Seedance 2.0 er ByteDance Seeds standardmodel til multimodal lyd-video-produktion. Den kombinerer tekst, billeder, videoer og lyd i en fælles genereringsarkitektur med særskilte kreative arbejdsgange for referencedrevne scener, videoredigering og videoforlængelse. Den er nyttig, når briefen kræver både en sammenhængende præstation og bestemte visuelle oplysninger eller lydoplysninger fra forberedte materialer.
Billeder kan definere motivets udseende, den visuelle stil og kompositionen. Videoreferencer kan styre handling, kamerabevægelse og effekter. Lyd kan styre stemmeklang, musik eller dialog. Definer hvert materiales rolle, og beskriv derefter den scene, der skal være resultatet. Producenten lægger vægt på kontrol over præstation, lys, skygger og kamerasprog.
Til en produktfortælling skal du forberede et produktbillede, en reference til kamerabevægelsen og en lydmarkør. En brief kan være: »Bevar den blå glasvase fra Image 1. Brug den langsomme sidelæns trackingbevægelse fra Video 1. Vasen står på en solbeskinnet hylde med blød instrumentalmusik baseret på Audio 1.« Det tilsigtede output er en nyiscenesat scene, der kombinerer udvalgt referenceinformation.
Referenceinput kan kombinere billede og lyd, billede og video, video og lyd eller alle tre. Input med kun lyd og tekst plus lyd uden billede eller video understøttes ikke. Traditionel tekst-til-video, generering med første billede og generering med første og sidste billede er også dokumenteret. Hvis faste åbnings- og slutkompositioner er vigtige, skal den dedikerede endepunktsarbejdsgang bruges: at navngive et referencebillede som endepunkt i en omni-reference-prompt er kun en indirekte styring.
Modellen kan erstatte et motiv, tilføje eller fjerne objekter, ændre elementer og gentegne eller reparere dele af en video. Beskriv den konkrete ændring, og identificer kildeoptagelserne. Ved tilføjelse skal synlighedstid og position medtages; ved fjernelse eller erstatning skal objektet angives præcist, og det, der skal blive, navngives.
For eksempel: »Erstat skrivebordslampen i Video 1 med messinglampen i Image 1. Bevar kamerabevægelsen, skrivebordsopstillingen og lysretningen.« Det ønskede resultat er en redigeret version af scenen med den tilsigtede udskiftning. Undersøg både de uændrede områder og det nye objekt, især under tildækning, bevægelse og indstillingsskift.
Seedance 2.0 kan forlænge en video fremad eller bagud og forbinde op til tre leverede klip med genererede overgange. Angiv tidsretningen og den nye begivenhed. Til en bro skal klippene ordnes, og overgangen mellem hvert par beskrives, for eksempel at et kamera går ind gennem en dør i én indstilling og ankommer til de næste omgivelser.
En enkel forlængelse returnerer typisk fortsættelsen udviklet omkring kildeoptagelserne; medtag en tydelig instruktion, hvis slutresultatet også skal gentage originalsegmentet. Når en forbindelse mellem to eller tre klip færdiggøres, kan den dokumenterede arbejdsgang omfatte både originalmateriale og nyt overgangsindhold. Det er nyttigt til at udvikle en begyndelse eller afslutning eller forbinde forberedte scener uden at lade den forbindende handling stå uspecificeret.
Standardudgaven dokumenterer MP4 ved 24 fps og varigheder fra 4 til 15 sekunder. Outputniveauerne er 480p, 720p og 1080p med 8-bit-farvedybde samt 4K med 10-bit-farvedybde. De understøttede billedformater er 21:9, 16:9, 4:3, 1:1, 3:4 og 9:16. Adaptiv indramning og automatisk varighedsvalg er også dokumenteret. Fast-udgaven har sin egen smallere outputspecifikation på 480p/720p.
4K-outputtet bruger H.265/HEVC-kodning. Ti-bit-kodning bevarer flere tonegraderinger og jævnere farveovergange, hvilket betyder noget for materiale med subtile lys- eller farvegradienter. Kontrollér, at det tilsigtede afspilnings- og redigeringsmiljø kan afkode formatet; nogle browsere og enheder afspiller det ikke direkte. En kompatibel container sikrer ikke i sig selv kompatibel videoafkodning.
Modellen kan generere synkroniseret lyd eller en lydløs video og kan returnere det sidste genererede billede til en efterfølgende scene. Genereret lyd er mono. 2.0-familien understøtter ikke den særskilte Draft-forhåndsvisning i to trin, så denne forhåndsvisningsfunktion må ikke udledes fra en anden Seedance-udgave.
Den dokumenterede referencekapacitet er op til ni billeder, tre videoer og tre lydklip. Direkte uploads af referencebilleder eller videoer med virkelige menneskeansigter accepteres ikke i denne dokumenterede producentprofil; portrætarbejde bruger den understøttede arbejdsgang for portrætaktiver. Hvert video- og lydklip skal være 2–15 sekunder langt. Alle videoreferencer skal tilsammen være inden for 15 sekunder, og alle lydreferencer har deres egen samlede grænse på 15 sekunder. Videofiler bruger MP4 eller MOV ved 24–60 fps og er op til 200 MB hver; lydfiler bruger WAV eller MP3 og er op til 15 MB hver. De angivne billedformater er JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC og HEIF. Billeder skal være mindre end 30 MB hver, og anmodningens body må ikke overstige 64 MB. I den dokumenterede referenceinputprofil skal billedbredde og -højde hver være strengt mellem 300 og 6.000 pixels med et bredde-højde-forhold strengt mellem 0.4 og 2.5. Referencevideoer tillader 300–6.000 pixels i hver dimension og forhold på 0.4–2.5 inklusive grænserne med i alt 407.696–8.295.044 pixels. MP4- eller MOV-videoer bruger H.264/AVC- eller H.265/HEVC-video og AAC- eller MP3-lyd.
