seedance-v2
ByteDance Seedance 2.0 Proを活用し、複数画像や動画、音声データを参照しながら、自然なリップシンクと映画のような動きで4〜15秒の短尺動画を生成できるSkill。
📜 元の英語説明(参考)
Generate cinematic short-form video with ByteDance Seedance 2.0 Pro on RunComfy. Documents Seedance 2.0 Pro's strengths (multi-modal references — up to 9 images, 3 videos, 3 audio — synchronized in-pass audio with natural lip-sync, cinematic motion refinement), the 4–15s duration schema, and when to route to HappyHorse 1.0 / Wan 2.7 / Kling instead. Calls `runcomfy run bytedance/seedance-v2/pro` through the local RunComfy CLI. Triggers on "seedance", "seedance 2", "seedance v2", "seedance pro", "bytedance video", or any explicit ask to generate video with this model.
🇯🇵 日本人クリエイター向け解説
ByteDance Seedance 2.0 Proを活用し、複数画像や動画、音声データを参照しながら、自然なリップシンクと映画のような動きで4〜15秒の短尺動画を生成できるSkill。
※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。
下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o seedance-v2.zip https://jpskill.com/download/10376.zip && unzip -o seedance-v2.zip && rm seedance-v2.zip
$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/10376.zip -OutFile "$d\seedance-v2.zip"; Expand-Archive "$d\seedance-v2.zip" -DestinationPath $d -Force; ri "$d\seedance-v2.zip"
完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。
💾 手動でダウンロードしたい(コマンドが難しい人向け)
- 1. 下の青いボタンを押して
seedance-v2.zipをダウンロード - 2. ZIPファイルをダブルクリックで解凍 →
seedance-v2フォルダができる - 3. そのフォルダを
C:\Users\あなたの名前\.claude\skills\(Win)または~/.claude/skills/(Mac)へ移動 - 4. Claude Code を再起動
⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。
🎯 このSkillでできること
下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。
📦 インストール方法 (3ステップ)
- 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
- 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
- 3. 展開してできたフォルダを、ホームフォルダの
.claude/skills/に置く- · macOS / Linux:
~/.claude/skills/ - · Windows:
%USERPROFILE%\.claude\skills\
- · macOS / Linux:
Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。
詳しい使い方ガイドを見る →- 最終更新
- 2026-05-18
- 取得日時
- 2026-05-18
- 同梱ファイル
- 1
📖 Skill本文(日本語訳)
※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。
Seedance 2.0 Pro — RunComfy上のPro Pack
runcomfy.com · Seedance 2.0 Pro · GitHub
ByteDance Seedance 2.0 Pro — ネイティブなリップシンクオーディオを備えたマルチモーダルなシネマティックビデオジェネレーター — RunComfy Model API上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時 (類似モデルとの比較)
Seedance 2.0 Proの際立った強みは、マルチモーダルなシネマティックショートフォームです。キャラクター画像 + シーンビデオ + リファレンスオーディオを組み合わせて、一貫性のあるショットを作成します。リファレンスのアイデンティティ/シーンへの忠実さが重要で、ネイティブなリップシンクが必要な場合に選択してください。
