ByteDance: Seedance 2.0 Fast

Seedance 2.0 Fast er den særskilt navngivne Fast-profil, som vælges med doubao-seedance-2-0-fast-260128. Den understøtter videogenerering, redigering og forlængelse med tekst-, billed-, video- og lydreferencer. Profilen er nyttig, når en scenebeskrivelse kræver mere end en beskrivelse af udseende: eksisterende medier kan også formidle fremførelse, kamerasprog og lyd. Navnet Fast kendetegner den profil, der anmodes om; det er ikke et løfte om, at en enkelt asynkron opgave fuldføres inden for en fast tid.

Begynd med det element, der skal definere den nye optagelse. Tekst alene kan beskrive en ny scene. Et billede kan fastlægge en karakter, et produkt eller en komposition; en video kan levere bevægelse eller en eksisterende sekvens, der skal revideres eller fortsættes. De dokumenterede indholdskombinationer omfatter billeder med lyd, video med lyd og billeder, video og lyd sammen, med valgfri tekst ved siden af visuelle medier. Disse kombinationer beskriver ikke en selvstændig anmodning med kun lyd, så forbind lydreferencer med den visuelle kilde, de skal styre.

Hold referencerollerne eksplicitte i content-arrayet og i opgavebeskrivelsen. Elementer af typerne image_url, video_url og audio_url kan have rollerne reference_image, reference_video og reference_audio. Beskriv, hvilket billede der leverer motivet, hvilken video der leverer kamera eller handling, og hvilken lyd der leverer lydsporet. Ved en produktoptagelse kan et billede definere emballagen, mens en video illustrerer en bevægelse forbi genstanden. Angiv den ønskede afslutning, så den korte sekvens har et nyttigt slutbillede frem for at stoppe midt i en handling.

Ved redigering skal kildeoptagelsen, ændringen og den kontinuitet, der skal bevares, angives. En ændring af baggrund eller belysning skal efterlade det tilsigtede motiv og handlingen klart specificeret. Ved forlængelse skal det forklares, hvad der sker bagefter, og hvordan den nye bevægelse forbindes med den eksisterende scene. Referencer styrer genereringen; undersøg den faktiske samling og hele klippet for udseende, bevægelsesretning og timing frem for at antage, at fortsættelsen bevarer alle detaljer i hvert enkelt billede.

Det dokumenterede interval for 2.0 Fast er fire til femten hele sekunder med -1 tilgængelig til en modelvalgt varighed inden for intervallet. Standardvarigheden er fem sekunder. Outputopløsningen er 480p eller 720p med 720p som standard og 1080p udelukket. Vælg mellem de faste billedformater 16:9, 4:3, 1:1, 3:4, 9:16 og 21:9 eller adaptiv indramning. Adaptiv indramning følger den relevante prompt- eller referencekontekst; en optagelse med et første billede følger åbningsbilledet, mens multimodal indramning kan prioritere video frem for billeder. Læs de returnerede opgavefelter for den faktiske varighed og det faktiske billedformat.

Brug generate_audio til at vælge, om den genererede video indeholder synkroniseret lyd. Den dokumenterede standard er true; false anmoder om stilhed. Med lyd aktiveret genererer profilen stemmer, effekter eller baggrundsmusik ud fra prompten og det visuelle indhold, og vejledningen anbefaler at sætte dialog i dobbelte anførselstegn. Angiv taleren og den tilsigtede relation mellem lyd og handling. Gennemgå talen med en person, som behersker sproget flydende, og kontroller lydens tilpasning gennem klippet, herunder alle redigerede eller forlængede segmenter.

Vejledningen til 2.0 Fast udelukker de ældre indstillinger frames og camera_fixed og understøtter ikke flex-offlinebehandling. Beskriv kameraets adfærd i scenen, og brug duration til kliplængden. Valgmulighederne seed og watermark er fortsat dokumenteret. Samme seed garanterer ikke identisk output, så bevar det færdige resultat ved sammenligning af revisioner frem for kun at stole på anmodningsindstillingerne.

Forbruget af videotokens beregnes som (inputvideoens varighed + outputvideoens varighed) × outputbredde × outputhøjde × outputbilledfrekvens / 1024. Anmodninger med inputvideo og anmodninger uden inputvideo har forskellige faktureringskategorier. Opgaveforespørgslen rapporterer usage.completion_tokens og usage.total_tokens; bevar disse rapporterede mængder sammen med det færdige klip.

Indsendelse returnerer en opgaveidentifikator, før den færdige video er tilgængelig. Følg behandlingsstatus, hent derefter content.video_url efter succes, og bevar den rapporterede varighed, opløsning, billedformat, billedfrekvens og forbrug sammen med resultatet. Udløbsintervallet måles fra oprettelsen af opgaven, har 172.800 sekunder som standard og spænder fra 3600 til 259.200 sekunder. Gem slutklippet med dets referencer og prompten, og kontroller derefter motividentitet, genstandskontakt, kamerakontinuitet og lydtiming gennem hele sekvensen.