ByteDance: Seedance 2.0

Seedance 2.0 menghasilkan video dari adegan tertulis atau kombinasi rujukan gambar, video, dan audio. Selektor doubao-seedance-2-0-260128 mengidentifikasi profil 2.0 standar. Alur kerja yang didokumentasikan mencakup generasi video baru, penyuntingan, dan perpanjangan rekaman yang ada. Gunakan rujukan untuk menyampaikan penampilan, gerakan, bahasa kamera, dan suara, lalu nyatakan bagian adegan yang harus dikendalikan masing-masing rujukan.

Teks dapat diberikan sendiri. Kombinasi multimodal yang didokumentasikan juga mengizinkan gambar atau video dengan teks opsional, gambar dengan audio, video dengan audio, serta gambar, video, dan audio bersama. Karena itu, audio menyertai media visual dalam kombinasi yang tercantum ini; audio tidak dijelaskan sebagai permintaan audio-ke-video mandiri. Tulis hasil yang dituju dengan jelas meskipun teks bersifat opsional, agar peran setiap rujukan eksplisit dan tidak perlu disimpulkan dari aset yang tidak berkaitan.

Array content membedakan item text, image_url, video_url, dan audio_url. Rujukan multimodal menggunakan peran seperti reference_image, reference_video, dan reference_audio. Gambar dapat menentukan orang, objek, lokasi, atau tampilan. Video dapat memperlihatkan cara suatu aksi dilakukan, gerakan, atau sudut kamera, dan audio dapat menetapkan trek atau pemasaan. Nyatakan pembagian perannya dalam arahan: pertahankan subjek dari gambar, ikuti sudut kamera video, dan gunakan audio sebagai latar. Jangan meminta setiap rujukan menentukan semua sifat sekaligus.

Contoh iklan yang didokumentasikan menggabungkan dua gambar produk dengan rujukan video dan audio. Contoh itu menjelaskan tampilan pembuka, urutan aksi, detail dekat produk, dan komposisi penutup sambil mempertahankan suara latar yang konsisten. Struktur yang sama dapat mengatur presentasi singkat: perkenalkan objek, tampilkan satu aksi, dan akhiri pada ciri yang dapat dikenali. Untuk penyuntingan, tentukan rekaman sumber serta elemen yang perlu berubah; untuk perpanjangan, jelaskan aksi yang berlanjut melewati adegan yang ada sambil mempertahankan subjek dan arah gerak.

Profil 2.0 mendokumentasikan durasi dalam detik bulat dari empat hingga lima belas, atau -1 untuk durasi yang dipilih otomatis dalam rentang itu. Bawaannya lima detik. Pilihan resolusinya 480p dan 720p, dengan 720p sebagai bawaan; 1080p dikecualikan untuk 2.0. Rasio aspek tetap mencakup 16:9, 4:3, 1:1, 3:4, 9:16, dan 21:9. Rasio adaptif dapat memilih bingkai dari prompt atau rujukan: pekerjaan dengan bingkai pertama mengikuti gambar pembuka, dan pekerjaan multimodal menggunakan adegan yang dituju atau media relevan pertama, dengan video lebih diutamakan daripada gambar. Periksa hasil tugas untuk rasio dan durasi yang sebenarnya.

Suara yang dihasilkan dikendalikan secara terpisah dari media rujukan. generate_audio=true meminta suara manusia, efek, dan musik latar yang tersinkronisasi berdasarkan teks serta konten visual; false meminta video tanpa suara. Bawaan yang didokumentasikan adalah true, dan dialog dalam tanda petik direkomendasikan untuk ucapan. Tentukan pembicara serta hubungan suara dengan aksi yang terlihat, lalu periksa kata yang benar-benar diucapkan, penetapan suara, dan pemasaan. Pemberian rujukan audio dan pengaktifan suara yang dihasilkan merupakan pilihan permintaan yang berbeda.

Panduan 2.0 mengecualikan kontrol frames dan camera_fixed yang lebih lama serta tidak mendukung pemrosesan luring flex. Gunakan bidang duration dan jelaskan gerakan kamera dalam adegan itu sendiri. Seed dan watermark tetap merupakan kontrol yang didokumentasikan; panduan menyatakan bahwa permintaan dan seed yang sama dapat menghasilkan hasil serupa tanpa menjamin identitas yang tepat. Hindari memperlakukan seed sebagai bukti keterulangan, atau permintaan berulang sebagai klip yang sudah diperiksa.

Pemakaian token video dihitung sebagai (durasi video masukan + durasi video keluaran) × lebar keluaran × tinggi keluaran × laju bingkai keluaran / 1024. Permintaan yang mengandung video masukan dan yang tidak mengandung video masukan memiliki kategori penagihan yang berbeda. Kueri tugas melaporkan usage.completion_tokens dan usage.total_tokens; simpan jumlah yang dilaporkan ini bersama klip yang selesai.

Alur kerja berlangsung secara asinkron: pengiriman mengembalikan pengenal tugas, dan tugas yang selesai menyediakan content.video_url bersama durasi, resolusi, rasio, laju bingkai, dan pemakaian token yang dilaporkan. Simpan pengenal dan video jadi bersama rujukan asli serta prompt. Bidang kedaluwarsa memiliki bawaan 172800 detik dan menerima 3600–259200 detik sejak pembuatan tugas; tugas yang melampaui interval menjadi expired. Tinjau seluruh keluaran, termasuk sambungan suntingan atau lanjutan, untuk penampilan karakter, detail objek, hubungan ruang, kesinambungan kamera, dan kesesuaian waktu suara dengan gambar.