Seedance 2.0 Mini

テキストから動画、画像から動画、開始・終了フレーム補間、マルチモーダル参照動画(最大9枚の画像、3本の動画、3つの音声)に対応する ByteDance Seedance 2.0 Mini ファミリー。25%割引適用(480p $0.045/秒、720p $0.09/秒)。

料金$0.045/リクエストから
レイテンシ平均約160秒
解像度480P/720P
最適な用途video, reference-to-video, bytedance

パラメーター

0/9 件

0/3 件

0/3 件

推定コスト

料金 →
このモデルで25%お得です
secondあたりの基本料金$0.06
割引-25%
合計金額$0.045
リクエストごとに$0.015お得です

モデルを実行するにはサインインしてください

Output Preview

Ready

No output yet

Run the model to see generated results.

サンプル出力

APIの例— 現在のパラメータ

SDK & ライブラリ →
generate.py
import requests

result = requests.post(
    'https://api.e2x.ai/v1/jobs/submit',
    headers={
        'Authorization': f'Bearer {API_KEY}',
        'Content-Type': 'application/json'
    },
    json={
  'model': 'bytedance/seedance-2.0-mini/reference-to-video',
  'input': {}
}
)

ジョブを取得— 結果をポーリング

get_job.py
import time

job_id = result.json()['jobId']

while True:
    response = requests.get(
        f'https://api.e2x.ai/v1/jobs/{'{job_id}'}',
        headers={'Authorization': f'Bearer {'{API_KEY}'}'}
    )
    data = response.json()['data']

    if data['status'] == 'completed':
        print('Done!', data['outputs'][0]['url'])
        break
    elif data['status'] == 'failed':
        raise Exception(f"Job failed: {'{'}data['error']['message']{'}'}")

    time.sleep(2)

料金の詳細

再生時間と解像度ごとの生成あたりの推定コストです。実行した分だけお支払いいただきます。

料金 →
所要時間
480P
720P
4
$0.24
$0.48
5
$0.30
$0.60
6
$0.36
$0.72
7
$0.42
$0.84
8
$0.48
$0.96
9
$0.54
$1.08
10
$0.60
$1.20
11
$0.66
$1.32
12
$0.72
$1.44
13
$0.78
$1.56
14
$0.84
$1.68
15
$0.90
$1.80
代替モデルを探索

関連モデル

参照から動画向けの他のAIモデルを探索

動画
GooglegoogleNew

Gemini Omni 1.2 Flash

Generate video from up to 7 reference images and up to 5 preset voices with Gemini Omni 1.2 Flash. Supports durations from 3 to 15 seconds and resolutions up to 4K.

  • video
  • google
  • high-fidelity
$0.10$0.058-42%/ リクエスト
動画
GooglegoogleNew

Gemini Omni 1.1 Flash

Generate video from up to seven reference images with Gemini Omni 1.1 Flash. The reference images carry character and style consistency into the result.

  • video
  • google
  • high-fidelity
$0.15$0.09-40%/ リクエスト
動画
GooglegoogleNew

Omni Flash

高い忠実度と多彩なスタイルに対応した、Google DeepMind の最新の動画生成。

  • video
  • google
  • high-fidelity
$0.15$0.075-50%/ リクエスト
画像
Googlegoogle注目New

Veo 3.1 Fast

高い忠実度と多彩なスタイルに対応した Google DeepMind の動画生成。

  • video
  • google
  • veo
$0.10$0.01-90%/ リクエスト
リソース

ブログ

E2Xチームからのインサイト、チュートリアル、最新情報。

すべて表示

E2XのByteDance Seedance 2.0 Mini Reference-to-Video API

ByteDance Seedance 2.0 Mini reference-to-video(bytedance/seedance-2.0-mini/reference-to-video)は、1回のリクエストで最大9枚の参照画像(reference_urls)、3本の参照動画クリップ(reference_video_urls)、および3つの参照音声トラック(reference_audio_urls)を受け付けるマルチモーダル参照条件付けエンドポイントです。各メディアはプロンプト内で@Image1..@Image9、@Video1..@Video3、@Audio1..@Audio3タグを使って直接指定できます。

定価ベースレート$0.06/sからの常時25%割引により、E2Xでは添付する参照画像、動画、音声ファイルの数にかかわらず、480pで1秒あたり$0.045、720pで1秒あたり$0.09の定額料金で課金されます。5秒間の720p生成は$0.45、5秒間の480pドラフトは$0.225です。

同じモデルファミリー内のよりシンプルな条件付けモードとして、1枚の画像を第1フレームとして使用する場合はSeedance 2.0 Mini image-to-video、2つのキーフレーム間を補間する場合はSeedance 2.0 Mini start-end-frame-to-video、テキストのみから生成する場合はSeedance 2.0 Mini text-to-videoを使用してください。