Ordn filerne bevidst, og henvis til hver med dens medietype og nummer: Image 1, Video 1 og Audio 1. Nummeret følger rækkefølgen blandt filer af den type. Forklar, hvilke træk der skal overføres, og hvilket kildeindhold der ikke skal definere den nye scene. Dokumenterede promptsprog omfatter engelsk, spansk, indonesisk, portugisisk og japansk. Hold det talte sprog ensartet i en dialog; vejledningen fraråder at blande sprog bortset fra egennavne. Til stemmestyret arbejde skal taler, præcis replik og fremførelsesanvisning adskilles.
Forbered første og sidste billede med kompatibel indramning. Et mismatch mellem inputbilledet og outputdimensionerne kan give beskæring eller en brat visuel ændring; matchende dimensioner og adaptiv indramning er dokumenterede løsninger. Hold beskrivelsen koncentreret om begivenheden og referencernes roller. Producenten advarer om, at lange prompts kan sprede information, så detaljer ignoreres. Gennemgå den resulterende bevægelse, referencekontinuitet, lydpræstation og samlinger mellem scener som særskilte dele af det kreative resultat.
Til en kompleks scene skal briefen organiseres som Shot 1, Shot 2 og Shot 3 med kamera, motivets handling, position og lyd angivet i rækkefølge. Vejledningen anbefaler én kamerabevægelse pr. indstilling og prioritering af langsomme, sammenhængende handlinger. Præcise tidsstempler for hver indstilling er ustabile, så et begivenhedsforløb er bedre styring end at tvinge flere præcise tidsvinduer igennem.
Modellen genererer også almindelig tekst, herunder slogans, undertekster og talebobler. Du kan styre tekstens farve, visuelle behandling, placering og indgang. Brug almindelige tegn frem for sjældne tegn eller specialsymboler, og gennemgå ordlyden, mens den bevæger sig. Til motivreferencer skal hvert aktiv tydeligt bindes til den tilsigtede figur eller genstand. Produktvinkler kan levere forskellig visuel information; figursammenstillinger fra flere vinkler kan forvirre ansigtsidentiteten. Et særskilt tydeligt portrætbillede og et helkropsbillede er den dokumenterede anbefaling til figurreferencer.
Vejledningen dokumenterer uønskede undertekster, logoer, duplikerede figurer og stilafvigelser. Rent kildemateriale, ensartede betegnelser og eksplicitte begrænsninger reducerer disse risici, men garanterer ikke, at uønsket tekst eller duplikerede figurer forsvinder. Mere end fire referencepersoner rapporteres som en stabilitetsrisiko, adskilt fra det antal filer, modellen accepterer.
Videoforlængelse kan give et hop eller tilbagespring ved samlingen, og gentagne fortsættelser kan forstærke forringelsen af billedkvalitet. Undersøg grænsebillederne, og begræns stablede forlængelser. En refereret stemme kan afvige fra kildens klang; fortælling kan slutte med et klik eller en brat afskæring, hvor en lydudtoning er en dokumenteret løsning. Kinesiske tegn med flere mulige udtaler samt usædvanlige eller visuelt lignende tegn kan udtales forkert. Til en præcis animeret effekt som en nedtælling er en bevægelsesreference mere informativ end en verbal anmodning alene. Det er konkrete grunde til at kontrollere identitet, tekst, bevægelse og lyd særskilt, når klippet vælges.
