
| 0–3秒 | ワイドショットで3人と2台の車両の位置関係を提示 |
| 3–7秒 | ミディアムショットでヘルメットの受け渡しを明確に捉える |
| 7–10秒 | ワイドショットに戻り、2人のライダーがそれぞれの車両へ向かう |
10秒 · 720p · ネイティブ音声 · 送信から完了確認まで約124秒
カット切り替え後も、人物と物体の全体的な一貫性を維持
このサンプルでは、複数回のカット切り替えを経ても設定の一貫性が全体的に保たれています。ワイドショットからミディアムショットへ、そして再びワイドショットへと切り替わるなかで、3人のキャラクターの顔立ち、レーシングスーツ、作業着はいずれも正しく対応しています。赤いフルカウルバイクと青い丸目ネイキッドバイクも、それぞれ元のデザインを維持しています。3枚の人物三面図もそれぞれ3人のキャラクターに正しく割り当てられており、1枚の画像内にある3つのアングルを3人の別人物として生成してしまうようなミスもありませんでした。
ヘルメットの所有関係と受け渡しの流れも一貫しています。最初はメカニックが赤黒のヘルメットを持っており、ミディアムショットに切り替わった後に女性ライダーがそれを受け取り、メカニックは手を離して引きます。ワイドショットに戻った後も赤黒のヘルメットは女性ライダーの手にあり、男性ライダーは全編を通して白いヘルメットを持ったままです。複数参照画像を用いるタスクにおいて、カットが切り替わってもキャラクターの同一性と各自が持つ小道具を明確に維持できる点は、後の編集作業において非常に有用です。
生成された動画は約3秒と約6.8秒の地点でカットが切り替わっており、ワイド、ミディアム、そして再びワイドへと戻るカット割りをほぼ指示通りに再現しています。画面のライティングもテキストで指定した柔らかい自然光に沿っており、床やレザースーツの反射も控えめに抑えられています。ただし、人物の演技にはまだやや硬さが見られ、ヘルメットを受け渡す際の指先のディテールについてもさらなる精査が必要です。現時点で確認できる結果としては、このサンプルは3つのカット間で人物と物体の対応関係を全体的に維持できています。なお、この項目は Flash のみをテストしており、標準版との一貫性の比較は行っていません。
複数参照画像テストの英語プロンプト(短縮版)
以下は元のテストにおける参照画像の対応関係、3つのカット割り、および主要な制約事項を残し、重複する記述を省略したものです。
Create a 10-second photorealistic live-action scene in three shots, with hard cuts at 3s and 7s. Exactly three adults, two parked motorcycles and two helmets.
References define appearance only; replace their studio lighting and backgrounds:
@Image 1: one Korean woman, black ponytail, red-and-black racing suit.
@Image 2: one European-American man, short brown hair, yellow-and-black racing suit.
@Image 3: one middle-aged European-American mechanic, salt-and-pepper hair and stubble, navy coveralls.
Each character reference is a three-view sheet of ONE person.
@Image 4: red faired sportbike, angular split headlights.
@Image 5: blue naked roadster, round headlight, exposed engine.
@Image 6: red-and-black helmet, passed from mechanic to woman.
@Image 7: white helmet, held by the male racer throughout.
Preserve faces, outfits, object designs and colors across cuts.
Setting: a working pit garage on an overcast afternoon. Soft neutral daylight enters from camera-right; worn concrete walls, rear workbench and cabinets, dry matte floor. Natural skin, subdued leather reflections, no glossy skin or amber wash. Keep lighting and environment consistent.
0-3s, steady eye-level wide: woman left beside the red bike, mechanic center holding the red-and-black helmet, male racer right beside the blue bike holding the white helmet. Show full bodies and both bikes. Mechanic begins offering his helmet to the woman.
3-7s, steady medium two-shot from the same side of the action axis: woman left, mechanic right, faces and hands visible. She takes the red-and-black helmet with both hands; he releases it and withdraws empty hands. Show clear contact and release without fused fingers or duplicated objects.
