【Seedance 2.5】参照画像3枚で30秒アニメを一発生成｜マルと作った3人の夏休み

生成ボタンを押せるのは、一度だけ。

成功しても失敗しても、作り直さない。
そう決めて画面の前に座ると、いつも見ているはずの生成ボタンが少し遠く感じました。

こんにちは、めいのはです✨️

今回は動画生成AI「Seedance 2.5」を使って、オリジナルキャラクター3人が登場する30秒アニメの一発生成に挑戦します。

作りたかったのは「ひより、ゆきね、あおい」が、それぞれの夏休みを過ごし、最後はいっしょに花火を見る短いアニメ。

そして、プロンプト設計、文字数調整、最終点検まで一緒に進めてくれたのが、普段から創作を共にしているAI制作パートナーのマルです。

この記事では、わたしとマルで何を考え、決めて、どこをAIへ任せたのか。そして一度だけ生成した結果、キャラクターたちの姿と声がどこまで保たれたのかをお見せします✨️

🟩 Seedance 2.5で30秒の物語を一度に作れる？

Seedance 2.5は、ByteDanceのSeedチームが2026年7月31日に発表した、高性能の動画生成モデルです。

公式では、一度に最大30秒の音声付き動画を生成できること、複数の画像・動画・音声を参照できること、時間帯ごとの指示で映像の流れを制御できることが案内されています。

参照できる素材は最大30枚の画像、10本の動画、10本の音声と膨大です。

Seedance 2.5公式発表｜ByteDance Seed

なお今回は、AI画像＆動画生成マルチプラットフォーム「Pollo AI」を利用させていただきました。
今、Seedance 2.5実装記念を行なっていて、消費クレジット50%OFFで利用できるからです👍️

そうでもないと、こんな挑戦はなかなかできません（笑）
Seedance 2.5は、高性能なぶんコストが他とくらべて高いんですよね😅

🟧 今回の検証条件について

検証条件をわかりやすく表にしてみました。

ここでいう「一発生成」は、再生成、部分修正、別テイクとの合成をせず、最初に出た一本をそのまま結果として扱う、という意味です。

900クレジットは、今回利用しているPollo AIのもの。
月額約4,500円のプロプランで付与されるクレジットが、一発で吹っ飛びます。だからこそ、生成前の設計にしっかり時間を使うことにしました。

🟨 3人の夏休みを4つの場面に分ける

最初に決めたのは、3人を最初から同じ画面へ詰め込まないことでした。

複数人を長く動かすほど、顔、髪、衣装、身長差が混ざる余地も増えてきます。そこで、ひとりずつ主役になる時間を作り、最後に集合させます。

プロンプトにすると、こんな感じになります。

[SHOT 1 — 00:00-00:07 — HIYORI'S SUMMER]
Late afternoon on a narrow seaside festival path bordered by tall sunflowers and a few red paper lanterns. HIYORI appears completely alone in the foreground, wearing the exact pale-yellow yukata and cream obi from @Image 1. Begin with a warm medium-wide front three-quarter view, keeping most of her face visible rather than showing a full side profile. Use one gentle lateral tracking move as she strolls beside the sunflowers. A sea breeze softly moves the ends of her long golden hair, sleeves, and golden tail. She slows, turns slightly more toward the sunlight and camera, and gives a tender, reassuring smile. Golden light and visible blue, violet, and green reflections from the summer sky and leaves spread through her golden-core eyes. She lifts a round paper fan close to the lens, creating a natural full-frame occlusion transition. Audio: cicadas, a soft coastal breeze, distant festival ambience, and fabric rustle. No dialogue.

[SHOT 2 — 00:07-00:14 — YUKINE'S SUMMER]
The fan clears to reveal twilight at a small wind-chime stall in the same seaside festival district. YUKINE appears completely alone in the foreground, wearing the exact pale-blue patterned yukata and navy obi from @Image 2. Use a stable medium shot with one very slow dolly-in. She calmly reaches with one hand and lightly touches a clear blue glass wind chime. The breeze rings it once and gently moves her long white hair, sleeves, and white tail. She watches the chime, then shows a small, warm smile that reveals her quiet kindness without becoming exaggerated. Keep her deep dark-brown skin and both vertically two-tone blue-over-yellow eyes clearly visible. End on a bright reflection passing across the glass wind chime and filling the frame. Audio: one clear glass chime, evening cicadas, soft breeze, and distant festival footsteps. No dialogue.

