ByteDance: Seedance 2.0 Mini

Το Seedance 2.0 Mini είναι ξεχωριστά ονομαζόμενο μοντέλο στην οπτικοακουστική οικογένεια Seedance 2.0 της ByteDance. Ο κατασκευαστής τεκμηριώνει μετατροπή κειμένου σε βίντεο, μετατροπή εικόνας σε βίντεο με πρώτο καρέ ή με πρώτο και τελευταίο καρέ, παραγωγή από πολυτροπικές αναφορές, επεξεργασία και επέκταση βίντεο. Ο ήχος μπορεί να παραχθεί μαζί με την εικόνα. Επιλέξτε τρόπο δημιουργίας ανάλογα με το υλικό που ήδη διαθέτετε: γραπτή οδηγία, σταθερή αρχική εικόνα, δύο οριακά καρέ ή απόσπασμα που χρειάζεται επεξεργασία ή συνέχεια.

Το Mini έχει δικό του προφίλ εξόδου. Ο κατασκευαστής παραθέτει βίντεο 480p και 720p με χρώμα 8-bit, 24 καρέ ανά δευτερόλεπτο και έξοδο MP4. Οι υποστηριζόμενες αναλογίες διαστάσεων είναι 21:9, 16:9, 4:3, 1:1, 3:4 και 9:16· η τεκμηριωμένη διάρκεια παραγωγής είναι 4–15 δευτερόλεπτα. Η ρύθμιση διάρκειας επιτρέπει επίσης αυτόματη επιλογή εντός αυτού του εύρους. Οι επιλογές 1080p και 4K του πλήρους μοντέλου Seedance 2.0 είναι ξεχωριστές· δεν είναι ρυθμίσεις του Mini. Ο πίνακας δυνατοτήτων της οικογένειας αναφέρει επιστροφή του τελευταίου παραγόμενου καρέ, ενώ η λειτουργία Draft δεν υποστηρίζεται.

Η λειτουργία omni reference δημιουργεί νέα σκηνή χρησιμοποιώντας επιλεγμένες πληροφορίες από το παρεχόμενο υλικό. Μια εικόνα μπορεί να ορίζει την εμφάνιση θέματος, τη σύνθεση ή την οπτική απόδοση. Ένα βίντεο μπορεί να ορίζει δράση, κίνηση κάμερας ή εφέ· μια αναφορά ήχου μπορεί να ορίζει χροιά φωνής, μελωδία ή εκφωνούμενο περιεχόμενο. Πείτε στο μοντέλο τι να πάρει από κάθε αναφορά αντί να του ζητάτε να αντιγράψει κάθε ιδιότητα. Για παράδειγμα, χρησιμοποιήστε φωτογραφία προϊόντος για σχήμα και χρώμα, ένα σύντομο απόσπασμα κίνησης κάμερας για την προσέγγιση και μια ηχητική αναφορά για την ατμόσφαιρα.

Η ροή της οικογένειας επιτρέπει έως εννέα εικόνες αναφοράς, τρία αποσπάσματα βίντεο και τρία αποσπάσματα ήχου. Οι αναφορές βίντεο διαρκούν 2–15 δευτερόλεπτα η καθεμία, με συνολική διάρκεια έως 15 δευτερόλεπτα· οι αναφορές ήχου έχουν τα ίδια όρια ανά απόσπασμα και συνολικά. Ο ήχος μόνος του και το κείμενο μαζί με ήχο χωρίς οπτική αναφορά δεν είναι υποστηριζόμενοι συνδυασμοί αναφορών. Η δημιουργία μόνο από κείμενο είναι ξεχωριστός υποστηριζόμενος τρόπος. Για μια ακολουθία, δώστε τα στοιχεία με την προβλεπόμενη σειρά και αναφερθείτε σε αυτά με συνέπεια ως Image 1, Video 1 ή Audio 1, χρησιμοποιώντας τη σειρά εντός κάθε τύπου μέσου. Μην αντικαθιστάτε μια αριθμημένη αναφορά στη γραπτή προτροπή με αναγνωριστικό στοιχείου.

Μια εικόνα πρώτου καρέ ορίζει την αρχή ενός πλάνου που βασίζεται σε εικόνα. Η λειτουργία πρώτου και τελευταίου καρέ ορίζει και τα δύο όρια. Αν αυτές οι ακριβείς οριακές εικόνες έχουν σημασία, επιλέξτε την ειδική λειτουργία αντί να περιγράφετε τις αναφορές ως αρχή και τέλος μέσα σε προτροπή omni-reference. Η δεύτερη περίπτωση είναι εφέ που κατευθύνεται από την προτροπή και δεν ισοδυναμεί με αυστηρή επιλογή οριακών καρέ. Προετοιμάστε τις εικόνες για τη σύνθεση εξόδου και δηλώστε τη δράση που συνδέει την αρχική με την τελική κατάσταση.

Η επεξεργασία βίντεο αλλάζει ένα υπάρχον απόσπασμα αντί να το χρησιμοποιεί μόνο ως έμπνευση. Προσδιορίστε το βίντεο προς επεξεργασία, το αντικείμενο ή την περιοχή προς αλλαγή, τον χρόνο εμφάνισης και τη θέση, καθώς και τις λεπτομέρειες που διατηρούνται. Μια χρήσιμη οδηγία είναι: «Στο Video 1, αντικαταστήστε την κούπα με το σκεύος του Image 1· διατηρήστε την κίνηση του χεριού, το κάδρο, τον φωτισμό και τη διάταξη του τραπεζιού». Για αφαίρεση, κατονομάστε το ανεπιθύμητο αντικείμενο και τα γύρω στοιχεία που πρέπει να παραμείνουν. Ο κατασκευαστής συνιστά να αναφέρεστε απευθείας στο βίντεο-στόχο για επεξεργασία ή επέκταση· η διατύπωσή του ως αναφοράς μπορεί αντίθετα να μεταφέρει αίτημα για νέα σκηνή.