", "aboutText": "Seedance 2.0 er ByteDance Seeds standardmodel til multimodal lyd-video-produktion. Den kombinerer tekst, billeder, videoer og lyd i en fælles genereringsarkitektur med særskilte kreative arbejdsgange for referencedrevne scener, videoredigering og videoforlængelse. Den er nyttig, når briefen kræver både en sammenhængende præstation og bestemte visuelle oplysninger eller lydoplysninger fra forberedte materialer.\n\n### Multimodal reference og instruktørkontrol\n\nBilleder kan definere motivets udseende, den visuelle stil og kompositionen. Videoreferencer kan styre handling, kamerabevægelse og effekter. Lyd kan styre stemmeklang, musik eller dialog. Definer hvert materiales rolle, og beskriv derefter den scene, der skal være resultatet. Producenten lægger vægt på kontrol over præstation, lys, skygger og kamerasprog.\n\nTil en produktfortælling skal du forberede et produktbillede, en reference til kamerabevægelsen og en lydmarkør. En brief kan være: »Bevar den blå glasvase fra Image 1. Brug den langsomme sidelæns trackingbevægelse fra Video 1. Vasen står på en solbeskinnet hylde med blød instrumentalmusik baseret på Audio 1.« Det tilsigtede output er en nyiscenesat scene, der kombinerer udvalgt referenceinformation.\n\nReferenceinput kan kombinere billede og lyd, billede og video, video og lyd eller alle tre. Input med kun lyd og tekst plus lyd uden billede eller video understøttes ikke. Traditionel tekst-til-video, generering med første billede og generering med første og sidste billede er også dokumenteret. Hvis faste åbnings- og slutkompositioner er vigtige, skal den dedikerede endepunktsarbejdsgang bruges: at navngive et referencebillede som endepunkt i en omni-reference-prompt er kun en indirekte styring.\n\n### Redigering af optagelser\n\nModellen kan erstatte et motiv, tilføje eller fjerne objekter, ændre elementer og gentegne eller reparere dele af en video. Beskriv den konkrete ændring, og identificer kildeoptagelserne. Ved tilføjelse skal synlighedstid og position medtages; ved fjernelse eller erstatning skal objektet angives præcist, og det, der skal blive, navngives.\n\nFor eksempel: »Erstat skrivebordslampen i Video 1 med messinglampen i Image 1. Bevar kamerabevægelsen, skrivebordsopstillingen og lysretningen.« Det ønskede resultat er en redigeret version af scenen med den tilsigtede udskiftning. Undersøg både de uændrede områder og det nye objekt, især under tildækning, bevægelse og indstillingsskift.\n\n### Forlængelse og sammenkobling af en sekvens\n\nSeedance 2.0 kan forlænge en video fremad eller bagud og forbinde op til tre leverede klip med genererede overgange. Angiv tidsretningen og den nye begivenhed. Til en bro skal klippene ordnes, og overgangen mellem hvert par beskrives, for eksempel at et kamera går ind gennem en dør i én indstilling og ankommer til de næste omgivelser.\n\nEn enkel forlængelse returnerer typisk fortsættelsen udviklet omkring kildeoptagelserne; medtag en tydelig instruktion, hvis slutresultatet også skal gentage originalsegmentet. Når en forbindelse mellem to eller tre klip færdiggøres, kan den dokumenterede arbejdsgang omfatte både originalmateriale og nyt overgangsindhold. Det er nyttigt til at udvikle en begyndelse eller afslutning eller forbinde forberedte scener uden at lade den forbindende handling stå uspecificeret.\n\n### Standardudgavens output og 4K\n\nStandardudgaven dokumenterer MP4 ved 24 fps og varigheder fra 4 til 15 sekunder. Outputniveauerne er 480p, 720p og 1080p med 8-bit-farvedybde samt 4K med 10-bit-farvedybde. De understøttede billedformater er 21:9, 16:9, 4:3, 1:1, 3:4 og 9:16. Adaptiv indramning og automatisk varighedsvalg er også dokumenteret. Fast-udgaven har sin egen smallere outputspecifikation på 480p/720p.\n\n4K-outputtet bruger H.265/HEVC-kodning. Ti-bit-kodning bevarer flere tonegraderinger og jævnere farveovergange, hvilket betyder noget for materiale med subtile lys- eller farvegradienter. Kontrollér, at det tilsigtede afspilnings- og redigeringsmiljø kan afkode formatet; nogle browsere og enheder afspiller det ikke direkte. En kompatibel container sikrer ikke i sig selv kompatibel videoafkodning.\n\nModellen kan generere synkroniseret lyd eller en lydløs video og kan returnere det sidste genererede billede til en efterfølgende scene. Genereret lyd er mono. 2.0-familien understøtter ikke den særskilte Draft-forhåndsvisning i to trin, så denne forhåndsvisningsfunktion må ikke udledes fra en anden Seedance-udgave.\n\n### Referenceforberedelse og væsentlige grænser\n\nDen dokumenterede referencekapacitet er op til ni billeder, tre videoer og tre lydklip. Direkte uploads af referencebilleder eller videoer med virkelige menneskeansigter accepteres ikke i denne dokumenterede producentprofil; portrætarbejde bruger den understøttede arbejdsgang for portrætaktiver. Hvert video- og lydklip skal være 2–15 sekunder langt. Alle videoreferencer skal tilsammen være inden for 15 sekunder, og alle lydreferencer har deres egen samlede grænse på 15 sekunder. Videofiler bruger MP4 eller MOV ved 24–60 fps og er op til 200 MB hver; lydfiler bruger WAV eller MP3 og er op til 15 MB hver. De angivne billedformater er JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC og HEIF. Billeder skal være mindre end 30 MB hver, og anmodningens body må ikke overstige 64 MB. I den dokumenterede referenceinputprofil skal billedbredde og -højde hver være strengt mellem 300 og 6.000 pixels med et bredde-højde-forhold strengt mellem 0.4 og 2.5. Referencevideoer tillader 300–6.000 pixels i hver dimension og forhold på 0.4–2.5 inklusive grænserne med i alt 407.696–8.295.044 pixels. MP4- eller MOV-videoer bruger H.264/AVC- eller H.265/HEVC-video og AAC- eller MP3-lyd.