30秒のプロンプトなのに、使えるのは12秒だけになる理由
長く丁寧な文章を書きます。女性がコインランドリーに入り、洗濯機に洗濯物を入れ、電話を受け、相手と口論し、最後に1人で座る。ところが返ってきたクリップでは、彼女は20秒かけてドアを通り抜けるだけで、電話のシーンは一度も訪れません。出力が壊れているわけではありません。モデルにスケジュールがなかったため、最初の一文に持ち時間のすべてを使ってしまったのです。
これは長尺の動画生成が抱える本質的な問題であり、モデルの問題である前に書き方の問題です。Seedance 2.5は、同期した音声付きで最長およそ30秒の連続した映像を1回の生成で作成できるため、1つのシーンをまるごと1つのプロンプトに収められます。ただし、そのシーンをどんなテンポで進めたいのかまでは、推測してくれません。
Seedance 2.5はAtlabsで利用できるので、このガイドの内容はすべて、ByteDanceの別アカウントなしで今日から試せます。
AtlabsでSeedance 2.5を試す
30秒では、プロンプトの構造がより重要になる理由
4秒なら、プロンプトは描写です。瞬間は1つだけなので、モデルはその瞬間を描いて終わります。2024年から2025年にかけて書かれたプロンプトのアドバイスの多くはこれを前提にしており、形容詞のリストのように読めるのはそのためです。
30秒になると、プロンプトはスケジュールになります。もはや1枚の絵を描写するのではなく、複数の出来事に時間を配分するのです。指定していない1秒1秒は、モデルが自分で埋める時間になります。フレーム内のほかのすべてにも同じことが言えます。4秒なら、キャラクターの顔が変わってしまう余裕はほとんどありません。30秒あれば、何かで固定しない限り、顔立ち、衣装、セットの装飾のすべてがずれていく余地があります。
そのために用意されているのがリファレンスの仕組みです。Seedance 2.5は、画像、動画、音声を合わせて最大50件の入力を受け付け、モデルは入力した順番で重み付けを行い、先に入れたリファレンスほど影響が大きくなります。タグ付けしていないリファレンスも使われますが、どう使うかはモデル任せです。一貫性に関する不満の多くは、実際にはここから生まれます。
品質の違いのほとんどは、3つの習慣で決まります。クリップを時間で区切ったビートに分けること、すべてのリファレンスに「何を制御するか」を具体的にタグ付けすること、そして音声も映像と同じように意図的に記述することです。以下の内容はすべて、この3つを土台にしています。
完璧なプロンプトの公式
ByteDance自身が示す構造は、監督の指示書のようなもので、被写体、動きまたは出来事、設定と環境、ビジュアルスタイル、カメラワーク、音声の順に書きます。
テンプレートにすると次のようになります。[被写体]が[設定]で[動き]をする。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。音声は[音声]を含む。
具体例を分解すると次のようになります。被写体と動き：陶芸家が、ろくろの上で淡いブルーのカップを仕上げる。設定：夜明けの小さなスタジオで、背後の棚には焼成前の作品が並ぶ。ビジュアルスタイル：やわらかな朝の光、濡れた粘土の艶、整頓された作業台。カメラ：ろくろを捉えたミディアムショットから、質感へゆっくりとプッシュイン、その後、棚を正面から見たカットへ。音声：ろくろの低い回転音、粘土の摩擦音、控えめな室内の環境音。
カメラの行が、雰囲気ではなく動きを名指ししていることに注目してください。「Cinematic」は指示ではありません。「Slow push in」「steadicam follow」「whip pan」「rack focus」は、フレームが物理的に何をするかを描いているので、指示になります。
10〜12秒を超える場合は、この公式をスケジュールで包みます。ビートを割り当てましょう。0〜8秒、8〜18秒、18〜30秒に何が起こるかを決めます。そのうえで、ビートの前に、各リファレンスが何を制御するのかを1行ずつ書きます。画像1は顔立ちと服装。動画1はカメラの動きとテンポのみ。音声1はセリフとリズム。ビートと役割という2つの追加が、どんなに説明を足すよりも多くの出力の問題を解決します。
Atlabsでシーンを作り始める
これを実現するAtlabsのワークフロー
Seedance 2.5は、Kling、Veo、Hailuo、Wanと並んでAtlabsのモデルラインナップに入っています。同じ指示書を別のツールで作り直すのではなく、シーンを一度書いて、それに合うモデルを選べます。
この種のプロンプトに最も近いワークフローはScript to Videoです。同じ考え方を、正しく書くことを自分で意識しなければならない文章ではなく、入力していくフォームの形にしてくれるからです。
Script to Videoは3つのステップで進みます。ステップ1では、台本を自由形式のテキストとして追加するか、脚本を追加します。Atlabsが脚本の書式を検出するとScreenplay Detectedと表示し、専用のセクションに移動します。左のパネルにはAIが分析したNarrator Voice、Locations、Actorsが表示され、右のパネルでは作品をシーンごとにLocation Type、Location、Time of Dayで分解します。各シーンの中には、個別のSHOT説明と、キャラクター名・セリフ・話し方のトーンを持つDIALOGUEブロックが並びます。このショットリストが、時間で区切ったビートをインターフェースにしたもので、キャストパネルがリファレンスのタグ付けをインターフェースにしたものです。
