Gemini Omni 1.2 FlashとSeedance 2.5はどちらを使う?1秒あたりの料金と制限を比較

Gemini Omni 1.2 FlashとSeedance 2.5を、1回の動画の長さ、解像度、アスペクト比、音声、入力、APIの流れ、公式の1秒あたり料金で比較し、自分で試すためのテスト計画も紹介します。

長さの違う糸につながれた2つの紙の凧。1つは近くを、もう1つは遠くを飛び、どちらの糸も草の上に置かれた同じオレンジ色の糸巻きに結ばれています。

15秒以内の16:9または9:16の短い動画なら、Gemini Omni 1.2 Flashのほうが安くなります。Googleの定価では720pの1秒あたり約$0.07、ByteDanceの定価ではSeedance 2.5が約$0.23です。1回のリクエストでより長い動画(最大30秒)を作る場合、正方形・4:3・21:9の画面を使う場合、音声リファレンスを渡したい場合、あるいはGoogleがOmniで評価していない言語でセリフを入れる場合(Googleが完全にサポートしているのは英語のみ)は、Seedance 2.5を選びます。どちらのモデルも、あらゆる用途で勝るわけではありません。決め手になるのは、動画の長さ、アスペクト比、送る必要のある入力、そしてモデルを実行してよい環境です。

この比較は、2026年11月19日に再確認したベンダーのドキュメントに基づいています。GoogleのOmniガイド、モデルカード、料金ページ、そしてByteDanceのBytePlus ModelArkにあるSeedance 2.5チュートリアルと料金ページです(いずれも英語)。1秒あたりの金額は、公開されている料金をもとに私たちが計算したもので、計算過程も順に示します。

この記事はOfoxが公開しています。Seedance 2.5はOfox経由で利用できますが、Gemini Omniは利用できません。2026年11月19日に、Ofox経由でSeedance 2.5の実際の生成を2回行いました。Omniは使えるGoogleプロジェクトがなかったため、実行していません。そのため、どちらのモデルの動画が優れているかという品質面の主張は一切しません。代わりに、同じ条件でそろえた仕様と料金の比較、そして自分の用途で両モデルを試すためのテスト計画を紹介します。

仕様表:それぞれのモデルで作れるもの

どちらのモデルも、テキスト・画像・動画から音声付きの動画を生成します。違いは各種の上限にあります。

項目Gemini Omni 1.2 FlashSeedance 2.5
モデルIDgemini-omni-1.2-flashdreamina-seedance-2-5-260628(ModelArk)、bytedance/seedance-2.5(Ofox)
新規クリップの長さ3〜15秒、整数秒。デフォルト10秒4〜30秒、整数秒。または -1 でモデルに任せる。デフォルトは -1
最初と最後のフレームを指定するクリップ3〜10秒4〜30秒の範囲。ratio は adaptive が必須
延長1ターンあたり+3〜10秒、合計最大30秒。末尾への追加のみ対応(リファレンス動画+延長の意図)。ratio は adaptive が必須
解像度360p、720p(デフォルト)、1080p、4k。Googleは1080pと4Kをアップスケールと明記480p、720p(8-bit)、1080p、4k(10-bit、H.265/HEVC)。デフォルト720p
フレームレート24 fpsByteDanceの料金例は24 fpsで計算が合う。私たちの出力も24 fps
アスペクト比16:9(デフォルト)または 9:1621:9、16:9、4:3、1:1、3:4、9:16、adaptive(デフォルト)
音声出力ネイティブ音声、デフォルトで生成同期音声、デフォルトで生成
音声入力非対応:音声入力も音声リファレンスも受け付けない音声リファレンス最大10本、合計30秒
画像リファレンス最大6枚(1キャラクターにつき最大3枚、最大2キャラクター)最大30枚
動画リファレンス最大3本(3〜10秒のクリップ)または1本(11〜15秒のクリップ)、各最大3秒。音声は無視される最大10本、各2〜30秒、合計30秒
編集対話形式。ターンをまたいで previous_interaction_id を指定。入力動画は15秒以下リファレンス動画+編集を指示する文言。元動画は4〜30秒。出力は元の長さと比率を維持
セリフの言語英語は完全サポート。それ以外は “have not been evaluated”(未評価)英語、中国語、スペイン語、日本語、韓国語を含む11言語を記載
出力コンテナMP4MP4(デフォルト)またはMOV
下書きプレビュードキュメントに記載なしDraftモード:480p固定のプレビューを作り、本番レンダリングに引き上げられる