\n\nOrdn filerne bevidst, og henvis til hver med dens medietype og nummer: Image 1, Video 1 og Audio 1. Nummeret følger rækkefølgen blandt filer af den type. Forklar, hvilke træk der skal overføres, og hvilket kildeindhold der ikke skal definere den nye scene. Dokumenterede promptsprog omfatter engelsk, spansk, indonesisk, portugisisk og japansk. Hold det talte sprog ensartet i en dialog; vejledningen fraråder at blande sprog bortset fra egennavne. Til stemmestyret arbejde skal taler, præcis replik og fremførelsesanvisning adskilles.\n\nForbered første og sidste billede med kompatibel indramning. Et mismatch mellem inputbilledet og outputdimensionerne kan give beskæring eller en brat visuel ændring; matchende dimensioner og adaptiv indramning er dokumenterede løsninger. Hold beskrivelsen koncentreret om begivenheden og referencernes roller. Producenten advarer om, at lange prompts kan sprede information, så detaljer ignoreres. Gennemgå den resulterende bevægelse, referencekontinuitet, lydpræstation og samlinger mellem scener som særskilte dele af det kreative resultat.\n\n### Indstillingsplanlægning og tekstinstruktion\n\nTil en kompleks scene skal briefen organiseres som Shot 1, Shot 2 og Shot 3 med kamera, motivets handling, position og lyd angivet i rækkefølge. Vejledningen anbefaler én kamerabevægelse pr. indstilling og prioritering af langsomme, sammenhængende handlinger. Præcise tidsstempler for hver indstilling er ustabile, så et begivenhedsforløb er bedre styring end at tvinge flere præcise tidsvinduer igennem.\n\nModellen genererer også almindelig tekst, herunder slogans, undertekster og talebobler. Du kan styre tekstens farve, visuelle behandling, placering og indgang. Brug almindelige tegn frem for sjældne tegn eller specialsymboler, og gennemgå ordlyden, mens den bevæger sig. Til motivreferencer skal hvert aktiv tydeligt bindes til den tilsigtede figur eller genstand. Produktvinkler kan levere forskellig visuel information; figursammenstillinger fra flere vinkler kan forvirre ansigtsidentiteten. Et særskilt tydeligt portrætbillede og et helkropsbillede er den dokumenterede anbefaling til figurreferencer.\n\n### Adfærd, der skal undersøges før redigering\n\nVejledningen dokumenterer uønskede undertekster, logoer, duplikerede figurer og stilafvigelser. Rent kildemateriale, ensartede betegnelser og eksplicitte begrænsninger reducerer disse risici, men garanterer ikke, at uønsket tekst eller duplikerede figurer forsvinder. Mere end fire referencepersoner rapporteres som en stabilitetsrisiko, adskilt fra det antal filer, modellen accepterer.\n\nVideoforlængelse kan give et hop eller tilbagespring ved samlingen, og gentagne fortsættelser kan forstærke forringelsen af billedkvalitet. Undersøg grænsebillederne, og begræns stablede forlængelser. En refereret stemme kan afvige fra kildens klang; fortælling kan slutte med et klik eller en brat afskæring, hvor en lydudtoning er en dokumenteret løsning. Kinesiske tegn med flere mulige udtaler samt usædvanlige eller visuelt lignende tegn kan udtales forkert. Til en præcis animeret effekt som en nedtælling er en bevægelsesreference mere informativ end en verbal anmodning alene. Det er konkrete grunde til at kontrollere identitet, tekst, bevægelse og lyd særskilt, når klippet vælges.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d8d28b822de56d26d1adaca8502f2404505f3c01f6375f32a29e3d02625fec34", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "bytedance/seedance-2.0ByteDance Seedance 2.0 kombinerer indbygget lyd-video-generering med billed-, video- og lydreferencer. Instruer nye scener, rediger eksisterende optagelser, eller forlæng en sekvens; standardudgaven omfatter dokumenteret 1080p- og 10-bit-4K-output.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Seedance 2.0 er ByteDance Seeds standardmodel til multimodal lyd-video-produktion. Den kombinerer tekst, billeder, videoer og lyd i en fælles genereringsarkitektur med særskilte kreative arbejdsgange for referencedrevne scener, videoredigering og videoforlængelse. Den er nyttig, når briefen kræver både en sammenhængende præstation og bestemte visuelle oplysninger eller lydoplysninger fra forberedte materialer.
Billeder kan definere motivets udseende, den visuelle stil og kompositionen. Videoreferencer kan styre handling, kamerabevægelse og effekter. Lyd kan styre stemmeklang, musik eller dialog. Definer hvert materiales rolle, og beskriv derefter den scene, der skal være resultatet. Producenten lægger vægt på kontrol over præstation, lys, skygger og kamerasprog.
Til en produktfortælling skal du forberede et produktbillede, en reference til kamerabevægelsen og en lydmarkør. En brief kan være: »Bevar den blå glasvase fra Image 1. Brug den langsomme sidelæns trackingbevægelse fra Video 1. Vasen står på en solbeskinnet hylde med blød instrumentalmusik baseret på Audio 1.« Det tilsigtede output er en nyiscenesat scene, der kombinerer udvalgt referenceinformation.
Referenceinput kan kombinere billede og lyd, billede og video, video og lyd eller alle tre. Input med kun lyd og tekst plus lyd uden billede eller video understøttes ikke. Traditionel tekst-til-video, generering med første billede og generering med første og sidste billede er også dokumenteret. Hvis faste åbnings- og slutkompositioner er vigtige, skal den dedikerede endepunktsarbejdsgang bruges: at navngive et referencebillede som endepunkt i en omni-reference-prompt er kun en indirekte styring.
Modellen kan erstatte et motiv, tilføje eller fjerne objekter, ændre elementer og gentegne eller reparere dele af en video. Beskriv den konkrete ændring, og identificer kildeoptagelserne. Ved tilføjelse skal synlighedstid og position medtages; ved fjernelse eller erstatning skal objektet angives præcist, og det, der skal blive, navngives.
For eksempel: »Erstat skrivebordslampen i Video 1 med messinglampen i Image 1. Bevar kamerabevægelsen, skrivebordsopstillingen og lysretningen.« Det ønskede resultat er en redigeret version af scenen med den tilsigtede udskiftning. Undersøg både de uændrede områder og det nye objekt, især under tildækning, bevægelse og indstillingsskift.
