購読する ニュース - ソフトウエア
ByteDanceは、Volcano Engine FORCEカンファレンスで発表した動画モデル「Seedance 2.5」のAPIを一般公開した。このモデルは、1回の連続処理で生成される30秒のクリップ、最大50個のマルチモーダル参照入力、および3Dブロックアウトによるカメラ制御を中核としている。同社はまた、商用提供中のSeedance 2.0モデルを、10ビット出力のネイティブ4Kに対応させた。
今年、AI動画技術をこれほど前進させ、その過程でこれほど多くの法的批判を浴びた企業はほとんどない。Seedance 2.0は2月に登場し、主要な独立系人気ランキングで首位を獲得したが、その後、ネット上で拡散した有名人のディープフェイクを巡りハリウッド全土からの反発を招き、主要な映画スタジオすべてから差止請求書が届く事態となった。Seedance 2.5はその後継版であり、より長く、制御しやすく、制作に適した作品制作を明確に狙っている。現在は基調講演のスクリーン上ではなく開発者の手に渡っているため、その主張が検証可能になる瞬間が到来した。
継ぎ目のない30秒
最大の注目点は再生時間だ。ByteDanceによると、Seedance 2.5は30秒のクリップ全体を単一の生成処理でレンダリングでき、短いセグメントの継ぎ合わせや延長処理を必要としない。前作はネイティブで最大約15秒が限界であり、別々の生成結果を端から端までつなぎ合わせることでようやく30秒に達したが、まさにその部分こそがAI動画の弱点となりやすい。
こうした不具合は、単純な数値よりも重要だ。2つのクリップをつなぎ合わせると、顔の位置がずれたり、服装が変わったり、照明が揺らぐほか、カットの境目で部屋の形状がさりげなく変化してしまう。実際の制作要件に耐えうる真に連続した30秒のテイクが実現すれば、主要モデルの中で最長のネイティブ単一ショット生成となるだろう。そして、コマーシャルや短編ドラマ制作において、この技術の最大の利点は長さではなく、隠すべき継ぎ目が存在しない点にある。
また、ByteDance自社のDreamina製品ページには、出力時間を180秒に延長するベータ版のロングビデオモードも掲載されている。同社は、30秒の標準モードを「信頼性の高いレベル」、3分モードを「実験的」と位置付けている。誰かが継続的なテスト結果を公表するまでは、この区別を尊重しておく価値がある。
50個の参照素材と、カメラ用の3Dブロックアウト
2つ目の柱は、入力の幅広さだ。Seedance 2.5は、1回の生成で最大50個のマルチモーダルな参照素材（画像、動画クリップ、音声、脚本、スタイルガイドなど）を受け入れる。これに対し、Seedance 2.0の上限は12ファイルだった。競合するモデルの多くは、参照画像を数枚しか受け付けないため、これは全く異なる次元の野心だ。キャラクター、ロケーション、製品、照明の雰囲気、BGMを同じショットに盛り込むのに十分な余裕がある。
撮影監督にとって最も興味を引く機能は、最も注目されなかったものだ。ByteDanceは、グリーンスクリーンプレートや3Dホワイトモデル・ブロックアウトを受け入れる「参照から動画への制御」について説明している。これは、照明やレンダリングを行う前に、カメラの位置、ステージング、ブロックを確定させるためにレイアウトで使用される、テクスチャのないラフなジオメトリだ。同社はこれを、動画生成モデルにおける初の「3Dホワイトボックスプレビュー機能」と呼んでいる。実際には、プリビズの考え方をプロンプト内に組み込むことで、モデルが何を生み出すかという賭けに出るのではなく、カメラの動きや構図を確定させることができる。
この機能群を補完するものとして、Seedance 2.5は、パフォーマンス、照明、カメラの挙動をそのまま維持しつつフレームの一部を再描画する局所編集をサポートしており、ByteDanceは2.0に比べてプロンプト順守率が約20％向上したと主張している。このモデルは、英語、中国語、日本語、韓国語、スペイン語、アラビア語、ポルトガル語を含む11言語に対応している。プロンプト順守率の数値を裏付けるベンチマークは公表されていない。
Seedance 2.0がひっそりと4Kへ移行
映像制作者がすぐに活用できるアップグレードは、旧モデルに施された。Seedance 2.0は、これまで1080pから2K程度が上限だったところから、10ビットカラーのネイティブ4K出力が可能になった。これにより、広く流通しているこのモデルは、すでに4Kを謳っていた競合製品と同等の水準に達した。正確性を期すために付記すると、カンファレンスで報じられた4Kに関する見出しはバージョン2.0に関するものであり、ByteDanceはバージョン2.5の解像度上限について別途公表していない。ただし、Dreaminaの商品ページでは、新型モデルについて純粋な4K出力が可能であると記載されている。
