E2XのByteDance Seedance 2.0 Mini API: 4〜15秒の動画生成&マルチモーダル参照が$0.045/sから
ByteDanceのSeedance 2.0 Mini(dreamina-seedance-2-0-mini-260615)が、4つすべての動画生成機能にわたってE2X APIで利用可能になりました。
bytedance/seedance-2.0-mini/text-to-video: テキストプロンプトから、6種類のアスペクト比(21:9、16:9、4:3、1:1、3:4、9:16)とネイティブの同期オーディオを備えた4秒から15秒のクリップを生成します。bytedance/seedance-2.0-mini/image-to-video: 開始画像(image_url)を、カメラワークとモーション制御を伴う4秒から15秒のクリップへとアニメーション化します。bytedance/seedance-2.0-mini/start-end-frame-to-video: 開始フレーム(image_url)と終了フレーム(end_frame_url)の間をつなぐ、連続した4秒から15秒のショットを補間生成します。bytedance/seedance-2.0-mini/reference-to-video: 1回のリクエストで最大9枚の参照画像(@Image1..@Image9)、3本の参照動画クリップ(@Video1..@Video3)、および3つの参照音声トラック(@Audio1..@Audio3)を組み合わせます。
定価ベースレート$0.06/sに対する常時25%割引により、4つのエンドポイントはすべてまったく同じ秒単価で課金されます。ネイティブオーディオ込みで、480pは1秒あたり$0.045、720pは1秒あたり$0.09です。デフォルトの5秒間の720pクリップは$0.45、5秒間の480pドラフトは$0.225となります。
$0.045/sおよび$0.09/sの料金体系の仕組み
E2X上のすべてのSeedance 2.0 Mini機能は、1秒あたり$0.06(60,000マイクロセント)の定価ベースレートを共有しています。常時適用の25%グローバル割引により、このベースレートは1秒あたり$0.045(45,000マイクロセント)に引き下げられます。この割引後のベースレートに、2つのスキーマパラメータが乗算されます。
resolution:"480p"には×1の倍率($0.045/s、または45,000マイクロセント/秒)が適用され、"720p"(デフォルト)には×2の倍率($0.09/s、または90,000マイクロセント/秒)が適用されます。duration:"4"から"15"までの任意の整数秒文字列(デフォルトは"5")により、1秒あたりの料金にリクエストされた秒数が乗算されます。
参照動画の追加や音声の有効化によって倍率が変わるトークン課金型APIとは異なり、E2Xは出力時間と出力解像度のみに基づいて厳密に課金します。
has_sound(デフォルトはtrue)に倍率はかかりません。同期されたセリフ、環境音、フォーリー効果音は$0.045/sおよび$0.09/sの料金に含まれています。- マルチモーダル参照入力(
reference_urls、reference_video_urls、reference_audio_urls)による入力トークンの追加料金は一切発生しません。
2026年11月5日時点で確認した、fal.ai、WaveSpeed、Replicate、Eachlabsに対するE2Xの料金比較は以下の通りです。
| プロバイダー | 480p / 秒 | 720p / 秒 | 720p・5秒 (T2V / I2V) | 720p・5秒 (5秒の動画参照あり) | 720pでのE2Xの削減率 |
|---|---|---|---|---|---|
| E2X(25%オフ) | $0.045 | $0.090 | $0.45 | $0.45 | 基準 |
| fal.ai | ~$0.072 | ~$0.155 | ~$0.77 | ~$0.93 | 42%安価 (T2V) / 52%安価 (動画参照) |
| WaveSpeed | $0.060 | $0.120 | $0.60 | $0.75 | 25%安価 (T2V) / 40%安価 (動画参照) |
| Replicate | $0.040 | $0.090 | $0.45 | $0.55 | 同額 (T2V) / 18%安価 (動画参照) |
| Eachlabs | $0.035–$0.039 | $0.075–$0.087 | $0.38–$0.44 | 変動 | E2X上の統一デュアルプロバイダーチェーン |
料金比較は2026年11月5日時点のものです。各プロバイダーの料金や条件は変更される場合があります。最新の数値については料金ページをご覧ください。
4つの機能すべてに共通する完全なパラメータスキーマ
Seedance 2.0 Miniの4つのルートはすべて、POST https://api.e2x.ai/v1/jobs/submitを通じてジョブを受け付けます。modelに機能スラッグを渡し、inputに以下のパラメータを渡してください。
| パラメータ | エンドポイント | 型 | 必須 | デフォルト | 対応する値 |
|---|---|---|---|---|---|
prompt | 全4エンドポイント | string | はい | なし | 最大2,000文字。reference-to-videoでは@Image1..@Image9、@Video1..@Video3、@Audio1..@Audio3をサポート。 |
image_url | image-to-video, start-end-frame-to-video | string (URI) | はい | なし | 開始フレーム用の公開アクセス可能なHTTPS URL。 |
end_frame_url | start-end-frame-to-video | string (URI) | はい | なし | 終了フレーム用の公開アクセス可能なHTTPS URL。 |
reference_urls | reference-to-video | string[] | 画像または動画を最低1つ | なし | 最大9個の画像URL(@Image1..@Image9)。 |