Seedance 2.0 kan forlænge en video fremad eller bagud og forbinde op til tre leverede klip med genererede overgange. Angiv tidsretningen og den nye begivenhed. Til en bro skal klippene ordnes, og overgangen mellem hvert par beskrives, for eksempel at et kamera går ind gennem en dør i én indstilling og ankommer til de næste omgivelser.
En enkel forlængelse returnerer typisk fortsættelsen udviklet omkring kildeoptagelserne; medtag en tydelig instruktion, hvis slutresultatet også skal gentage originalsegmentet. Når en forbindelse mellem to eller tre klip færdiggøres, kan den dokumenterede arbejdsgang omfatte både originalmateriale og nyt overgangsindhold. Det er nyttigt til at udvikle en begyndelse eller afslutning eller forbinde forberedte scener uden at lade den forbindende handling stå uspecificeret.
Standardudgaven dokumenterer MP4 ved 24 fps og varigheder fra 4 til 15 sekunder. Outputniveauerne er 480p, 720p og 1080p med 8-bit-farvedybde samt 4K med 10-bit-farvedybde. De understøttede billedformater er 21:9, 16:9, 4:3, 1:1, 3:4 og 9:16. Adaptiv indramning og automatisk varighedsvalg er også dokumenteret. Fast-udgaven har sin egen smallere outputspecifikation på 480p/720p.
4K-outputtet bruger H.265/HEVC-kodning. Ti-bit-kodning bevarer flere tonegraderinger og jævnere farveovergange, hvilket betyder noget for materiale med subtile lys- eller farvegradienter. Kontrollér, at det tilsigtede afspilnings- og redigeringsmiljø kan afkode formatet; nogle browsere og enheder afspiller det ikke direkte. En kompatibel container sikrer ikke i sig selv kompatibel videoafkodning.
Modellen kan generere synkroniseret lyd eller en lydløs video og kan returnere det sidste genererede billede til en efterfølgende scene. Genereret lyd er mono. 2.0-familien understøtter ikke den særskilte Draft-forhåndsvisning i to trin, så denne forhåndsvisningsfunktion må ikke udledes fra en anden Seedance-udgave.
Den dokumenterede referencekapacitet er op til ni billeder, tre videoer og tre lydklip. Direkte uploads af referencebilleder eller videoer med virkelige menneskeansigter accepteres ikke i denne dokumenterede producentprofil; portrætarbejde bruger den understøttede arbejdsgang for portrætaktiver. Hvert video- og lydklip skal være 2–15 sekunder langt. Alle videoreferencer skal tilsammen være inden for 15 sekunder, og alle lydreferencer har deres egen samlede grænse på 15 sekunder. Videofiler bruger MP4 eller MOV ved 24–60 fps og er op til 200 MB hver; lydfiler bruger WAV eller MP3 og er op til 15 MB hver. De angivne billedformater er JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC og HEIF. Billeder skal være mindre end 30 MB hver, og anmodningens body må ikke overstige 64 MB. I den dokumenterede referenceinputprofil skal billedbredde og -højde hver være strengt mellem 300 og 6.000 pixels med et bredde-højde-forhold strengt mellem 0.4 og 2.5. Referencevideoer tillader 300–6.000 pixels i hver dimension og forhold på 0.4–2.5 inklusive grænserne med i alt 407.696–8.295.044 pixels. MP4- eller MOV-videoer bruger H.264/AVC- eller H.265/HEVC-video og AAC- eller MP3-lyd.
Ordn filerne bevidst, og henvis til hver med dens medietype og nummer: Image 1, Video 1 og Audio 1. Nummeret følger rækkefølgen blandt filer af den type. Forklar, hvilke træk der skal overføres, og hvilket kildeindhold der ikke skal definere den nye scene. Dokumenterede promptsprog omfatter engelsk, spansk, indonesisk, portugisisk og japansk. Hold det talte sprog ensartet i en dialog; vejledningen fraråder at blande sprog bortset fra egennavne. Til stemmestyret arbejde skal taler, præcis replik og fremførelsesanvisning adskilles.
Forbered første og sidste billede med kompatibel indramning. Et mismatch mellem inputbilledet og outputdimensionerne kan give beskæring eller en brat visuel ændring; matchende dimensioner og adaptiv indramning er dokumenterede løsninger. Hold beskrivelsen koncentreret om begivenheden og referencernes roller. Producenten advarer om, at lange prompts kan sprede information, så detaljer ignoreres. Gennemgå den resulterende bevægelse, referencekontinuitet, lydpræstation og samlinger mellem scener som særskilte dele af det kreative resultat.
Til en kompleks scene skal briefen organiseres som Shot 1, Shot 2 og Shot 3 med kamera, motivets handling, position og lyd angivet i rækkefølge. Vejledningen anbefaler én kamerabevægelse pr. indstilling og prioritering af langsomme, sammenhængende handlinger. Præcise tidsstempler for hver indstilling er ustabile, så et begivenhedsforløb er bedre styring end at tvinge flere præcise tidsvinduer igennem.
