Seedance 2.0 Pro — RunComfy上のProパック

runcomfy.com · Seedance 2.0 Pro · GitHub

ByteDance Seedance 2.0 Pro — ネイティブリップシンク対応オーディオを搭載したマルチモーダルシネマティック動画ジェネレータで、RunComfy Model APIでホストされています。

npx skills add agentspace-so/runcomfy-skills --skill seedance-v2 -g

このモデルを選ぶべき場合（兄弟モデルとの比較）

Seedance 2.0 Proの独特な強みはマルチモーダルシネマティック短編です：キャラクター画像 + シーン動画 + 参照オーディオを1つのコヒーレントなショットに組み合わせます。参照アイデンティティ/シーンへの忠実度が重要で、ネイティブリップシンクが必要な場合に選択します。

求めるもの	使用モデル
リップシンク対応のスポークスパーソン/ダイアログ広告	Seedance 2.0 Pro
マルチモーダル参照（画像 + 動画 + オーディオ）	Seedance 2.0 Pro
ブランド一貫性のあるマルチ言語ナレーション	Seedance 2.0 Pro
現在のブラインド投票による動画品質ランク1位	HappyHorse 1.0
独自トラックから駆動するオーディオリップシンク	Wan 2.7 (audio_url)
既存フッテージのモーション編集	Kling Video O1
超高速反復	LTX 2

ユーザーが「Seedance」/「Seedance 2」/「ByteDance video」を明示的に述べた場合、関係なくここにルーティングします。

前提条件

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfyアカウント — runcomfy loginはブラウザデバイスコードフローを開きます。
3. CI/コンテナ — RUNCOMFY_TOKEN=<token>を代わりに設定します。

エンドポイント + 入力スキーマ

bytedance/seedance-v2/pro

フィールド	タイプ	必須	デフォルト	備考
prompt	文字列	はい	—	中国語 ≤ 500字 または 英語 ≤ 1000語。
image_url	配列	いいえ	[]	0～9個の参照（JPEG/PNG/WebP/BMP/TIFF/GIF）。
video_url	配列	いいえ	[]	0～3個のクリップ（MP4/MOV）、各2～15秒。
audio_url	配列	いいえ	[]	0～3個のオーディオ参照（WAV/MP3）、2～15秒、各<15MB。
aspect_ratio	列挙型	いいえ	adaptive	adaptive、16:9、9:16、4:3、3:4、1:1、21:9。
duration	整数	いいえ	5	4～15（秒単位）。
resolution	列挙型	いいえ	720p	480pまたは720p。
generate_audio	ブール	いいえ	true	インパス同期音声/SFX/ミュージック。
seed	整数	いいえ	—	再現性。

呼び出し方法

デフォルト（テキストのみ、5秒、オーディオ付き720p）:

runcomfy run bytedance/seedance-v2/pro \
  --input '{"prompt": "<user prompt>"}' \
  --output-dir <absolute/path>

キャラクター参照（画像固定、テキスト進化）を含むリップシンク広告:

runcomfy run bytedance/seedance-v2/pro \
  --input '{
    "prompt": "Medium close-up. The woman explains today'\''s special in a warm friendly tone, slow push-in, soft window light, gentle cafe ambience.",
    "image_url": ["https://.../barista-headshot.jpg"],
    "duration": 8,
    "aspect_ratio": "9:16"
  }' \
  --output-dir <absolute/path>

マルチモーダル（画像 + 動画 + オーディオ参照）:

runcomfy run bytedance/seedance-v2/pro \
  --input '{
    "prompt": "Subject from image 1 walks through the café from video 1, voice tone matches audio 1.",
    "image_url": ["https://.../subject.jpg"],
    "video_url": ["https://.../cafe-locked-shot.mp4"],
    "audio_url": ["https://.../voice-ref.mp3"]
  }' \
  --output-dir <absolute/path>

CLIが送信、ポーリング、結果を取得し、*.runcomfy.net/*.runcomfy.com URLを--output-dirにダウンロードします。

プロンプティング — 実際に機能すること

画像とテキストの分割。 これが最も重要なルールです。安定したアイデンティティ（顔、衣装、ブランドマーク、ロゴ）→ image_urlに入れます。進化するナレーション（アクション、ムード、ライティング、カメラ）→ promptに入れます。顔を詳細に言葉で説明しようとするとトークンを無駄にし、ドリフトが生じます。

カメラ + モーションを平易な言語で。 「Medium close-up」、「slow push-in」、「handheld follow」、「locked-off wide」はすべてディレクティブとして機能します。組み合わせます："Medium close-up. Slow push-in over 3 seconds. Handheld, slight breathing motion."

