project
Seedance 2.0 Mini - ByteDanceが発売した軽量ビデオ生成モデル
Seedance 2.0 Miniは、ByteDanceのVolcano Engineによって開発された、コスト効率が高く軽量なビデオ生成モデルです。コアとなるマルチモーダルリファレンス生成機能を維持しながら、生成コストを約50%削減し、Seedanceへの変換速度を向上させています。
Seedance 2.0 Miniとは何ですか？
Seedance 2.0 Miniは、ByteDanceのVolcano Engineによって開発された、コスト効率が高く軽量な動画生成モデルです。コアとなるマルチモーダルなリファレンス生成機能はそのままに、生成コストを約50%削減し、速度をSeedance 2.0 Fastの2倍に向上させています。主に、クリエイティブな動画、ショート動画、初期段階のプロジェクトドラフトの迅速なバッチ生産を対象としています。
Seedance 2.0 Miniの主な機能
- マルチモーダル入力生成テキストから動画、画像から動画、動画から動画への変換フォーマットに対応しており、テキスト、画像、動画などの様々な素材に基づいて動的なコンテンツを生成できます。
- マルチモーダル参照システム最大12個の参考資料（画像6枚＋音声クリップ3個＋動画クリップ3個）を統合することで、キャラクターの一貫性を確保し、動きの軌跡や物語のリズムをきめ細かく制御できます。
- ネイティブな音声・映像同期音声リファレンス入力をサポートしているため、生放送やラップなどの場面で正確なリップシンクが可能になるほか、環境音の効果音と画面上のイベントをミリ秒単位で同期させることもできます。
- 720P標準出力短編動画や迅速なプロトタイピング向けに設計されており、720Pの解像度で画質と生成効率のバランスを取り、生成あたりのコストを削減します。
- 長文や複雑な場面を理解する複雑なプロンプト、マルチカメラ切り替え、ストーリー展開のペース制御に対応し、eコマースのナレーション、シュールなシーン、物理シミュレーションなど、多様なニーズに対応できます。
- キャラクターの一貫性と動きの拡張参照画像に基づいた動的な動画において、キャラクターの外見や服装の細部の連続性を維持し、キャラクターの成長や形態変化といった複雑な視覚的変化にも対応します。
Seedance 2.0 Miniの技術的原理
- デュアルブランチ並列生成アーキテクチャ動画生成プロセスは、「コンテンツ生成」と「レンダリング最適化」という2つの独立したブランチに分かれており、これらは並行して実行されます。コンテンツ生成ブランチは、コアとなるビジュアル、プロットロジック、および基本要素の構築を担当し、レンダリング最適化ブランチは、ビジュアルの詳細調整、カラーキャリブレーション、およびフォーマットへの適応に重点を置いています。これら2つのブランチは同期して処理されるため、従来の逐次生成の効率上の制約を打破し、全体の生成時間を短縮し、スクリプトとビジュアルの整合性を向上させます。
- 統合型マルチモーダル合同訓練このアプローチでは、テキスト、画像、音声、動画といった様々なモダリティを同一の表現空間に配置し、共同学習と推論を行うことで、対照学習を通してモダリティ間の意味マッピング関係を確立します。このモデルは、異なるモダリティからの情報を単に寄せ集めるのではなく、プロンプト、プロットの詳細、参照画像の構成、デモンストレーション動画のカメラワーク、音声のリズムといった要素間の本質的なつながりを真に理解し、マルチモーダル入力の深い融合と正確なアライメントを実現します。
-
軽量蒸留とモデル圧縮ミニバージョンとして、知識蒸留技術を用いて、大規模モデルの中核となる生成機能を軽量な小型モデルに移行します。同時に、構造化剪定によって冗長なパラメータを除去し、量子化圧縮によって高精度パラメータを低精度形式に変換することで、モデルサイズを元の1/5～1/10に圧縮し、推論速度を2倍に向上させ、計算電力消費量を約40%削減します。これにより、コアとなる画像品質と創造性を維持しながら、コストと効率のバランスを実現します。
Seedance 2.0 Mini の使い方
現在、このAPIはLittle LarkとJimeng AIでの使用、またはVolcano Ark Large Model Experience Centerでの体験にのみ対応しています。APIは6月22日に公開予定です。Volcano Ark Large Model Experience Centerでの現在の価格は1,000トークンあたり0.023元です。
Seedance 2.0 Miniの主な利点
-
コストが半減Seedance 2.0の標準バージョンと比較して、生成コストは約50%削減され、720Pビデオは1秒あたり0.5元から、Cエンド会員は期間限定で1秒あたり0.16元という低価格で利用できます。
-
速度が2倍生成速度はSeedance 2.0 Fastの2倍で、実際のテストでは10秒の動画を約2分で作成できます。
-
運動の質の向上初期のテスト結果によると、そのモーション性能はSeedance 2.0やFastを上回り、より優れた画像安定性を実現している。
-
マルチモーダル参照システム最大12個の参照素材（画像6枚＋音声クリップ3個＋動画クリップ3個）の融合をサポートし、キャラクターと動きの軌跡の一貫性を正確に確保します。
-
ネイティブな音声・映像同期音声リファレンス入力をサポートしており、ナレーションやラップなどの場面で、正確なリップシンクとリズムの同期を可能にします。
Seedance 2.0 Miniと類似の競合製品との比較
| 寸法 | Seedance 2.0 Mini | Seedance 2.0 Fast |
|---|---|---|
| 製品ポジショニング | 高性能量産 | 軽量クイックドラフト |
| 生成速度 | 2倍の速さ10秒の動画は約2分の長さです。 | もっと早く |
| 運動の質 | より良い初期のテストでは、FastとProを上回る性能を示した。 | 中くらい |
| 画像の安定性 | より強い揺れやドリフトが少ない | 一般的に |
| 生産コスト | より低い標準版よりも約50％安い。 | より低い |
| 出力品質 | ファスト とても | ベンチマークレベル |
| 最良のシナリオ | 短編動画の大量生産、迅速なテスト、マーケティング資料の反復開発 | 短編映画の脚本、軽量アプリケーション |
Seedance 2.0 Miniの応用シナリオ
-
短編動画の大量生産自社メディアやMCN（マルチチャンネルネットワーク）の代理店は、720Pで大量のコンテンツを迅速に制作できるため、動画制作の単位コストを削減できます。
-
電子商取引デジタル人口放送アンカーの画像を使用し、口の動きと商品表示を正確に同期させた商品紹介動画をバッチ処理で生成します。
-
マーケティング資料は頻繁に改訂される。広告チームは、クリエイティブなプロトタイプのA/Bテストにこれを使用し、さまざまなビジュアルスタイルやストーリー構成を数秒で検証している。
-
UGC特殊効果ゲームプレイこれにより、個人ユーザーは低コストでシュールなシーンやキャラクターの変身を盛り込んだ楽しい動画を作成できるようになり、制作のハードルが下がります。
-
プロジェクト予備草案これは、映画や広告制作チームがストーリーボードのプレビューやコンセプトの検証に使用しており、従来の手描きのストーリーボードに取って代わるものです。