Modellen genererer også almindelig tekst, herunder slogans, undertekster og talebobler. Du kan styre tekstens farve, visuelle behandling, placering og indgang. Brug almindelige tegn frem for sjældne tegn eller specialsymboler, og gennemgå ordlyden, mens den bevæger sig. Til motivreferencer skal hvert aktiv tydeligt bindes til den tilsigtede figur eller genstand. Produktvinkler kan levere forskellig visuel information; figursammenstillinger fra flere vinkler kan forvirre ansigtsidentiteten. Et særskilt tydeligt portrætbillede og et helkropsbillede er den dokumenterede anbefaling til figurreferencer.
Vejledningen dokumenterer uønskede undertekster, logoer, duplikerede figurer og stilafvigelser. Rent kildemateriale, ensartede betegnelser og eksplicitte begrænsninger reducerer disse risici, men garanterer ikke, at uønsket tekst eller duplikerede figurer forsvinder. Mere end fire referencepersoner rapporteres som en stabilitetsrisiko, adskilt fra det antal filer, modellen accepterer.
Videoforlængelse kan give et hop eller tilbagespring ved samlingen, og gentagne fortsættelser kan forstærke forringelsen af billedkvalitet. Undersøg grænsebillederne, og begræns stablede forlængelser. En refereret stemme kan afvige fra kildens klang; fortælling kan slutte med et klik eller en brat afskæring, hvor en lydudtoning er en dokumenteret løsning. Kinesiske tegn med flere mulige udtaler samt usædvanlige eller visuelt lignende tegn kan udtales forkert. Til en præcis animeret effekt som en nedtælling er en bevægelsesreference mere informativ end en verbal anmodning alene. Det er konkrete grunde til at kontrollere identitet, tekst, bevægelse og lyd særskilt, når klippet vælges.
POST /v1/videostext, image, audiovideo| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser bytedance/seedance-2.0 | Standard— |
Feltprompt | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltduration | Typeinteger | KravPåkrævet | Værdier og grænser 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 Minimum: 1 Maksimum: 600 | Standard— |
Feltresolution | Typestring | KravValgfrit | Værdier og grænser 480p, 720p, 1080p, 4K | Standard— |
Feltaspect_ratio | Typestring | KravValgfrit | Værdier og grænser 1:1, 3:4, 9:16, 4:3, 16:9, 21:9, 9:21 | Standard— |
Feltgenerate_audio | Typeboolean | KravValgfrit | Værdier og grænser false, true Betingelser: Ved 480p og 720p vælger udeladelse af generate_audio prisen med lyd, mens false vælger prisen uden lyd. Ved 1080p og 4K gælder opløsningens pris for begge indstillinger. Kontrollér has_audio i resultatet for oplysninger om det returnerede lydspor. | Standard— |
Feltframe_images | Typearray | KravValgfrit | Værdier og grænser Minimumsantal elementer: 1 Maksimalt antal elementer: 2 Inputindhold: Array af billedobjekter. Hvert objekt har type=image_url, image_url med url og frame_type=first_frame eller last_frame. Hver rolle må højst forekomme én gang. Brug offentlige HTTPS-URL’er. Præcise nøgler: type, image_url, frame_type Betingelser: Disse nøgler gælder for hvert billedobjekt. Udelad frame_images ved en forespørgsel med kun tekst. | Standard— |
Feltinput_references | Typearray | KravValgfrit | Værdier og grænser Inputindhold: Array af billed- eller lydreferenceobjekter. Sæt type til image_url eller audio_url, og angiv det tilsvarende URL-objekt med url. Videoreferencer kan fortsat ikke prissættes. Betingelser: Udelad frame_images for at bruge referencetilstand. Brug offentlige HTTPS-URL’er. | Standard— |
Feltsize | Typestring | KravValgfrit | Værdier og grænser 480x480, 480x640, 480x854, 640x480, 854x480, 1120x480, 720x720, 720x960, 720x1280, 720x1680, 960x720, 1280x720, 1680x720, 1080x1080, 1080x1440, 1080x1920, 1440x1080, 1920x1080, 2520x1080, 3840x2160, 2160x3840, 2160x2160, 2880x2160, 2160x2880, 5040x2160 Mønster: ^[1-9][0-9]*x[1-9][0-9]*$ | Standard— |
Feltseed | Typeinteger | KravValgfrit | Værdier og grænser Minimum: -9.223.372.036.854.775.808 Maksimum: 9.223.372.036.854.775.807 | Standard— |
Feltcallback_url | Typestring | KravValgfrit | Værdier og grænser Mønster: ^https:// | Standard— |
Feltsession_id | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttrace | Typeobject | KravValgfrit | Værdier og grænser | Standard— |
Feltuser | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Tekst til video · En skriftlig prompt. · Påkrævet: model, prompt, duration
Angiv en tekstprompt og en understøttet varighed i hele sekunder. Brug en præcis angivet størrelse eller en opløsning og et billedformat, der giver de angivne dimensioner.
model: Type: string · bytedance/seedance-2.0
prompt: Type: string · Maksimalt antal UTF-8-bytes: 10.000 · Mindst ét tegn, der ikke er et blanktegn, kræves: Ja
Billede til video · En skriftlig prompt og et enkeltbillede. · Påkrævet: model, prompt, duration, frame_images
frame_images er et array af objekter med type=image_url, image_url med url samt frame_type. Brug en offentlig HTTPS URL til et billede; first_frame og last_frame må hver forekomme én gang. Brug en angivet outputstørrelse eller kompatible dimensioner. Tilføj ikke videoreferencer.
