ByteDance: Seedance 2.0 Fast

Seedance 2.0 Fast adalah profil Fast tersendiri, dipilih dengan doubao-seedance-2-0-fast-260128. Profil ini mendukung generasi, penyuntingan, dan perpanjangan video menggunakan teks serta rujukan gambar, video, dan audio. Profil ini berguna ketika arahan adegan memerlukan lebih dari deskripsi penampilan: media yang ada juga dapat menyampaikan cara aksi dilakukan, bahasa kamera, dan suara. Nama Fast membedakan identitas permintaan; nama itu bukan janji bahwa tugas asinkron tertentu selesai dalam waktu tetap.

Mulailah dari elemen yang perlu menentukan pengambilan gambar baru. Teks saja dapat mendeskripsikan adegan baru. Gambar dapat menetapkan karakter, produk, atau komposisi; video dapat menyediakan gerakan atau urutan yang ada untuk direvisi atau dilanjutkan. Kombinasi konten yang didokumentasikan mencakup gambar dengan audio, video dengan audio, serta gambar, video, dan audio bersama, dengan teks opsional di samping media visual. Kombinasi itu tidak menjelaskan permintaan mandiri yang hanya berisi audio, jadi pasangkan rujukan suara dengan sumber visual yang perlu dipandunya.

Pertahankan peran rujukan secara eksplisit dalam array content dan dalam arahan. Item image_url, video_url, dan audio_url dapat membawa peran reference_image, reference_video, dan reference_audio. Jelaskan gambar yang menyediakan subjek, video yang menyediakan kamera atau aksi, dan audio yang menyediakan trek suara. Untuk pengambilan gambar produk, gambar dapat menentukan kemasan sementara video menunjukkan gerakan melewati objek. Tentukan akhir yang diinginkan agar urutan singkat memiliki tampilan penutup yang berguna, bukan berhenti di tengah aksi.

Untuk penyuntingan, tentukan rekaman sumber, perubahan, dan kesinambungan yang perlu dipertahankan. Perubahan latar belakang atau pencahayaan perlu tetap menyatakan subjek dan aksi yang dituju secara jelas. Untuk perpanjangan, jelaskan kejadian berikutnya serta hubungan gerakan baru dengan adegan yang ada. Rujukan memandu generasi; periksa sambungan yang sebenarnya dan seluruh klip untuk penampilan, arah gerak, dan pemasaan, alih-alih menganggap lanjutan mempertahankan setiap detail pada tingkat bingkai.

Rentang 2.0 Fast yang didokumentasikan adalah empat hingga lima belas detik bulat, dengan -1 tersedia agar model memilih durasi dalam rentang itu. Durasi bawaannya lima detik. Resolusi keluaran 480p atau 720p, dengan 720p sebagai bawaan dan 1080p dikecualikan. Pilih bentuk tetap 16:9, 4:3, 1:1, 3:4, 9:16, dan 21:9, atau bingkai adaptif. Bingkai adaptif mengikuti konteks prompt atau rujukan yang relevan; pengambilan gambar dengan bingkai pertama mengikuti gambar pembukanya, sementara bingkai multimodal dapat mengutamakan video daripada gambar. Baca bidang tugas yang dikembalikan untuk durasi dan rasio yang sebenarnya.

Gunakan generate_audio untuk memilih apakah video yang dihasilkan mencakup suara tersinkronisasi. Bawaan yang didokumentasikan adalah true; false meminta video tanpa suara. Dengan audio aktif, profil menghasilkan suara manusia, efek, atau musik latar dari prompt dan konten visual, dan panduan merekomendasikan dialog diapit tanda petik ganda. Nyatakan pembicara serta hubungan yang dituju antara suara dan aksi. Tinjau ucapan bersama pendengar yang fasih dalam bahasa tersebut dan periksa keselarasan suara di seluruh klip, termasuk segmen yang disunting atau diperpanjang.

Panduan 2.0 Fast mengecualikan kontrol frames dan camera_fixed yang lebih lama serta tidak mendukung pemrosesan luring flex. Jelaskan perilaku kamera dalam adegan dan gunakan duration untuk panjang klip. Opsi seed dan watermark tetap didokumentasikan. Seed yang sama bukan jaminan keluaran identik, jadi simpan artefak jadi ketika membandingkan revisi, alih-alih hanya mengandalkan pengaturan permintaan.

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.

Pengiriman mengembalikan pengenal tugas sebelum video jadi tersedia. Ikuti status pemrosesan, lalu ambil content.video_url setelah berhasil dan simpan durasi, resolusi, rasio, laju bingkai, serta pemakaian yang dilaporkan bersama hasil. Interval kedaluwarsa dihitung sejak pembuatan tugas, memiliki bawaan 172800 detik, dan berkisar dari 3600 hingga 259200 detik. Simpan klip akhir bersama rujukan dan prompt, lalu periksa identitas subjek, kontak objek, kesinambungan kamera, dan pemasaan suara di seluruh urutan.