HeyGen: HeyGen Video

Το HeyGen Video είναι το μοντέλο γενικής χρήσης της HeyGen για παραγωγή σκηνών, το οποίο ο κατασκευαστής προσδιορίζει ως heygen-video-1. Δημιουργεί μαζί θέμα, σκηνικό, φως και ήχο από δημιουργική οδηγία. Κάθε απόσπασμα διαρκεί 5–15 δευτερόλεπτα και περιέχει το παραγόμενο ηχητικό κομμάτι του, συμπεριλαμβανομένων διαλόγου, ήχων περιβάλλοντος και εφέ. Χρήσιμες είσοδοι παραγωγής περιλαμβάνουν περιγραφή σκηνής, φωτογραφία προϊόντος ή υλικό που ορίζει άτομο, χώρο ή κίνηση. Το τελικό στοιχείο είναι σύντομη σκηνή για παρουσίαση προϊόντος, ένθετο εισαγωγικής καθοδήγησης, άποψη ακινήτου ή άλλη εργασία μοντάζ βίντεο.

Τρεις λειτουργίες δίνουν διαφορετικούς ρόλους στις εισόδους. Η μετατροπή κειμένου σε βίντεο δημιουργεί σκηνή από την προτροπή. Η μετατροπή εικόνας σε βίντεο ξεκινά κυριολεκτικά από την παρεχόμενη εικόνα και έπειτα ακολουθεί την οδηγία για τη δράση. Η μετατροπή αναφορών σε βίντεο χρησιμοποιεί παρεχόμενες εικόνες, βίντεο και προαιρετικό ήχο για να καθοδηγήσει νέα σύνθεση σκηνής· απαιτεί τουλάχιστον μία εικόνα ή βίντεο αναφοράς. Επιλέξτε εικόνα πρώτου καρέ όταν η αρχική σύνθεση πρέπει να ταιριάζει σε στατική εικόνα ή αναφορές όταν γνωστό αντικείμενο πρέπει να εμφανιστεί σε διαφορετική σύνθεση. Αυτό το μοντέλο σκηνών διαφέρει από τις μηχανές απόδοσης avatar και τη ροή σύνθεσης Video Agent της HeyGen.

Ο οδηγός του κατασκευαστή προτιμά λεπτομερείς, συγκεκριμένες οδηγίες πλάνων: ένα θέμα, μία τοποθεσία και μία περιορισμένη δράση, με σταθερή ή ήπια κινούμενη κάμερα. Περιγράψτε θέση κάμερας, φακό ή επιδίωξη βάθους πεδίου, φως, υφή επιφανειών και χρωματική απόδοση. Εξηγήστε πού ακουμπούν τα αντικείμενα όταν μια ενέργεια εξαρτάται από επαφή. Για πρωτότυπο παράδειγμα προϊόντος, χρησιμοποιήστε φωτογραφία αναφοράς θερμός ταξιδιού και ζητήστε να στέκεται σε ξύλινο πάγκο ενώ παρουσιαστής μιλά δίπλα του, με μικρή κίνηση κάμερας προς το θερμός. Επιθεωρήστε τη μορφή, την τοποθέτηση και τις ορατές σημάνσεις του θερμός στο αποτέλεσμα.

Οι λίστες αναφορών υποστηρίζουν έως εννέα εικόνες, τρία βίντεο και τρία στοιχεία ήχου, με μέγιστο δώδεκα αναφορές συνολικά. Εικόνες, βίντεο και ήχος αριθμούνται ξεχωριστά στη μορφή προτροπής του κατασκευαστή: η πρώτη εικόνα είναι <Picture 1> και το πρώτο βίντεο <Video 1>. Δώστε σε κάθε αναφορά ρόλο και προσδιορίστε τον ρητά στην οδηγία. Το μοντέλο διαβάζει τα πρώτα πέντε δευτερόλεπτα κάθε βίντεο αναφοράς, επομένως προετοιμάστε τη σχετική ενότητα στην αρχή. Η αναφορά API ορίζει επίσης αναλογίες βίντεο αναφοράς μεταξύ 1:4 και 4:1. Ένα μεγάλο απόσπασμα που περιέχει την επιθυμητή κίνηση μόνο στο τέλος του είναι ακατάλληλη προετοιμασία για αυτό το παράθυρο εισόδου πέντε δευτερολέπτων.

Η τεκμηριωμένη διεπαφή αναφορών δέχεται απευθείας προσβάσιμο πόρο HTTPS, αναγνωριστικό μεταφορτωμένου στοιχείου ή ενσωματωμένο base64. Ο οδηγός παραθέτει μέγιστα μεγέθη εικόνων 16 MB μέσω URL και 5 MB ενσωματωμένα· το βίντεο ή ο ήχος μπορεί να είναι έως 32 MB μέσω URL και 16 MB ενσωματωμένα. Προετοιμάστε ευανάγνωστο αρχικό υλικό με εύκολα διακριτό το σημαντικό θέμα και χωρίς ανταγωνιστικές οδηγίες σε διαφορετικές αναφορές. Διατηρήστε τον επιδιωκόμενο προσανατολισμό στην εικόνα πρώτου καρέ. Αυτές οι λεπτομέρειες εισόδου αφορούν τη ροή αναφορών του κατασκευαστή και βοηθούν στην οργάνωση δημιουργικών υλικών για την επιλεγμένη λειτουργία.