料金を見る前に、ほとんどの選択はこの表の2行で決まります。Omniは横長か縦長の動画しか作れないため、正方形のフィード投稿や21:9のバナーには使えません。また、Omniが1回で生成できるのは最長15秒です。延長ターンを使えば30秒まで伸ばせますが、各ターンは別々のリクエストで、しかもクリップの最後の10秒しか参照しません。30秒のタイムラインを一度に書くのとは別のワークフローになります。

解像度の行は注意して読む必要があります。Googleは、1080pと4Kの出力はアップスケールで作られると説明しています。ByteDanceはSeedance 2.5の1080pと4Kを10-bit HEVC出力として記載しており、アップスケールとは書いていません。両社は同じものを同じ言葉で説明していないため、後述の料金表にある1080pと4Kの行は同等の製品の比較ではありません。この2つは、自分で実際のフレームを確認してから判断してください。

以前のSeedance 2.5プロンプトガイド(2026年8月14日公開)を読んだ方は、その後に仕様が変わっている点に注意してください。あのガイドでは解像度の上限を480p/720pとしていました。当時のByteDanceのチュートリアル(8月13日更新)が、1080pと4Kをまだ非対応とし、4KをSeedance 2.0の機能として記載していたためです。2026年11月16日更新時点のチュートリアルでは、Seedance 2.5で1080pと4Kが記載されており、上限はガイド執筆時より引き上げられています。さらに、より安価な兄弟モデルSeedance 2.5 Flash(dreamina-seedance-2-5-flash-261115)も記載されています。こちらは480p/720pまでで、リファレンス素材は20個までです。2026年11月19日時点ではOfoxのカタログにも bytedance/seedance-2.5-flash が掲載されていますが、私たちはテストしていません。

同じ解像度で、動画1秒はいくらかかるか

どちらのベンダーもトークン単位で課金しますが、両社のトークンは同じ単位ではありません。100万トークンあたり$12と$10.70をそのまま比べることはできません。公平な基準は、同じ解像度、アスペクト比、入力方法での出力1秒あたりのドル額だけです。

Googleは換算方法そのものを示しています。Omni 1.2 Flashの動画出力は有料ティアで100万トークンあたり$12.00です(無料ティアはありません)。料金ページの脚注で1秒あたりのトークン数が決まっており、360pで1,931、720pで5,792、1080pで8,688、4Kで17,376です。1秒あたりの料金 = 1秒あたりのトークン数 × $12 / 1,000,000 です。

ByteDanceは計算式を公開しています。トークン数 = (入力動画の長さ + 出力の長さ) × 幅 × 高さ × フレームレート / 1024 です。動画入力がない場合、Seedance 2.5の料金は480p/720pで100万トークンあたり$10.70、1080pで$11.70、4Kで$4.70です。これを1秒あたりの料金に換算するため、動画入力なし、24 fps、ByteDanceのチュートリアルが16:9用に記載しているピクセルサイズ(854 × 480、1280 × 720、1920 × 1080、3840 × 2160)を前提にしました。すると720p・16:9の1秒は 1280 × 720 × 24 / 1024 = 21,600トークン、つまり 21,600 × $10.70 / 1,000,000 = $0.2311 になります。9:16は幅と高さが入れ替わるだけなので、トークン数は同じです。そのほかの記載されている比率も、ピクセル数は16:9と約1%以内の差に収まります。ByteDanceはこれらを見積もりとしており、実際の請求はAPIが返す usage.completion_tokens に基づきます。

解像度Omni 1.2 Flash(1秒あたり)Seedance 2.5(1秒あたり)Seedance ÷ Omni
360p(Omniのみ)$0.0232提供なし該当なし
480p(Seedanceのみ)提供なし$0.1028該当なし
720p$0.0695$0.23113.3×
1080p$0.1043(アップスケール)$0.56865.5×
4K$0.2085(アップスケール)$0.91374.4×