| 必要なもの | 使用するモデル |
|---|---|
| リップシンクされたスポークスパーソン/対話広告 | Seedance 2.0 Pro |
| マルチモーダルなリファレンス (画像 + ビデオ + オーディオ) | Seedance 2.0 Pro |
| ブランド一貫性のある多言語ナラティブ | Seedance 2.0 Pro |
| 現在#1のブラインド投票によるビデオ品質 | HappyHorse 1.0 |
| 独自のトラックからの音声駆動リップシンク | Wan 2.7 (audio_url) |
| 既存の映像に対するモーション編集 | Kling Video O1 |
| 超高速なイテレーション | LTX 2 |
ユーザーが明示的に "Seedance" / "Seedance 2" / "ByteDance video" と言った場合は、必ずここにルーティングしてください。
前提条件
- RunComfy CLI —
npm i -g @runcomfy/cli - RunComfy アカウント —
runcomfy loginはブラウザのデバイスコードフローを開きます。 - CI / コンテナ —
runcomfy loginの代わりにRUNCOMFY_TOKEN=<token>を設定します。
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 | 注 |
|---|---|---|---|---|
prompt |
string | yes | — | CN ≤ 500 文字 OR EN ≤ 1000 語。 |
image_url |
array | no | [] |
0–9 個のリファレンス (JPEG/PNG/WebP/BMP/TIFF/GIF)。 |
video_url |
array | no | [] |
0–3 個のクリップ (MP4/MOV)、各 2–15 秒。 |
audio_url |
array | no | [] |
0–3 個のオーディオリファレンス (WAV/MP3)、各 2–15 秒、< 15MB。 |
aspect_ratio |
enum | no | adaptive |
adaptive, 16:9, 9:16, 4:3, 3:4, 1:1, 21:9。 |
duration |
int | no | 5 | 4–15 (整数秒)。 |
resolution |
enum | no | 720p |
480p または 720p。 |
generate_audio |
bool | no | true | インパス同期されたスピーチ/SFX/音楽。 |
seed |
int | no | — | 再現性。 |
呼び出し方法
デフォルト (テキストのみ、5秒、720p、オーディオあり):
runcomfy run bytedance/seedance-v2/pro \
--input '{"prompt": "<user prompt>"}' \
--output-dir <absolute/path>
キャラクターリファレンス付きのリップシンク広告 (画像は安定、テキストは進化):
runcomfy run bytedance/seedance-v2/pro \
--input '{
"prompt": "ミディアムクローズアップ。女性が今日のスペシャルを温かくフレンドリーな口調で説明し、ゆっくりとプッシュイン、柔らかな窓の光、穏やかなカフェの雰囲気。",
"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 + ビデオ + オーディオリファレンス):
runcomfy run bytedance/seedance-v2/pro \
--input '{
"prompt": "画像1の被写体がビデオ1のカフェを歩き、声のトーンはオーディオ1と一致します。",
"image_url": ["https://.../subject.jpg"],
"video_url": ["https://.../cafe-locked-shot.mp4"],
"audio_url": ["https://.../voice-ref.mp3"]
}' \
--output-dir <absolute/path>
CLIは、送信、ポーリング、結果の取得を行い、*.runcomfy.net/*.runcomfy.com URLを--output-dirにダウンロードします。
プロンプト — 実際に効果があるもの
画像とテキストの分割。 これは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。進化するナラティブ (アクション、ムード、照明、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、トークンが無駄になり、ずれが生じます。
平易な言葉でのカメラ + モーション。 "Medium close-up"、"slow push-in"、"handheld follow"、"locked-off wide" はすべて指示として機能します。組み合わせる: "Medium close-up. Slow push-in over 3 seconds. Handheld, slight breathing motion."
