Seedance 2.5とは？ 2.0との違いと使い方、日本語の台詞が崩れる4つの型と直し方

本記事はアフィリエイト広告（Higgsfieldの紹介プログラム）を含みます。紹介しているのは、私が自分で契約して使っているサービスです。

「Seedance 2.0の映像には驚いたけれど、日本語の台詞は崩れると聞いた」「2.5が出たらしいが、今度こそ日本語で喋る人物を作れるのか」。Seedance 2.5を触る前に、日本語の台詞のところで手が止まっている人は多いと思います。1回で30秒、参照は50件まで、という数字は多くの紹介ページに並んでいます。ところが、日本語の台詞がどのくらい通るのかは、開発元のByteDanceも数字を出していません。解像度も、ページによって「4K」だったり「1080p」だったりします。私は2026年9月中旬から、AIショートドラマ『派遣監査人』をHiggsfieldのSeedance 2.5で作っていて、台詞は全クリップを文字起こしして台本と照合しています。以下、2.5とは何か、2.0との違い、日本語の台詞の実測と崩れ方の型、Higgsfieldでの手順、解像度とクレジットの順に書きます。料金の比較と無料で使えるかどうかは別の記事で扱うので、お金の話はHiggsfieldで1秒あたり何クレジット減るかに絞りました。崩れた台詞を作り直さずに直す方法も、日本語の台詞の章の終わりに置いてあります。

Seedance 2.5とは、ByteDanceが2026年7月31日に発表した音声つきの動画モデル

Seedance 2.5は、TikTokで知られるByteDanceの研究チーム「Seed」が作った動画生成モデルです。公式の発表は2026年7月31日。映像と音声を1回の生成で一緒に出すのが特徴で、人物の台詞も効果音も音楽も、同じ生成の中で作られます。1回で作れる長さは最長30秒です。前の版のSeedance 2.0の発表は2026年2月12日でした。

公式に確認できた提供先は4つ

2026年9月30日の時点で、公式のページから確認できた提供先は次のとおりです。

• ByteDanceが自社で運営するJimeng AI・Doubao Proなど（発表と同時に提供が始まった）
• Dreamina（CapCutの系列）。公式ページに「世界で正式に公開」とあり、日本語のページもある
• BytePlus ModelArk。開発者向けのAPI（プログラムから呼び出す窓口）
• Higgsfield。公式の更新履歴によると、2026年8月6日から使える

私はSeedanceをHiggsfieldでだけ使っています。DreaminaとCapCutも少しだけ触りましたが、道具がいくつにも分かれるのがつらくて、Higgsfield 1つにまとめました。以下の手順と数字は、Higgsfieldで使った結果です。Higgsfieldがどういうサービスかは、Higgsfield（ヒッグスフィールド）とは？ 契約して使いながら規約で確かめた、どこの国・日本語対応・商用利用の答えに書きました。サービスから知りたい方は、先にそちらをどうぞ。

2.0から伸びたのは長さと参照の数。モデルが出せる解像度は1080pまで

2.0と2.5の違いを、ByteDanceの公式ブログとBytePlusの説明書（どちらも2026年9月30日に確認）に書かれた数字で並べます。

長さは15秒から30秒へ倍になり、参照に渡せる素材は15件から50件へ増えました。声の録音だけを参照に渡せるのも2.5からです。編集の機能として公式ブログに並んでいるのは、秒数を指定して一部だけ直す編集、グリーンバックの合成、カメラの視点を変える編集、参照に沿った編集の4つ。動画を前や後ろに伸ばす延長もできますが、回数の上限は公式ブログが「複数回」、モデルの紹介ページが「2回」と書いていて揃っていません。

「4K」と「1080p」、どちらが本当か

表の中で取り違えやすいのが解像度です。Seedance 2.5のモデルが出すのは1080pまでで、4Kを出せるのは2.0のほうです。混乱のもとは、Higgsfield自身のページどうしで書き方が違うことにあります。ブログは「モデルが作るのは480p・720p・1080pで、4Kはアップスケール」と書いていますが、Seedance 2.5の紹介ページには「native 1080p」と「native 4K」が両方並んでいます。アップスケールは、できあがった映像を後から拡大する処理です。4Kと書いてあるときは、拡大した結果のことだと読むのが安全です。

