ByteDance: Seedance 1.5 Pro

Seedance 1.5 Pro genererer video fra tekst eller et bilde og kan generere lyd sammen med bildet. Den nøyaktige velgeren er doubao-seedance-1-5-pro-251215. Lydinnstillingen skiller den fra Seedance 1.0-profilene uten lyd: generate_audio=true ber om synkronisert lyd, mens false ber om en video uten lyd. Bruk en skriftlig scene for et nytt konsept eller et bilde for å fastsette åpningsmotivet og komposisjonen.

Beskriv den visuelle handlingen og lyden som deler av samme scene. Angi motiv, omgivelser, bevegelse og kamera, og forklar deretter ønskede stemmer, lydeffekter eller bakgrunnsmusikk. En portrettscene kan vise en person som åpner øynene mens kameraet langsomt trekker seg tilbake, med vind i omgivelsene. For en produktscene knytter du lyden til den synlige hendelsen, for eksempel et lokk som åpnes eller en gjenstand som berører en overflate, fremfor å legge til en usammenhengende liste med effekter.

Modellen kan generere stemmer, effekter og bakgrunnsmusikk fra ledeteksten og det visuelle innholdet. Veiledningen anbefaler å sette talt dialog i doble anførselstegn. Hold talen kort nok til den ønskede handlingen og pausene, og skill mellom hvem som snakker når flere figurer er med. Vurder den faktiske ordlyden, stemmetildelingen og synkroniseringen med bildet. En lydinstruksjon styrer den genererte fremføringen; den er ikke en separat opplastet stemmereferanse i denne profilens dokumenterte forespørsel.

Bilde til video bruker et image_url-element sammen med teksten. Oppgi en tilgjengelig bilde-URL eller en Base64-data-URL i formatet JPEG, PNG, WEBP, BMP, TIFF eller GIF. De dokumenterte bildegrensene er under 30 MB, begge dimensjoner strengt mellom 300 og 6000 piksler og et forhold mellom bredde og høyde strengt mellom 0.4 og 2.5. Klargjør ønsket beskjæring og motiv tydelig, og beskriv deretter bevegelsen fra denne komposisjonen. Bildeeksemplet bruker et tilpasset sideforhold for å følge referansen.

Den profilspesifikke varighetsveiledningen oppgir hele sekunder fra fire til tolv, eller -1 for at modellen skal velge en varighet innenfor dette intervallet. Standardvarigheten er fem sekunder. Seedance 1.5 Pro har 720p som standard, og den bevarte profiltabellen dokumenterer 480p og 720p; den egne operasjonsveiledningen tilbyr ikke 1080p for 1.5 Pro. Faste sideforhold inkluderer 16:9, 4:3, 1:1, 3:4, 9:16 og 21:9, med adaptive som dokumentert standard for 1.5. Undersøk det faktiske klippets varighet og proporsjoner fremfor å behandle forespurte verdier som et allerede returnert resultat.

Forespørselen har to behandlingsnivåer. service_tier=default velger nettbasert behandling, mens flex velger frakoblet behandling for arbeid som tåler lengre ventetid. Nivået kan ikke endres etter at oppgaven er sendt inn. Velg det etter arbeidsflytens tidsbehov, og behold valget i forespørselsloggen. Lydmodus og behandlingsnivå er separate valg: et klipp uten lyd er ikke automatisk en frakoblet jobb, og aktivering av lyd velger ikke et behandlingsnivå.

Hold instruksjonene for seed, watermark og kamera i samsvar med scenen. Parameterkommandoer innebygd i teksten har forrang over separate valgfrie parametere. Innstillingen for fast kamera er utelukket ved bruk av referansebilde og garanterer ikke et låst bilde der den gjelder. For en bildestyrt animasjon beskriver du ønsket bevegelse direkte, fremfor å anta at en kamerainnstilling gjør det unødvendig å beskrive opptaket.

Forbruk måles i videotokens: utdatabredde × utdatahøyde × bildefrekvens × utdatavarighet / 1024. Den fullførte oppgaven rapporterer denne mengden som usage.completion_tokens. Behold det rapporterte forbruket sammen med det ferdige klippet og de forespurte innstillingene. Lyd slått på eller av og nettbasert behandling eller flex-behandling forblir egne kategorier i den forbruksbaserte prisen.

Innsending returnerer en ID for en asynkron oppgave. Følg oppgaven til den er fullført, og lagre deretter videoen oppgitt i content.video_url. Dokumentert lagringstid for genererte filer er sju dager. Utløpsinnstillingen måles fra opprettelsen, har 172800 sekunder som standard og godtar verdier fra 3600 til 259200 sekunder; en uferdig oppgave utløper etter det konfigurerte intervallet. Behold sluttklippet, originalbildet og den nøyaktige beskrivelsen av bilde og lyd samlet, og vurder deretter hele resultatets handling, identitet, kamerakontinuitet og synkronisering mellom lyd og bilde.