Seedance 2.0には、その実力を判断できる実績がある。これは、音声と映像の同時生成が可能なデュアルブランチ拡散トランスフォーマー上で動作し、5月にカンヌ映画祭周辺で公式選出作品ではないものの上映されたHiggsfieldの95分のAI長編映画『Hell Grind』の主要な映像エンジンとして採用されていた。また、ByteDanceはカンファレンスで、同社のエンタープライズ向けSeedance事業の年間経常収益が20億ドルに達したと明らかにした。
今回のリリースでは解決されない著作権問題
モデルに加え、ByteDanceは初回リリースで著しく欠けていたライセンス層の構築を進めてきた。Volcano Ark著作権商用化プラットフォームは6月10日に公開され、FORCEでも再び紹介された。これはSeedance 2.0上で動作し、認可、保護、審査、配信、収益化を網羅する権利管理システムを備えている。
スティーブン・チャウのBingo Groupが最初のパートナーとなり、『コメディの王様』、『CJ7』、『料理の神』を創作テンプレートとしてライセンス供与した。ユーザーは自身の映像を組み合わせて、Douyin、Jimeng、CapCut上でこれらのテンプレートを活用できる。ByteDanceによると、これらのテンプレートによる同日の創作件数は10万件を超えたという。明らかにされていないのは、収益配分、ロイヤリティ率、生成ごとの手数料などであり、権利者が実際にどれだけの収益を得ているかという核心的な疑問は未解決のままとなっている。
こうした状況では、以前から続く紛争は解決されていない。Seedance 2.0のリリース後に送付された差止請求書は未解決のままであり、新モデルの米国での提供開始日も依然として確定していない。商用利用を検討しているユーザーにとって、実践的な指針は変わっていない。自身の資産、適切にライセンスされた素材、または合成キャラクターを使用し、モデルを生成しようとも、保護された知的財産には手を出さないことだ。
Veo、Kling、Runwayとの位置づけ
4月下旬にOpenAIがSoraアプリを終了したことで、競争環境は狭まったが、そのAPIは9月下旬まで稼働する。残っているのは、GoogleのVeo、KuaishouのKling、Runway、そしてSeedanceだ。
独立したブラインド評価の分野では、現在リリースされているSeedance 2.0が、音声付きテキストから動画への生成においてEloスコア約1,218で首位に立ち、Kling 3.0やGoogle Veo 3.1を上回っているほか、画像から動画への生成部門でもトップに立っている。これは確かな結果だが、これは2.0版のものだ。Seedance 2.5に関する独立したスコアは存在せず、現在出回っている2.5版のランキング数値はすべて捏造と見なすべきだ。
機能ごとに比較すると、見出しが示唆するよりも状況は拮抗している。Kling 3.0はネイティブで4K/60fpsの生成が可能で、世界中で利用可能なAPIのコストは1秒あたり約7.5セントだ。また、その「AI Director」モードでは、15秒間の生成に複数の異なるカメラ設定を詰め込んでいる。Veo 3.1は、このグループの中で依然として最高のセリフ同期とリップシンクを実現している。Runwayは、映像制作において最も洗練された操作インターフェースを維持している。Seedance 2.5の真の強みは解像度ではなく、処理時間と参照データの広さであり、マルチモーダル入力の処理こそが、GoogleがOmniファミリーで推進しているまさにその軸だ。
アクセス、コスト、そして自分で確認すべきこと
APIへのアクセスは、国際的にはBytePlus ModelArkを通じて、企業アカウントの場合はVolcano Engineから直接行われ、一般ユーザー向けにはDreamina、Jimeng、CapCutを通じてアクセスできる。ByteDanceは2.5の公式料金表を公開していない。参考として、Seedance 2.0は標準的なサードパーティ向けプランで1秒あたり約6米セント、割引された高速プランでは2セント近くだ。また、独立した推計によると、30秒の2.5クリップは低設定で約1～2ドル程度とされ、4Kでは急激に高くなる。これらは予測であり、正式な価格ではない。
一般提供開始から4日が経過した現時点での正直なところ、定量的な情報は依然としてByteDanceまたはその製品ページからのみ得られている。モデルカードも、独立したベンチマークも、中立的な長編テストも存在せず、ソーシャルプラットフォーム上で出回っているサンプルリールは、一貫した出力の証拠というよりは、厳選されたプロモーション素材に過ぎない。現在、実務に携わるプロフェッショナルが今できる最も有益なことは、具体的な参照素材と難易度の高いカメラワークを含む実際のショットリストに対してモデルを実行し、30秒間を通じてキャラクターの個性や照明が実際に維持されているかを確認することだ。