7-10s, return to the wide: woman holds her received helmet and steps toward the red bike; male racer keeps his white helmet and steps toward the blue bike. Mechanic stays between them, hands empty. Bikes remain on stands; nobody mounts or puts on a helmet.
Maintain identities, screen direction, object ownership, grounded movement and natural occlusion. Audio: continuous quiet garage ambience, footsteps and helmet handling. No dialogue, music, extra cuts, slow motion, duplicated people or objects, text, logos or watermarks.
生成速度
| シーン | モデル | 尺 | 送信から完了確認まで |
|---|---|---|---|
| バイクのコーナリングと追従撮影 | Flash | 8秒 | 82.658秒 |
| バイクのコーナリングと追従撮影 | Seedance 2.5 | 8秒 | 200.842秒 |
| 連続格闘 | Flash | 8秒 | 82.400秒 |
| 連続格闘 | Seedance 2.5 | 8秒 | 197.657秒 |
| 人物の演技と英語のセリフ | Flash | 8秒 | 87.419秒 |
| 2人の間で鍵を手渡す | Flash | 8秒 | 89.368秒 |
| 開始フレームに基づく小さな動作 | Flash | 8秒 | 83.066秒 |
| 7枚の参照画像と3カットの受け渡し | Flash | 10秒 | 124.013秒 |
前半5本の8秒の Flash 動画は、タスク送信から完了が確認されるまでの所要時間が約82〜89秒でした。一方、8秒の標準版動画2本はそれぞれ約201秒と約198秒かかっています。10秒の複数参照画像動画は約124秒でしたが、入力素材と動画の尺が異なるためここでは別枠として記録しており、前半の8秒サンプルと直接速度差を換算することはしません。日常の業務でプロンプトを繰り返し調整し、何度もサンプルを生成してカットの仕上がりを比較する必要がある場合、1回の生成につき1分以上短縮できることは、初期段階の試行錯誤や選定のペースを大幅に早めることにつながります。
なお、これらのタスクは同一アカウントから送信していますが、両バージョンのテストは異なる時間帯に分かれており、各シーンで複数回生成して平均値を取るといった処理は行っていません。記録された所要時間には、ネットワークの変動、サーバー側のキュー待機時間、およびスクリプトが5秒ごとにポーリングを行うことによる観測遅延が含まれています。したがって、このデータ群はあくまで今回のテストにおいて Flash の実際の待ち時間が短かったことを示すものであり、モデル固有の固定的な速度差としてそのまま換算できるものではありません。
Flash を使うべき場面、標準版を選ぶべき場面
制作タスクが動きの大きいシーンやアクション中心である場合、今回のテスト結果を見る限り、Seedance 2.5 標準版を選ぶ方が依然として確実です。2組の動態比較において、標準版は一連の動作の完結度、打撃を受けた際の身体反応、および空間内の位置移動の表現において、こうしたカットに求められる撮影要件により合致していました。
一方、現段階での主な用途が素早いテスト生成、構図の確定、プロンプトの書き方の模索である場合や、限られた予算内で日常的なカットをまとめて進めていく必要がある場合には、Flash の短い待ち時間と低い単価が非常に実用的な価値を持ちます。Flash でも質感の良い映像クリップを生成できますが、カットを選定する際には絵コンテの要件と照らし合わせ、構図の見切れ、動作のつながり、細部のインタラクションを注意深く確認する必要があります。
総括すると、今回実施した2組の動態テストにおいては、Flash の動きの表現はまだ Seedance 2.5 標準版に完全には追いついておらず、動作の完結度や力強さでは標準版が依然として優位に立っています。Flash の立ち位置は、実用可能な品質を維持しつつ待ち時間を短縮し、API等の呼び出しコストを下げることで、クリエイターが初期段階で高頻度に試行錯誤や映像出力を行えるようにすることにあります。なお、人物の演技とセリフ、細部のインタラクション、空間認識、複数参照画像によるカット間の一貫性については、今回は Flash のテストサンプルのみを生成しました。これらは各タスクにおける Flash の実際の挙動とチェックポイントを示すためのものであり、これらのタスクにおける両バージョンの優劣を比較するものではありません。