動画参照において秒単位の定額課金が重要である理由

トークン課金型のプラットフォームや一部の秒単位ラッパーでは、参照動画(reference_video_urls)を渡すとジョブの課金方法が変わります。

  • WaveSpeedおよびfal.aiでは、動画参照ジョブに対して「入力動画の秒数+出力動画の秒数」の合計で課金されます。5秒の出力クリップ(5s出力)を生成するために5秒の参照動画を2本(10s入力)渡すと、15秒分のトークンまたは動画時間に対して課金されます。
  • Replicateでは、bytedance/seedance-2.0-miniで動画入力(video_in)が含まれる場合に秒単価を引き上げ、480pでは$0.05/s(通常$0.04/s)、720pでは$0.11/s(通常$0.09/s)を請求します。

E2Xでは、bytedance/seedance-2.0-mini/reference-to-videoは出力時間と出力解像度のみに基づいて厳密に課金されます。9枚の参照画像、3本の参照動画、3つの参照音声クリップを添付しても、秒単価への追加料金は$0.00です。

シナリオ(720pで5秒の出力クリップ)E2X(25%オフ)ReplicateWaveSpeedfal.ai
参照画像3枚(non_video_in)$0.45 ($0.09/s)$0.45 ($0.09/s)$0.60 ($0.12/s)~$0.77 (~$0.155/s)
5秒の参照動画1本 + 5秒出力$0.45 ($0.09/s)$0.55 ($0.11/s)$0.75 (10s × $0.075/s)~$0.93(0.6×トークン単価で10s)
5秒の参照動画2本 + 5秒出力$0.45 ($0.09/s)$0.55 ($0.11/s)$1.125 (15s × $0.075/s)~$1.39(0.6×トークン単価で15s)

料金は2026年11月5日時点で確認したものです。価格および製品条件は変更される場合があります。購入を決定する前に、各プロバイダーの最新の料金をご確認ください。これは特定条件での比較であり、あらゆる構成においてE2Xが最安であることを主張するものではありません。

マルチモーダル参照スロット: @Image、@Video、@Audio

bytedance/seedance-2.0-mini/reference-to-videoのスキーマは、promptと並んで3つの配列フィールドを公開しています。

  • reference_urls(maxItems: 9): キャラクターの顔、衣装、製品の角度、または背景環境プレート用の参照画像です。プロンプト内では、1始まりの配列順序に従って@Image1、@Image2から最大@Image9として指定します。
  • reference_video_urls(maxItems: 3): カメラのコレオグラフィ、モーショントランスファー、またはキャラクターの動き用の参照動画クリップです。@Video1、@Video2、@Video3として指定します。
  • reference_audio_urls(maxItems: 3): 声質、リズム、または環境音のキュー用の参照音声クリップです。@Audio1、@Audio2、@Audio3として指定します。

BytePlus ModelArkと当社のワーカーの双方で1つのバリデーションルールが適用されます。すべてのreference-to-videoリクエストには、少なくとも1つの視覚的参照(reference_urlsまたはreference_video_urls)を含める必要があります。画像または動画の参照を1つも指定せずにreference_audio_urlsだけを渡すと、ジョブ送信前にバリデーションエラーが発生します。

API経由でのマルチモーダル参照ジョブの送信

再利用可能なキャラクター、製品、またはモーションの参照URLを配列に格納し、1始まりの位置(@Image1、@Video1、@Audio1)をprompt内で直接参照します。

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bytedance/seedance-2.0-mini/reference-to-video",
    "input": {
      "prompt": "The courier from @Image1 wearing the reflective jacket from @Image2 walks briskly through the neon-lit alley in @Image3, matching the handheld camera tracking motion in @Video1.",
      "reference_urls": [
        "https://cdn.example.com/refs/courier-face.jpg",
        "https://cdn.example.com/refs/reflective-jacket.jpg",
        "https://cdn.example.com/refs/neon-alley.jpg"
      ],
      "reference_video_urls": [
        "https://cdn.example.com/refs/handheld-walk-ref.mp4"
      ],
      "aspect_ratio": "16:9",
      "resolution": "720p",
      "duration": "6",
      "has_sound": true,
      "seed": 50129
    }
  }'

以下は、画像、動画、音声の参照を組み合わせて8秒間の9:16縦型クリップ(720pで$0.72、480pで$0.36)を生成するJavaScriptの例です。

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

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 host in @Image1 holds the ceramic mug from @Image2 at the studio desk, speaking with the cadence of @Audio1 while the camera performs the slow push-in from @Video1.",
      reference_urls: [
        "https://cdn.example.com/refs/host-portrait.jpg",
        "https://cdn.example.com/refs/ceramic-mug.jpg",
      ],
      reference_video_urls: [
        "https://cdn.example.com/refs/slow-push-in.mp4",
      ],
      reference_audio_urls: [
        "https://cdn.example.com/refs/voice-cadence.mp3",
      ],
      aspect_ratio: "9:16",
      resolution: "720p",
      duration: "8",
      has_sound: true,
    },
  }),
});

const { data: submitted } = await submitRes.json();

for (let poll = 0; poll < 240; poll++) {
  await new Promise((r) => setTimeout(r, 3000));
  const res = await fetch(`https://api.e2x.ai/v1/jobs/${submitted.jobId}`, {
    headers,
  });
  const { data: job } = await res.json();

  if (job.status === "completed") {
    console.log("Reference video output:", job.outputs[0].url);
    break;
  }
  if (job.status === "failed" || job.status === "cancelled") {
    throw new Error(job.error?.message || `Job ended with ${job.status}`);
  }
}