reference_video_urls | reference-to-video | string[] | 任意 | なし | 最大3個の動画URL(@Video1..@Video3)。 |
reference_audio_urls | reference-to-video | string[] | 任意 | なし | 最大3個の音声URL(@Audio1..@Audio3)。少なくとも1つの画像または動画参照が必須。 |
aspect_ratio | text-to-video, reference-to-video | string | いいえ | "16:9" | "21:9", "16:9", "4:3", "1:1", "3:4", "9:16"。 |
resolution | 全4エンドポイント | string | いいえ | "720p" | "480p" ($0.045/s), "720p" ($0.09/s)。 |
duration | 全4エンドポイント | string | いいえ | "5" | "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15"。 |
has_sound | 全4エンドポイント | boolean | いいえ | true | true(同期ネイティブオーディオ)またはfalse(無音MP4)。 |
seed | 全4エンドポイント | integer | いいえ | ランダム | 再現可能な動きのための非負整数(0以上)。 |
デュアルプロバイダーアーキテクチャとポートレートモデレーションの自動回避
E2Xでbytedance/seedance-2.0-mini/*を呼び出すと、ジョブは当社のワーカー内に構成された2段階のプロバイダーチェーンに対して実行されます。
- プライマリプロバイダー(BytePlus ModelArk直接API):
ark.ap-southeast.bytepluses.com上のByteDanceのdreamina-seedance-2-0-mini-260615モデルに直接接続します。 - 実在する顔に対するプライバシーアセット自動登録: BytePlus ModelArkのデフォルトのモデレーションは、実在する人間の顔を含む入力画像や参照動画を
InputImageSensitiveContentDetected.PrivacyInformationで拒否します。当社のワーカーがこのエラーコードを検出すると、視覚入力をModeration.Strategy = "Skip"付きでBytePlusのプライベートAIGC Asset Libraryに自動登録し、メディアURLをasset://<id>に書き換えてタスクを再送信し、ポーリングが完了した直後にfinallyブロック内で一時アセットを削除します。 - セカンダリフォールバック(Eachlabs): プライマリの上流プロバイダーがタイムアウトしたりサービスエラーを返したりした場合、ワーカーはアプリケーション側での再試行を必要とせず、透過的にEachlabs(
bytedance-seedance-2-0-mini-*)へフェイルオーバーします。
コード例: Text-to-videoとマルチモーダルreference-to-video
1. 10秒間のウルトラワイドtext-to-videoジョブの送信(curl)
以下は、bytedance/seedance-2.0-mini/text-to-videoをアスペクト比21:9、ドラフト解像度480p(10s × $0.045 = $0.45)で呼び出すcurlリクエストです。
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "bytedance/seedance-2.0-mini/text-to-video",
"input": {
"prompt": "Low-angle tracking shot ahead of a classic silver coupe driving through an alpine pass at sunrise. Golden light glints off wet asphalt and snowbanks. Deep exhaust note echoing off rock walls and wind rushing past.",
"aspect_ratio": "21:9",
"resolution": "480p",
"duration": "10",
"has_sound": true,
"seed": 77410
}
}'
2. TypeScriptで@Image1、@Video1、@Audio1を組み合わせる
bytedance/seedance-2.0-mini/reference-to-videoでは、画像からのキャラクターのアイデンティティ、参照動画からのカメラのコレオグラフィ、音声クリップからの発話リズムを1回の呼び出しで固定できます。
const E2X_API_KEY = process.env.E2X_API_KEY!;
const headers = {
Authorization: `Bearer ${E2X_API_KEY}`,
"Content-Type": "application/json",
};
async function runMultimodalReference() {
const submitRes = await fetch("https://api.e2x.ai/v1/jobs/submit", {
method: "POST",
headers,
body: JSON.stringify({
model: "bytedance/seedance-2.0-mini/reference-to-video",
input: {
prompt:
"The presenter in @Image1 holds the matte titanium flask from @Image2 in the sunlit studio from @Image3, speaking with the vocal rhythm of @Audio1 while the camera performs the slow arc from @Video1.",
reference_urls: [
