ByteDance: Seedance 1.0 Lite Text-to-Video

Το Seedance 1.0 Lite Text-to-Video δημιουργεί βίντεο από μια γραπτή σκηνή. Το συγκεκριμένο αναγνωριστικό επιλογής doubao-seedance-1-0-lite-t2v-250428 αντιστοιχεί στο μοντέλο δημιουργίας βίντεο από κείμενο της έκδοσης Lite. Χρησιμοποίησέ το όταν μπορείς να περιγράψεις άμεσα το θέμα, το περιβάλλον και την κίνηση: ένα προϊόν πάνω σε τραπέζι, ένα γενικό πλάνο μιας τοποθεσίας ή μια σύντομη ενέργεια ενός χαρακτήρα. Η έξοδος είναι ένα απόσπασμα βίντεο· το προφίλ 1.0 δεν δημιουργεί συγχρονισμένο ήχο.

Γράψε τη σκηνή με τη σειρά που πρέπει να τη δει ο θεατής. Προσδιόρισε το θέμα και την εμφάνισή του, την τοποθεσία, τη δράση, το μέγεθος πλάνου και την κίνηση της κάμερας και, στη συνέχεια, περιέγραψε την τελική σύνθεση. Χρήσιμες οδηγίες για ένα προϊόν θα μπορούσαν να δείχνουν ένα μπουκάλι σε ανοιχτόχρωμο πέτρινο βάθρο, το φως του ήλιου να κινείται πάνω στην ετικέτα και μια αργή προσέγγιση προς το καπάκι. Πρόκειται για οδηγίες για μια νέα σκηνή, όχι για ισχυρισμό ότι το μοντέλο αναπαράγει μια παρεχόμενη φωτογραφία προϊόντος. Προσάρμοσε την ορατή δράση στην επιλεγμένη διάρκεια του αποσπάσματος.

Αυτό το προφίλ δημιουργίας βίντεο από κείμενο διαφέρει από το ξεχωριστά ονομαζόμενο προφίλ Lite δημιουργίας βίντεο από εικόνα. Το περιεχόμενό του παρέχεται ως στοιχείο κειμένου στον πίνακα content. Μια πρόταση μπορεί να περιγράφει ένα πρόσωπο, ένα αντικείμενο ή ένα ύφος, αλλά δεν επισυνάπτει εικόνα αναφοράς ούτε καθορίζει την ακριβή οπτική ταυτότητα από ένα αρχείο που το μοντέλο δεν έχει δει. Για μια σκηνή της οποίας η αρχική σύνθεση πρέπει να προέρχεται από υπάρχουσα εικόνα, επίλεξε προφίλ που δέχεται εικόνες, αντί να υποθέτεις ότι το Lite t2v αλλάζει τρόπο λειτουργίας όταν προστεθεί ένα πεδίο πολυμέσων.

Το τεκμηριωμένο εύρος διάρκειας του 1.0 είναι δύο έως δώδεκα δευτερόλεπτα, με προεπιλογή πέντε δευτερόλεπτα και σταθερό ρυθμό 24 fps. Το Lite προσφέρει επίπεδα ανάλυσης 480p, 720p και 1080p, με τεκμηριωμένη προεπιλογή το 720p. Οι σταθερές αναλογίες διαστάσεων περιλαμβάνουν 16:9, 4:3, 1:1, 3:4, 9:16 και 21:9. Διάλεξε το κάδρο σύμφωνα με τον προορισμό του πριν από τη δημιουργία: κάθετο για κατακόρυφη παρουσίαση, τετράγωνο για μια συμπαγή παρουσίαση προϊόντος ή οριζόντιο για μια ευρεία σκηνή. Τα επίπεδα ανάλυσης και οι αναλογίες διαστάσεων περιγράφουν τη ζητούμενη έξοδο· εξέτασε το κατεβασμένο βίντεο για τις πραγματικές διαστάσεις σε εικονοστοιχεία και το κάδρο του.

Το αίτημα διαθέτει ελέγχους seed, watermark και κάμερας. Το seed είναι ακέραιος από -1 έως 2^32-1, με το -1 να επιλέγει τυχαία τιμή. Ένα αίτημα σταθερής κάμερας προσθέτει σχετική οδηγία, και η τεκμηρίωση αναφέρει ρητά ότι το αποτέλεσμα δεν είναι εγγυημένο. Κράτησε συνεπή την κατεύθυνση της κάμερας στη γραπτή σκηνή και στον ξεχωριστό έλεγχο. Οι οδηγίες παραμέτρων που ενσωματώνονται στο κείμενο έχουν προτεραιότητα έναντι των ξεχωριστών προαιρετικών παραμέτρων, οπότε απόφυγε αντικρουόμενες οδηγίες διάρκειας, ανάλυσης ή κάδρου στα δύο σημεία.

Η χρήση μετριέται σε token βίντεο: πλάτος εξόδου × ύψος εξόδου × ρυθμός καρέ × διάρκεια εξόδου / 1024. Η ολοκληρωμένη εργασία αναφέρει αυτή την ποσότητα ως usage.completion_tokens. Κράτησε την αναφερόμενη χρήση μαζί με το ολοκληρωμένο απόσπασμα και τις ζητούμενες ρυθμίσεις του.

Η δημιουργία είναι ασύγχρονη. Η υποβολή επιστρέφει αναγνωριστικό εργασίας και το ερώτημα για την εργασία παρέχει την κατάσταση επεξεργασίας της και, μετά την επιτυχία, τη διεύθυνση URL του βίντεο στο content.video_url. Κράτησε το αναγνωριστικό όσο η εργασία βρίσκεται σε κατάσταση queued ή running και αποθήκευσε το ολοκληρωμένο απόσπασμα για την επόμενη αναθεώρηση. Η τεκμηριωμένη περίοδος διατήρησης των παραγόμενων αρχείων είναι επτά ημέρες. Το αίτημα διαθέτει επίσης διάστημα λήξης, με αφετηρία τη δημιουργία της εργασίας, μετά το οποίο μια ημιτελής εργασία γίνεται expired· η τεκμηριωμένη προεπιλογή είναι 172800 δευτερόλεπτα, με τιμές από 3600 έως 259200 δευτερόλεπτα.

Έλεγξε ολόκληρο το απόσπασμα σε σχέση με τις οδηγίες: αν εμφανίζεται το επιθυμητό θέμα, αν η δράση γίνεται με τη σωστή σειρά, αν η κάμερα ακολουθεί τη ζητούμενη κατεύθυνση και αν το τελικό καρέ είναι αξιοποιήσιμο. Άλλαξε μια συγκεκριμένη οδηγία για την επόμενη έκδοση, κρατώντας τη δομή της σκηνής που πέτυχε. Για μια σειρά πλάνων, κράτησε κάθε σύνολο οδηγιών, τις ζητούμενες ρυθμίσεις και το ολοκληρωμένο βίντεο, ώστε η επόμενη σκηνή να σχεδιαστεί βάσει του πραγματικού αποτελέσματος.