generate_audio: true を使用したオーディオディレクション — トーンを伝えます: "warm friendly conversational"、"calm instructional"、"crisp newsroom delivery"。アンビエントの場合: "gentle cafe chatter, distant traffic, no foreground music"。
リファレンスメディアの仕様 — ビデオは 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。クロップを避けるために、リファレンスのアスペクト比を出力と一致させます。
アンチパターン:
- 根本的に異なる美的リファレンス (水彩 + フォトリアル) を混ぜる → 混乱します。
- プロンプト内の矛盾するスタイルの手がかり → 矛盾を取り除くことで簡素化します。
- 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 秒のクリップを要求する → 422; 複数の呼び出しに分割します。
強みを発揮する場所
| ユースケース | Seedance 2.0 Pro を使う理由 |
|---|---|
| スポークスパーソン/対話広告 | ネイティブなインパスリップシンク、個別の TTS ステップは不要 |
| ブランド一貫性のある多言語ナラティブ | 画像リファレンスがアイデンティティを保持し、テキストが翻訳を推進 |
| シネマティックショートフォームフィルムのプレビズ | カメラショットの文法 + マルチモーダルリファレンス |
| リファレンス音楽/VOトーンを使用した広告クリエイティブ | オーディオリファレンスがリップシンクをロックせずに声/ムードをガイド |
| 再現可能なバリアントテスト | シード制御 + 固定スキーマ |
サンプルプロンプト (強力な結果を生み出すことが確認されています)
デフォルトのプレイグラウンドの例:
静かなカフェのテラスでのゴールデンアワー:バリスタがカウンターを拭き、
顔を上げて今日のスペシャルをフレンドリーな口調で説明し、自然な
リップシンク。ミディアムクローズアップ、ゆっくりとしたプッシュイン。暖かいサイドライト、ガラス越しのソフトなボケ
穏やかなカフェの雰囲気と微妙なフィルムグレイン。
マルチモーダルリップシンク (テキスト + 画像):
ソフトな照明の録音ブースにいる画像1と同じ人物が、
マイクに身を乗り出して、「今年最大のアップデートをリリースしました」と言います。
穏やかな会話調。ミディアムクローズアップ、ロックされた三脚、浅いDOF、
暖かいキーライト
(原文がここで切り詰められています) 📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開
Seedance 2.0 Pro — Pro Pack on RunComfy
runcomfy.com · Seedance 2.0 Pro · GitHub
ByteDance Seedance 2.0 Pro — multimodal cinematic video generator with native lip-synced audio — hosted on the RunComfy Model API.
npx skills add agentspace-so/runcomfy-skills --skill seedance-v2 -g
When to pick this model (vs siblings)
Seedance 2.0 Pro's distinct strength is multi-modal cinematic short-form: combine character images + scene videos + reference audio into one coherent shot. Pick it when fidelity to a reference identity / scene matters and you want native lip-sync.
| You want | Use |
|---|---|
| Lip-synced spokesperson / dialogue ad | Seedance 2.0 Pro |
| Multi-modal references (image + video + audio) | Seedance 2.0 Pro |
| Brand-consistent multi-language narrative | Seedance 2.0 Pro |
| Currently-#1 blind-vote video quality | HappyHorse 1.0 |
| Audio-driven lip-sync from your own track | Wan 2.7 (audio_url) |
| Motion editing on existing footage | Kling Video O1 |
| Ultra-fast iteration | LTX 2 |
If the user said "Seedance" / "Seedance 2" / "ByteDance video" explicitly, route here regardless.
Prerequisites
- RunComfy CLI —
npm i -g @runcomfy/cli - RunComfy account —
runcomfy loginopens a browser device-code flow. - CI / containers — set
RUNCOMFY_TOKEN=<token>instead ofruncomfy login.
Endpoints + input schema
bytedance/seedance-v2/pro
| Field | Type | Required | Default | Notes |
|---|---|---|---|---|
prompt |
string | yes | — | CN ≤ 500 chars OR EN ≤ 1000 words. |
image_url |
array | no | [] |
0–9 references (JPEG/PNG/WebP/BMP/TIFF/GIF). |
video_url |
array | no | [] |
0–3 clips (MP4/MOV), 2–15s each. |
audio_url |
array | no | [] |
0–3 audio refs (WAV/MP3), 2–15s, < 15MB each. |
aspect_ratio |
enum | no | adaptive |
adaptive, 16:9, 9:16, 4:3, 3:4, 1:1, 21:9. |
duration |
int | no | 5 | 4–15 (whole seconds). |
resolution |
enum | no | 720p |
480p or 720p. |
generate_audio |
bool | no | true | In-pass synchronized speech / SFX / music. |
seed |
int | no | — | Reproducibility. |
How to invoke
Default (text only, 5s, 720p with audio):
runcomfy run bytedance/seedance-v2/pro \
--input '{"prompt": "<user prompt>"}' \
--output-dir <absolute/path>
Lip-synced ad with character reference (image-stable, text-evolves):
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>
Multi-modal (image + video + audio refs):
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>
The CLI submits, polls, fetches the result, downloads *.runcomfy.net/*.runcomfy.com URLs into --output-dir.