【実測】日本語の台詞は2.5で通るようになった。ただしAIドラマ15本のうち3本は崩れた

『派遣監査人』で確かめた日本語の台詞の話が、記事の中心です。日本語の台詞について書くのは、Seedance 2.5全般の精度ではなく、『派遣監査人』の制作と予告編のテストで見た結果です。作品は縦型で1話1分前後のショートドラマで、Season 1の3話はInstagramで約864万回再生されました（2026年9月25日時点）。作り直しの本数を数えたのはSeason 1の3話です。1話を12〜15秒のクリップ5本に分けていて、3話で15本、どれも縦9:16・720p・音声オンで作りました。どんな作品かは『派遣監査人』の作品ページで観られます。

公式に確かめられるのは、日本語が対応11言語に入っている、というところまでです。どのくらいの割合で通るのかという数字は、公式には出ていません。

2.0では4文字の「動くな」が3回とも崩れた

Seedance 2.0で試したときは、日本語の台詞が長さに関係なく崩れました。4文字しかない「動くな」ですら、3回作って3回とも別の音になっています。2.5に上げたのは2026年9月13日、予告編のテストのときです。8月末に作ったYouTubeの解説動画はMiniMaxのモデルで、Seedanceは使っていませんでした。

2.5で作った『派遣監査人』のSeason 1は、最終的に全クリップの台詞が台本どおりになりました。Whisperで文字起こしして、台本と一字一句照合した結果です。声の抑揚も、聞いて問題ないと判断できる出来でした。とはいえ、一発で全部が通ったわけではありません。Season 1の15本のうち作り直したのは3本で、3本とも台詞の音が崩れたのが理由でした。崩れ方は3本とも、次の表の①（短い名詞がくっつく）でした。「2.5なら日本語は全部通る」とは言えません。

崩れ方には4つの型があった

Season 1で作り直したクリップに、続く話数と予告編のテストで崩れた台詞を足して並べると、崩れ方は4つに分けられました。例は実際の台本の言葉です。

①は、助数詞（部・人・枚のように数に付く語）、1音しかない名詞、「三日徹夜」のように名詞を助詞なしでつないだ語で起きました。音の短い語が前後の音とくっついて、別の語に聞こえています。直し方はどれも、語を足して音を長くする方向でした。②の「打刻」は、Whisperの3つの大きさのモデル（small・base・medium）が、3つとも違う語を返してきた例です。

④は予告編のテスト（2.5・10秒×3本）で起きました。3本のうち、短いまま残した「次は、お前の番だ」だけが崩れています。台詞を短くしないこと、演技の指示を状況で書くこと、2.5を使うこと。直ったのは3つを合わせたときです。

崩れたかどうかは、Whisperの2つのモデルで見分ける

耳で聞くだけだと、台本を知っているぶん、崩れた音を正しい言葉として聞き流しやすくなります。台詞の確認に使っているのはWhisperで、OpenAIが公開している文字起こしのモデルです。手元のパソコンで動かせて、大きさの違うモデルがいくつかあります。見分けに使っているのは、small（小さめで速い）とmedium（大きめで遅い）の2つです。

見分け方は1つです。smallとmediumで別の言葉が返ってきた箇所は、音が崩れています。注意したいのは、声が乗っていない無音のクリップです。Whisperは「ご視聴ありがとうございました」のような、実際には言っていない言葉を返すことがあります。声が入っているかどうかは、文字起こしの結果ではなく音量で確かめます。

公式の書き方は、台詞を{}で囲んで言語名を前に置く

BytePlusの説明書では、プロンプトの中で音を書き分ける記号が決まっています。()が音楽、<>が効果音、{}が台詞、【】が字幕。中国語以外の台詞は、台詞の前に言語名を書くよう勧められています。プロンプトの基本の順番は、被写体と動き、場面と周りの様子、映像のスタイル、カメラの動きやカット、音、です。

演技の指示は、脚本の書き方にならって、話す人の名前のすぐ下に括弧で渡しています。書くのは「落ち着いて」のような形容詞より、人物が置かれた状況です。公式の記法と合わせると、たとえば次のような形になります（説明のために作った例です）。

部長
（部下の報告書に、自分の課の名前が抜けていると気づいたところ）
日本語：{営業二課の資料は、誰が作ったんだ}

台詞の「営業二課」は、表の①と同じ理由で、1音の「課」だけにしないようにしています。

作り直さずに、崩れた台詞と口元だけ直す

崩れた台詞が1語だけなら、クリップを丸ごと作り直さなくても直せます。使うのは、どちらもHiggsfieldにあるモデルです。

1. 元のクリップから、同じ人物の声を3〜7秒切り出す
2. Seed Audioに切り出した声を渡して、声をまねたまま正しい台詞を言い直させる（1本0.2クレジット）
3. 顔が映っているカットなら、Sync Lipsync 3で口元だけを新しい台詞に合わせ直す（3.4秒で約12クレジット）

