Alibaba: HappyHorse 1.1

Alibaba HappyHorse 1.1 adalah edisi generasi video dengan profil bernama terpisah untuk teks ke video, gambar ke video dari bingkai pertama, dan referensi ke video. Produsen menekankan peningkatan detail visual, gerakan, identitas karakter antarklip, kestabilan teks, dan sinkronisasi audiovisual. Hasilnya adalah video pendek bersuara, berguna untuk shot produk, animasi potret, atau adegan sederhana dengan karakter. Pilih mode masukan berdasarkan penentu adegan: konsep tertulis, gambar pembuka yang tepat, atau beberapa referensi visual.

Untuk teks ke video, jelaskan subjek, lokasi, aksi, pembingkaian, gerakan kamera, dan maksud suara. Untuk adegan aksi singkat, tampilkan pesepeda berhenti di samping kafe tepi sungai sementara kamera bergerak lembut menuju sepeda yang diparkir. Sesuaikan aksi dengan klip pendek dan jelaskan momen akhirnya. Panduan teks pembuat saat ini mengizinkan hingga 5.000 karakter non-Tionghoa atau 2.500 karakter Tionghoa dan memotong teks berlebih. Susun brief agar subjek dan aksi pentingnya dinyatakan tegas, bukan terkubur dalam kata sifat berulang.

Gambar ke video dari bingkai pertama menggunakan tepat satu gambar sebagai pembukaan. Siapkan subjek, komposisi, dan potongan yang dimaksud dalam gambar diam itu, lalu jelaskan apa yang harus bergerak atau bagaimana kamera berubah. Format gambar yang didokumentasikan adalah JPEG/JPG, PNG, dan WEBP, hingga 20 MB, dengan kedua dimensi minimal 300 piksel serta rasio aspek antara 1:2.5 dan 2.5:1. Keluaran mendekati tingkat resolusi yang dipilih sambil mempertahankan proporsi gambar sumber. Karena itu, hasil potret dimulai dengan komposisi potret yang sesuai, bukan instruksi rasio aspek yang tidak berkaitan.

Referensi ke video menerima satu hingga sembilan gambar. Prompt menggunakan [Image 1], [Image 2], dan posisi berikutnya untuk mengenalinya menurut urutan masukan. Nyatakan peran setiap referensi dan sebutkan objek atau orang yang relevan agar gambar adegan tidak disalahartikan sebagai sumber karakter. Panduan referensi menerima JPEG/JPG, PNG, atau WEBP hingga 20 MB, mewajibkan sisi terpendek minimal 400 piksel, serta menyarankan referensi jelas pada 720p atau lebih tinggi. Hindari referensi terkompresi berat yang detail pengenalnya sudah hilang.

Untuk adegan dengan beberapa referensi, tempatkan orang dari satu gambar di ruangan dari gambar lain sambil mempertahankan mantel atau produk dari gambar ketiga. Jelaskan interaksi dan kamera dalam brief yang sama. Profil referensi 1.1 menyoroti kestabilan subjek, gaya adegan, dan gerakan sinematis; periksa hasil sebenarnya untuk identitas yang dimaksud, tanda produk, dan penempatan ruang. Beberapa gambar memberi brief lebih banyak informasi, tetapi tinjauan tetap perlu memeriksa fitur mana yang terbawa ke video.

Pembuat mencantumkan keluaran 480p, 720p, dan 1080p untuk mode generasi 1.1, dengan durasi dalam detik bulat dari tiga hingga lima belas serta MP4 pada 24 fps. Respons API menjelaskan pengodean H.264. Generasi teks dan referensi menawarkan bentuk termasuk 16:9, 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21, dan 21:9; generasi bingkai pertama mengikuti gambar masukan. Pilih bentuk untuk tujuan akhir dan sisakan ruang bagi teks atau elemen tata letak yang akan ditambahkan. Periksa pembingkaian video sebenarnya pada ukuran tampilan yang dimaksud.

Keluaran keluarga model ini mencakup suara. Berikan peran yang jelas kepada penampilan atau suasana dalam brief, lalu tinjau dialog, efek, atau musik latar bersama gambarnya. Jaga materi ucapan cukup singkat untuk aksi dan jeda, alih-alih memadatkan naskah panjang ke dalam satu shot pendek. Periksa gerakan bibir, atribusi pembicara, dan kata-kata sebenarnya ketika ada ucapan. Penerimaan bahasa prompt tidak dengan sendirinya menetapkan jaminan pelafalan atau masukan referensi suara terpisah.

Alur pembuat yang didokumentasikan bersifat asinkron: pengenal tugas melacak pemrosesan, dan hasil sukses menyediakan lokasi video. Tautan hasil dan kueri tugas didokumentasikan dengan masa berlaku dua puluh empat jam. Simpan klip selesai, referensi, dan prompt sebagai catatan revisi. Panduan juga mendokumentasikan kendali seed dan watermark. Seed tetap dapat membantu perbandingan, tetapi pembuat secara tegas menyatakan bahwa hasil identik tidak dijamin, sehingga nilai artefak yang dikembalikan, alih-alih menganggap satu pengaturan membenahi setiap bingkai.

HappyHorse 1.0 dan 1.1 adalah edisi terpisah. Tabel keluaran 1.1 menambahkan 480p pada opsi 720p dan 1080p milik 1.0, dan halaman model 1.1 menjelaskan peningkatan detail, gerakan, serta konsistensi. Profil penyuntingan video HappyHorse 1.0 yang bernama terpisah memiliki masukan dan batasnya sendiri, bukan mode penyuntingan yang boleh diam-diam diberikan kepada 1.1. Tinjau seluruh klip 1.1 untuk identitas, gerakan, pembingkaian, teks, dan suara, lalu buat koreksi spesifik sambil mempertahankan bagian brief yang berhasil.