ByteDance: Seedance 2.5

Seedance 2.5 lager video ved hjelp av en skriftlig scene og multimodale referanser. Den nøyaktige velgeren doubao-seedance-2-5-260628 har sin egen dokumenterte operasjon og sitt eget eksempel. Operasjonen beskriver generering, redigering og forlengelse av video, med bilder, video, lyd og tekst som inndatamedier. Bruk referansene til å formidle motivets utseende, handling, kamerabevegelse, stil og lyd, og forklar deretter hvilket resultat som skal lages fra dem.

Inndatakombinasjonene omfatter tekst alene, bilder eller video med valgfri tekst, bilder med lyd, video med lyd samt bilder, video og lyd sammen. De oppførte kombinasjonene knytter lyd til visuelle medier fremfor å beskrive en forespørsel med bare lyd. Organiser hvert element etter rollen det har: et bilde fastsetter et motiv eller et uttrykk, en video demonstrerer bevegelse eller en eksisterende scene, og lyd gir en lydreferanse. Angi hvilken rolle som er viktig for ønsket opptak, slik at en bakgrunnsreferanse ikke forveksles med hovedfiguren.

Det konkrete 2.5-eksemplet er en reklamesekvens for et produkt. Det oppgir et bilde og flere videoreferanser, og beskriver deretter et innledende fokus, ordnede produktoppstillinger, detaljopptak, en handling i sakte film og en avsluttende merkevarekomposisjon. Forespørselen tildeler rollene reference_image og reference_video og bruker individuelle referanser for komposisjon, bevegelse, kameraføring og virkning. Dette gir en praktisk struktur for et kampanjekonsept: planlegg de synlige fasene, angi referansen for hver fase og spesifiser sluttoppstillingen.

En skriftlig sekvens kan skille mellom hva som skjer og hvordan det filmes. Beskriv produktets handling først, deretter bildeutsnitt, kameraets bevegelsesbane, tempo og overgang til neste bilde. Hvis én referanse definerer produktet og en annen demonstrerer en kamerabevegelse, angir du disse separate oppgavene. For en scene med flere gjenstander forklarer du plasseringen og rekkefølgen på samspillet mellom dem. Undersøk det genererte resultatet for faktisk produktform, oppstilling og bevegelse, fremfor å anta at hver referansedetalj vises uendret.

For en redigering angir du den eksisterende videoen og elementet som skal revideres, for eksempel omgivelsene, en handling eller den visuelle stilen, samtidig som du oppgir kontinuiteten som skal bevares. For en forlengelse beskriver du hvordan scenen skal fortsette fra det vedlagte opptaket. Vurder overgangen i tillegg til det nye segmentet: motivets utseende, bevegelsesretningen, kameraets posisjon og lydens tidsplassering påvirker alle om resultatet oppleves som én scene. Behold originalvideoen og den ferdige revisjonen samlet, slik at endringen kan vurderes opp mot ønsket kontinuitet.

Det dokumenterte multimodale 2.5-eksemplet angir generate_audio=true og ber om en femten sekunder lang sekvens med bildeformatet 16:9. Disse verdiene beskriver eksemplet, og er ikke en universell øvre grense for varighet eller referansemateriale. Gi ønsket scene en tydelig lydplan, inkludert forholdet mellom musikk, effekter og synlig handling, og vurder deretter det faktiske audiovisuelle resultatet. En lydreferanse og det genererte lydsporet bør vurderes sammen med tanke på ønsket tempo og fremføring.

Velg varighet, bildeformat og oppløsning blant innstillingene som tilbys for akkurat denne profilen. Behold den forespurte konfigurasjonen sammen med ledeteksten og sammenlign den med oppgavens faktiske returnerte felt. Bruk returnert varighet, oppløsning og sideforhold når du klargjør det ferdige klippet for bruksstedet. Behold den nøyaktige profilidentifikatoren i revisjonsloggen, slik at en senere sammenligning bruker samme valgte utgave.

Forbruket av videotokens beregnes som (inndatavideoens varighet + utdatavideoens varighet) × utdatabredde × utdatahøyde × utdatabildefrekvens / 1024. Forespørsler med inndatavideo og forespørsler uten inndatavideo har egne faktureringskategorier. Oppgavespørringen rapporterer usage.completion_tokens og usage.total_tokens; behold disse rapporterte mengdene sammen med det ferdige klippet.

Genereringen er asynkron. Innsending returnerer en ID, og den konfigurerte oppgaveflyten gir status etterfulgt av content.video_url etter vellykket fullføring. Lagre det ferdige klippet sammen med kildemediene og sekvensbeskrivelsen. Vurder alle planlagte faser, samspillet mellom gjenstander, figurenes utseende, bildeutsnitt og synkronisering mellom lyd og bilde i hele resultatet. Ved en revisjon angir du den konkrete detaljen som manglet, og bevarer de vellykkede delene av scenen fremfor å erstatte hele beskrivelsen med uvedkommende instruksjoner.