Alibaba: HappyHorse 1.1

Alibaba HappyHorse 1.1 er en udgave til videogenerering med særskilt navngivne profiler til tekst-til-video, billede-til-video fra et første billede og reference-til-video. Producenten fremhæver forbedrede visuelle detaljer, bevægelse, figuridentitet på tværs af klip, tekststabilitet og synkronisering af lyd og billede. Resultatet er en kort video med lyd, som er nyttig til en produktoptagelse, en portrætanimation eller en lille scene med figurer. Vælg inputtilstand ud fra det, der skal definere scenen: et skrevet koncept, et præcist åbningsbillede eller flere visuelle referencer.

Til tekst-til-video skal du beskrive motiv, sted, handling, indramning, kamerabevægelse og den ønskede lyd. I en kort handlingsscene kan du vise en cyklist, der standser ved en café langs floden, mens kameraet bevæger sig roligt mod den parkerede cykel. Tilpas handlingen til et kort klip, og beskriv det afsluttende øjeblik. Producentens aktuelle tekstvejledning tillader op til 5.000 ikke-kinesiske eller 2.500 kinesiske tegn og afkorter overskydende tekst. Organisér beskrivelsen, så det væsentlige motiv og handlingen står tydeligt frem i stedet for at være begravet i gentagne tillægsord.

Billede-til-video fra et første billede bruger præcis ét billede som åbning. Forbered motiv, komposition og ønsket beskæring i dette stillbillede, og beskriv derefter, hvad der skal bevæge sig, eller hvordan kameraet skal ændre sig. De dokumenterede billedformater er JPEG/JPG, PNG og WEBP på op til 20 MB, med begge dimensioner på mindst 300 pixels og et billedformat mellem 1:2,5 og 2,5:1. Output ligger omtrent på det valgte opløsningsniveau og bevarer kildebilledets proportioner. Et stående resultat begynder derfor med en egnet stående komposition frem for en løsrevet instruktion om billedformat.

Reference-til-video accepterer ét til ni billeder. Prompten bruger [Image 1], [Image 2] og efterfølgende positioner til at identificere dem i inputrækkefølgen. Angiv hver references rolle, og navngiv den relevante genstand eller person, så et scenebillede ikke forveksles med en kilde til en figur. Referencevejledningen accepterer JPEG/JPG, PNG eller WEBP på op til 20 MB, kræver, at den korteste side er mindst 400 pixels, og anbefaler tydelige referencer i 720p eller højere. Undgå en hårdt komprimeret reference, hvor de identificerende detaljer allerede mangler.

Til en scene med flere referencer kan du placere personen fra ét billede i rummet fra et andet og samtidig bevare en frakke eller et produkt fra et tredje. Beskriv samspillet og kameraet i samme beskrivelse. Referenceprofilen til 1.1 fremhæver stabilitet i motiver, scenestil og filmisk bevægelse; undersøg det faktiske resultat for den ønskede identitet, produktmærkning og rumlige placering. Flere billeder giver beskrivelsen mere information, men gennemgangen skal stadig kontrollere, hvilke træk der blev overført til videoen.

Producenten angiver output i 480p, 720p og 1080p for genereringstilstandene i 1.1 med en varighed i hele sekunder fra tre til femten og MP4 ved 24 fps. API-svaret beskriver H.264-kodning. Tekst- og referencegenerering tilbyder blandt andet formaterne 16:9, 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 og 21:9; generering fra et første billede følger inputbilledet. Vælg format til den ønskede anvendelse, og levn plads til senere undertekster eller layoutelementer. Undersøg den returnerede videos faktiske indramning i den tilsigtede visningsstørrelse.

Modelfamiliens output omfatter lyd. Giv fremførelsen eller atmosfæren en tydelig rolle i beskrivelsen, og gennemgå eventuel dialog, effekter eller baggrundsmusik sammen med billedet. Hold det talte materiale kort nok til handlingen og pauserne frem for at presse et langt manuskript ind i én kort optagelse. Kontrollér læbebevægelser, hvem der taler, og den faktiske ordlyd, når der er tale. At et sprog accepteres i prompten, definerer ikke i sig selv en garanteret udtale eller et separat stemmereferenceinput.

Producentens dokumenterede arbejdsgang er asynkron: et opgave-id følger behandlingen, og et vellykket resultat angiver videoens placering. Resultatlinket og opgaveforespørgslerne er dokumenteret med en gyldighed på fireogtyve timer. Gem det færdige klip, referencerne og prompten som revisionsgrundlag. Vejledningerne dokumenterer også kontroller for seed og vandmærke. Et fast seed kan hjælpe med sammenligning, men producenten siger udtrykkeligt, at det ikke garanterer identiske resultater, så vurder det returnerede produkt frem for at antage, at én indstilling fastlåser hvert billede.

HappyHorse 1.0 og 1.1 er separate udgaver. Outputtabellen for 1.1 tilføjer 480p til 1.0-udgavens valgmuligheder på 720p og 1080p, og modelsiderne for 1.1 beskriver forbedringer i detaljer, bevægelse og konsistens. Den særskilt navngivne profil HappyHorse 1.0 video-edit har sine egne input og grænser og er ikke en redigeringstilstand, der ubemærket kan tildeles 1.1. Gennemgå hele 1.1-klippet for identitet, bevægelse, indramning, tekst og lyd, og foretag derefter en konkret rettelse, mens de vellykkede dele af beskrivelsen bevares.