当社のワーカーは入力エイリアスとしてimage_urls、video_urls、audio_urlsも受け付け、プライマリのBytePlus ModelArkのcontentアイテム(role: "reference_image"、"reference_video"、"reference_audio")およびセカンダリのEachlabsフォールバックの両方に自動的にマッピングします。スキーマの詳細は機械可読仕様書およびE2X SDKをご覧ください。

E2Xにおけるreference-to-videoモデルの比較

E2Xでは、参照可能な枚数やモダリティが異なる3つのreference-to-videoエンドポイントを提供しています。

エンドポイント720p(1秒あたり)最大画像参照数動画・音声参照生成時間の範囲アスペクト比
Seedance 2.0 Mini reference-to-video$0.09(480pで$0.045/s)画像9枚最大動画3本 + 音声3つ4〜15秒(1秒刻み)6種(21:9〜9:16)
Gemini Omni 1.1 Flash reference-to-video$0.09(360pで$0.0297/s)画像7枚画像参照のみ4, 6, 8, 10秒2種(16:9, 9:16)
Veo 3.1 Fast reference-to-video$0.015(音声あり)画像3枚画像参照のみ4, 6, 8秒2種(16:9, 9:16)

Seedance 2.0 Miniは、reference-to-videoカタログの中で唯一、9枚の参照画像に加えて参照動画クリップ(@Video1..@Video3)と参照音声トラック(@Audio1..@Audio3)を受け付けるエンドポイントであり、また21:9、4:3、3:4、1:1のアスペクト比や11〜15秒の生成時間に対応する唯一のモデルでもあります。納品物が1080pまたは4Kでなければならない場合はGemini Omni 1.1 Flash reference-to-videoを選択し、参照画像3枚と8秒以内の16:9/9:16クリップで十分な場合はVeo 3.1 Fast reference-to-videoを選択してください。E2Xモデルカタログですべてのモデルを閲覧できます。

@Image、@Video、@Audioタグを使ったプロンプト作成のコツ

複数ショットのストーリーボード全体でマルチ参照の役割を明確に分離するには、以下のポイントを押さえてください。

  1. 最初の文で各タグに単一の役割を割り当てる: どの画像が顔でどの画像が部屋なのかをモデルに推測させるのではなく、「@Image1の女性が@Image2のデニムエプロンを身につけ、@Image3のベーカリーの中に立っている」のように明記します。
  2. テキストで視覚参照と矛盾する記述をしない: @Image1のキャラクターが短い銀髪である場合、プロンプト内で髪の色を再度説明せず、プロンプトのトークンはアクション、カメラワーク、照明の記述に費やしてください。
  3. @Video1を使ってカメラワークや振り付けを転写する: カメラの軌道を借りたいのか(「following the camera pan in @Video1」)、被写体の動きを借りたいのか(「performing the dance step in @Video1」)を明示的に記述します。当社のSeedance 2.0 Miniマルチモーダル参照ガイドでは、完全なマルチショットの実例を解説しています。

よくある質問

E2XでのSeedance 2.0 Mini reference-to-videoの料金はいくらですか?

常時適用の25%割引により、480pで1秒あたり$0.045、720pで1秒あたり$0.09となります。最大9枚の画像、3本の動画、3つの音声トラックを添付しても、1秒あたりの料金は上がりません。

1回のリクエストでいくつの参照ファイルを添付できますか?

reference_urlsに最大9枚の参照画像、reference_video_urlsに最大3本の参照動画、reference_audio_urlsに最大3つの参照音声ファイルを渡すことができます。1回の呼び出しにつき、少なくとも1つの画像または動画の参照が必須です。

アップロードしたメディアをプロンプト内で参照するにはどうすればよいですか?

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の要素には@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。

E2Xでは参照動画を渡すと課金される秒数が増えますか?

いいえ。入力動画の秒数と出力動画の秒数を合算して課金するトークン課金型プロバイダーや、video_inで720pの料金を$0.09/sから$0.11/sへ引き上げるReplicateとは異なり、E2Xではリクエストした出力秒数のみ(480pで$0.045/s、720pで$0.09/s)に対して課金されます。

実在人物の参照写真はモデレーションでどのように処理されますか?

BytePlus ModelArkが実在の人物を含む参照画像や動画にPrivacyInformationフラグを立てた場合、当社のワーカーが自動的に視覚入力をModeration.Strategy = "Skip"付きでBytePlusのプライベートAIGC Asset Libraryに登録し、asset://<id> URIでジョブを再試行して、タスク完了後に一時アセットを削除します。

reference-to-videoではどのアスペクト比と生成時間が利用できますか?

6種類のアスペクト比(21:9、16:9、4:3、1:1、3:4、9:16)と、"4"秒から"15"秒までの任意の整数秒を選択できます。