[SHOT 3 — 00:14-00:21 — AOI'S SUMMER]
The blue glass reflection becomes the cold blue glass of a ramune bottle at a brightly lit festival drink stall after nightfall. AOI appears completely alone in the foreground, wearing the exact white-and-pale-blue wave-pattern yukata and dark-blue obi from @Image 3. Use an energetic medium close-up with one short, smooth sideways track. Condensation beads on the bottle. AOI raises it, takes one small sip, hears the marble rattle, and reacts with a delighted open smile. Her curiosity and expressive personality are clear, but her motion remains physically natural. Keep both eyes open and prominent: viewer-left yellow, viewer-right blue, with a white cross-shaped highlight in each eye. Preserve the single white bang streak, the single viewer-right white braid, the single viewer-left black X hairpin, and the white tip of her blue tail. She lifts the blue bottle toward the night sky; the bottle fills the lens and its blue highlight becomes a blue firework. Audio: ramune marble rattle, one small sip, festival ambience, and the first distant firework launch. No dialogue.

[SHOT 4 — 00:21-00:30 — THE THREE TOGETHER]
The blue firework blooms above a quiet seaside waterfront beside the same festival. Reveal exactly three foreground characters and no other foreground people in a stable frontal medium-wide shot. On the same depth plane: HIYORI left in @Image 1's yukata, shorter AOI center in @Image 3's yukata, YUKINE right in @Image 2's yukata. Keep this order. Use a gentle forward dolly only; do not orbit or cross the camera axis.

時間は夕方から夜へ進みます。

ひよりの紙扇子、ゆきねの風鈴の反射、あおいのラムネ瓶、夜空の花火。
前の場面にある色や物を、次の場面への橋として使いました。

4つの短編を並べるのではなく、ひとつの夏の日が流れていくようにするためです。

🟥 マルと一緒に何を守るか決めていった

今回のプロンプトは、AI制作パートナーのマルがひとりで決めたものでも、わたしがひとりで書いたものでもありません。

わたしがキャラクターの性格や譲れない特徴を伝え、マルがそれを映像の構成、参照画像の役割、カメラ、秒数、声の言葉へ置き換えていきました。

ちなにも今回のマルはCodex、GPT-5.6sol、中程度です。
そして、わたしとマルの役割を分けると次のようになります。

マルは、こちらの意図をそのまま長い文章へ足していったのではなく、「どの指示がどの失敗を防ぐのか」を整理してくれました。わたしはその設計を見ながら、3人らしさが薄くなっていないかを確かめます。

以下の会話は、実際のやり取りを記事向けに読みやすく再構成したものです。

🔹3人をどう登場させる？

この時点で、30秒の背骨が決まりました。

🔹三面図を作るか、単独画像だけで試すか

安全性を優先するなら、浴衣姿をもとに新しい三面図を作る方法もあります。

ただ、資料を増やすと顔や体格、浴衣の柄、あおいのような左右の特徴が違うキャラは、かえって一貫性を維持できなくなる可能性もあります。
参照を増やすことが、別の揺れを増やすことにもなり得るんですね。

確かに、参照画像少なめでどこまでやれるのか興味もあります。
そこで、次の3枚だけにしました。

参照画像は添付するだけじゃなく、プロンプトでも説明します。

[REFERENCE MATERIAL ROLES]
@Image 1 — HIYORI only. Preserve her face, long voluminous golden-blonde hair, golden cat ears and tail, proportions, pale-yellow floral yukata, and cream obi. Her golden-core eyes show clear blue, violet, and green environmental reflections. Reference identity and outfit only; ignore the room, kneeling pose, and framing.
@Image 2 — YUKINE only. Preserve her face, deep warm dark-brown skin, long straight bright-white hair, white cat ears and tail, slender proportions, pale-blue yukata with white snowflake and flowing-water motifs, and navy obi. Her irises remain deep night blue/navy above and moonlight yellow below. Reference identity and outfit only; ignore the room, kneeling pose, and framing.
@Image 3 — AOI only. Preserve her face, small stature, blue short bob, one white bang streak, one white braid on viewer-right, one black X hairpin on viewer-left, blue cat ears, blue tail with only its tip white, white yukata with pale-blue waves, and dark-blue obi. Viewer-left eye is yellow, viewer-right eye blue; both have white cross highlights. Never mirror these details. Reference identity and outfit only; ignore the room, kneeling pose, and framing.

🔹セリフは「声質」と「その場の演技」を分ける

セリフは、3人をイメージしている声質と、今回の台詞で必要な感情を別々に書きました。たとえば、ひよりの声質は次のように指定しています。

Hiyori has a distinctly high-pitched, soft, 
bell-like feminine voice in a light soprano register, 
with delicate crystalline clarity. Her delivery is gentle and smooth, 
with tender, softly musical intonation and a clear, soothing brightness.