Η επέκταση βίντεο προσθέτει γεγονότα πριν ή μετά από υπάρχον απόσπασμα. Περιγράψτε την κατεύθυνση της συνέχειας και τι συμβαίνει έπειτα ή προηγουμένως. Η τεκμηριωμένη ροή μπορεί επίσης να συνδέει δύο ή τρία αποσπάσματα με παραγόμενες μεταβάσεις· τα τρία βίντεο εισόδου μαζί εξακολουθούν να πρέπει να χωρούν στο όριο αναφορών των 15 δευτερολέπτων. Ο οδηγός διακρίνει τη συνέχεια που περιλαμβάνει κυρίως υλικό από τα όρια του αρχικού αποσπάσματος από το αίτημα που διατηρεί ρητά το αρχικό περιεχόμενο. Δηλώστε την επιθυμητή σύνθεση του αποτελέσματος: μόνο τη συνέχεια ή μια σκηνή που περιέχει το παρεχόμενο απόσπασμα και τη νέα δράση.

Για σαφή κατεύθυνση, διαχωρίστε τη σταθερή περιγραφή σκηνής από την ακολουθία γεγονότων. Ορίστε κάθε θέμα με δύο ή τρία διακριτά οπτικά χαρακτηριστικά και σταθερή ετικέτα. Έπειτα περιγράψτε δράσεις, σκηνικό, φωτισμό, κίνηση κάμερας, οπτικό ύφος και περιορισμούς. Σε διάλογο, συνδέστε κάθε ατάκα με τον ομιλητή της και τη σχετική ενέργεια. Χρησιμοποιήστε διατεταγμένες ετικέτες πλάνων αντί να αντιμετωπίζετε τις ακριβείς χρονικές σημάνσεις ως αξιόπιστες ρυθμίσεις: ο κατασκευαστής σημειώνει ότι ο ακριβής χρονισμός μπορεί να είναι ασταθής. Μια σκηνοθετημένη οδηγία προϊόντος θα μπορούσε να λέει: «Το Image 1 ορίζει το Product A. Shot 1: πλησιάστε αργά το Product A στον πάγκο. Shot 2: ένα χέρι το περιστρέφει προς το φως. Shot 3: σταθεροποιηθείτε στην μπροστινή ετικέτα. Ήπιος ήχος δωματίου· διατηρήστε τα τυπωμένα γράμματα».

Προετοιμάστε τις αναφορές σύμφωνα με τους τεκμηριωμένους κανόνες εισόδου της οικογένειας. Οι υποστηριζόμενες μορφές εικόνας περιλαμβάνουν JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC και HEIF· κάθε εικόνα είναι μικρότερη από 30 MB. Ο οδηγός ορίζει πλάτος και ύψος εικόνας αυστηρά μεταξύ 300 και 6.000 pixel και αναλογία διαστάσεων αυστηρά μεταξύ 0.4 και 2.5. Οι αναφορές βίντεο χρησιμοποιούν MP4 ή MOV με βίντεο H.264 ή H.265 και ήχο AAC ή MP3, έχουν μέγεθος έως 200 MB η καθεμία και 24–60 καρέ ανά δευτερόλεπτο. Το πλάτος και το ύψος τους είναι 300–6.000 pixel, η αναλογία διαστάσεων 0.4–2.5 και ο συνολικός αριθμός pixel 407.696–8.295.044. Οι αναφορές ήχου χρησιμοποιούν WAV ή MP3 και έχουν μέγεθος έως 15 MB η καθεμία. Πρόκειται για προδιαγραφές προετοιμασίας εισόδου του κατασκευαστή, διακριτές από τα χειριστήρια μεταφόρτωσης μιας συγκεκριμένης εφαρμογής.

Η ροή πορτρέτων του κατασκευαστή απαιτεί συγκεκριμένη προετοιμασία για εικόνες ή βίντεο που περιέχουν πραγματικά ανθρώπινα πρόσωπα: οι απευθείας μεταφορτώσεις αναφορών δεν αποτελούν τη συνήθη υποστηριζόμενη διαδρομή. Τεκμηριώνει αξιόπιστες εξόδους μοντέλων, προκαθορισμένους ψηφιακούς χαρακτήρες και εξουσιοδοτημένη ροή στοιχείων πραγματικού προσώπου ως ξεχωριστές λύσεις. Η αντιστοίχιση φωνής, η προφορά και ο ήχος στο όριο ενός αποσπάσματος χρειάζονται επίσης επιθεώρηση. Ο οδηγός προτροπών συνιστά να περιγράφετε τα επιθυμητά χαρακτηριστικά φωνής και να διατηρείτε το ύφος του διαλόγου κοντά στην ηχητική αναφορά. Ελέγξτε το τελικό τεχνούργημα ως προς τη συνέπεια θέματος, τις ακριβείς εκφωνούμενες λέξεις, τον χρονισμό δράσης, τις μεταβάσεις καρέ και τον τελικό ήχο· βελτιώστε το συγκεκριμένο στοιχείο που αποκλίνει από την οδηγία.