ByteDance: Seedance 1.0 Lite Text-to-Video

A Seedance 1.0 Lite Text-to-Video írott jelenetből generál videót. A konkrét doubao-seedance-1-0-lite-t2v-250428 azonosító a Lite kiadás szövegből videót készítő tagját választja ki. Akkor használja, ha a téma, a környezet és a mozgás közvetlenül leírható: egy asztalon álló termék, egy helyszínt bemutató nagytotál vagy egy szereplő rövid cselekvése. A kimenet videóklip; az 1.0 profil nem generál szinkronizált hangot.

A jelenetet abban a sorrendben írja le, ahogyan a nézőnek látnia kell. Nevezze meg a témát és annak megjelenését, a helyszínt, a cselekvést, a plánméretet és a kameramozgást, majd írja le a végső kompozíciót. Egy hasznos termékleírás világos kőtalapzaton álló palackot, a címkén végighaladó napfényt és a kupak felé tartó lassú kameraközelítést mutathat be. Ezek egy új jelenethez adott utasítások, nem azt állítják, hogy a modell egy mellékelt termékfotót reprodukál. A látható cselekvés illeszkedjen a kiválasztott kliphosszhoz.

Ez a szövegből videót készítő profil különbözik a külön névvel ellátott, képből videót készítő Lite profiltól. Tartalmát szöveges elemként kell megadni a content tömbben. Egy mondat leírhat személyt, tárgyat vagy stílust, de nem csatol referenciaképet, és nem rögzít pontos vizuális azonosságot olyan fájlból, amelyet a modell nem látott. Ha a jelenet nyitókompozíciójának meglévő képből kell származnia, képet fogadó profilt válasszon; ne feltételezze, hogy egy médiamező hozzáadása megváltoztatja a Lite t2v profil működési módját.

Az 1.0 dokumentált időtartománya kettőtől tizenkét másodpercig terjed, az alapérték öt másodperc, a rögzített képkockasebesség pedig 24 fps. A Lite 480p, 720p és 1080p felbontási szinteket kínál, dokumentált alapértéke a 720p. A rögzített képarányok között szerepel a 16:9, 4:3, 1:1, 3:4, 9:16 és 21:9. A képkivágást a felhasználás helye szerint válassza ki a generálás előtt: álló képet függőleges bemutatóhoz, négyzeteset tömör termékbemutatóhoz, fekvőt pedig széles jelenethez. A felbontási szintek és képarányok a kért kimenetet írják le; a tényleges pixelméreteket és képkivágást a letöltött klipen ellenőrizze.

A kérés seed, watermark és kameravezérlőket biztosít. A seed -1 és 2^32-1 közötti egész szám; a -1 véletlen értéket választ. A rögzített kamerát kérő beállítás rögzített kamerára vonatkozó utasítást ad hozzá, és a dokumentáció kifejezetten jelzi, hogy a hatás nem garantált. A kamera iránya az írott jelenetben és a külön vezérlőnél legyen összhangban. A szövegbe ágyazott paraméterutasítások elsőbbséget élveznek a külön opcionális paraméterekkel szemben, ezért a két helyen ne adjon egymásnak ellentmondó időtartam-, felbontás- vagy képkivágási utasításokat.

A használatot videótokenekben mérik: kimeneti szélesség × kimeneti magasság × képkockasebesség × kimeneti időtartam / 1024. Az elkészült feladat ezt a mennyiséget usage.completion_tokens értékként jelenti. A jelentett használatot őrizze meg az elkészült klippel és a kért beállításaival együtt.

A generálás aszinkron. A beküldés feladatazonosítót ad vissza, a feladat lekérdezése pedig közli a feldolgozás állapotát és siker után a videó URL-jét a content.video_url mezőben. Őrizze meg a feladatazonosítót, amíg a munka queued vagy running állapotban van, az elkészült klipet pedig mentse el a következő módosításhoz. A generált fájlok dokumentált megőrzési ideje hét nap. A kérésnek a feladat létrehozásától számított lejárati időköze is van, amely után a befejezetlen feladat expired állapotba kerül; a dokumentált alapérték 172800 másodperc, a megadható értékek 3600 és 259200 másodperc közöttiek.

A teljes klipet ellenőrizze a leírás alapján: megjelenik-e a kívánt téma, megfelelő sorrendben történik-e a cselekvés, követi-e a kamera a kért irányt, és használható-e a zárókép. A következő változathoz egy konkrét utasítást módosítson, a sikeres jelenetszerkezetet megtartva. Plánsorozatnál minden utasítást, kért beállítást és elkészült videót őrizzen meg, hogy a következő jelenetet a tényleges eredményből lehessen megtervezni.