generate_audio: trueによるオーディオ方向 — トーンを述べます："warm friendly conversational"、"calm instructional"、"crisp newsroom delivery"。アンビエント用："gentle cafe chatter, distant traffic, no foreground music"。

参照メディア仕様 — 動画は2～15秒である必要があります；オーディオは≤15MBで2～15秒である必要があります。範囲外のファイルは拒否されます。参照のアスペクト比を出力と一致させてクロップを避けます。

アンチパターン:

• 根本的に異なるエステティック参照の混合（水彩 + フォトリアル）→ 混乱させます。
• プロンプト内の競合するスタイルキュー → 矛盾を削除して簡略化します。
• 安定したアイデンティティを言葉で説明しようとする → 代わりにimage_urlを使用します。

• 15秒のクリップをリクエストする → 422；複数の呼び出しにセグメント化します。

優れている場面

ユースケース	Seedance 2.0 Proである理由
スポークスパーソン/ダイアログ広告	ネイティブインパスリップシンク、別のTTSステップなし
ブランド一貫性のあるマルチ言語ナレーション	画像参照がアイデンティティを保持、テキストが翻訳を駆動
シネマティック短編フィルムプレビス	カメラショットグラマー + マルチモーダル参照
参照ミュージック/VO トーンを含む広告クリエイティブ	オーディオ参照がリップシンクをロックすることなく音声/ムードをガイド
再現可能なバリアントテスト	シードコントロール + 固定スキーマ

サンプルプロンプト（強い結果を生成することが確認された）

デフォルトプレイグラウンド例:

Golden hour on a quiet cafe terrace: a barista wipes the counter, then
looks up and explains today's special in a friendly tone, natural
lip-sync. Medium close-up, slow push-in; warm side light, soft bokeh
through glass, gentle cafe ambience and subtle film grain.

マルチモーダルリップシンク（テキスト + 画像）:

Same person as image 1 in a softly-lit recording booth, leaning into
the mic, says: "We just shipped the biggest update of the year."
Calm conversational tone. Medium close-up, locked tripod, shallow DOF,
warm key light from camera-left.

制限事項

• 期間4～15秒 — このエンドポイントでは長いクリップはできません。
• 解像度の上限720p プレイグラウンドバリアント上。
• 参照メディア仕様 — 動画/オーディオは2～15秒である必要があります；オーディオ < 15MB。
• リップシンク品質 — プロンプト明確性に依存；すべての条件下で完璧である保証なし。
• キャラクターバインディングのための@-シンタックスなし — 画像参照 + プロンプト配置に依存します。

終了コード

コード	意味
0	成功
64	不正なCLI引数
65	不正な入力JSON/スキーマ不一致
69	アップストリーム5xx
75	再試行可能：タイムアウト / 429
77	サインインしていないか、トークン拒否

完全なリファレンス：docs.runcomfy.com/cli/troubleshooting。

仕組み

このスキルはスキーマに一致するJSONボディを使用してruncomfy run bytedance/seedance-v2/proを呼び出します。CLIがhttps://model-api.runcomfy.net/v1/models/bytedance/seedance-v2/proにPOST、リクエストをポーリング、結果を取得し、任意の.runcomfy.net/.runcomfy.com URLを--output-dirにダウンロードします。Ctrl-Cは終了前にリモートリクエストをキャンセルします。

セキュリティとプライバシー

• トークンストレージ: runcomfy loginはAPIトークンを~/.config/runcomfy/token.jsonにモード0600（所有者のみ読み取り/書き込み）で書き込みます。CI/コンテナでRUNCOMFY_TOKEN環境変数を設定してファイル全体をバイパスします。
• 入力境界: ユーザープロンプトは--inputを介してCLIにJSON文字列として渡されます。CLIはプロンプトをシェル展開しません；JSONボディをHTTPSを介してModel APIに直接送信します。プロンプト内容からのシェルインジェクション表面なし。
• サードパーティコンテンツ: 渡す画像/マスク/動画URLはCLI上のマシンではなくRunComfyモデルサーバーによってフェッチされます。外部URLを信頼されていないものとして扱います；画像ベースのプロンプトインジェクションはあらゆる画像編集/動画編集モデルの既知リスクです。
• アウトバウンドエンドポイント: model-api.runcomfy.net（リクエスト送信）と*.runcomfy.net / *.runcomfy.com（生成出力のダウンロードホワイトリスト）のみ。テレメトリやコールバックなし。
• 生成ファイルサイズキャップ: CLIは悪意のある、または暴走したモデル出力からのディスク満杯を防ぐために、単一ダウンロード > 2 GiBを中止します。