belt CLI スキルをインストール:
npx skills add belt-sh/cli
Seedance 2.0 動画生成
inference.sh CLI を使って、ByteDance の Seedance 2.0 により同期オーディオ付き動画を生成します。
クイックスタート
inference.sh CLI (
belt) が必要です。インストール手順
belt login
belt app run bytedance/seedance-2-0 --input '{
"prompt": "薄暗いクラブで演奏するジャズバンド",
"generate_audio": true
}'
モデル
| モデル | アプリ ID | 最適な用途 |
|---|---|---|
| Seedance 2.0 | bytedance/seedance-2-0 | 最高品質、最大1080p |
| Seedance 2.0 Fast | bytedance/seedance-2-0-fast | 高速生成、最大720p |
| Seedance 2.0 Studio | bytedance/seedance-2-0-studio | 高品質＋プライベートアセットライブラリによるキャラクター一貫性 |
| Seedance 2.0 Studio Fast | bytedance/seedance-2-0-studio-fast | 高速＋プライベートアセットライブラリによるキャラクター一貫性 |
すべてのモデルがテキスト→動画、画像→動画、マルチモーダルリファレンス→動画、および同期オーディオ生成をサポートしています。Studio 系は参照画像を BytePlus プライベート仮想ポートレートライブラリに自動アップロードし、顔やブランドキャラクターの一貫性を向上させます。
モード
モデルは入力から生成モードを自動判別します。これらのモードは排他的です。最初のフレーム／最後のフレームを使うか、リファレンス入力を使用するかのどちらか一方です。両方は使用できません。
| モード | 入力 | 説明 |
|---|---|---|
| テキストから動画 | prompt のみ | テキスト説明から動画を生成 |
| 画像から動画 | prompt + image | 静止画像（最初のフレーム）を動画化 |
| 最初+最後のフレーム | prompt + image + end_image | 開始フレームと終了フレームを指定 |
| マルチモーダルリファレンス | prompt + reference_images/reference_videos/reference_audios | リファレンス素材で生成をガイド |
例
テキスト→動画（オーディオ付き）
belt app run bytedance/seedance-2-0 --input '{
"prompt": "嵐の海で岩に打ち寄せる波、ドラマチックなシネマティックショット",
"generate_audio": true,
"duration": 10,
"ratio": "16:9"
}'
高速モード（低コスト）
belt app run bytedance/seedance-2-0-fast --input '{
"prompt": "スローモーションで花にとまる蝶",
"generate_audio": true
}'
画像→動画
静止画像を動画にアニメーション：
belt app run bytedance/seedance-2-0 --input '{
"image": "https://your-image.jpg",
"prompt": "穏やかなカメラワーク、風にそよぐ葉",
"generate_audio": true
}'
画像→動画（開始フレームと終了フレーム指定）
belt app run bytedance/seedance-2-0 --input '{
"image": "https://start-frame.jpg",
"end_image": "https://end-frame.jpg",
"prompt": "シーン間の滑らかな遷移",
"generate_audio": true
}'
複数画像リファレンス
複数のリファレンス画像を使ってキャラクターの外見、衣装、シーン要素をガイド：
belt app run bytedance/seedance-2-0 --input '{
"prompt": "Image 1の少女がImage 2の服を着てImage 3のカフェを歩く",
"reference_images": [
"https://character-portrait.jpg",
"https://outfit-reference.jpg",
"https://cafe-scene.jpg"
],
"generate_audio": true,
"duration": 8
}'
動画編集（要素の置き換え）
belt app run bytedance/seedance-2-0 --input '{
"prompt": "Video 1の香水をImage 1のフェイスクリームに置き換え、元の動きとカメラワークはすべて保持",
"reference_images": ["https://face-cream.jpg"],
"reference_videos": ["https://original-video.mp4"],
"generate_audio": true
}'
動画拡張（クリップの連結）
belt app run bytedance/seedance-2-0 --input '{
"prompt": "Video 1がVideo 2へスムーズに遷移し、カメラがVideo 3の絵画に入り込む",
"reference_videos": [
"https://clip1.mp4",
"https://clip2.mp4",
"https://clip3.mp4"
],
"generate_audio": true,
"duration": 8
}'
オーディオ付きリファレンス
belt app run bytedance/seedance-2-0 --input '{
"prompt": "Image 1のミュージシャンがAudio 1の曲を演奏、ボーカルスタイルはAudio 1を参照",
"reference_images": ["https://musician.jpg"],
"reference_audios": ["https://music.mp3"],
