ByteDance: Seedance 1.5 Pro

A Seedance 1.5 Pro szövegből vagy képből generál videót, és a képpel együtt hangot is létrehozhat. A konkrét kiválasztási azonosító a doubao-seedance-1-5-pro-251215. Hangvezérlője megkülönbözteti a néma Seedance 1.0 profiloktól: a generate_audio=true szinkronizált hangot kér, míg a false néma videót. Új elképzeléshez írott jelenetet használjon, vagy képpel határozza meg a nyitóképen szereplő témát és kompozíciót.

A vizuális cselekvést és a hangot ugyanannak a jelenetnek a részeiként írja le. Határozza meg a témát, a környezetet, a mozgást és a kamerát, majd magyarázza el a tervezett beszédhangokat, hangeffekteket vagy háttérzenét. Egy portréjelenetben egy személy kinyithatja a szemét, miközben a kamera lassan távolodik, és szél fúj a környezetben. Termékjelenetnél a hangot a látható eseményhez kapcsolja, például egy fedél kinyílásához vagy egy tárgy felülettel való érintkezéséhez, ne egymástól független effektek listáját adja hozzá.

A modell az utasításból és a vizuális tartalomból beszédhangokat, effekteket és háttérzenét generálhat. Az útmutató a kimondott párbeszédet dupla idézőjelbe javasolja tenni. A beszéd legyen elég rövid a kért cselekvéshez és szünetekhez, több szereplő esetén pedig különítse el, ki beszél. Ellenőrizze a tényleges szöveget, a beszédhangok szereplőkhöz rendelését és a képpel való szinkront. A hangra vonatkozó utasítás a generált előadást irányítja; nem külön feltöltött hangreferencia-bemenet e profil dokumentált kérésében.

A képből videó készítése image_url elemet használ a szöveg mellett. Adjon meg elérhető kép-URL-t vagy Base64 adat-URL-t JPEG, PNG, WEBP, BMP, TIFF vagy GIF formátumban. A dokumentált képkorlátok: 30 MB-nál kisebb méret, mindkét képméret szigorúan 300 és 6000 pixel között, a szélesség és magasság aránya pedig szigorúan 0.4 és 2.5 között. Világosan készítse elő a tervezett képkivágást és témát, majd ebből a kompozícióból kiindulva írja le a mozgást. A képes példa adaptive (adaptív) képarányt használ a referencia követésére.

A profilspecifikus időtartam-útmutató négytől tizenkét egész másodpercig terjedő értékeket sorol fel, vagy -1-et, amellyel a modell e tartományon belül választ időtartamot. Az alapértelmezett időtartam öt másodperc. A Seedance 1.5 Pro alapértéke a 720p, a megőrzött profiltáblázat pedig 480p és 720p felbontást dokumentál; a külön műveleti útmutató nem kínál 1080p-t az 1.5 Pro számára. A rögzített képarányok között szerepel a 16:9, 4:3, 1:1, 3:4, 9:16 és 21:9, az 1.5 dokumentált alapértéke pedig az adaptive. A tényleges klip időtartamát és arányait ellenőrizze, ne kezelje a kért értékeket már visszaadott eredményként.

A kérés két feldolgozási szintet biztosít. A service_tier=default online feldolgozást választ, míg a flex offline feldolgozást a hosszabb késleltetést elviselő munkákhoz. A szint a feladat beküldése után nem módosítható. A munkafolyamat időzítési igényeihez válassza ki, és a választást őrizze meg a kérés nyilvántartásában. A hangmód és a feldolgozási szint külön választás: a néma klip nem automatikusan offline feladat, a hang bekapcsolása pedig nem választ feldolgozási szintet.

A seed, watermark és kamerautasítások legyenek összhangban a jelenettel. A szövegbe ágyazott paraméterparancsok elsőbbséget élveznek a külön opcionális paraméterekkel szemben. A rögzített kamera vezérlője referenciakép esetén kizárt, ahol pedig alkalmazható, ott sem garantálja a kép teljes rögzítettségét. Kép által vezérelt animációnál közvetlenül írja le a tervezett mozgást, ne feltételezze, hogy egy kameravezérlő feleslegessé teszi a plán leírását.

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 bekapcsolt vagy kikapcsolt hang, valamint az online vagy flex feldolgozás külön kategóriák maradnak a használatalapú díjazásban.

A beküldés aszinkron feladatazonosítót ad vissza. Kövesse a feladatot a befejezésig, majd mentse el a content.video_url helyen megadott videót. A generált fájlok dokumentált megőrzési ideje hét nap. A lejárati beállítást a létrehozástól számítják, alapértéke 172800 másodperc, és 3600 és 259200 másodperc közötti értékeket fogad el; a befejezetlen feladat a beállított időköz után expired állapotba kerül. A végső klipet, az eredeti képet és a pontos vizuális és hangutasításokat együtt őrizze meg, majd a teljes eredményen ellenőrizze a cselekvést, az azonosságot, a kameramozgás folytonosságát és a hang illeszkedését.