ByteDance: Seedance 1.5 Pro

Seedance 1.5 Pro genera vídeo a partir de texto o de una imagen y puede generar sonido junto con la imagen. El selector concreto es doubao-seedance-1-5-pro-251215. Su control de audio lo distingue de los perfiles Seedance 1.0 sin sonido: generate_audio=true solicita audio sincronizado, mientras que false solicita un vídeo sin sonido. Utiliza una escena escrita para un concepto nuevo o una imagen para establecer el sujeto y la composición iniciales.

Describe la acción visual y el sonido como partes de la misma escena. Identifica el sujeto, el entorno, el movimiento y la cámara; después, explica las voces, los efectos de sonido o la música de fondo que buscas. Una escena de retrato podría mostrar a una persona abriendo los ojos mientras la cámara se aleja lentamente, con viento en el entorno. Para una escena de producto, relaciona el sonido con el evento visible, como una tapa que se abre o un objeto que toca una superficie, en lugar de añadir una lista de efectos sin relación.

El modelo puede generar voces, efectos y música de fondo a partir de las instrucciones y el contenido visual. La guía recomienda escribir el diálogo hablado entre comillas dobles. Mantén la intervención lo bastante breve para la acción y las pausas solicitadas, y distingue quién habla si interviene más de un personaje. Revisa las palabras reales, la atribución de voz y la sincronización con la imagen. Una instrucción de sonido guía la interpretación generada; no es una entrada aparte de referencia de voz subida en la solicitud documentada de este perfil.

La generación de imagen a vídeo utiliza un elemento image_url junto con el texto. Proporciona una URL de imagen accesible o una URL de datos Base64 en formato JPEG, PNG, WEBP, BMP, TIFF o GIF. Los límites documentados de la imagen son menos de 30 MB, ambas dimensiones estrictamente entre 300 y 6000 píxeles y una relación entre ancho y alto estrictamente entre 0.4 y 2.5. Prepara claramente el recorte y el sujeto previstos y describe el movimiento a partir de esa composición. El ejemplo de imagen utiliza una relación de aspecto adaptativa para seguir la referencia.

La guía de duración específica del perfil indica segundos enteros de cuatro a doce, o -1 para que el modelo elija una duración dentro de ese intervalo. La duración predeterminada es de cinco segundos. Seedance 1.5 Pro utiliza 720p por defecto y la tabla de perfiles conservada documenta 480p y 720p; la guía específica de la operación no ofrece 1080p para 1.5 Pro. Las relaciones de aspecto fijas incluyen 16:9, 4:3, 1:1, 3:4, 9:16 y 21:9, con adaptive como valor predeterminado documentado de 1.5. Revisa la duración y las proporciones del clip real en lugar de tratar los valores solicitados como un resultado ya devuelto.

La solicitud expone dos niveles de procesamiento. service_tier=default selecciona procesamiento en línea, mientras que flex selecciona procesamiento diferido para trabajos que toleran más demora. El nivel no se puede cambiar después de enviar la tarea. Elígelo según las necesidades de tiempo del flujo de trabajo y conserva esa selección en el registro de la solicitud. El modo de audio y el nivel de procesamiento son decisiones separadas: un clip sin sonido no es automáticamente una tarea de procesamiento diferido, y activar el audio no selecciona un nivel de procesamiento.

Mantén las instrucciones de seed, watermark y cámara coherentes con la escena. Las órdenes de parámetros incluidas en el texto tienen prioridad sobre los parámetros opcionales separados. El control de cámara fija queda excluido en el supuesto de imagen de referencia y no garantiza un bloqueo visual cuando sí se aplica. Para una animación guiada por una imagen, explica directamente el movimiento previsto en lugar de asumir que un control de cámara elimina la necesidad de describir el plano.

El uso se mide en tokens de vídeo: ancho de salida × alto de salida × frecuencia de fotogramas × duración de salida / 1024. La tarea completada comunica esta cantidad como usage.completion_tokens. Conserva el uso comunicado junto con el clip terminado y los ajustes solicitados. El audio activado o desactivado y el procesamiento en línea o flex siguen siendo categorías distintas en el cobro basado en uso.

El envío devuelve un identificador de tarea asíncrona. Sigue la tarea hasta que termine y guarda el vídeo proporcionado en content.video_url. El periodo documentado de conservación de los archivos generados es de siete días. El control de caducidad se mide desde la creación, tiene 172800 segundos como valor predeterminado y acepta valores de 3600 a 259200 segundos; una tarea sin terminar pasa al estado expired tras el intervalo configurado. Conserva juntos el clip final, la imagen original y las instrucciones visuales y de audio exactas; después, revisa todo el resultado para comprobar la acción, la identidad, la continuidad de cámara y la alineación del sonido.