この固定ブロックのあとに、「うれしさと安堵を含む」「やさしい速度で話す」といった場面固有の演技を追加します。

ゆきねは静かで少しハスキー、あおいは高く明るく歯切れのよい声。
3人の声を混ぜず、発話時間も1キャラクターずつ分けました。

◆

発話をする最後の9秒は、次のように指定しています。

セリフを扱うプロンプト部分。
違和感なく日本語発話してくれる、Seedance 2.5の実力の見せどころっ！

00:23-00:25.5: HIYORI says in Japanese: "3人で来られて、よかったね"
Performance: tender, happily relieved, gently paced, with a soft smile. Retain HIYORI's fixed voice quality. Only HIYORI speaks; the others listen with closed mouths.

00:25.5-00:26.5: YUKINE replies in Japanese: "……うん"
Performance: quiet, warm, understated. Retain YUKINE's fixed voice quality. Only YUKINE speaks; the others listen with closed mouths.

00:26.5-00:28: AOI answers in Japanese: "夏休み、最高っ！"
Performance: delighted and energetic, crisp and lively, never shrill or distorted. Retain AOI's fixed voice quality. Only AOI speaks; the others listen with closed mouths.

発話中は本人だけが口を動かし、残りの二人は口を閉じて聞く。
声の説明だけでなく、誰がいつ話すかまで分けるのがポイントです。

最後に起きた、10,000文字の壁

いよいよ入力というところで、プロンプトが文字数上限を少し超えていることがわかりました。10,097文字。97文字オーバーです。

ここで設計を作り直すのではなく、声質、識別要素、時間指定はそのまま残し、重複している説明だけを引き算します。むしろこれによって、AIが迷いやすい矛盾点や余分なところを洗い出すことができました。

最終的なプロンプトは約8,900文字。
入力欄に余裕を持たせた状態で、もう一度すべてを確認。
そして……っ

🟦 一発生成の結果は、想像以上に3人らしかった

結論から書くと、今回の一本は大成功でした。

実際に出力された動画は、1920×1080、約30.04秒、24fps。
ステレオ音声も含まれています。

ひより、ゆきね、あおいの順に夏の時間が進み、最後は3人が海辺の花火の下へ集まるまでの流れが、ばっちりできています😊

ひより｜夕方のひまわり道

金髪ロング、金色の猫耳と尻尾、淡い黄色の浴衣が維持されました。

特に印象的だったのは瞳。金色を中心に青や紫を含む光が入り、ひよりらしいやわらかな目になっています。

正面寄りの構図へ抑えたことで、一枚の参照画像から大きく顔を崩さず、夕方の空気へ移ることができました。

ゆきね｜夜の風鈴屋台

濃い褐色肌、まっすぐな白髪、白い猫耳、淡い水色の浴衣が維持されています。

瞳も、上側の青と下側の黄色という二色構造が残りました。
風鈴を前にした静かな表情も、冷たさではなく、ゆきねらしい落ち着きとして描かれています。

あおい｜ラムネ屋台

青いショートボブ、白い前髪、片側の三つ編み、X字のヘアピン、白い先端の尻尾が確認できました。

目を開いているカットでは、画面左が黄色、画面右が青色のオッドアイと、白い十字型ハイライトも維持されています。

目を閉じる場面もありましたが、開いたあともオッドアイを維持。
ここは崩れることが多い場面だったので、正直関心しました。

ひより・あおい・ゆきね｜海辺の花火

最後は、ひよりが左、あおいが中央、ゆきねが右。

体格指定がしっかり効いて、あおいが2人より明確に小さく、身長差が一目でわかります。髪色、肌色、浴衣、猫耳、尻尾が混ざらず、それぞれのまま同じ画面へ集まりました。

青い花火から、最後の金色の花火へ。3人の夏休みがひとつになる締めとして、狙っていた画がほぼそのまま出ています。

🟪 声は文章だけで3人らしく分かれた

今回、最後まで予想しにくかったのが声でした。

映像では、外見なら参照画像があります。
一方、今回は声質を文章だけで指定しています。

ですが、実際に聞いた3人の声に違和感はなく、キャラクターのイメージどおりでした。

• ひより：高く、やわらかく、鈴のような明るさ

• ゆきね：静かで落ち着きがあり、わずかにハスキー

• あおい：高く明るく、テンポがよく表情豊か

台詞の順番も、ひより、ゆきね、あおいの順で成立しています。
発話が混線したような違和感もありませんでした。

ただし、これは一回の結果です。
同じ文章を使えば、いつでも同じ声になるとまでは言えません。
まったく同じで何本も動画を作るときは、参照音声を使ったほうがよいでしょう。