これらは2026年11月19日時点の各社ページから計算した定価で(ByteDanceの料金ページの最終更新は11月16日)、テキストまたは画像を入力し、動画は入力しない条件です。私たちの計算は両社の公開例と一致します。Googleは720pについて ”~$0.70 for a 10s clip, ~$1.04 for a 15s clip”(10秒で約$0.70、15秒で約$1.04)としており、360p・1080p・4Kの1秒あたりはそれぞれ約$0.023、$0.104、$0.209です。ByteDanceは5秒・16:9のクリップを$0.514(480p)、$1.156(720p)、$2.843(1080p)、$4.568(4K)としており、これは私たちの1秒あたりの金額を5倍した値です。

両社とも720pをネイティブで生成するため、720pの行がもっとも素直な比較になります。1秒あたりで見ると、OmniはSeedanceの約3分の1の料金です。

実際の用途に近いクリップ単位の料金:

クリップOmni 1.2 FlashSeedance 2.5
5秒、720p$0.35$1.16
10秒、720p$0.70$2.31
15秒、720p$1.04$3.47
30秒、720p3回のリクエスト(15 + 10 + 5秒)。公開ページからは合計を計算できない1回のリクエストで$6.93
5秒、480pの下書き品質360p:$0.12480p:$0.51

Omniの30秒の行は意図的に空けています。延長ターンごとに新しい出力トークンが発生し、Googleは動画入力を100万トークンあたり$1.50としています。しかし料金ページには、コンテキストとして渡す動画1秒が何入力トークンに相当するのか、延長ターンが正確にどう計量されるのかが書かれていません。自分の延長ターンで返される使用量を実測するまでは、このコストは不明として扱ってください。短いクリップ3本分の合計になるとは考えないでください。

1秒あたりの料金表に含まれていない4つの項目:

  1. Omniのその他のトークン。 プロンプトのテキストとリファレンス画像は入力として100万トークンあたり$1.50です。出力テキスト(思考トークンを含む)は100万トークンあたり$9.00で課金されます。RESTのレスポンスには思考ステップが含まれることがあります。動画トークンに比べれば小さい金額でしょうが、ゼロと決めつけず、最初の実行で返される使用量から確認してください。
  2. Seedanceの動画入力時の料金。 入力に動画が含まれる場合、料金は100万トークンあたり$6.40(480p/720p)に下がりますが、リファレンス動画の長さがトークン数に加算され、さらにByteDanceは最低トークン課金を設けています。同社の例では、5秒・720pの出力が入力動画の長さに応じて$1.244〜$4.838になります。
  3. 失敗時。 ByteDanceは、課金されるのは正常に生成された動画のみで、モデレーションでリクエストがブロックされた場合も同様だと明記しています。GoogleのOmni料金ページには、同等の記載は見つかりませんでした。
  4. 利用開始の条件。 ModelArkでは、次のいずれかを満たせばSeedance 2.5を有効化できます。Pay by Creditsの残高がUSD 30以上、残高のあるUSD 30以上の専用AI Savings Plan、またはクォータの残っているUSD 30以上のSeedance 2.0/2.5リソースパックです。8月のガイドではリソースパックの方法しか紹介していませんでしたが、2026年11月19日に確認したByteDanceのリソースパックのページには3つすべてが記載されています。Seedance 2.5のパックは500万トークンで$32、購入から90日で失効します。Omniを使うには、有料ティアのGoogleプロジェクトが必要です。

ゲートウェイ経由の場合、1秒あたりの料金はそのゲートウェイが決めます。OfoxではSeedance 2.5の現在の料金をモデルページに表示しており、課金ルールは料金ドキュメントにあります。この記事ではOfoxの料金は記載しません。ByteDanceの計算式でリセラーの料金を検証したい場合は、Seedance 2.5料金の検証記事で方法を説明しています。

また、1秒あたりの料金は、使えるクリップ1本あたりの料金と同じではありません。安いモデルで使えるものが出るまで4回かかり、高いモデルでは1回で済むなら、順位は逆転します。試行回数の数え方は使えるクリップ1本あたりのコストガイド(英語)で解説しています。