"https://cdn.example.com/assets/presenter-front.jpg",
"https://cdn.example.com/assets/titanium-flask.jpg",
"https://cdn.example.com/assets/sunlit-studio.jpg",
],
reference_video_urls: [
"https://cdn.example.com/assets/camera-arc-ref.mp4",
],
reference_audio_urls: [
"https://cdn.example.com/assets/voice-rhythm.mp3",
],
aspect_ratio: "16:9",
resolution: "720p",
duration: "6",
has_sound: true,
},
}),
});
const { data: submitted } = await submitRes.json();
for (let i = 0; i < 240; i++) {
await new Promise((r) => setTimeout(r, 3000));
const statusRes = await fetch(
`https://api.e2x.ai/v1/jobs/${submitted.jobId}`,
{ headers }
);
const { data: job } = await statusRes.json();
if (job.status === "completed") {
return job.outputs[0].url;
}
if (job.status === "failed" || job.status === "cancelled") {
throw new Error(job.error?.message || `Job ended with ${job.status}`);
}
}
}
Seedance 2.0 Mini、Gemini Omni 1.1 Flash、Veo 3.1 Fastの使い分け
E2Xでは、text-to-video、image-to-video、start-end-frame-to-video、およびreference-to-videoの各カテゴリにわたって3つの動画モデルファミリーを提供しています。
| 機能 | Seedance 2.0 Mini | Gemini Omni 1.1 Flash | Veo 3.1 Fast |
|---|---|---|---|
| E2Xでの720p料金 | $0.09/s | $0.09/s | $0.01/s(無音) / $0.015/s(音声あり) |
| ドラフト層の料金 | $0.045/s (480p) | $0.0297/s (360p) | なし |
| Start-end-frame料金 | $0.09/s (720p) / $0.045/s (480p) | $0.09/s (720p) | $0.10/s |
| 最大解像度 | 720p | 4K ($0.18/s) | 4K |
| 生成時間の選択肢 | 4〜15秒(1秒刻み) | 4, 6, 8, 10秒 | 4, 6, 8秒 |
| アスペクト比 | 6種(21:9, 16:9, 4:3, 1:1, 3:4, 9:16) | 2種(16:9, 9:16) | 2種(16:9, 9:16) |
| 参照入力 | 画像9枚 + 動画3本 + 音声3つ | 最大画像7枚 | 最大画像3枚 |
ワークフローで以下の要件がある場合は、Seedance 2.0 Miniを選択してください。
- 11秒から15秒のワンカット生成時間、または編集タイムラインに合わせるための奇数秒のタイミング(
5s、7s、9s、12s)。 - 後処理でのクロップによる画角ロスがない非標準アスペクト比(
21:9シネマ、1:1スクエア、4:3、3:4)。 - 最大9枚の
@Image参照と組み合わせた、マルチモーダルな@Videoモーション参照や@Audioリズム参照。 - Veo 3.1 Fastのstart-end-frame料金(
$0.10/s)を下回る、$0.045/s(480p)または$0.09/s(720p)でのキーフレームトランジション(start-end-frame-to-video)。
E2Xモデルカタログで4つすべてのエンドポイントを探索するか、text-to-video、image-to-video、start-end-frame-to-video、およびreference-to-videoの機械可読仕様書をご確認ください。
よくある質問
E2XでのByteDance Seedance 2.0 Miniの料金はいくらですか?
定価$0.06/sからの常時25%割引により、Seedance 2.0 Miniは4つすべての機能において480pで1秒あたり$0.045、720pで1秒あたり$0.09です。5秒間の720pクリップは$0.45、5秒間の480pクリップは$0.225となります。
Seedance 2.0 MiniにおいてE2Xはfal.aiやWaveSpeedよりどのくらい安価ですか?
720pにおいて、E2X($0.09/s)はfal.ai(~$0.1547/s)より42%安く、WaveSpeed($0.12/s)より25%安価です。reference-to-videoで参照動画を添付する場合、E2Xは入力動画の秒数に対して課金しないため、削減率は40%〜52%に拡大します。
reference-to-videoで参照音声だけを渡すことはできますか?
いいえ。BytePlus ModelArkでは、すべてのreference-to-videoジョブにおいて少なくとも1つの視覚参照(reference_urlsまたはreference_video_urls)が必須となっています。少なくとも1つの画像または動画参照と併せて、最大3つの音声ファイル(reference_audio_urls)を添付できます。
プロンプト内で特定の画像、動画、音声ファイルを参照するにはどうすればよいですか?
各配列の順序に対応する1始まりのタグを使用します。reference_urlsには@Image1から@Image9、reference_video_urlsには@Video1から@Video3、reference_audio_urlsには@Audio1から@Audio3を指定してください。