ByteDance: Seedance 2.0 Mini

A Seedance 2.0 Mini külön megnevezett modell a ByteDance Seedance 2.0 audiovizuális családjában. Gyártója szöveg–videó, első képkockás és első–utolsó képkockás kép–videó, multimodális referenciagenerálás, videószerkesztés és videóhosszabbítás módokat dokumentál. A képpel együtt hang is generálható. A már meglévő anyagod alapján válassz alkotási módot: írott feladatleírás, rögzített nyitókép, két határképkocka vagy szerkesztést, illetve folytatást igénylő klip.

A Mini saját kimeneti jellemzőkkel rendelkezik. A gyártó 480p és 720p videót sorol fel 8 bites színnel, másodpercenként 24 képkockával és MP4-kimenettel. Támogatott képarányai 21:9, 16:9, 4:3, 1:1, 3:4 és 9:16; dokumentált generálási időtartama 4–15 másodperc. A gyártó időtartamvezérlése ezen a tartományon belül automatikus választást is enged. A teljes Seedance 2.0 modell 1080p és 4K lehetőségei különállók; nem Mini-beállítások. A család képességtáblázata az utolsó generált képkocka visszaadását is felsorolja, míg a Draft mód nem támogatott.

Az Omni reference a megadott anyagok kiválasztott információiból új jelenetet készít. Kép határozhatja meg az alany megjelenését, a kompozíciót vagy vizuális feldolgozást. Videó rögzíthet cselekményt, kameramozgást vagy effektet; hangreferencia hangszínt, dallamot vagy beszédtartalmat. Mondd el a modellnek, mit vegyen át az egyes referenciákból, ne minden tulajdonság lemásolását kérd. Például termékfotót használj alakhoz és színhez, rövid kameramozgás-klipet a közelítéshez, hangreferenciát az atmoszférához.

A család munkafolyamata legfeljebb kilenc referenciaképet, három videóklipet és három hangklipet enged. A videóreferenciák egyenként 2–15 másodpercesek, összesen legfeljebb 15 másodperccel; a hangreferenciákra ugyanazok az egyedi és összesített időtartamkorlátok vonatkoznak. A csak hangból, illetve szövegből és hangból vizuális referencia nélkül álló referenciakombináció nem támogatott. A csak szöveges alkotás külön támogatott mód. Sorozatnál az anyagokat a kívánt sorrendben add meg, és következetesen Image 1, Video 1 vagy Audio 1 néven hivatkozz rájuk, az egyes médiatípusokon belüli sorrend alapján. Az írott promptban ne cseréld a számozott referenciát anyagazonosítóra.

Az első képkockás kép egy képvezérelt snitt nyitását határozza meg. Az első–utolsó képkockás mód mindkét határt meghatározza. Ha ezek a pontos határképek számítanak, a dedikált módot válaszd, ne egy omni-reference promptban nevezd nyitásnak és befejezésnek a referenciákat. Utóbbi prompttal irányított hatás, és nem egyenértékű a szigorú határképkocka-választással. A képeket a kimeneti kompozícióhoz készítsd elő, és add meg a kezdő és záró helyzetet összekötő műveletet.

A videószerkesztés meglévő klipet módosít, nem csupán inspirációként használja. Azonosítsd a szerkesztendő videót, a megváltoztatandó tárgyat vagy régiót, megjelenési idejét és helyét, valamint a megőrzendő részleteket. Hasznos feladatleírás: „A Video 1-ben cseréld a bögrét az Image 1-en látható edényre; őrizd meg a kézmozgást, képkivágást, világítást és asztalelrendezést.” Eltávolításnál nevezd meg a nem kívánt tárgyat és a környező elemeket, amelyeknek meg kell maradniuk. A gyártó szerkesztéshez vagy hosszabbításhoz közvetlen hivatkozást javasol a célvideóra; referenciaként említve azt inkább újonnan generált jelenet kéréseként értelmezheti a modell.

A videóhosszabbítás meglévő klip elé vagy mögé ad eseményeket. Írd le a folytatás irányát és azt, mi történik ezután vagy előtte. A dokumentált munkafolyamat két vagy három klipet is összeköthet generált átmenetekkel; a három bemeneti videó együtt továbbra is belefér a 15 másodperces referenciakeretbe. Az oktatóanyag különbséget tesz az eredeti klip határfelvételeit főként tartalmazó folytatás és az eredeti tartalom kifejezett megtartását kérő feladat között. Add meg az eredmény kívánt összetételét: csak a folytatás, vagy a megadott klipet és új cselekményt tartalmazó jelenet.

Világos irányításhoz különítsd el az állandó jelenetleírást az eseménysortól. Minden alanyt két-három megkülönböztető vizuális jellemzővel és következetes címkével határozz meg. Ezután írd le a műveleteket, helyszínt, világítást, kameramozgást, vizuális stílust és korlátokat. Párbeszédben minden sort társíts a beszélőjéhez és megfelelő művelethez. Sorrendbe tett snittcímkéket használj a pontos időbélyegek megbízható vezérlőként kezelése helyett: a gyártó szerint a pontos időzítés instabil lehet. Egy beállított termékfeladat így szólhat: „Az Image 1 határozza meg a Product A terméket. Shot 1: lassan közelíts a pulton álló Product A felé. Shot 2: egy kéz a fény felé forgatja. Shot 3: állj meg az elülső címkén. Halk szobai atmoszféra; őrizd meg a nyomtatott betűket.”

A referenciákat a család dokumentált bemeneti szabályaihoz készítsd elő. Támogatott képformátumok: JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC és HEIF; minden kép 30 MB-nál kisebb. Az útmutató a képszélességet és -magasságot szigorúan 300 és 6000 pixel közé, a képarányt szigorúan 0.4 és 2.5 közé teszi. A videóreferenciák MP4-et vagy MOV-ot használnak H.264 vagy H.265 videóval és AAC vagy MP3 hanggal, egyenként legfeljebb 200 MB-osak, és másodpercenként 24–60 képkockásak. Szélességük és magasságuk 300–6000 pixel, képarányuk 0.4–2.5, teljes pixelszámuk 407 696–8 295 044. A hangreferenciák WAV vagy MP3 formátumúak, egyenként legfeljebb 15 MB-osak. Ezek a gyártó bemeneti előkészítési specifikációi, külön egy adott alkalmazás feltöltési vezérlőitől.

A gyártó portrémunkafolyamata külön előkészítést igényel a valódi emberi arcot tartalmazó képekhez vagy videókhoz: a közvetlen referenciafeltöltés nem a szokásos támogatott út. Külön megoldásként dokumentál megbízható modellkimeneteket, előre beállított digitális karaktereket és engedélyezett valódiszemély-anyagok munkafolyamatát. A hangilleszkedést, kiejtést és a kliphatáron lévő hangot is ellenőrizni kell. A promptútmutató a kívánt hangjellemzők leírását és a párbeszédstílus hangreferenciához közeli tartását ajánlja. A végső anyagban ellenőrizd az alany következetességét, pontos kimondott szavakat, cselekményidőzítést, képkocka-átmeneteket és záróhangot; azt a konkrét elemet finomítsd, amely eltér a feladatleírástól.