Κατευθύνετε τον ήχο στην ίδια οδηγία με την εικόνα. Δηλώστε διάλογο, φωνητική εκφορά, ήχο δωματίου και συγκεκριμένα εφέ, συμπεριλαμβανομένου του αν ένας ήχος πρέπει να είναι κοντινός ή μακρινός. Προσδιορίστε τη μουσική απόδοση όταν η σκηνή πρέπει να περιέχει μόνο ομιλία και ήχους περιβάλλοντος. Ο οδηγός προτείνει περίπου 2,5 εκφωνούμενες λέξεις ανά δευτερόλεπτο ως εκτίμηση σχεδιασμού, επομένως αφήστε χώρο για παύσεις και ορατή δράση. Μια σύντομη εισαγωγή μπορεί να σχεδιαστεί ως μία ατάκα ακολουθούμενη από στιγμή που αποκαλύπτει το προϊόν. Ακούστε τις πραγματικές λέξεις και αν ο παραγόμενος ήχος ταιριάζει στον χώρο και στη δράση.

Η διάρκεια εξόδου επιλέγεται σε ακέραια δευτερόλεπτα από πέντε έως δεκαπέντε, με προεπιλογή πέντε δευτερολέπτων. Η ανάλυση είναι κατηγορία μεγέθους: 480p, 768p, 1080p ή 2k. Οι τεκμηριωμένες επιλογές κάδρου είναι 21:9, 16:9, 4:3, 1:1, 3:4 και 9:16. Για μετατροπή κειμένου και αναφορών σε βίντεο στα 1080p ή 2k, επιλέξτε 16:9 ή 9:16· προσαρμοστικό καδράρισμα αναφορών τεκμηριώνεται στα 480p και 768p. Η μετατροπή εικόνας σε βίντεο ακολουθεί τις αναλογίες της πρώτης εικόνας, επομένως περικόψτε πριν από την παραγωγή όταν αλλάζει το απαιτούμενο σχήμα. Ελέγξτε τις πραγματικές διαστάσεις του ολοκληρωμένου αποτελέσματος αντί να υποθέτετε ότι μια ετικέτα κατηγορίας μεγέθους συνεπάγεται ένα συμβατικό ζεύγος pixel.

Ο οδηγός μοντέλου ορίζει βίντεο MP4 με κωδικοποίηση εικόνας H.264 και ήχο AAC στα 32 kHz στερεοφωνικά. Η παραγωγή επεξεργάζεται ασύγχρονα και η ολοκληρωμένη εργασία παρέχει τη θέση αναπαραγώγιμου βίντεο, τη διάρκεια και τις διαστάσεις. Η υπογεγραμμένη θέση βίντεο μπορεί να ανανεώνεται με νέα ανάκτηση της εργασίας. Διατηρήστε το πραγματικό απόσπασμα, τα υλικά αναφοράς και την οδηγία για έλεγχο μοντάζ. Μια εγγραφή εκκρεμότητας ή επεξεργασίας παρακολουθεί την παραγωγή· το ολοκληρωμένο βίντεο είναι το τεχνούργημα παραγωγής προς αξιολόγηση για εικόνα, ομιλία και ήχο.

Ο κατασκευαστής τεκμηριώνει επιλογές ενίσχυσης προτροπής turbo, quality και disabled· το disabled διατηρεί την έτοιμη διατύπωση όπως γράφτηκε. Ένα σταθερό seed είναι χρήσιμο όταν συγκρίνετε αλλαγή μίας πρότασης διατηρώντας τις υπόλοιπες εισόδους. Καταγράψτε το επιλεγμένο seed και τις ρυθμίσεις μαζί με την οδηγία πλάνου. Για γράμματα στην οθόνη, κρατήστε μια επιδιωκόμενη φράση σύντομη και γράψτε τη με ακρίβεια· ο οδηγός συνιστά μεταγενέστερη σύνθεση παραγράφων, κειμένου μικρού μεγέθους και διαγραμμάτων με ετικέτες. Ελέγξτε κάθε ορατό χαρακτήρα ενός παραγόμενου τίτλου αντί να υποθέτετε ότι η διατύπωση αναπαράχθηκε σωστά.

Ο οδηγός προσδιορίζει το εκτενές κείμενο στην οθόνη, την απαλή οργανική κίνηση όπως πέταλα, χαρτί ή μαλλιά και τον κοντινό χειρισμό με χέρια ως λιγότερο αξιόπιστους τομείς. Για διαδικαστική εξήγηση, αφήστε μια σαφώς γραμμένη ατάκα να μεταφέρει τα βήματα ενώ η εικόνα δείχνει σταθερό άτομο ή αντικείμενο· χρησιμοποιήστε ξεχωριστά επαληθευμένο οπτικό υλικό όταν η ίδια η φυσική λειτουργία πρέπει να είναι ακριβής. Ελέγξτε ολόκληρο το πλάνο για συνέχεια αντικειμένων, επαφή, λεπτομέρειες προσώπου και χεριών, διάλογο και ήχο. Μια σύντομη λίστα όσων πρέπει να αλλάξουν στην επόμενη λήψη διατηρεί πρακτική μια λεπτομερή οδηγία παραγωγής.