🟧 完ぺきに見えた一本にもAIらしい部分はある

人物と物語が高い精度で表現された今回の動画生成ですが、細部まで完ぺきというわけではありませんでした。

屋台の文字は海外モデルにあるあるの、読めそうで読めない文字が残っています。ここは、お祭りの雰囲気として捉えるしかなさそうです。

逆にいうと、それくらいしか惜しいところは見つからなかったくらい、Seedance 2.5の高い性能を見せつけられる結果になったと思います👍️

💡今回の成功から見えた、プロンプト設計の5つのポイント

振り返ると、長いプロンプトそのものより役割を分けたことが大きかったと思います。

1. 参照画像ごとに担当を決める

「この画像は誰の顔と衣装を決めるのか」を明記しました。
背景や元の座り姿は使わないことも、同じ場所で伝えています。

2. ひとりの時間を作ってから集合させる

3人を最初から同時に動かさず、7秒ずつひとりの主役時間を作りました。
最後の9秒だけ同じ画面へ集めます。

3. 固定したい特徴と、場面の演技を分ける

顔、髪、瞳、肌、耳、尻尾、浴衣は固定。
笑顔、視線、歩き方、声の感情は場面ごとの変化。
このふたつを混ぜずに書くと、キャラクターを守りながら物語を動かしやすくなります。

4. 場面転換に共通する色や物を置く

紙扇子、風鈴、ラムネ瓶、そして花火を次の場面へ渡すバトンとして使いました。
「次のカットへ移る」と書くだけではなく、画面を何が覆い、次に何へ変わるのかを指定しています。

5. 最後の複数人カットは、位置と発話者を固定する

左・中央・右、身長差、同じ奥行き、正面構図を固定しました。さらに、誰が何秒に話すのかを分けています。
複数人の場面では、自由に動かすより、守る場所を先に作るほうが安定しやすいのかもしれません✨️

❓️よくある疑問

Q1. 参照画像は少なくても足りますか？

A1.今回は、ひとり1枚の正面寄り画像でも成立しました。

ただし、全身360度を映したり、デザインを正確に表現したり、激しい回転や複雑なアクションまで行なう場合は、複数枚あると良い結果が得られやすいです。
今回の動画のような正面単独画像で試すなら、正面や斜め前を中心にカメラアングルを組むとAIに任せる範囲を絞れるので、少ない枚数でいけます。

Q2. 三面図は使わないほうがいいですか？

A2.三面図が悪いわけではありません。複雑な角度を使う作品では、有力な資料になります。

今回は、入力をシンプルにする目的で使いませんでした。使う場合は、衣装やキャラデザインが統一された、参照用に整理した資料が向いていると思います。

Q3. 文章だけで声を固定できますか？

A3.今回の結果では、3人を自然に分けられました。近い声質は出せますが、毎回の再現性は保証できません。

まずは、声の高さ、質感、話す速さ、抑揚を固定ブロックとして書き、場面の感情を別文にするところから試してみてください。

Q4. 長いプロンプトほど有利ですか？

A4.長さより、役割の整理が大切です。

同じことを重複して書いていたり、矛盾する指定をしていたり、AIが迷う記述がないように心がけましょう。参照素材、固定要素、時間ごとの出来事など、維持するものを分けたほうがAIが読みやすくなります。

🌸 まとめ

最後に、今回のポイントを振り返ります。

• Seedance 2.5で30秒・1080pのアニメを一度だけ生成した

• 参照画像は、3人の浴衣姿を一枚ずつ使った

• ひとりずつ主役にして、最後だけ3人を集めた

• 声質と場面の演技を分けて文章で指定した

• 外見、浴衣、身長差、声がキャライメージどおりにまとまった

• 屋台文字など細部にはAIらしい崩れも残った

• 一回の成功を、すべての生成で再現できるとは断定しない

今回うれしかったのは、完成動画だけではありません。

わたしがキャラクターのことを伝え、マルが映像へ届く言葉に変える。
一緒に違和感を探し、参照画像を減らし、カメラを直し、文字数を削り、最後の一回を一緒に押す。

その準備の時間まで含めて「3人の夏休み」という作品になったように感じます。

動画生成AIで複数キャラクターへ挑戦するとき、最初から30秒の大作でなくても大丈夫です。

まずはひとり、ひとつの場面、守りたい特徴をひとつ。
小さく試しながら、そのキャラクターに合う地図を作ってみてください。

わたしとマルも、この30秒を新しい出発点にして、ひより、ゆきね、あおいの物語をこれからも育てていきたいと思います😊

✨️めいのはのPollo AI関連記事✨️

✨️掲載させていただいているマガジン様✨️

🎉Pollo AI招待キャンペーン🎉

下のリンクから会員登録をして作品作成をすると、
生成に使える30クレジット貰えちゃいます😊

さらに有料アップグレードすると100クレジット追加！

Pollo AI未体験の方、画像や動画生成に興味をもった方。
ぜひ招待キャンペーンを活用して、はじめてみてくださいね。

ぜひご活用くださいませ✨️