『派遣監査人』の12〜15秒のクリップを720pで作り直すと、後の章で書く単価で84〜105クレジットかかります。口元を合わせ直すカットが3.4秒なら、言い直しと合わせて約12クレジットです。

Higgsfieldで1本作るときに決めるのは、作り方・長さ・解像度・参照の4つ

私は普段、HiggsfieldをClaude CodeからMCP（AIから外部のサービスを呼び出す仕組み）で呼んでいます。MCPから呼んでもブラウザの画面から使っても、決めるのは同じモデルの設定なので、決める中身の順に書きます。画面の項目名は変わることがあるので、見出しも決める中身で立てました。秒数や上限の数字は、BytePlusの説明書にあるモデルの仕様です。Higgsfieldの公式サイトは紹介リンクから開けます。

作り方は4つ

• テキストから作る：プロンプトだけで映像と音声を出す
• 参照から作る：画像・動画・音声を渡して、見た目や動きや声を借りる
• 編集する：できあがった動画の一部を直す。出力の長さと縦横比は元の動画に揃う
• 延長する：動画の前か後ろに4〜30秒を付け足す

日本語の台詞を喋る人物のカットなら、顔を揃えるために「参照から作る」を使うことになります。

長さ・解像度・縦横比・音声を決める

長さは4〜30秒、解像度は480p・720p・1080pの3つです。縦横比は21:9・16:9・4:3・1:1・3:4・9:16と、素材に合わせる自動の7通り。開始の画像を指定した生成と編集と延長では、縦横比は自動しか選べません。台詞を入れるなら、音声はオンにします。

参照には5つの役割がある

参照に渡す素材の役割は、開始画像（最初の1コマ）、終了画像（最後の1コマ）、画像参照（顔や服や場所の見た目）、動画参照（動きやカメラ）、音声参照（声色）の5つです。プロンプトの中では素材を番号で呼びます。BytePlusの説明書は @Image 1・@Video 1・@Audio 1 のように呼び、素材ごとに何を借りて、何を借りないかを書くよう勧めています。私はHiggsfieldでは @image1 の形で書いています。動画参照の使い道として、Blenderで作った粗い動きの映像を渡す方法もあります。私はまだ試していません。

最初の1本は、480pの5〜10秒で作る

480pなら10秒で30クレジットです。日本語の台詞を1〜2行入れた5〜10秒のカットを480pで作り、Whisperのsmallとmediumで文字起こしして台本と見比べる。1本目で文字起こしまで済ませると、台詞が通るかどうかと、1秒あたりの減り方が両方つかめます。

顔と場所は、同じ参照画像を毎クリップ渡して揃える

同じ人物が何度も出てくる動画では、クリップごとに顔が変わると、別の人に見えてしまいます。『派遣監査人』では、人物の顔と場所の画像を、毎クリップ参照として渡しています。渡す順番は場所 → 人物 → 小道具で、プロンプトの中では渡した順に @image1・@image2…と番号で呼んでいます。参照画像から頼んでいない物が写り込むのを止める書き添え方は、39カットを同じ絵柄で並べたプロンプトの書き方に4点でまとめました。参照画像を静止画のモデルで作るなら、Nano Banana Proを指定したのに、走っていたのは別のモデルだったも参考になるはずです。

Reference Elementは、私が試した範囲では2.5で使えなかった

Higgsfieldには、人物や物を「要素」として登録しておき、プロンプトから呼び出すReference Elementという機能があります。私が試した範囲では、Seedance 2.5ではReference Elementを使えませんでした。公式のページで同じ記載は見つけられていないので、仕様なのか一時的なものなのかは分かりません。2.5では、登録した要素の代わりに画像を毎回渡しています。

実在の人の顔は、BytePlusのAPIでは直接アップロードできない

BytePlusの説明書には、実在の人の顔が写った画像や動画は直接アップロードできない、と書かれています。案内されている代わりの手は、同じアカウントで生成した顔の再利用、用意されたデジタルの人物、許諾を取った実在の人物の素材の3つです。Higgsfield経由での扱いは、公式のページで確認できませんでした。