音楽主導の作品にも同じ考え方が生きており、Music Videoワークフローでは、Creative Directionステップが曲から検出したテンポ、ムード、ジャンルをもとに6つのシーンコンセプトを生成します。
ステップごとの手順
1. ツールを開く前に、ビートを書き出す。 まず紙の上で、シーンを3〜4つの時間ブロックに下書きします。1ブロックにつき1つの動き、1つのカメラワークです。1つのブロックに無関係な出来事が2つ入っているなら、分けましょう。ここは多くの人が飛ばしてしまうステップですが、出力が使えるものになるかどうかを決めるのはこのステップです。
2. Script to Videoを開き、入力モードを選ぶ。 ナレーション主導の作品には「Add your script」、すでにショットとセリフがある場合には「Add your screenplay」を使います。脚本の書式で貼り付けると、AtlabsがScreenplay Detectedと表示し、構造化されたビューに切り替わります。白紙の入力欄からではなく、編集のベースがほしい場合に便利なAI Script Writerボタンと、AIが生成した3つの出発点を表示するSuggested Scriptsパネルもあります。
3. シーンの構成を組み立てる。 脚本モードでは、Location TypeをExteriorまたはInteriorで設定し、続いてLocationとTime of Dayを設定します。SHOT説明は起こる順に、ビートごとに1つずつ追加し、キャラクターが話す箇所にはDIALOGUEブロックを追加して、キャラクター名、セリフ、話し方のトーンを入力します。ショットとセリフはシーンごとに追加・削除できるため、文章を丸ごと書き直して当てずっぽうに再生成するのではなく、ここでテンポを引き締められます。
4. スタイルを設定する。 ステップ2では、Aspect RatioをTikTokとInstagram向けの9:16、YouTube向けの16:9、LinkedIn、Twitter、Facebook、Pinterest向けの1:1から選べます。Video Styleは、AI Video（推奨）、AI Storyboard、そして自分の素材を使う場合のUploadから選びます。16:9ではうまく見えるプッシュインも、9:16ではトリミングのされ方が変わるため、フレーミングを確定する前にアスペクト比を選びましょう。
5. キャストを確定する。 ステップ3では、台本から抽出されたキャラクターが、それぞれClick to Editとともに一覧表示され、Add Characterオプションと、Country AccentおよびNarrator Voiceのドロップダウンがあります。ここでキャラクターを定義することは、プラットフォーム上で、顔立ちの画像をリファレンスの先頭に置くことに相当します。ショットごとに新たな推測をするのではなく、「この人物は誰か」という1つの確定した答えをモデルに与えます。
6. Seedance 2.5で生成し、やり直しではなく編集する。 ある区間がうまくいかなかったときは、クリップをModify Videoに取り込み、アップロードして、プロンプトで@Video1として参照し、完成させたい動画を記述し、スタイルの手がかりとして最大4枚のリファレンス画像を添付します。Keep Original Audioにはオン・オフの切り替えがあるため、映像を直しても、良いサウンドトラックを失いません。
AtlabsでScript to Videoを開く
Atlabsでこの方法がうまくいく理由
1つ目の理由は、モデルのルーティングです。プロンプトの技法はどのモデルにも持ち運べますが、見た目の質感はそうはいきません。スタイライズされたキャラクターのクローズアップをうまく描くモデルが、海岸の広い屋外シーンもうまく描くとは限りません。Atlabsでは、長い連続テイクとリファレンスを多用するシーンにはSeedance 2.5、スタイライズされたコンテンツ、アニメ、キャラクターのクローズアップにはSeedance 2.0、映画的なモーションとなめらかな動きにはKling 3.0とKling 2.6、フォトリアルなビジュアルとエスタブリッシングショットにはGoogle Veo 3.1、ハイモーションとアニメ寄りのビジュアルにはHailuo 2.3、オープンソースの映画的な出力にはWan 2.6が使えます。1つのワークフローで、裏で動くモデルを切り替えられ、別々のAPIアカウントを束ねる必要もありません。
2つ目は、インターフェースが構造を強制してくれることです。覚えておくことを求めるのではなく、シーンごとにSHOTとDIALOGUEのブロックを持つショットリストなので、知らないうちに1つの長い文章に崩れることがありません。これは、長尺のプロンプトで最もよくある失敗です。