"generate_audio": true
}'
Studio モード（ポートレートの一貫性）
Studio 系は画像を BytePlus のプライベートアセットライブラリにアップロードし、顔やキャラクターの一貫性を向上：
belt app run bytedance/seedance-2-0-studio --input '{
"prompt": "Image 1の人物がカメラに向かって微笑む、ゴールデンアワーの光、シネマティック",
"reference_images": ["https://portrait.jpg"],
"safety_identifier": "user-abc123",
"generate_audio": true
}'
複数リファレンスを使った製品広告
belt app run bytedance/seedance-2-0 --input '{
"prompt": "一人称視点の製品広告。最初のフレームはImage 1、手が製品を拾う。カメラがクローズアップに押し込み詳細を見せる。カメラの動きのスタイルはVideo 1を参照。背景音楽はAudio 1。",
"reference_images": ["https://product-hero.jpg", "https://product-detail.jpg"],
"reference_videos": ["https://camera-style.mp4"],
"reference_audios": ["https://bgm.mp3"],
"generate_audio": true,
"ratio": "9:16",
"duration": 11
}'
プロンプトガイド
プロンプト内でリファレンスアセットを参照するには 種類 + インデックス を使用：Image 1、Image 2、Video 1、Audio 1。インデックスは、指定した配列内のその種類の位置を表します。プロンプト内でアセット ID を使ってはいけません。
マルチモーダルリファレンスの公式：
- 画像リファレンス：「[Image N] の [被写体] を参照して [シーン] を生成し、[被写体] の一貫性を保つ」
- 動画リファレンス：「[Video N] の [カメラワーク/アクション] を参照」
- オーディオリファレンス：「[キャラクター] が「[台詞]」と言う、ボイススタイルは [Audio N] を参照」
動画編集の公式：
- 追加：「[Video N] の [タイミング] で [要素] を追加」
- 削除：「[Video N] から [要素] を削除し、残りは変更しない」
- 変更：「[Video N] の [要素] を [新しい要素] に置き換える」
動画拡張の公式：
- 前方：「[Video N] の後にコンテンツを生成：[説明]」
- 後方：「[Video N] のオープニングを拡張：[説明]」
- 連結：「[Video 1] + [トランジション] + その後に [Video 2]」
パラメータ
| パラメータ | 型 | デフォルト | 説明 |
|---|---|---|---|
prompt | 文字列 | 必須 | 動画のテキスト説明 |
generate_audio | 真偽値 | true | 同期オーディオを生成するかどうか |
duration | 整数 | 5 | 秒単位の長さ（4～15）、または自動の場合は -1 |
ratio | 列挙型 | adaptive | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16, または adaptive |
resolution | 列挙型 | 720p | 480p, 720p, 1080p（Fast: 480p, 720p のみ） |
seed | 整数 | -1 | 再現性のためのシード（-1 はランダム） |
watermark | 真偽値 | false | 出力に透かしを追加するかどうか |
safety_identifier | 文字列 | - | セーフティポリシー用の一意のエンドユーザー識別子（最大64文字、ユーザーIDのハッシュ推奨） |
image | ファイル | - | 最初のフレーム画像（リファレンス入力とは排他的） |
end_image | ファイル | - | 最後のフレーム画像（image が必要） |
reference_images | ファイル[] | - | リファレンス画像（最大9枚、image/end_image とは排他的） |
reference_videos | ファイル[] | - | リファレンス動画（最大3本、各15秒以内、合計15秒以内、mp4/mov） |
reference_audios | ファイル[] | - | リファレンスオーディオ（最大3つ、各15秒以内、合計15秒以内、wav/mp3。少なくとも1つの画像または動画が必要） |
料金
| モデル | 料金 |
|---|---|
| Seedance 2.0 | $4.30～$7.70/百万トークン（解像度と入力タイプにより変動） |
| Seedance 2.0 Fast | $3.30～$5.60/百万トークン |
トークン計算式：(幅 x 高さ x fps x 長さ) / 1024
Seedance アプリの検索
belt app search "seedance"
関連スキル
# フルプラットフォームスキル（すべてのアプリ）
npx skills add inference-sh/skills@infsh-cli
# すべての動画生成モデル
npx skills add inference-sh/skills@ai-video-generation
# Google Veo
npx skills add inference-sh/skills@google-veo
# 画像生成（画像→動画用）
npx skills add inference-sh/skills@ai-image-generation
# AIアバター＆リップシンク
npx skills add inference-sh/skills@ai-avatar-video
すべての動画アプリを表示：belt app list --category video
ドキュメント
- アプリの実行 - CLI 経由でのアプリ実行方法
- 結果のストリーミング - リアルタイム進捗更新
- コンテンツパイプラインの例 - メディアワークフローの構築