入力、リファレンス、編集の仕組みが違う

Omniは対話形式です。 まず store=True でクリップを生成し、後のターンで previous_interaction_id と指示を送って編集します。たとえば “make the daylight warmer, keep everything else the same”(日の光を暖かくし、それ以外は変えない)のような指示です。Googleのプロンプトガイドは、編集にはこの言い回しを推奨しています。モデルはプロンプトからタスクを推測します。task フィールド(text_to_video、image_to_video、reference_to_video、edit、extend)もありますが、より厳しい制約が加わるため、Googleはこれをフォールバックと位置づけています。<FIRST_FRAME> のような古い制御タグは非推奨です。

Seedanceは、添付した素材とプロンプトの言葉からタスクを推測します。 reference_video としてタグ付けした動画は、プロンプトに編集の意図があるときだけ編集になり、そうでなければリファレンスをもとにした新規クリップになります。編集、延長、最初と最後のフレーム指定のタスクでは ratio が adaptive に固定され、編集ではさらに duration が -1 に固定されます。omni_reference_task_type を明示的に指定すると、制約のチェックはタスク開始後ではなく、送信の時点で行われます。Ofox経由でこのルールに違反したときに返る400エラーは、最初と最後のフレームのガイドで紹介しています。

実務への影響:

  • 複数のショットで製品の見た目をそろえる。 Omniは最大6枚のリファレンス画像を受け付けます。Seedanceは最大30枚ですが、ByteDance自身のプロンプトガイドによると、画像の被写体は1〜8個がもっとも安定し、9〜12個では安定性が下がる場合があります。製品1つとメイン画像1枚なら、どちらの上限でも十分です。
  • 声や音楽を指定する。 音声を受け付けるのはSeedanceだけです。Omniには声のトラックやBGMをアップロードできず、声の編集にも対応していません。
  • 自分で撮影した映像を編集する。 どちらも対応しています。Omniでは、EEA(欧州経済領域)、スイス、英国のユーザーはアップロードした動画を編集・延長できません(生成した動画は問題ありません)。Seedanceは4〜30秒、200 MBまで、24〜60 fpsの元動画を受け付けます。
  • ゲートウェイ経由で使う。 使えるリファレンスの量は、ゲートウェイが何を通すかで決まります。Ofoxの動画作成リファレンス(2026年11月18日更新)では、input_references に画像最大9枚、音声最大3本(各15秒まで)、動画1本と記載されており、ModelArkの上限より低くなっています。超えると 400 too_many_references が返ります。20個のリファレンスを使うパイプラインを設計する前に確認してください。

APIの形:1回の呼び出しか、ポーリングするタスクか

パラメーター名の違いより、組み込み方の違いのほうが大きくなります。

OmniはGoogleのInteractions APIで動きます。1回の生成をもっとも速く終えるには、background=false、store=false、stream=false が推奨されており、これは同期呼び出しになります。小さな動画はbase64でインラインに返ります。4 MBを超える場合、Googleは delivery="uri" を推奨しています。ファイルURIが返るので、そのファイルが ACTIVE になるまでポーリングしてからダウンロードします。store=false を選ぶと、後のターンでそのクリップを編集できなくなります。復旧処理まで含めた完全な実行スクリプトは、Omni APIガイドにあります。GoogleネイティブAPIでの呼び出しの形は次のとおりです。

from google import genai

client = genai.Client()  # GEMINI_API_KEY は自分の Google プロジェクトのもの。Omni は Ofox にはない
interaction = client.interactions.create(
    model="gemini-omni-1.2-flash",
    input="A matte white ceramic mug on a pale oak table, soft window light...",
    response_format={"type": "video", "duration": "5s",
                     "resolution": "720p", "aspect_ratio": "9:16", "delivery": "uri"},
    store=True,
)

Seedanceは非同期タスクです。ModelArkでは生成タスクを作成し、IDでタスクをポーリングします。Ofox経由では POST /v1/videos を呼び、id と polling_url を含む 202 が返ります。その後は終了状態になるまで GET /v1/videos/{id} を呼ぶか、callback_url を渡します。状態の一覧と usage オブジェクトは取得リファレンスに記載されています。以下は、私たちがテストの1回で実際に送ったリクエストボディです。

