ByteDance: Seedance 2.0 Mini

Seedance 2.0 Mini adalah model bernama tersendiri dalam keluarga audiovisual Seedance 2.0 ByteDance. Produsennya mendokumentasikan teks ke video, gambar ke video dengan bingkai pertama serta bingkai pertama dan terakhir, generasi referensi multimodal, penyuntingan video, dan perpanjangan video. Bunyi dapat dihasilkan bersama gambar. Pilih mode kreasi berdasarkan materi yang sudah Anda miliki: arahan tertulis, gambar pembuka tetap, dua bingkai batas, atau klip yang perlu disunting atau dilanjutkan.

Mini memiliki profil keluaran tersendiri. Produsen mencantumkan video 480p dan 720p dengan warna 8-bit, 24 bingkai per detik, dan keluaran MP4. Rasio aspek yang didukung adalah 21:9, 16:9, 4:3, 1:1, 3:4, dan 9:16; durasi generasi yang didokumentasikan adalah 4–15 detik. Kendali durasi produsen juga memungkinkan pemilihan otomatis dalam rentang tersebut. Pilihan 1080p dan 4K pada model Seedance 2.0 penuh merupakan pilihan terpisah; pilihan itu bukan pengaturan Mini. Tabel kemampuan keluarga mencantumkan pengembalian bingkai terakhir yang dihasilkan, sedangkan mode Draft tidak didukung.

Omni reference menciptakan adegan baru menggunakan informasi terpilih dari materi yang diberikan. Gambar dapat menentukan penampilan subjek, komposisi, atau perlakuan visual. Video dapat menentukan tindakan, gerak kamera, atau efek; referensi audio dapat menentukan timbre suara, melodi, atau konten lisan. Jelaskan apa yang harus diambil model dari setiap referensi, alih-alih memintanya menyalin semua sifatnya. Misalnya, gunakan foto produk untuk bentuk dan warna, klip gerak kamera singkat untuk gerak mendekat, serta referensi bunyi untuk suasana.

Alur kerja keluarga memungkinkan hingga sembilan gambar referensi, tiga klip video, dan tiga klip audio. Setiap referensi video berdurasi 2–15 detik, dengan total tidak lebih dari 15 detik; referensi audio menggunakan batas per klip dan total yang sama. Audio saja dan teks ditambah audio tanpa referensi visual bukan kombinasi referensi yang didukung. Kreasi hanya dari teks adalah mode terpisah yang didukung. Untuk sebuah urutan, berikan aset sesuai urutan yang dimaksud dan rujuk secara konsisten sebagai Image 1, Video 1, atau Audio 1, menggunakan urutan dalam setiap jenis media. Jangan mengganti referensi bernomor dalam prompt tertulis dengan pengenal aset.

Gambar bingkai pertama menentukan pembukaan shot yang berawal dari gambar. Mode bingkai pertama dan terakhir menentukan kedua batas. Jika gambar batas yang persis itu penting, pilih mode khusus tersebut, alih-alih menjelaskan referensi sebagai pembukaan dan penutup dalam prompt omni-reference. Cara terakhir merupakan efek yang diarahkan prompt dan tidak setara dengan pilihan bingkai batas yang ketat. Siapkan gambar untuk komposisi keluaran dan nyatakan tindakan yang menghubungkan situasi awal dengan akhir.

Penyuntingan video mengubah klip yang ada, alih-alih hanya menggunakannya sebagai inspirasi. Identifikasi video yang disunting, objek atau wilayah yang diubah, waktu kemunculan dan posisinya, serta detail yang dipertahankan. Contoh arahan yang berguna: “Dalam Video 1, ganti mug dengan wadah yang ditampilkan pada Image 1; pertahankan gerakan tangan, pembingkaian, pencahayaan, dan susunan meja.” Untuk penghapusan, sebutkan objek yang tidak diinginkan dan unsur di sekitarnya yang harus tetap ada. Pembuatnya menyarankan merujuk langsung pada video sasaran untuk penyuntingan atau perpanjangan; menyebutnya sebagai referensi dapat justru menyampaikan permintaan adegan baru.

Perpanjangan video menambahkan peristiwa sebelum atau sesudah klip yang ada. Jelaskan arah kelanjutan dan apa yang terjadi berikutnya atau sebelumnya. Alur kerja yang didokumentasikan juga dapat menghubungkan dua atau tiga klip melalui transisi yang dihasilkan; ketiga video masukan secara keseluruhan tetap harus sesuai anggaran referensi 15 detik. Tutorial membedakan kelanjutan yang terutama mencakup rekaman pada batas klip asli dari permintaan yang secara eksplisit mempertahankan konten asli. Nyatakan komposisi hasil yang diinginkan: hanya kelanjutan, atau adegan yang memuat klip yang diberikan beserta tindakan baru.

Untuk arahan yang jelas, pisahkan deskripsi adegan yang stabil dari urutan peristiwa. Tentukan setiap subjek dengan dua atau tiga ciri visual pembeda dan label yang konsisten. Lalu jelaskan tindakan, latar, pencahayaan, gerak kamera, gaya visual, dan batasan. Dalam dialog, kaitkan setiap kalimat dengan penuturnya dan tindakan terkait. Gunakan label shot berurutan, alih-alih memperlakukan penanda waktu tepat sebagai kendali yang andal: pembuatnya mencatat bahwa pengaturan waktu presisi dapat tidak stabil. Arahan produk bertahap dapat berbunyi: “Image 1 menentukan Product A. Shot 1: dekati Product A di konter secara perlahan. Shot 2: sebuah tangan memutarnya ke arah cahaya. Shot 3: berhenti pada label depan. Suasana ruangan yang lembut; pertahankan tulisan tercetak.”

Siapkan referensi sesuai aturan masukan keluarga yang didokumentasikan. Format gambar yang didukung mencakup JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, dan HEIF; setiap gambar lebih kecil dari 30 MB. Panduan menetapkan lebar dan tinggi gambar secara ketat di antara 300 dan 6.000 piksel serta rasio aspek secara ketat di antara 0,4 dan 2,5. Referensi video menggunakan MP4 atau MOV dengan video H.264 atau H.265 dan audio AAC atau MP3, masing-masing paling besar 200 MB dan memiliki 24–60 bingkai per detik. Lebar dan tingginya 300–6.000 piksel, rasio aspek 0,4–2,5, dan jumlah piksel total 407.696–8.295.044. Referensi audio menggunakan WAV atau MP3 dan masing-masing paling besar 15 MB. Ini adalah spesifikasi persiapan masukan produsen, terpisah dari kendali unggahan aplikasi tertentu.

Alur kerja potret pembuatnya memerlukan persiapan khusus untuk gambar atau video yang memuat wajah manusia nyata: unggahan referensi langsung bukan jalur standar yang didukung. Dokumentasinya menyebut keluaran model tepercaya, karakter digital prasetel, dan alur kerja aset orang nyata yang diizinkan sebagai solusi terpisah. Pencocokan suara, pelafalan, dan bunyi pada batas klip juga perlu diperiksa. Panduan prompt menyarankan menjelaskan karakteristik suara yang diinginkan dan menjaga gaya dialog dekat dengan referensi audio. Tinjau artefak akhir untuk konsistensi subjek, kata-kata yang tepat, waktu tindakan, transisi bingkai, dan audio penutup; perbaiki unsur tertentu yang berbeda dari arahan.