Alibaba: HappyHorse 1.1

Alibaba HappyHorse 1.1 er en videogenereringsutgave med egne navngitte profiler for tekst-til-video, bilde-til-video fra første bilde og referanse-til-video. Produsenten fremhever forbedrede visuelle detaljer, bevegelse, karakteridentitet mellom klipp, tekststabilitet og synkronisering av lyd og bilde. Resultatet er en kort video med lyd, nyttig til et produktopptak, en portrettanimasjon eller en liten karakterscene. Velg inndatamodus etter hva som skal definere scenen: et skriftlig konsept, et nøyaktig åpningsbilde eller flere visuelle referanser.

For tekst-til-video beskriver du motiv, lokasjon, handling, utsnitt, kamerabevegelse og ønsket lyd. I en kort handlingsscene kan du vise en syklist som stopper ved en kafé langs elven, mens kameraet beveger seg rolig mot den parkerte sykkelen. Hold handlingen passende for et kort klipp, og beskriv sluttøyeblikket. Produsentens nåværende tekstveiledning tillater opptil 5 000 ikke-kinesiske eller 2 500 kinesiske tegn og kutter tekst utover grensen. Organiser beskrivelsen slik at det vesentlige motivet og handlingen er uttrykkelige, fremfor begravet i gjentatte adjektiver.

Bilde-til-video fra første bilde bruker nøyaktig ett bilde som åpning. Klargjør motivet, komposisjonen og ønsket utsnitt i dette stillbildet, og beskriv deretter hva som skal bevege seg eller hvordan kameraet skal endres. De dokumenterte bildeformatene er JPEG/JPG, PNG og WEBP, opptil 20 MB, med begge dimensjoner på minst 300 piksler og et sideforhold mellom 1:2.5 og 2.5:1. Resultatet tilnærmer seg det valgte oppløsningsnivået samtidig som kildebildets proporsjoner bevares. Et stående resultat begynner derfor med en egnet stående komposisjon, fremfor en urelatert instruksjon om sideforhold.

Referanse-til-video tar imot ett til ni bilder. Prompten bruker [Image 1], [Image 2] og påfølgende posisjoner til å identifisere dem i inndatarekkefølgen. Angi rollen til hver referanse, og navngi det relevante objektet eller personen, slik at et scenebilde ikke forveksles med en karakterkilde. Referanseveiledningen godtar JPEG/JPG, PNG eller WEBP på opptil 20 MB, krever en kortside på minst 400 piksler og anbefaler tydelige referanser i 720p eller høyere. Unngå en sterkt komprimert referanse der identifiserende detaljer allerede mangler.

For en scene med flere referanser kan du plassere personen fra ett bilde i rommet fra et annet, samtidig som en frakk eller et produkt fra et tredje bevares. Beskriv samspillet og kameraet i den samme beskrivelsen. Referanseprofilen i 1.1 fremhever stabilitet i motiver, scenestil og filmatiske bevegelser; undersøk det faktiske resultatet for ønsket identitet, produktmerking og romlig plassering. Flere bilder gir beskrivelsen mer informasjon, men gjennomgangen må fortsatt kontrollere hvilke egenskaper som ble overført til videoen.

Produsenten oppgir utdata i 480p, 720p og 1080p for genereringsmodusene i 1.1, med lengde i hele sekunder fra tre til femten og MP4 ved 24 bilder per sekund. API-responsen beskriver H.264-koding. Tekst- og referansegenerering tilbyr formater som 16:9, 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 og 21:9; generering fra første bilde følger inngangsbildet. Velg format etter bruksstedet, og gi plass til senere undertekster eller layoutelementer. Undersøk det faktiske utsnittet i den returnerte videoen i den tiltenkte visningsstørrelsen.

Modellfamiliens resultater inkluderer lyd. Gi fremføringen eller atmosfæren en tydelig rolle i beskrivelsen, og vurder eventuell dialog, effekter eller bakgrunnsspor sammen med bildet. Hold talematerialet kort nok til handlingen og pausene, fremfor å presse et langt manus inn i ett kort opptak. Kontroller leppebevegelse, hvem som snakker og den faktiske ordlyden når tale er med. At et promptspråk godtas, innebærer i seg selv verken garantert uttale eller en separat inngang for stemmereferanse.

Produsentens dokumenterte arbeidsflyt er asynkron: en oppgaveidentifikator følger behandlingen, og et vellykket resultat gir videoens adresse. Resultatlenken og oppgavesøkene er dokumentert med en gyldighetsperiode på tjuefire timer. Behold det ferdige klippet, referansene og prompten som revisjonsgrunnlag. Veiledningene dokumenterer også kontroller for seed og vannmerke. En fast seed kan hjelpe med sammenligning, men produsenten sier uttrykkelig at den ikke garanterer identiske resultater, så vurder den returnerte filen fremfor å anta at én innstilling fastsetter hvert bilde.

HappyHorse 1.0 og 1.1 er separate utgaver. Utdatatabellen for 1.1 legger 480p til valgene 720p og 1080p fra 1.0, og modellsidene for 1.1 beskriver oppgraderinger i detaljer, bevegelse og konsistens. Den separat navngitte video-edit-profilen for HappyHorse 1.0 har egne inndata og grenser og er ikke en redigeringsmodus som uten videre kan tilordnes 1.1. Vurder hele 1.1-klippet for identitet, bevegelse, utsnitt, tekst og lyd, og gjør deretter en konkret korrigering samtidig som de vellykkede delene av beskrivelsen bevares.