Alibaba: HappyHorse 1.0

Az Alibaba HappyHorse 1.0 videókészítő kiadás, külön megnevezett szövegből videót, első képkockából videót és referenciákból videót létrehozó profilokkal. A gyártó a fizikailag hihető mozgást, a jelentés megértését és a kép és hang szinkronját emeli ki alkotói célként. Referenciaprofilja legfeljebb kilenc képpel irányíthatja a szereplőket, tárgyakat és jeleneteket. A hasznos végeredmény egy rövid, hangos klip: új jelenet, előkészített nyitóképből készített animáció, illetve referenciák vezérelte karakter- vagy termékfelvétel.

Szöveges jelenetnél határozd meg a főszereplőt vagy tárgyat, a környezetet, a cselekvést, a kamerát és a kívánt hangot. Egy asztali jelenetben például kis vitorláshajó-modell haladjon egy sekély vizes tálcában, miközben a kamera az asztal magasságából követi. Ellenőrzéskor így értékelhető a hajó alakja, a jelenet léptéke, a víz mozgása, valamint a mozgás és hang kapcsolata. Egy jól körülhatárolt cselekvést könnyebb értékelni, mint egy zsúfolt eseménysort, amelynek lényeges pillanata nincs világosan megadva.

Az első képkockából történő generáláshoz olyan állóképet használj, amelynek témája és kompozíciója már megfelel a kívánt nyitánynak. Írd le az ezt követő mozgást és a kamera útját. A gyártó pontos 1.0 képprofilja szöveges és képi bemenetet fogad, generálási táblázata pedig ezt első képkockán alapuló kép-videó módként azonosítja. A felvétel generálása előtt készítsd elő a kivágást és a termék vagy karakter látható részleteit. Azt ellenőrizd, hogy ezek mozgás közben is felismerhetők maradnak-e, ne csak a nyitóképkockát értékeld.

A referenciákból videót létrehozó mód a vizuális forrásokon látható embereket, termékeket, stílust vagy környezetet egy újonnan leírt jelenetbe illeszti. A pontos 1.0 referenciamodell oldala legfeljebb kilenc képet dokumentál. Rendelj hozzájuk szerepet a leírásban, és mondd el, hogyan viselkedjen a szereplő vagy tárgy a jelenetben. Termékbemutatónál különválasztható a termékreferencia a helyszín vagy a vizuális stílus referenciájától. A gyártó által hangsúlyozott stabilitás ellenőrzési cél: a teljes klip során vesd össze a témát, jelöléseit és elhelyezését a tényleges referenciákkal.

Az 1.0 családnak külön elnevezett videószerkesztési profilja is van meglévő felvételek stílusváltásához, helyi vagy átfogóbb módosításához. Ez pontosan egy forrásvideót és nulla–öt referenciaképet fogad, eltérően a kilencképes referenciagenerálástól. Add meg, mi változzon és mi maradjon meg; például cserélődjön ki egy ruhadarab, miközben a személy, a mozgás és a háttér megmarad. A szerkesztés eredményét a teljes forrásklippel kell összehasonlítani, nem csupán azzal a képkockával, amelyen látható a kívánt csere.

A pontos 1.0 szerkesztési útmutató MP4 vagy MOV forrásfelvételt fogad, H.264-et ajánl, és három–hatvan másodperces bemenetet engedélyez. Legfeljebb 100 MB-os méretet, legalább 360 pixeles rövidebb oldalt, legfeljebb 4 096 pixeles hosszabb oldalt, 1:2.5 és 2.5:1 közötti oldalarányt, valamint nyolc–hatvan fps bemeneti képkockasebességet ír elő. A szerkesztett kimenet három–tizenöt másodperces lehet: a legfeljebb tizenöt másodperces forrás megtartja időtartamát, a hosszabb forrásból csak az első tizenöt másodperc kerül felhasználásra. Ha a fontos cselekvés később történik, a szerkesztés előkészítése előtt vágd ki a kívánt részletet.

A szerkesztési profil opcionális referenciaképeire külön, húsz MB-os korlát vonatkozik; JPEG/JPG, PNG vagy WEBP formátum, mindkét irányban legalább 300 pixel és azonos dokumentált oldalarány-tartomány szükséges. Az útmutató megkülönbözteti az automatikus hangkezelést az eredeti hang megtartásától. Készítsd elő a kívánt változást azonosító referenciát, és válaszd ki, hogyan kapcsolódjon hozzá a forrás hangja. Ezek kifejezetten az 1.0 szerkesztési profil vezérlői, elkülönülnek az új jelenetek generálási módjaitól.

Az 1.0 generálási módjaihoz a gyártó pontos táblázata 720p vagy 1080p felbontást, három–tizenöt másodpercet, 24 fps-es MP4-et és hangot sorol fel. A szerkesztési profil szintén 720p vagy 1080p kimenetet ad, legfeljebb tizenöt másodpercben. A dokumentált folyamat először feldolgozási azonosítót, sikeres befejezés után pedig a kész videó helyét adja vissza; az eredmény elérési helye huszonnégy óráig érvényes. Éles felhasználásra szánt szerkesztésnél őrizd meg magát a klipet, a promptot és a referenciákat, és együtt ellenőrizd a kapott képkivágást, időtartamot és hangot.

A HappyHorse 1.1 egy 480p generálási lehetőséget, valamint a képi részletezés, mozgás és klipek közötti következetesség megnevezett fejlesztéseit adja hozzá. Ezek a későbbi generálási állítások nem jelentenek rögzített verzióra szóló garanciát az 1.0 profil számára. Az 1.0 hasznos előkészítése a kiválasztott módot és annak tényleges forrásanyagait követi. Ellenőrizd az azonosságot, az érintkezéseket, a tárgygeometriát, a szöveget és a hangot, majd fogalmazd meg konkrétan a következő javítást. Szerkesztett klipnél azt is nézd meg, hogy a kért változtatáson kívüli fontos eredeti részletek továbbra is megfelelőek-e a tervezett jelenethez.