応用テクニック 1 分で読める Seedance Team
マルチモーダル入力のコツ：AI に「監督の意図」を伝える
テキスト・画像・音声・動画の組み合わせ戦略を習得し、創作意図を正確に伝えます。
マルチモーダルは単なる積み重ねではない
Seedance 2.0 のマルチモーダル入力は「素材が多いほど良い」わけではありません。各モダリティに明確な役割を持たせることが重要です。優れた multimodal prompt は簡潔な絵コンテのようなものです。
四モダリティ分担モデル
| モダリティ | 最適用途 | 推奨数 |
|---|---|---|
| テキスト | 叙事、詳細、感情基調 | 1 本の精炼指示 |
| 画像 | ビジュアル、外見、構図 | 3–5 枚 |
| 動画 | カメラ、動作リズム、トランジション | 1–2 本 |
| 音声 | 音楽スタイル、SE、発話リズム | 1 本 |
シーン1：ブランド広告
目標：15 秒の製品ショーケース動画
- 画像：HD 製品写真 3 枚（正面・側面・使用シーン）
- 動画：既存ブランド CM のカメラ pacing
- 音声：ブランド CM BGM 参照
- テキスト：「ミニマル premium — 暗闇から製品がゆっくり点灯、360° 回転、logo でホールド」
シーン2：叙事ショート
目標：物語性のある 12 秒クリップ
- 画像：キャラ設定 2 枚 + シーン概念 2 枚
- 動画：映画クリップのカメラ参照
- テキスト：起承転結を含む完全なシーン記述
シーン3：ミュージック MV 断片
目標：ダンス/パフォーマンスの AV 同期
- 音声：対象曲の断片（モデルがリズムを理解）
- 動画：ダンスや演技スタイル参照
- 画像：ステージ/シーンのビジュアル参照
- テキスト：照明と雰囲気の補足
指示作成の「監督思考」
- 先に基調を定める：この動画の感情は何か？
- 構造を定める：ショットはいくつ？各ショットの長さは？
- 詳細を定める：各ショットの具体的な内容
- スタイルを定める：ビジュアルスタイルとオーディオの特徴
デバッグのコツ
期待とずれたら次の順で確認：
- モダリティ間に矛盾がないか確認
- 参照素材を減らし、一つずつ追加して問題を特定
- テキスト指示をより具体的な記述に分割
- 全面再生成より動画編集機能で微調整