import os, time, requests

BASE = "https://api.ofox.io/v1"
H = {"Authorization": f"Bearer {os.environ['OFOX_API_KEY']}"}
body = {
    "model": "bytedance/seedance-2.5",
    "prompt": ("A matte white ceramic coffee mug on a pale oak table, vertical product shot, "
               "soft morning window light from the left. 0-2s: steam rises slowly from the mug, "
               "camera static. 2-5s: the camera pushes in slowly toward the mug handle. "
               "The mug shape, color and position stay the same throughout. "
               "Sound: quiet room tone and one soft ceramic tap at 2s. "
               "No dialogue, no music. No subtitles."),
    "duration": 5, "resolution": "480p", "aspect_ratio": "9:16",
    "generate_audio": True, "seed": 20261119,
}
job = requests.post(f"{BASE}/videos", json=body, headers=H).json()
while True:
    s = requests.get(f"{BASE}/videos/{job['id']}", headers=H).json()
    if s["status"] in ("completed", "failed", "cancelled", "expired"):
        break
    time.sleep(10)
print(s["status"], s.get("usage"), (s.get("mirror_urls") or s.get("unsigned_urls")))

保存期間はどちらでも重要です。ByteDanceはSeedanceの動画URLを24時間保持します(ダウンロードは最大100回)。タスクIDの有効期間は7日、DraftタスクのIDは14日です。Ofoxの unsigned_urls も24時間以内に失効することがあるため、ファイルは早めにダウンロードしてください。ポーリングでタイムアウトや長い待ち時間が発生する場合は、動画ポーリングのガイドとOfoxの動画エラーコードで失敗時の状態を確認できます。Google側の認証やクォータのエラーは、Gemini 4 APIエラーのガイドと同じパターンです。

利用経路、レート制限、12月3日のルーティング変更

Gemini Omni 1.2 FlashSeedance 2.5
公式APIGemini API、有料ティアのみBytePlus ModelArk(有効化の条件はUSD 30)
Ofoxでの提供(2026-11-19に GET /v1/models で確認)なしあり:bytedance/seedance-2.5、4〜30秒(解像度は下の注記を参照)
公開されているレート制限Tier 1:8 RPM / 40 RPD、Tier 2:16 / 200、Tier 3:40 / 2,000、無料:非対応ModelArk個人:180 RPM、同時実行3タスク。エンタープライズ:600 RPM、同時実行10。4K:15 RPM、同時実行1

現在OmniはOfox経由では呼び出せないため、この記事のOmniの例はすべてGoogleのネイティブエンドポイントを使っています。

2026年11月19日時点のカタログについて1点補足します。Ofoxの GET /v1/models にある bytedance/seedance-2.5 のエントリでは、video_attributes.resolutions フィールドに 480p、720p、1080p が記載されていますが、同じエントリの説明文には480p/720pと書かれています。4Kはどちらにも記載がありません。私たちは480pでしか生成していないため、ゲートウェイが現在どの解像度を受け付けるかは確認していません。1080pを前提に計画する前に、モデルページで確認するか、小さなリクエストで試してください。Ofox経由のSeedanceでは、レート制限はModelArkではなくOfoxのものが適用されます。現在のデフォルト値はレート制限のガイドにあります。

Omniの1日あたりの上限は、バッチ処理では大きな制約です。Tier 1の1日40リクエストはプロトタイプには十分ですが、SNS向けのバリエーションを数百本作るには足りません。Seedanceの同時実行の上限はキューのように働き、上限を超えたタスクは失敗せずに待機します。

2026年12月3日から、Googleは gemini-omni-1.1-flash へのすべてのリクエストを gemini-omni-1.2-flash にルーティングし、1.2の料金で課金します。動画出力の料金は100万トークンあたり$17.50から$12.00に下がり、新規クリップの最大長は10秒から15秒に延びます。1.1の古い数値でOmniとSeedanceを比べているなら、1.2で測り直してください。古い料金はOmniのコストを高く見積もりすぎており、古い10秒の上限は生成できる長さを短く見積もりすぎています。エイリアスに頼らず、gemini-omni-1.2-flash を明示的に指定してください。

コンテンツのルール、実在の人物、出所の表示

出所の表示。 Googleによると、すべてのOmni動画には目に見えないSynthIDの透かしが入っており、プログラムで検出できます。オフにはできません。SeedanceにはModelArkで watermark パラメーターがあり、右下に目に見えるAI生成の表示を追加します。デフォルトは false です。Seedance 2.5のチュートリアルには、目に見えない透かしの有無についての記載がありません。Ofoxの動画作成APIにはトップレベルの watermark フィールドがなく、私たちがOfoxで生成した2本にも目に見える表示はありませんでした。配信先のプラットフォームがAIコンテンツの表示を求める場合は、どちらのベンダーにも頼らず、自分のパイプラインで付けてください。

