ブログに戻る

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

E2X Team··読了時間 10分
seedance-2.0-miniseedancebytedancetext-to-videoimage-to-videoreference-to-videostart-end-frame-to-videovideo-generation

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。

  1. 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。
  2. 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~$0.9342%安価 (T2V) / 52%安価 (動画参照)
WaveSpeed$0.060$0.120$0.60$0.7525%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_urlimage-to-video, start-end-frame-to-videostring (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_urlstart-end-frame-to-videostring (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_urlsreference-to-videostring[]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_urlsreference-to-videostring[]任意なし最大3個の動画URL(@Video1..@Video3)。
reference_audio_urlsreference-to-videostring[]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_ratiotext-to-video, reference-to-videostring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truetrue(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。

  1. 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。
  2. 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。
  3. 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 MiniGemini Omni 1.1 FlashVeo 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720p4K ($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。