16〜30秒のシーンと多数の参照素材、生成後の区間修正が必要なら、まず Seedance 2.5 を試す価値があります。4〜15秒、最大2K、ネイティブステレオ、Base weights の管理が重要なら MiniMax H3 が先です。30秒の音画を、資料・Webページ・複数メディアから作り始めたいなら Wan 3.0 が自然な候補になります。
これは画質の順位ではありません。各社の公式ページは異なる入力、出力、選抜済みサンプルを示しています。同じ brief、出力条件、試行回数、採用ルールがない以上、「一番きれい」を仕様表から決めることはできません。
納品条件から最初の候補を絞る
| 外せない条件 | 最初に試すモデル | 公式契約上の理由 | 実行前の確認 |
|---|---|---|---|
| 16〜30秒、多数の画像・動画・音声、時間指定の修正 | Seedance 2.5 | 最大30秒、30画像・10動画・10音声、タイムスタンプ編集 | アカウント、地域、API、入力動画の課金 |
| 4〜15秒、最大2K、ネイティブステレオ、Base運用 | MiniMax H3 | 短尺2K音画と公開Base checkpoints | Community License、GPU、2K regeneration |
| 30秒、資料やURLからの制作、1080P | Wan 3.0 | File/Linkを含む入力、ネイティブ音画 | Alibaba Cloudの地域・権限・提供段階 |
| 画質だけで選ぶ | 難しい1シーンで三者を試す | ショーケースは同条件ではない | brief、試行上限、採用基準を固定 |
「最初に試す」は購入の結論ではありません。硬い条件に最も近いモデルへ小さな予算を置き、早く不適合を見つけるための順番です。
Seedance 2.5は長尺よりも「修正できる長尺」に注目する
ByteDance Seedの公式発表では、Seedance 2.5は1回で最大30秒を生成し、さらに延長できます。参照上限は画像30枚、動画10本、音声10本。生成中の時間指定に加え、出力後も特定区間の人物、動作、展開を変更できると説明されています。
これは、人物・商品・ロケーション・動き・声・音楽を同時に扱う案件で効きます。クライアントの指示が「12〜16秒の動作だけ変え、前後は維持する」なら、初回の見栄えより部分修正の成功率が制作費を左右します。
現在のBytePlus文書には dreamina-seedance-2-5-260628、4〜30秒、text/image/video/audio入力が記載されています。統合前に現行のBytePlus契約を確認してください。入力動画がある場合は、その長さが課金計算に関わる場合があります。入口自体を調べる場合は Seedance 2.5の利用可否とAPI状況 が別タスクを扱います。
MiniMax H3は短尺2Kと運用の自由度を分けて考える
MiniMax H3の公式発表は、最大15秒、最大2K、ネイティブステレオを掲げています。テキスト、画像、動画、音声を一つの文脈として理解するため、短い商品広告、UI演出、台詞と効果音を含むカットが検証対象になります。
H3のもう一つの特徴は weights の扱いです。MiniMaxは8月3日にH3 Baseを公開し、複数の推論フレームワークと、公式の2K regeneration/APIを組み合わせる例を示しました。
ただし、これは「ダウンロードだけでクラウド版2Kが無料」という意味ではありません。GPU、保存、serving、運用、再生成APIを別々に見積もる必要があります。MiniMax H3 Community License の地域、用途、下流提供条件も商用判断の一部です。
Wan 3.0は整理前の業務資料を入力にできる
Alibaba CloudのWan 3.0公式ページは、ネイティブ30秒、1080P、音画同時生成を示しています。画像、動画、音声に加え、文書とWebページを入力できる点が特徴です。
商品ページ、企画書、表、イベントサイトから制作を始めるチームなら、素材を一つのpromptへ手作業で書き直す工程を減らせる可能性があります。一方で、入力情報の保持、勝手な補完、修正量は実際の資料で測る必要があります。
Alibaba Cloudのモデル情報は wan3.0-video、Video出力、480P・720P・1080Pを記載しています。これはModel Studioの契約です。第三者APIの同名モデルに同じ入力、音声、上限、失敗時課金があるとは限りません。
同じpromptより同じbriefを使う
三者へ同一文章を送るだけでは、得意な入力を封じた比較になることがあります。公平性は二段階で作ります。
- 共通条件：同じ制作brief、三者共通の参照素材、同じ尺・比率・出力クラス・音声要件・最大試行回数。
- 固有能力：Seedanceは大きな参照セットと修正、H3はBase route、Wanは文書・URL入力を使う。追加準備とインフラ費も記録する。
試験するのは簡単な風景ではなく、納品を止める場面です。複数人物の交差、小さな商品文字、発話、指定された開始/終了構図、連続カメラ、音楽同期などから一つ選びます。
確認項目は観察できるものに限定します。
- 人物、商品、文字、位置関係が保たれたか
- 動作、口の動き、音声、タイミングがbriefを満たしたか
- 部分修正で済んだか、全体再生成になったか
- 何回目で採用可能になったか
- 待ち時間と人手修正を含む総コストはいくらか
1秒単価ではなく採用カット単価を出す
安い生成を8回やり直すなら、2回で通る高い経路より高くなります。30秒生成できても、編集に残るのが6秒なら「30秒の価値」はありません。
採用カット単価 = 全生成費 + 素材準備/修正工数 + 失敗待ちコスト
入力動画も課金対象なら、その長さを加えます。ローカルH3ではGPU、checkpoint保存、serving、2K regeneration/APIを分けます。クラウドの表示価格とself-hostのGPU代だけを並べて、運用費を落とさないでください。
結論
- 長い物語、多数の混合参照、時間指定修正：Seedance 2.5から。
- 短い最大2K動画、ネイティブステレオ、Base制御：MiniMax H3から。
- 文書やURLを含む30秒の音画制作：Wan 3.0から。
- 画質だけが決定要因：難しい1カットを同じ採用条件で三者テスト。
仕様表は候補を減らせますが、制作の勝者は決められません。最初の1本で失敗条件を見つけ、採用カット単価を記録してから量産へ進むのが安全です。