Prompting — what actually works
Image vs text division. This is the single most important rule. Stable identity (face, costume, brand mark, logo) → put in image_url. Evolving narrative (action, mood, lighting, camera) → put in prompt. Trying to verbally describe a face in detail wastes tokens and produces drift.
Camera + motion in plain language. "Medium close-up", "slow push-in", "handheld follow", "locked-off wide" all work as directives. Combine: "Medium close-up. Slow push-in over 3 seconds. Handheld, slight breathing motion."
Audio direction with generate_audio: true — say the tone: "warm friendly conversational", "calm instructional", "crisp newsroom delivery". For ambient: "gentle cafe chatter, distant traffic, no foreground music".
Reference media specs — videos must be 2–15s; audio must be ≤15MB and 2–15s. Out-of-range files reject. Match aspect ratio of refs to your output to avoid crops.
Anti-patterns:
- Mixing radically different aesthetic refs (watercolor + photoreal) → confuses.
- Conflicting style cues in prompt → simplify by removing contradictions.
- Trying to describe stable identity verbally → use
image_urlinstead. - Asking for >15s clips → 422; segment into multiple calls.
Where it shines
| Use case | Why Seedance 2.0 Pro |
|---|---|
| Spokesperson / dialogue ads | Native in-pass lip-sync, no separate TTS step |
| Brand-consistent multi-language narratives | Image refs hold identity; text drives translation |
| Cinematic short-form film previs | Camera-shot grammar + multi-modal refs |
| Ad creatives with reference music / VO tone | Audio refs guide voice / mood without locking lip-sync |
| Reproducible variant testing | Seed control + fixed schema |
Sample prompts (verified to produce strong results)
Default playground example:
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.
Multi-modal lip-sync (text + image):
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.
Limitations
- Duration 4–15s — no longer clips on this endpoint.
- Resolution ceiling 720p on the playground variant.
- Reference media specs — videos / audio must be 2–15s; audio < 15MB.
- Lip-sync quality — depends on prompt clarity; not guaranteed perfect under all conditions.
- No
@-syntax for character binding — relies on image refs + prompt alignment.
Exit codes
| code | meaning |
|---|---|
| 0 | success |
| 64 | bad CLI args |
| 65 | bad input JSON / schema mismatch |
| 69 | upstream 5xx |
| 75 | retryable: timeout / 429 |
| 77 | not signed in or token rejected |
Full reference: docs.runcomfy.com/cli/troubleshooting.
How it works
The skill invokes runcomfy run bytedance/seedance-v2/pro with a JSON body matching the schema. The CLI POSTs to https://model-api.runcomfy.net/v1/models/bytedance/seedance-v2/pro, polls the request, fetches the result, and downloads any .runcomfy.net/.runcomfy.com URL into --output-dir. Ctrl-C cancels the remote request before exit.
Security & Privacy
- Token storage:
runcomfy loginwrites the API token to~/.config/runcomfy/token.jsonwith mode 0600 (owner-only read/write). SetRUNCOMFY_TOKENenv var to bypass the file entirely in CI / containers. - Input boundary: the user prompt is passed as a JSON string to the CLI via
--input. The CLI does NOT shell-expand the prompt; it transmits the JSON body directly to the Model API over HTTPS. No shell injection surface from prompt content. - Third-party content: image / mask / video URLs you pass are fetched by the RunComfy model server, not by the CLI on your machine. Treat external URLs as untrusted; image-based prompt injection is a known risk for any image-edit / video-edit model.
- Outbound endpoints: only
model-api.runcomfy.net(request submission) and*.runcomfy.net/*.runcomfy.com(download whitelist for generated outputs). No telemetry, no callbacks. - Generated-file size cap: the CLI aborts any single download > 2 GiB to prevent disk-fill from a malicious or runaway model output.