ByteDance: Seedance 2.5

Seedance 2.5 membuat video menggunakan adegan tertulis dan rujukan multimodal. Selektor doubao-seedance-2-5-260628 memiliki operasi dan contoh tersendiri yang didokumentasikan. Operasi itu menjelaskan generasi, penyuntingan, dan perpanjangan video, dengan gambar, video, audio, dan teks sebagai media masukan. Gunakan rujukan untuk menyampaikan penampilan subjek, aksi, gerakan kamera, gaya, dan suara, lalu jelaskan hasil yang perlu dibuat darinya.

Kombinasi masukan mencakup teks saja, gambar atau video dengan teks opsional, gambar dengan audio, video dengan audio, serta gambar, video, dan audio bersama. Kombinasi yang tercantum memasangkan audio dengan media visual, bukan menjelaskan permintaan yang hanya berisi audio. Atur setiap item berdasarkan perannya: gambar menetapkan subjek atau tampilan, video menunjukkan gerakan atau adegan yang ada, dan audio menyediakan rujukan suara. Nyatakan peran yang penting untuk pengambilan gambar yang diminta agar rujukan latar belakang tidak disalahartikan sebagai karakter utama.

Contoh 2.5 yang spesifik adalah urutan iklan produk. Contoh ini menyediakan gambar dan beberapa rujukan video, lalu menjelaskan fokus pembuka, susunan produk yang berurutan, pengambilan gambar detail, aksi gerak lambat, dan komposisi merek penutup. Permintaan menetapkan peran reference_image dan reference_video serta menggunakan rujukan masing-masing untuk komposisi, gerakan, pekerjaan kamera, dan dampak. Ini memberikan struktur praktis untuk konsep kampanye: rencanakan momen yang terlihat, tentukan rujukan untuk setiap momen, dan nyatakan susunan akhir.

Urutan tertulis dapat membedakan kejadian dari cara pengambilan gambarnya. Jelaskan aksi produk terlebih dahulu, lalu ukuran pengambilan gambar, jalur kamera, tempo, dan transisi ke tampilan berikutnya. Jika satu rujukan menentukan produk dan rujukan lain menunjukkan gerakan kamera, sebutkan tanggung jawab yang terpisah itu. Untuk adegan dengan beberapa objek, jelaskan posisi dan urutan interaksinya. Periksa hasil yang dihasilkan untuk bentuk produk, susunan, dan gerakan yang sebenarnya, alih-alih menganggap setiap detail rujukan muncul tanpa perubahan.

Untuk penyuntingan, tentukan video yang ada dan elemen yang perlu direvisi, seperti latar, aksi, atau gaya visual, sambil menyatakan kesinambungan yang harus dipertahankan. Untuk perpanjangan, jelaskan cara adegan perlu berlanjut dari rekaman yang diberikan. Tinjau sambungan serta segmen baru: penampilan subjek, arah gerak, posisi kamera, dan pemasaan suara semuanya memengaruhi apakah hasil terasa sebagai satu adegan. Simpan video asli dan revisi yang selesai bersama agar perubahan dapat diperiksa terhadap kesinambungan yang dituju.

Contoh multimodal 2.5 yang didokumentasikan menetapkan generate_audio=true dan meminta urutan lima belas detik dengan bingkai 16:9. Nilai tersebut menjelaskan contoh itu, bukan batas durasi universal atau batas aset rujukan. Berikan maksud suara yang jelas pada adegan yang diminta, termasuk hubungan antara musik, efek, dan aksi yang terlihat, lalu nilai keluaran audiovisual yang sebenarnya. Rujukan suara dan trek suara yang dihasilkan perlu ditinjau bersama untuk tempo dan pembawaan yang dituju.

Pilih durasi, bingkai, dan resolusi dari pengaturan yang ditawarkan untuk profil yang tepat ini. Simpan konfigurasi yang diminta bersama prompt dan bandingkan dengan bidang tugas yang benar-benar dikembalikan. Gunakan durasi, resolusi, dan rasio yang dikembalikan ketika menyiapkan klip jadi untuk tujuan penggunaannya. Pertahankan pengenal profil yang tepat dalam catatan revisi agar perbandingan berikutnya menggunakan edisi terpilih yang sama.

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.

Generasi berlangsung secara asinkron. Pengiriman mengembalikan pengenal, dan alur tugas yang dikonfigurasi menyediakan status diikuti content.video_url setelah berhasil. Simpan klip jadi bersama media sumber dan arahan urutan. Tinjau semua momen yang direncanakan, interaksi objek, penampilan karakter, bingkai, dan keselarasan suara di seluruh hasil. Untuk revisi, tentukan detail konkret yang tidak terpenuhi dan pertahankan bagian adegan yang berhasil, alih-alih mengganti seluruh arahan dengan instruksi yang tidak berkaitan.