実在の人物。 トーキングヘッド動画では、これが最大の制約です。

  • Seedance 2.5は、実在の人物の顔を含むリファレンス画像や動画のアップロードを受け付けません。ByteDanceが用意している回避策は、プリセットのデジタルキャラクターのライブラリ、許諾済みの実在人物の素材、そして同じアカウントで生成した顔を含む出力の再利用です。
  • Omniは “certain recognizable people”(一部の識別可能な人物)の画像のアップロードや編集に対応していません。EEA、スイス、英国では、未成年者を含む画像も拒否されます。
  • どちらもプロンプトと出力に安全フィルターをかけます。Googleは、フィルターが地域によって異なると説明しています。
  • Ofox経由の場合、作成リファレンス(2026年11月18日更新)には、トップレベルの real_person フラグが記載されています。タスク送信前に、識別可能な人物を含むリファレンス画像にプライバシー保護の前処理を行うものです。私たちはテストしていません。

実際のところ、テキストプロンプトから架空のプレゼンターのトーキングヘッドを作ることは、どちらでもできます。一方、自社の創業者本人の写真からトーキングヘッドを作る場合、Seedanceでは許諾素材の手続きを経なければブロックされ、Omniでもブロックされる可能性があります。

2回のSeedance実行でわかったこと

2026年11月19日 03:35 UTCに、Ofox経由で bytedance/seedance-2.5 を使って2本のクリップを生成しました。設定は9:16、480p、5秒、generate_audio: true、seed: 20261119 です。各ブリーフ1回ずつの実行(n = 1)なので、わかるのはワークフローと課金の挙動であり、品質の成功率ではありません。

実行A:製品ショット実行B:トーキングヘッド
ブリーフ白いマグカップ、0〜2秒で湯気、2〜5秒でゆっくりプッシュイン、陶器を軽くたたく音、セリフなし架空のプレゼンター、固定のミディアムクローズアップ、英語のセリフ1行
送信 → 完了120.9秒123.6秒
課金(usage)動画5秒分動画5秒分
ファイル(ffprobe)480×854、H.264、24 fps、動画5.04秒。AAC 32 kHz同じ
確認したこと0.5秒、2.5秒、4.5秒のフレーム:マグの形と色は同じ、湯気あり、フレーム間でプッシュインを確認openai/gpt-4o-mini-transcribe で文字起こし:一字一句 “Here is the one setting most people forget to change.” と一致。サンプルしたフレームで口が動いている
確認していないこと陶器の音が2秒の位置で鳴っているかフレーム単位で正確なリップシンク

測定できた点については、どちらのクリップもブリーフどおりでした。製品ショットの音声は小さく(平均 −40 dB)、プロンプトの quiet room tone(静かな室内の環境音)に合っています。トーキングヘッドははっきり聞き取れる音量でした(平均 −20 dB)。

ここからわかるのは、Seedance 2.5がOfox経由で、よくある短尺動画のブリーフ2種類をそれぞれ約2分で処理したということです。同じブリーフでOmniがどうなるかについては何もわかりません。次のセクションがあるのはそのためです。

