ByteDance: Seedance 2.0 Mini

Seedance 2.0 Mini è un modello con un nome distinto all’interno della famiglia audiovisiva Seedance 2.0 di ByteDance. Il produttore documenta la generazione di video da testo, la generazione da immagini con primo fotogramma o primo e ultimo fotogramma, la generazione con riferimenti multimodali, la modifica e l’estensione di video. Il suono può essere generato insieme alle immagini. Scegli la modalità di creazione in base al materiale di cui disponi: un brief scritto, un’immagine iniziale fissa, due fotogrammi di confine o un clip da modificare o continuare.

Mini ha un proprio profilo di output. Il produttore elenca video a 480p e 720p con colore a 8 bit, 24 fotogrammi al secondo e output MP4. I rapporti d’aspetto supportati sono 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16; la durata di generazione documentata è di 4–15 secondi. Il controllo della durata consente anche la selezione automatica entro questo intervallo. Le opzioni 1080p e 4K del modello Seedance 2.0 completo sono separate; non sono impostazioni di Mini. La tabella delle capacità della famiglia elenca la restituzione dell’ultimo fotogramma generato, mentre la modalità Draft non è supportata.

Il riferimento omni crea una nuova scena utilizzando informazioni selezionate dal materiale fornito. Un’immagine può definire l’aspetto di un soggetto, la composizione o il trattamento visivo. Un video può definire l’azione, il movimento di camera o un effetto; un riferimento audio può definire il timbro della voce, la melodia o il contenuto parlato. Indica al modello che cosa ricavare da ciascun riferimento, invece di chiedergli di copiarne ogni proprietà. Per esempio, usa una fotografia di prodotto per forma e colore, un breve clip di movimento di camera per l’avvicinamento e un riferimento sonoro per l’atmosfera.

Il flusso di lavoro della famiglia consente fino a nove immagini di riferimento, tre clip video e tre clip audio. I riferimenti video durano 2–15 secondi ciascuno, per non più di 15 secondi complessivi; i riferimenti audio hanno gli stessi limiti di durata per clip e totali. L’audio da solo e il testo con audio senza un riferimento visivo non sono combinazioni di riferimenti supportate. La creazione con solo testo è una modalità supportata separata. Per una sequenza, fornisci le risorse nell’ordine previsto e richiamale coerentemente come Image 1, Video 1 o Audio 1, usando l’ordine all’interno di ciascun tipo di contenuto. Nel prompt scritto non sostituire un riferimento numerato con l’identificatore di una risorsa.

Un’immagine di primo fotogramma definisce l’apertura di un’inquadratura guidata da un’immagine. La modalità primo e ultimo fotogramma definisce entrambi i confini. Se quelle esatte immagini iniziali e finali sono importanti, seleziona la modalità dedicata invece di descrivere i riferimenti come apertura e conclusione in un prompt omni-reference. Quest’ultima soluzione produce un effetto guidato dal prompt e non equivale alla scelta rigorosa dei fotogrammi di confine. Prepara le immagini per la composizione di uscita e specifica l’azione che collega la situazione iniziale a quella finale.

La modifica video cambia un clip esistente invece di usarlo soltanto come ispirazione. Identifica il video da modificare, l’oggetto o la regione da cambiare, il momento e la posizione in cui appare e i dettagli da preservare. Un brief utile è «In Video 1, replace the mug with the vessel shown in Image 1; preserve the hand movement, framing, lighting and table arrangement.» Per una rimozione, indica l’oggetto indesiderato e gli elementi circostanti che devono restare. Il produttore consiglia di riferirsi direttamente al video da modificare o estendere; presentarlo come riferimento può invece comunicare la richiesta di una scena nuova.

L’estensione video aggiunge eventi prima o dopo un clip esistente. Descrivi la direzione della continuazione e ciò che accade dopo o prima. Il flusso documentato può anche collegare due o tre clip con transizioni generate; i tre video in ingresso devono comunque rientrare complessivamente nel limite di 15 secondi di riferimenti. Il tutorial distingue una continuazione che include principalmente il filmato ai confini del clip originale da una richiesta che ne conserva esplicitamente il contenuto. Specifica la composizione desiderata del risultato: soltanto la continuazione oppure una scena contenente il clip fornito e la nuova azione.

Per impartire indicazioni chiare, separa la descrizione della scena stabile dalla sequenza degli eventi. Definisci ogni soggetto con due o tre caratteristiche visive distintive e un’etichetta coerente. Descrivi quindi azioni, ambientazione, illuminazione, movimento di camera, stile visivo e vincoli. In un dialogo, associa ogni battuta a chi la pronuncia e all’azione pertinente. Usa etichette ordinate per le inquadrature invece di considerare le indicazioni temporali esatte come controlli affidabili: il produttore segnala che la precisione dei tempi può essere instabile. Un brief di prodotto articolato in più momenti potrebbe essere: «Image 1 defines Product A. Shot 1: slowly approach Product A on the counter. Shot 2: a hand rotates it toward the light. Shot 3: settle on the front label. Soft room ambience; preserve the printed lettering.»

Prepara i riferimenti secondo le regole di ingresso documentate per la famiglia. I formati immagine supportati comprendono JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC e HEIF; ogni immagine deve essere inferiore a 30 MB. La guida specifica larghezza e altezza strettamente comprese tra 300 e 6.000 pixel e un rapporto d’aspetto strettamente compreso tra 0.4 e 2.5. I riferimenti video usano MP4 o MOV con video H.264 o H.265 e audio AAC o MP3, hanno un massimo di 200 MB ciascuno e 24–60 fotogrammi al secondo. Larghezza e altezza sono di 300–6.000 pixel, il rapporto d’aspetto è di 0.4–2.5 e il numero totale di pixel è di 407.696–8.295.044. I riferimenti audio usano WAV o MP3 e hanno un massimo di 15 MB ciascuno. Queste sono specifiche del produttore per la preparazione degli input, distinte dai controlli di caricamento di una particolare applicazione.

Il flusso del produttore dedicato ai ritratti richiede una preparazione specifica per immagini o video contenenti volti di persone reali: i caricamenti diretti di riferimenti non sono il percorso standard supportato. Sono documentati come soluzioni separate gli output attendibili del modello, i personaggi digitali predefiniti e un flusso di risorse di persone reali autorizzate. Anche la corrispondenza della voce, la pronuncia e il suono al confine di un clip richiedono un controllo. La guida ai prompt consiglia di descrivere le caratteristiche vocali desiderate e mantenere lo stile del dialogo vicino al riferimento audio. Controlla il risultato finale per la coerenza del soggetto, le parole pronunciate esatte, i tempi dell’azione, le transizioni tra fotogrammi e l’audio finale; perfeziona l’elemento specifico che differisce dal brief.