30秒を1回で作れても、『派遣監査人』は12〜15秒のクリップに分けて作った

30秒を1回で作れると、短いクリップをつなぐ手間は減ります。それでも『派遣監査人』のSeason 1は、1分前後の1話を12〜15秒のクリップ5本に分けて作りました。Season 1の15本の中に、30秒を1回で作ったクリップはありません。

分けておくと、台詞が崩れたときに作り直すのは、崩れたクリップ1本です。Season 1で作り直した3本も、第1話の3本目、第3話の2本目と5本目の、それぞれ1本ずつでした。720pの単価で計算すると、15秒のクリップを作り直すと105クレジット、30秒なら210クレジットです。1語の崩れで作り直す量は、1回で作る長さのぶんだけ増えます。

開発元も、複雑な動きと複数の被写体を改善の余地に挙げている

30秒を1回で作るのと分けて作るのとで、どちらが当たりやすいか。根拠にするのは、同じ場面を両方で作り比べた結果ではなく、開発元の説明です。ByteDanceは発表のブログで、2.5の改善の余地として「複雑な動きの物理的なもっともらしさ」と「複数の被写体が絡む場面の安定性」を挙げています。動きが続く場面や何人もが同時に動く場面を30秒ぶん1回に詰め込むと、開発元自身がまだ伸ばす途中だと書いている領域に入ることになります。

通しで見てドラマに見えなかったカットの型

2026年9月29日のテストでは、通しで見るとドラマに見えないカットが出て、NGにしました。型は4つです。

• 話している相手と目線が合っていない
• 人物が正面のカメラに向かって歩いてくる、広告のような構図
• カットを割らずに流れ続ける長回し
• CMのような、大きく分かりやすい芝居

どれも映像として崩れているわけではないので、1クリップずつ見ていると見落としやすい型です。1本ずつの検品と通しの検品が別の仕事だという話は、1枚ずつは合格していたのに、通しで見たら壊れていた。AIに丸投げした動画で見落とした4か所に書きました。よければあわせて読んでみてください。

解像度は480pで試して720pで本番。1秒あたり3・7・12クレジット

HiggsfieldでSeedance 2.5を使うと、1秒あたりのクレジットは解像度で決まります。公式ブログの最新の表（2026年9月30日に確認）と、私の実測を並べました。

720pの1秒7クレジットは、縦型の本番で実際に減った数字です。1080pは、2026年9月22日に特報を4秒×6本作ったときに288クレジット減っていて、1秒12クレジットになります。公式の最新の表と、私の実際の消費は、720pと1080pで一致していました。ただし1080pの1秒12クレジットは、割引された値段です。2026年9月30日の作成画面では、1080pの5秒に80クレジットの取り消し線が引かれ、60クレジットと出ていました。定価は1秒16クレジットで、割引がいつまで続くかは画面に書かれていません。480pは、実際に作って減った記録は手元にありませんが、作成画面の表示は5秒で15クレジットで、公式の表の1秒3クレジットと同じでした。

8月6日に公開されたHiggsfieldの料金ブログには、720pを8秒52クレジット（1秒6.5）とする古い表が残っているので、単価を調べるときは記事の日付を見てください。

1作品の目安として、『派遣監査人』Season 1の3話は、登場人物などの素材づくりまで含めて約2,150クレジットでした。プランごとにもらえるクレジットの量はHiggsfieldの料金は月19ドルから。Plusを払って分かったクレジットの減り方とプランの選び方で、動画1本ぶんの減り方の明細はAI動画1本＝約280クレジット。単価は当たっていたのに支払いが倍になった実測の内訳で確かめられます。

Draft Modeで、480pの下書きを1080pに仕上げ直せる

Draft Modeは、480pで下書きを作り、よかったものだけを1080pで作り直す機能で、Higgsfieldには2026年9月22日に追加されました。私も、AIアニメ『社会人レベル』の下書きをDraft（480p・15秒）で作りました。履歴には、1080pで仕上げ直すボタンが15秒で180クレジットと出ています。1080pでの仕上げ直しは、まだしていません。BytePlusの説明書によると、下書きから7日以内なら、プロンプト・参照・長さ・縦横比・音声の設定を引き継いで仕上げられます。下書きと仕上げは別々に課金され、下書きは480pの料金です。ただ、仕上げの値段は入口で表示が違いました。画面の「1080Pで生成」は15秒で180クレジット（1秒12）ですが、Claude Code（MCP）から同じ下書きを仕上げる見積もりは1秒6クレジットと出ていました。どちらで請求されるかは、まだ仕上げていないので確かめられていません。仕上げたら使用状況の画面で確かめて、ここに書き足します。Higgsfieldの更新履歴によると、米国からは使えません。

