ByteDance: Seedance 1.5 Pro

Το Seedance 1.5 Pro δημιουργεί βίντεο από κείμενο ή εικόνα και μπορεί να δημιουργήσει ήχο μαζί με την εικόνα. Το συγκεκριμένο αναγνωριστικό επιλογής είναι doubao-seedance-1-5-pro-251215. Ο έλεγχος ήχου το διακρίνει από τα αθόρυβα προφίλ Seedance 1.0: το generate_audio=true ζητά συγχρονισμένο ήχο, ενώ το false ζητά βίντεο χωρίς ήχο. Χρησιμοποίησε μια γραπτή σκηνή για νέα ιδέα ή μια εικόνα για να καθορίσεις το αρχικό θέμα και τη σύνθεση.

Περιέγραψε την οπτική δράση και τον ήχο ως μέρη της ίδιας σκηνής. Προσδιόρισε το θέμα, το περιβάλλον, την κίνηση και την κάμερα και μετά εξήγησε τις επιθυμητές φωνές, τα ηχητικά εφέ ή τη μουσική υπόκρουση. Μια σκηνή πορτρέτου θα μπορούσε να δείχνει ένα πρόσωπο να ανοίγει τα μάτια του καθώς η κάμερα απομακρύνεται αργά, με άνεμο στο περιβάλλον. Για μια σκηνή προϊόντος, σύνδεσε τον ήχο με το ορατό γεγονός, όπως το άνοιγμα ενός καπακιού ή την επαφή ενός αντικειμένου με επιφάνεια, αντί να προσθέτεις άσχετο κατάλογο εφέ.

Το μοντέλο μπορεί να δημιουργήσει φωνές, εφέ και μουσική υπόκρουση από τις οδηγίες και το οπτικό περιεχόμενο. Ο οδηγός συνιστά να βάζεις τον προφορικό διάλογο μέσα σε διπλά εισαγωγικά. Κράτησε την ομιλία αρκετά σύντομη για τη ζητούμενη δράση και τις παύσεις και ξεχώρισε ποιος μιλά όταν συμμετέχουν περισσότεροι από ένας χαρακτήρες. Έλεγξε την πραγματική διατύπωση, την αντιστοίχιση φωνών και τον συγχρονισμό με την εικόνα. Μια ηχητική οδηγία καθοδηγεί την παραγόμενη ερμηνεία· δεν αποτελεί ξεχωριστή είσοδο μεταφορτωμένης φωνητικής αναφοράς στο τεκμηριωμένο αίτημα αυτού του προφίλ.

Η δημιουργία βίντεο από εικόνα χρησιμοποιεί στοιχείο image_url μαζί με το κείμενο. Δώσε προσβάσιμο URL εικόνας ή URL δεδομένων Base64 σε μορφή JPEG, PNG, WEBP, BMP, TIFF ή GIF. Τα τεκμηριωμένα όρια εικόνας είναι μέγεθος κάτω από 30 MB, και οι δύο διαστάσεις αυστηρά μεταξύ 300 και 6000 εικονοστοιχείων και λόγος πλάτους προς ύψος αυστηρά μεταξύ 0.4 και 2.5. Προετοίμασε καθαρά την επιθυμητή περικοπή και το θέμα και μετά περιέγραψε την κίνηση από αυτή τη σύνθεση. Το παράδειγμα εικόνας χρησιμοποιεί την αναλογία adaptive (προσαρμοστική) για να ακολουθεί την αναφορά.

Ο ειδικός οδηγός διάρκειας του προφίλ αναφέρει ακέραια δευτερόλεπτα από τέσσερα έως δώδεκα ή -1 για να επιλέξει το μοντέλο διάρκεια μέσα σε αυτό το εύρος. Η προεπιλεγμένη διάρκεια είναι πέντε δευτερόλεπτα. Το Seedance 1.5 Pro έχει προεπιλογή το 720p και ο διατηρημένος πίνακας προφίλ τεκμηριώνει τα 480p και 720p· ο ειδικός οδηγός της λειτουργίας δεν προσφέρει 1080p για το 1.5 Pro. Οι σταθερές αναλογίες περιλαμβάνουν 16:9, 4:3, 1:1, 3:4, 9:16 και 21:9, με το adaptive ως τεκμηριωμένη προεπιλογή του 1.5. Εξέτασε τη διάρκεια και τις αναλογίες του πραγματικού αποσπάσματος, αντί να αντιμετωπίζεις τις ζητούμενες τιμές ως ήδη επιστρεφόμενο αρχείο.

Το αίτημα διαθέτει δύο βαθμίδες επεξεργασίας. Το service_tier=default επιλέγει διαδικτυακή επεξεργασία, ενώ το flex επιλέγει αναβαλλόμενη επεξεργασία για εργασίες που ανέχονται μεγαλύτερη καθυστέρηση. Η βαθμίδα δεν μπορεί να αλλάξει μετά την υποβολή της εργασίας. Διάλεξέ την σύμφωνα με τις ανάγκες χρονισμού της ροής και κράτησε την επιλογή στο αρχείο του αιτήματος. Ο τρόπος ήχου και η βαθμίδα επεξεργασίας είναι ξεχωριστές επιλογές: ένα βίντεο χωρίς ήχο δεν είναι αυτόματα αναβαλλόμενη εργασία και η ενεργοποίηση ήχου δεν επιλέγει βαθμίδα επεξεργασίας.

Κράτησε τις οδηγίες seed, watermark και κάμερας συνεπείς με τη σκηνή. Οι εντολές παραμέτρων που ενσωματώνονται στο κείμενο έχουν προτεραιότητα έναντι των ξεχωριστών προαιρετικών παραμέτρων. Ο έλεγχος σταθερής κάμερας αποκλείεται στην περίπτωση εικόνας αναφοράς και, όπου εφαρμόζεται, δεν εγγυάται οπτικά αμετακίνητη κάμερα. Για κίνηση που καθοδηγείται από εικόνα, εξήγησε άμεσα την επιθυμητή κίνηση, αντί να υποθέτεις ότι ένας έλεγχος κάμερας καταργεί την ανάγκη περιγραφής του πλάνου.

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. Ο ενεργοποιημένος ή απενεργοποιημένος ήχος και η διαδικτυακή επεξεργασία ή η επεξεργασία flex παραμένουν διακριτές κατηγορίες στη χρέωση βάσει χρήσης.

Η υποβολή επιστρέφει αναγνωριστικό ασύγχρονης εργασίας. Παρακολούθησε την εργασία μέχρι την ολοκλήρωση και μετά αποθήκευσε το βίντεο που παρέχεται στο content.video_url. Η τεκμηριωμένη περίοδος διατήρησης των παραγόμενων αρχείων είναι επτά ημέρες. Ο έλεγχος λήξης μετριέται από τη δημιουργία, έχει προεπιλογή 172800 δευτερόλεπτα και δέχεται τιμές από 3600 έως 259200 δευτερόλεπτα· μια ημιτελής εργασία γίνεται expired μετά το διαμορφωμένο διάστημά της. Κράτησε μαζί το τελικό απόσπασμα, την αρχική εικόνα και τις ακριβείς οπτικές και ηχητικές οδηγίες και μετά έλεγξε όλο το αποτέλεσμα για τη δράση, την ταυτότητα, τη συνέχεια στην κίνηση της κάμερας και τον συγχρονισμό του ήχου.