用途別の選び方

用途おすすめ理由注意点
製品ショット、5〜10秒、16:9または9:16Omni(GoogleのAPIを使える場合)720pの1秒あたり料金がSeedanceの約3分の1。画像リファレンス6枚で製品1つは十分カバーできる1:1や4:5はない。製品の文字やロゴは実際のフレームで確認する
正方形のフィードや21:9バナー向けの製品ショットSeedance 2.5Omniには1:1、4:3、21:9がない1秒あたりの料金
トーキングヘッド、架空のプレゼンター、英語どちらでも可。両方試すどちらもネイティブ音声でセリフを生成できるOmniは一部の識別可能な人物のアップロードを拒否する。この記事ではどちらのリップシンクも検証していない
トーキングヘッド、英語以外、または自分の声のトラックで駆動Seedance 2.511言語がドキュメントに記載。音声リファレンスに対応実在の顔のアップロードにはByteDanceの許諾素材の手続きが必要
SNS向け縦動画、大量生産料金ならOmni、処理量ならSeedanceOmniの720pは1秒約$0.07だが、Tier 1は1日40リクエストまでバッチを計画する前にGoogleのティアを確認する
複数ショットのストーリー、15〜30秒Seedance 2.51回のリクエストで30秒のタイムライン。10秒の参照制限がない定価で30秒720pは$6.93。まず480pかDraftモードで下書きする
複数ショットのストーリー、15秒以下どちらでも可Omniは [0-5s] ... [5-10s] ... のようなタイムコード付きプロンプトに対応。Seedanceは整数秒のタイムスタンプに対応カットごとにつながりを確認し直す
生成した1本のクリップを繰り返し編集Omni保存したインタラクションを使う対話形式の編集store=True が必須。EEA、スイス、英国ではアップロード動画の編集不可
Ofox経由で呼び出す必要があるSeedance 2.52026-11-19時点でOmniはOfoxにないゲートウェイのリファレンス上限はModelArkより低い

どの動画モデルがどの用途に合うかを広く知りたい場合は、用途別に動画生成APIを選ぶ方法をご覧ください。Alibabaのモデルも検討しているなら、Wan 3.0とSeedance 2.5の比較も参考になります。

自分で直接比較する

公平なテストでは、モデル以外の条件をすべてそろえます。以下は、両方にアクセスできれば私たちが実施する計画で、そのまま自分でも実施できます。

固定する設定。 720p、9:16、5秒、音声あり、リファレンス動画なし。Omniは resolution: "720p"、aspect_ratio: "9:16"、duration: "5s"。Seedanceは resolution: "720p"、aspect_ratio: "9:16"、duration: 5。どちらも720pをネイティブで生成し、9:16は両者に共通する唯一の縦長比率です。定価では、ブリーフごとに1本作ると、Omniで約$0.35、Seedanceで約$1.16です。

用途ごとに1つ、計4つのブリーフ。 両方でまったく同じ文言を使います。タイミングは両社のドキュメントにある書き方(0-2s: 形式)で書き、Omniにはネガティブプロンプトのフィールドがないため、制約は普通の文で書きます。

  1. 製品:上のコードブロックにあるマグカップのプロンプトを720pで。
  2. トーキングヘッド:架空のプレゼンターのプロンプト、英語のセリフ1行、字幕なし。
  3. SNS向け縦動画:“A runner ties a shoe on a city step at sunrise, then stands and starts jogging out of frame. 0-2s close-up on hands, 2-5s wide shot. Street ambience, no music, no text.”(日の出に、ランナーが街の階段で靴ひもを結び、立ち上がって画面の外へ走り出す。0〜2秒は手元のクローズアップ、2〜5秒は引きの画。街の環境音、音楽なし、文字なし。)
  4. 複数ショット:5秒の中に時間を指定した3つのビートを入れ、間はハードカットでつなぎ、どのビートにも赤いジャケットを着た同じキャラクターを登場させる。

各クリップは、もう一方のモデルではなくブリーフに照らして採点します。

チェック項目測り方合格の基準
ファイル仕様ffprobe:サイズ、fps、動画と音声の長さ指定どおりのサイズ。動画トラックが5秒から0.25秒以内。音声トラックがある
被写体の維持0.5秒 / 2.5秒 / 4.5秒のフレーム同じ物体または人物で、形や色が変わらない
タイミング各ビートの境目のフレーム各ビートが指定した時間帯に映っている
セリフ抽出した音声を文字起こしセリフが完全に一致。セリフなしのブリーフに余計な発話がない
不要な要素クリップを最後まで見るブリーフで除外した字幕、音楽、余計な被写体がない
コストと時間ベンダーのusageフィールド。送信からファイル取得までの実時間見積もりではなく実測値を記録

勝者を決める前に、ブリーフごとに少なくとも3つのシードまたは3回の試行を実行してください。モデルごとに1本だけでは、私たち自身の2回の実行と同じく、単なる一例にすぎません。失敗や拒否された試行もコストに含めてください。実際の価格を決めるのは、使えるクリップが得られる割合です。

関連ドキュメント

出典