Præcise nøgler: type, image_url, frame_type
model: Type: string · bytedance/seedance-2.0
prompt: Type: string · Maksimalt antal UTF-8-bytes: 10.000 · Mindst ét tegn, der ikke er et blanktegn, kræves: Ja
Reference to video · En skriftlig prompt og billed- eller lydreferencer. · Påkrævet: model, prompt, duration, input_references
input_references er et array. Hvert objekt har type=image_url eller type=audio_url og et tilsvarende URL-objekt med url. Brug offentlige HTTPS-links. Udelad frame_images for at vælge referencetilstand. Videoreferencer kan ikke prissættes.
model: Type: string · bytedance/seedance-2.0
prompt: Type: string · Maksimalt antal UTF-8-bytes: 10.000 · Mindst ét tegn, der ikke er et blanktegn, kræves: Ja
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, prompt, duration |
Parametermaterial_types | Kontrakttext, image, audio |
Parameteradditional_properties | Kontraktfalse |
Parameteroptional_controls | Kontraktresolution, aspect_ratio, generate_audio, frame_images, input_references, size, seed, callback_url, session_id, trace, user |
Livscyklus: submit_once_poll_original
GET /v1/videos/{public_id}
GET /v1/videos/{public_id}/content
De viste satser bruges til at anslå omkostningen før genereringen. Det endelige beløb beregnes ud fra den registrerede omkostning for den oprindelige generering. Den målte varighed af outputtet og de anslåede mængder er ikke den endelige fakturerbare mængde.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Forventet mængde | Afregningsenhed | Afregningsbetingelser | Beløb |
|---|---|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Forventet mængde— | Afregningsenhed— | Afregningsbetingelser— | Beløb Input · Inputtokens · Estimat kun til sammenligning — / 1K tokens Output · Outputtokens · Estimat kun til sammenligning — / 1K tokens Input · Cachelæsning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning, 1 time · Estimat kun til sammenligning — / 1K tokens |
| KonfigurationPris pr. videotoken | Takstplan— | Forventet mængde— | Afregningsenhedpr. 1K videotokens | AfregningsbetingelserDer er ikke angivet nogen yderligere betingelse i denne prisnøgle. | Beløb Output · Pris pr. videotoken · Estimat kun til sammenligning $0.014 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Takstplan— | Forventet mængde— | Afregningsenhedpr. 1K videotokens | Afregningsbetingelserresolution: 1080p | Beløb Output · Pris pr. videotoken · Estimat kun til sammenligning $0.0154 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Takstplan— | Forventet mængde— | Afregningsenhedpr. 1K videotokens | Afregningsbetingelserinput: with_video_input; opløsning: 1080p | Beløb reference · Pris pr. videotoken · Estimat kun til sammenligning $0.0094 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Takstplan— | Forventet mængde— | Afregningsenhedpr. 1K videotokens | Afregningsbetingelserresolution: 4k | Beløb Output · Pris pr. videotoken · Estimat kun til sammenligning $0.008 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Takstplan— | Forventet mængde— | Afregningsenhedpr. 1K videotokens | Afregningsbetingelserinput: with_video_input; opløsning: 4k | Beløb reference · Pris pr. videotoken · Estimat kun til sammenligning $0.0048 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Takstplan— | Forventet mængde— | Afregningsenhedpr. 1K videotokens | AfregningsbetingelserInddata: with_video_input | Beløb reference · Pris pr. videotoken · Estimat kun til sammenligning $0.0086 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Takstplan— | Forventet mængde— | Afregningsenhedpr. 1K videotokens | Afregningsbetingelserlyd: without_audio | Beløb Output · Pris pr. videotoken · Estimat kun til sammenligning $0.014 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationAnslået genereringsomkostning | Takstplan— | Forventet mængdeestimat for én generering | Afregningsenhed— | Afregningsbetingelser— | Beløb Output · Anslået genereringsomkostning · Estimat kun til sammenligning $0.3024 estimat før generering Dette estimat er hverken et ekstra gebyr eller en fast pris for den færdige generering. |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Afregningsbetingelser | Beløb |
|---|---|---|
| KonfigurationPris pr. videotoken | AfregningsbetingelserDer er ikke angivet nogen yderligere betingelse i denne prisnøgle. | Beløb Output · Pris pr. videotoken $0.014 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Afregningsbetingelserresolution: 4k | Beløb Output · Pris pr. videotoken $0.008 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Afregningsbetingelserresolution: 1080p | Beløb Output · Pris pr. videotoken $0.0154 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Afregningsbetingelserlyd: without_audio | Beløb Output · Pris pr. videotoken $0.014 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | AfregningsbetingelserInddata: with_video_input | Beløb reference · Pris pr. videotoken $0.0086 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Afregningsbetingelserinput: with_video_input; opløsning: 4k | Beløb reference · Pris pr. videotoken $0.0048 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
| KonfigurationPris pr. videotoken | Afregningsbetingelserinput: with_video_input; opløsning: 1080p | Beløb reference · Pris pr. videotoken $0.0094 pr. 1K videotokens Satsen pr. videotoken er den primære prisreference. De fremhævede estimater pr. sekund er separate referencer og udgør ikke et ekstra gebyr. |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nfrom pathlib import Path\nPath('request.json').write_text('{"model":"bytedance/seedance-2.0","prompt":"A serene mountain landscape at sunset","duration":4,"resolution":"480p","size":"480x480","generate_audio":false}', encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nsignerede indholds-URL’er, du ejer
GET /v1/videos/{public_id}GET /v1/videos/{public_id}/contentset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_STATUS_URL'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nr=json.loads(Path('result.json').read_text())\nif not isinstance(r.get('id'),str) or not r['id']:raise SystemExit('Keep the original response and headers for reconciliation; no returned ID')\nPath('status-url.txt').write_text('https://api.ailoot.ai/v1/videos/'+quote(r['id'],safe=''))\nPY_STATUS_URL\ncurl --fail-with-body --silent --show-error "$(cat status-url.txt)" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -D status-headers.txt -o status.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('status.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_ASSETS'\nimport json,os,subprocess\nfrom pathlib import Path\nfrom urllib.parse import urljoin,urlsplit\nr=json.loads(Path('status.json').read_text())\nif r.get('status')!='completed':raise SystemExit('Keep the original ID and read its status; never recreate an unknown job')\nif not isinstance(r.get('data'),list) or not r['data']:raise SystemExit('Keep the complete original status; no completed outputs supplied')\nurls=[]\nfor i,u in enumerate(r.get('data',[])):\n if not isinstance(u,str):raise SystemExit('Keep the original response; unexpected asset shape')\n urls.append((str(i),u))\nfor label,path in urls:\n u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u)\n if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL')\n target=Path('owned-'+label+'.bin')\n subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True)\nprint('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.')\nPY_ASSETS\nGem hver færdig video eller returneret fil; hent hver faktisk returneret fil-URL.
