Seedance 2.0 Fast テキスト・トゥ・ビデオ能力の作例：マルチショットのリズムとネイティブオーディオ

10秒の短編映像で、Seedance 2.0 Fast がテキスト・トゥ・ビデオの場面で発揮する中核能力の組み合わせを端的に示す：単一のプロンプトで「早朝の街から街角のカフェへ」というマルチショットシーケンスを描写し、モデルが一度の生成でショット間の场景と光の連続性を保てるか、さらに元の映像に同期した環境音を同時に生成できるかを確認する。 base は作者ルートの実際の非メディア入力パラメータを採用：prompt はショットスクリプト形式の記述、duration は10秒に設定（schema は4〜15秒を許容し、資料では1回の生成がおよそ15秒規模とされている）、resolution は 720p、aspect_ratio は 16:9、generate_audio はオン、web_search はオフ。本作品は先頭フレーム、末尾フレーム、マルチモーダル参照素材を使用しないため、唯一のメディア入力は空であり、assets は参照画像や参照動画を生成せず、完全にテキストのみに依存する。 想定シーン：開発者が本モデルを導入する前に、純粋なテキスト入力におけるマルチショットの一貫性、動きの振幅、音画同期の品質を観察し、プロンプト構成や時間・解像度の取捨選択の比較サンプルとして活用する。