ByteDance: Seedance 2.5

Seedance 2.5 skaber video med en skriftlig scene og multimodale referencer. Den specifikke selektor doubao-seedance-2-5-260628 har sin egen dokumenterede arbejdsgang og sit eget eksempel. Arbejdsgangen beskriver videogenerering, videoredigering og videoforlængelse med billeder, video, lyd og tekst som inputmedier. Brug referencerne til at formidle motivets udseende, handling, kamerabevægelse, stil og lyd, og forklar derefter det resultat, der skal skabes ud fra dem.

Inputkombinationerne omfatter tekst alene, billeder eller video med valgfri tekst, billeder med lyd, video med lyd og billeder, video og lyd sammen. De angivne kombinationer knytter lyd til visuelle medier frem for at beskrive en anmodning med kun lyd. Organiser hvert element efter dets rolle: et billede fastlægger et motiv eller et udtryk, en video demonstrerer bevægelse eller en eksisterende scene, og lyd leverer en lydreference. Angiv, hvilken rolle der er vigtig for den ønskede optagelse, så en baggrundsreference ikke forveksles med hovedkarakteren.

Det specifikke 2.5-eksempel er en produktreklamesekvens. Det leverer et billede og flere videoreferencer og beskriver derefter et indledende fokus, ordnede produktopstillinger, detaljeoptagelser, en handling i langsom gengivelse og en afsluttende brandkomposition. Anmodningen tildeler rollerne reference_image og reference_video og bruger individuelle referencer til komposition, bevægelse, kameraføring og virkning. Det giver en praktisk struktur til et kampagnekoncept: planlæg de synlige handlingsmomenter, identificer referencen til hvert moment, og angiv slutopstillingen.

En skriftlig sekvens kan skelne mellem det, der sker, og den måde, det filmes på. Beskriv først produkthandlingen og derefter billedudsnit, kamerarute, tempo og overgang til næste visning. Hvis én reference definerer produktet, og en anden demonstrerer en kamerabevægelse, skal disse separate ansvarsområder angives. Ved en scene med flere genstande skal deres positioner og rækkefølgen af interaktioner forklares. Undersøg det genererede resultat for produktets faktiske form, opstilling og bevægelse frem for at antage, at hver referencedetalje vises uændret.

Ved en redigering skal den eksisterende video og det element, der skal revideres, angives, for eksempel omgivelser, en handling eller visuel stil, samtidig med at den kontinuitet, der skal bevares, beskrives. Ved en forlængelse skal det beskrives, hvordan scenen skal fortsætte fra de leverede optagelser. Gennemgå både samlingen og det nye segment: motivets udseende, bevægelsesretning, kameraposition og lydtiming påvirker alle, om resultatet opleves som én scene. Bevar originalvideoen og den færdige revision samlet, så ændringen kan kontrolleres mod den tilsigtede kontinuitet.

Det dokumenterede multimodale 2.5-eksempel indstiller generate_audio=true og anmoder om en sekvens på femten sekunder med billedformatet 16:9. Værdierne beskriver dette eksempel frem for en universel øvre varighedsgrænse eller grænse for referencemateriale. Beskriv den ønskede lydudformning for scenen tydeligt, herunder relationen mellem musik, effekter og synlig handling, og vurder derefter det faktiske audiovisuelle output. En lydreference og det genererede lydspor skal gennemgås samlet for det tilsigtede tempo og den tilsigtede fremførelse.

Vælg varighed, billedindramning og opløsning fra de indstillinger, der tilbydes til netop denne profil. Bevar den ønskede konfiguration sammen med prompten, og sammenlign den med de faktisk returnerede opgavefelter. Brug den returnerede varighed, opløsning og det returnerede billedformat, når det færdige klip forberedes til sin anvendelse. Bevar den præcise profilidentifikator i revisionsgrundlaget, så en senere sammenligning bruger samme valgte udgave.

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.

Genereringen er asynkron. Indsendelse returnerer en identifikator, og den konfigurerede opgavegang leverer status efterfulgt af content.video_url efter succes. Gem det færdige klip sammen med kildemedierne og sekvensbeskrivelsen. Gennemgå alle planlagte handlingsmomenter, genstandsinteraktioner, karakterers udseende, billedindramning og lydens tilpasning gennem hele resultatet. Ved en revision skal den konkrete manglende detalje identificeres, og de vellykkede dele af scenen bevares frem for at erstatte hele opgavebeskrivelsen med uvedkommende instruktioner.