Seedance 2.5はPlus以上。MCPからの生成は無制限の枠に入らない

2026年9月30日の料金ページでは、Seedanceのすべてのモデルを使えるのはPlus以上でした。Starterで使えるのは、Seedance 2.0 FastとSeedance 2.0 Miniだけです。

無制限や無料の生成が使えるのは、higgsfield.aiの画面から生成したときだけです。MCPやCLIなど、外から呼び出した生成はクレジットを使います。私はClaude CodeからMCPで呼んでいるので、表の単価どおりに引かれています。8月には、8月9日までに有効にした人を対象にした33日間の無制限キャンペーンがありましたが、9月30日の料金ページにSeedance 2.5の無制限は載っていません。私は無制限の枠をまだ使っていません。

よくある質問

Q. Seedance 2.5はいつから使えますか？
A. 公式発表は2026年7月31日で、Higgsfieldでは2026年8月6日から使えます。

Q. Seedance 2.5は何秒の動画を作れますか？
A. 1回の生成で4〜30秒です（2.0は4〜15秒）。

Q. Seedance 2.5は日本語で台詞を喋らせられますか？
A. 喋らせられます。『派遣監査人』のSeason 1では、15本中3本を台詞の音の崩れで作り直したうえで、全クリップが台本どおりになりました（崩れ方の4つの型は本文の表に）。

Q. Seedance 2.5は4Kで出力できますか？
A. モデルが出すのは1080pまでで、4Kはアップスケール（拡大）で作るものです（2026年9月30日時点）。

Q. HiggsfieldのSeedance 2.5はいくらですか？
A. 1秒あたり480pで3、720pで7、1080pで12クレジットです（2026年9月30日時点。1080pは割引表示の値段で、定価は1秒16）。プランの月額は公式画面から書き起こしたHiggsfieldの料金の記事にあります。

Q. Seedance 2.5は無料で使えますか？
A. 2026年9月30日のHiggsfieldの料金ページでは、Seedance 2.5を使えるのはPlus以上でした。無料で試せる枠は時期で変わるので、断定はしません。

Q. Seedance 2.5に実在の人の顔を参照として使えますか？
A. BytePlusのAPIでは直接アップロードできません。Higgsfield経由での扱いは公式のページで確認できなかったので、使う前にHiggsfieldの規約を確かめてください。

Q. Seedance 2.5で作った動画は商用利用できますか？
A. Higgsfieldで作った生成物の扱いは、規約を読んで確かめたHiggsfieldの記事に書きました。Seedance 2.5に固有の条件があるかどうかは確認できていないので、仕事で使う前には最新の規約をご確認ください。

まとめ

Seedance 2.5は、ByteDanceが2026年7月31日に発表した、音声つきで1回30秒まで作れる動画モデルです。2.0から長さは15秒から30秒へ、参照は15件から50件へ増え、解像度は1080pまでになりました。Higgsfieldでは1秒あたり480pで3、720pで7、1080pで12クレジット減ります（1080pは2026年9月30日時点の割引表示の値段）。

日本語の台詞は、2.0では4文字の「動くな」が3回とも崩れていたのに対して、2.5では『派遣監査人』のSeason 1で最終的に全クリップが台本どおりになりました。ただ、15本のうち3本は台詞の音が崩れて作り直しています。崩れたのは、短い名詞、珍しい漢語、台詞の前の間投詞、短い台詞の4つの型でした。日本語の台詞の結果は、Seedance 2.5全般ではなく、『派遣監査人』の制作と予告編のテストで見たものです。崩れた1語のために12〜15秒のクリップを720pで作り直すと84〜105クレジットかかる計算で、声の言い直しと口元の合わせ直しは約12クレジットでした。

更新履歴

2026年9月30日：初版を公開しました。料金と仕様は、2026年9月30日にByteDance・BytePlus・Higgsfieldの公式ページで確認しています。日本語の台詞の話は、Seedance 2.5全般ではなく、『派遣監査人』の制作と予告編のテストで見た結果です（作り直しの本数は、Season 1の3話・15本で数えたもの）。クレジットの単価は変わりやすいので、使う前に公式の最新の表示をご確認ください。