3つ目は、動きと顔立ちを切り離せることです。Motion Controlは、3〜30秒のリファレンス動画を受け取り、その動きをアップロードしたキャラクター画像に適用します。動きは完全にプロンプトではなくリファレンスの制御下に置かれ、背景やシーンの詳細は任意のプロンプト欄で指定できます。「動画1はカメラの動きのみ」と書くのと同じ考え方ですが、それをツールが保証してくれます。Lip Syncも、演技について同じように機能し、キャラクターの画像または動画と、2〜120秒の音声ファイルを受け付けます。
プロンプト例
1. 時間配分を指定したワンテイク。 A man in a charcoal three piece suit walks the length of a hotel lobby at night, marble floor, brass fittings, moody amber tungsten light. 0s to 8s: steadicam follow from behind as he crosses the floor, staff turning to watch him pass. 8s to 18s: he pushes through the brass doors into the street, whip pan to reveal a crowd of photographers, flashbulbs strobing. 18s to 30s: slow push in on his face, half smile, rack focus to the marquee behind him. Sound is crowd murmur, camera shutters, distant traffic, no music. （Seedance 2.5での生成がおすすめ） このプロンプトをAtlabsのScript to Videoで試す
2. 飾らないドキュメンタリー風モンタージュ。 Multi shot observational footage in a self service laundromat late at night, seven shots, handheld with imperfect framing, no single continuous take. A woman in an oversized cotton T shirt loads a machine, takes a phone call, and sits alone under buzzing fluorescent tubes. Wide from the doorway, then over the shoulder at the drum, then a tight profile at the window. Sound is raw production audio only, machines, traffic outside, no score. （Seedance 2.5での生成がおすすめ） このプロンプトをAtlabsのScript to Videoで試す
3. ビートに同期したパフォーマンス。 A singer in a red satin jacket performs on a rain slick rooftop at blue hour, neon signage behind her, city haze catching the light. Camera orbits slowly for the verse then cuts harder on the chorus, cuts landing on the beat. Shallow depth of field, cool highlights against warm skin tones, cinematic grade. （Kling 3.0での生成がおすすめ） このプロンプトをAtlabsのMusic Videoで試す
4. キャラクターの一貫性を固定する。 A woodworker walks through a sawdust lit workshop and stops beside a finished walnut chair. The camera tracks from behind, moves into a side view, and ends on a close up of her hands on the armrest. Preserve the face, the clothing, the product shape, and the room layout exactly. No additional people, no subtitles, no added music, no camera cuts. （Seedance 2.5での生成がおすすめ） このプロンプトをAtlabsのModify Videoで試す
