ByteDance: Seedance 2.0 Fast

A Seedance 2.0 Fast a külön névvel ellátott Fast profil, amely a doubao-seedance-2-0-fast-260128 azonosítóval választható ki. Szöveg, valamint kép-, videó- és hangreferenciák felhasználásával támogat videógenerálást, -szerkesztést és -meghosszabbítást. A profil akkor hasznos, ha a jelenetleírásnak a megjelenés ismertetésénél többre van szüksége: meglévő média az előadásmódot, a kamerakezelést és a hangot is közvetítheti. A Fast név a kérésben kiválasztott profil azonosságát különbözteti meg; nem ígéri, hogy egy-egy aszinkron feladat rögzített időn belül elkészül.

Azzal az elemmel kezdjen, amelynek az új plánt meg kell határoznia. A szöveg önmagában is leírhat új jelenetet. Egy kép rögzíthet szereplőt, terméket vagy kompozíciót; egy videó mozgást vagy módosítandó, illetve folytatandó meglévő eseménysort adhat. A dokumentált tartalomkombinációk képeket hanggal, videót hanggal, valamint képeket, videót és hangot együtt tartalmaznak, a vizuális média mellett opcionális szöveggel. Ezek a kombinációk nem írnak le önálló, csak hangot tartalmazó kérést, ezért a hangreferenciákat párosítsa azzal a vizuális forrással, amelyet irányítaniuk kell.

A referenciák szerepét a content tömbben és a leírásban is adja meg egyértelműen. Az image_url, video_url és audio_url elemek reference_image, reference_video és reference_audio szerepet hordozhatnak. Írja le, melyik kép adja a témát, melyik videó a kamerát vagy a cselekvést, és melyik hang a hangsávot. Termékplánnál egy kép meghatározhatja a csomagolást, miközben egy videó a tárgy mellett elhaladó mozgást szemléltet. Határozza meg a kívánt befejezést, hogy a rövid eseménysornak hasznos záróképe legyen, ne a cselekvés közepén álljon meg.

Szerkesztéshez nevezze meg a forrásfelvételt, a változtatást és a megőrzendő folytonosságot. Háttér- vagy világításváltoztatásnál a tervezett téma és cselekvés maradjon egyértelműen megadva. Meghosszabbításhoz magyarázza el, mi történik ezután, és hogyan kapcsolódik az új mozgás a meglévő jelenethez. A referenciák irányítják a generálást; a tényleges csatlakozás és a teljes klip megjelenését, mozgásirányát és időzítését ellenőrizze, ne feltételezze, hogy a folytatás minden képkockaszintű részletet megőriz.

A 2.0 Fast dokumentált tartománya négytől tizenöt egész másodpercig terjed, a -1 pedig e tartományon belüli, modell által választott időtartamot tesz lehetővé. Az alapértelmezett időtartam öt másodperc. A kimeneti felbontás 480p vagy 720p, a 720p az alapérték, az 1080p pedig kizárt. Válasszon a rögzített 16:9, 4:3, 1:1, 3:4, 9:16 és 21:9 képarányok közül, vagy használjon adaptive (adaptív) képkivágást. Az adaptive képkivágás a releváns utasítást vagy referenciakörnyezetet követi; az első képkockára épülő plán a nyitóképét követi, míg a multimodális képkivágás előnyben részesítheti a videót a képekkel szemben. A tényleges időtartamot és képarányt a visszaadott feladatmezőkből olvassa ki.

A generate_audio mezővel válassza ki, tartalmazzon-e a generált videó szinkronizált hangot. A dokumentált alapérték true; a false csendet kér. Bekapcsolt hang mellett a profil az utasításból és a vizuális tartalomból beszédhangokat, effekteket vagy háttérzenét generál, az útmutató pedig a párbeszéd dupla idézőjelbe zárását ajánlja. Adja meg a beszélőt és a hang és cselekvés tervezett kapcsolatát. A beszédet a nyelvet folyékonyan beszélő hallgatóval ellenőrizze, a hang illeszkedését pedig a teljes klipen, minden szerkesztett vagy meghosszabbított szakaszon is vizsgálja meg.

A 2.0 Fast útmutatója kizárja a régebbi frames és camera_fixed vezérlőket, és nem támogat flex offline feldolgozást. A kamera viselkedését a jelenetben írja le, a kliphosszhoz pedig a duration mezőt használja. A seed és watermark lehetőségek továbbra is dokumentáltak. Ugyanaz a seed nem garantál azonos kimenetet, ezért a módosítások összehasonlításakor őrizze meg az elkészült fájlt, ne támaszkodjon kizárólag a kérés beállításaira.

A videótoken-használat képlete: (bemeneti videó időtartama + kimeneti videó időtartama) × kimeneti szélesség × kimeneti magasság × kimeneti képkockasebesség / 1024. A bemeneti videót tartalmazó és az azt nem tartalmazó kérések külön számlázási kategóriába tartoznak. A feladat lekérdezése usage.completion_tokens és usage.total_tokens értéket jelent; ezeket a jelentett mennyiségeket őrizze meg az elkészült klippel együtt.

A beküldés feladatazonosítót ad vissza, mielőtt az elkészült videó elérhetővé válna. Kövesse a feldolgozás állapotát, majd siker után töltse le a content.video_url mezőben található videót, és az eredménnyel együtt őrizze meg a jelentett időtartamot, felbontást, képarányt, képkockasebességet és használatot. A lejárati időközt a feladat létrehozásától számítják, alapértéke 172800 másodperc, tartománya pedig 3600 és 259200 másodperc közötti. A végső klipet mentse el a referenciáival és utasításával együtt, majd a teljes eseménysoron ellenőrizze a téma azonosságát, a tárgyak érintkezését, a kameramozgás folytonosságát és a hang időzítését.