Behold hvert faktisk output, du ejer, og dets returnerede, målte metadata.
503 result_pending_check + originalid + X-Should-Retry:false; gentag aldrig originalen
| Felt | Type | Betydning |
|---|---|---|
Feltindex | Typeinteger | BetydningDenne videos position i outputlisten, talt fra nul. |
Feltcontent_url | Typestring | BetydningSigneret HTTPS URL til download af denne færdige video. |
Feltsha256 | Typestring | null | BetydningSHA-256-hash af de oprindelige videobytes; null, hvis den ikke er tilgængelig. |
Feltsize_bytes | Typeinteger | null | BetydningDen oprindelige videofils størrelse i bytes; null, hvis den ikke er tilgængelig. |
Feltduration_ms | Typeinteger | null | BetydningMålt videovarighed i millisekunder; null, hvis den ikke er tilgængelig. |
Feltwidth | Typeinteger | null | BetydningVideoens bredde i pixels; null, hvis den ikke er tilgængelig. |
Feltheight | Typeinteger | null | BetydningVideoens højde i pixels; null, hvis den ikke er tilgængelig. |
Feltvideo_codec | Typestring | null | BetydningIdentifikator for videocodec; null, hvis den ikke er registreret. |
Felthas_audio | Typeboolean | null | BetydningOm videoen indeholder et lydspor; null, hvis det ikke er målt. |
Feltaudio_codec | Typestring | null | BetydningIdentifikator for lydcodec; null, når ingen identifikator er registreret. |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar404 · not_found_error | BetingelseVideoadgang er utilgængelig, eller dette video-ID blev ikke fundet. | Næste trinKontrollér videoadgang. For en eksisterende video skal du bruge dens oprindelige offentlige ID og samme API-nøgle. |
Svar401 · authentication_error | BetingelseAPI-nøglen stemmer ikke overens med den autentificerede konto. | Næste trinKontrollér din API-nøgle og kontoadgang, før du indsender. |
Svar400 · invalid_request_error | BetingelseForespørgslen kunne ikke læses, eller downloadindekset er ugyldigt. | Næste trinRet forespørgselsindholdet. Ved download skal du vælge et outputindeks, der er returneret af den oprindelige opgave. |
Svar422 · price_unavailable | BetingelseDen valgte videokonfiguration kan ikke prissættes. | Næste trinVælg en understøttet videokonfiguration, og udfyld dens påkrævede indstillinger, før du sender en rettet forespørgsel. |
Svar422 · invalid_request_error | BetingelseEt videoinput eller den oprindelige fortsættelsesopgave er ugyldigt. | Næste trinBrug gyldigt HTTPS-input. Ved fortsættelse skal du bruge din færdige originals offentlige video-ID med samme API-nøgle. |
Svar402 · billing_error | BetingelseDen tilgængelige saldo eller grænserne tillader ikke en reservation. | Næste trinKontrollér din tilgængelige saldo og dine grænser, før du sender en ny forespørgsel. |
Svar503 · server_error | BetingelseVideokontrol, lager eller tjenesteadgang er midlertidigt utilgængelig. | Næste trinVent, indtil tjenesten er tilgængelig. Hvis du allerede har et video-ID, skal du kontrollere den oprindelige opgave i stedet for at oprette en ny generering. |
Svar503 · result_pending_check | BetingelseDet oprindelige videoresultat og opkrævningen skal kontrolleres. | Næste trinBehold det returnerede video-ID, og kontrollér denne opgave. Send ikke en erstatningsforespørgsel om generering, mens den kontrolleres. |
Svar503 · owned_result_unavailable | BetingelseDownload af den eksisterende video er midlertidigt utilgængelig. | Næste trinKontrollér samme videoopgave senere, og download dens eksisterende output. En ny generering opretter en separat operation. |
Svar409 · video_not_ready | BetingelseVideoindholdet er ikke blevet offentliggjort. | Næste trinKontrollér den oprindelige opgaves status. Download, når den melder completed; hvis den melder failed, skal du følge dens meddelelse om kontrol af opkrævningen. |
Ailoot Ultra bytedance/seedance-2.0
Brug metodestierne vist ovenfor.