5. 物理挙動のテスト。 A glass marble rolling fast along a chain reaction track built from dominoes, brass gears, and small wooden ramps on a workbench. One continuous smooth shot, macro depth of field, hard side light picking out the edges. The marble obeys real gravity and momentum throughout. Crisp clicks, rolling glass, no music, no cuts. このプロンプトをAtlabsのScript to Videoで試す
6. モーションの転写。 A dancer in a loose linen shirt performs in an empty concrete gallery, tall windows casting hard rectangles of afternoon light across the floor, dust visible in the beams. Motion comes entirely from the reference clip, background and lighting from the prompt. Wide static frame, no camera movement, natural room reverb. （Hailuo 2.3での生成がおすすめ） このプロンプトをAtlabsのMotion Controlで試す
これらのプロンプトをAtlabsで実行する
プロのコツ
顔立ちを最初に置く。 リファレンスの順序は重みを持ち、モデルは先に入れた入力をより権威あるものとして扱います。顔立ちを1番目に、衣装を次に、場所をその次に、スタイルのグレーディングを最後に置きましょう。キャラクターがずれ続けるなら、プロンプトを書き直す前に順序を確認してください。
各リファレンスを「何に使わないか」も伝える。 「動画1はカメラの動きとテンポのみ」と書けば、そのクリップの照明や衣装まで借用されるのを防げます。除外の指示は、通常の指示と同じくらい有効です。リファレンスを多用するプロンプトの末尾に「no subtitles, no added music, no extra people」を入れるのはそのためです。
音を記述するか、届いたものをそのまま受け入れる。 音声は同じ生成の中で作られるため、プロンプトで何も書かないことは無音の依頼ではなく、白紙委任です。環境音を指定し、セリフを話す言語を指定し、シーンの下に何も入れたくなければ、現場音のみと明記しましょう。
よくある質問
Seedance 2.5はAtlabsで使えますか？ はい。ラインナップのほかのモデルと同じワークフロー内で動作するため、Script to VideoやMusic Videoでシーンを組み立て、生成にSeedance 2.5を選べます。別のサービスでアカウントを作る必要はありません。
Seedance 2.5のクリップはどのくらいの長さにできますか？ ネイティブの連続生成は、1回でおよそ30秒までです。短いクリップをつなぎ合わせる必要はなくなりました。これが以前のバージョンとの最も実用的な違いです。
リファレンスはいくつまで使えますか？ 画像、動画、音声を合わせて最大50件で、プラットフォームによって異なりますが、一般には画像約30枚、動画クリップ10本、音声ファイル10個に分けられます。先に入れたリファレンスほど重みが大きいため、重要度の順に並べましょう。
長いプロンプトを手早く改善するには？ タイムスタンプを加えることです。30秒の指示を3〜4つの時間ブロックに分けるだけで、ほかのどの変更よりも多くのテンポと連続性の問題が解決し、所要時間は1分ほどです。
Seedance 2.5とSeedance 2.0のどちらを使うべきですか？ クリップが長い場合、複数のリファレンスを固定したまま保つ必要がある場合、シーン全体を1回の生成でまとめたい場合は、2.5を選びましょう。短いスタイライズされた作品、アニメ、キャラクターのクローズアップで、すばやく結果がほしく、30秒近くにわたる連続性が問われない場合は、2.0を選びます。
すべてを再生成せずに、クリップの一部だけを修正できますか？ はい。Modify Videoは、3〜10秒の既存のクリップをプロンプト内で@Video1として参照し、完成させたい動画の説明と、スタイルの手がかりとして最大4枚のリファレンス画像を受け付けます。Keep Original Audioをオンにしておけば、映像を変えても音声を失いません。
総合評価
長尺のプロンプトでは、描写よりも計画が成果を左右します。文章を書く前にビートを書き、各リファレンスが何を制御するかをモデルに正確に伝え、カメラと同じ丁寧さで音声も指定しましょう。この3つの習慣は、今年使うどのモデルにも通用します。リリースのたびに学び直すのではなく、今のうちに身につける価値があります。
持ち運びにくいのは、プロンプトの周辺にあるすべてです。ショットリスト、キャスト、アスペクト比、モデルの選択、そして一部の区間がうまくいかなかったときの修正作業です。それを担うのがフルワークフローです。Script to Videoは構造を、Music Videoはその曲主導のバージョンを提供し、Modify VideoとMotion Controlは最初に戻ることなく修正を引き受けます。そのすべての裏側で動いているのがSeedance 2.5です。
