Kling: Video v3.0 Standard

Kling VIDEO 3.0 Standard to profil 720p Kuaishou do generowania sceny wideo z tekstu lub dostarczonego obrazu. Korzysta z natywnego audio, referencji podmiotów i narracji wielu ujęć wersji VIDEO 3.0, z elastyczną długością od trzech do piętnastu sekund. Profil przydaje się do rozwijania kierunku wizualnego, podglądu krótkiej narracji lub tworzenia zwięzłej sceny z określoną akcją i dźwiękiem.

W scenie prowadzonej tekstem ustanów podmiot, scenerię, akcję, światło i zachowanie kamery. W scenie prowadzonej obrazem przygotuj obraz otwierający wyraźnie pokazujący wygląd i kompozycję do animacji. Oryginalny brief może pokazywać postać obok stołu warsztatowego, a następnie opisywać podnoszenie małego przedmiotu, gdy kamera zbliża się do akcji. W sformułowaniu oddziel ruch podmiotu od ruchu kamery.

Generacja wielu ujęć może automatycznie zaplanować pokrycie sceny na podstawie opisu. Własna reżyseria wielu ujęć zamiast tego przypisuje treść i czas poszczególnym ujęciom. Profil własnych ujęć producenta przyjmuje od jednego do sześciu ujęć, najwyżej 512 znaków na ujęcie i co najmniej jedną sekundę na każde. Czasy muszą sumować się do całkowitej długości klipu. Gdy jeden ciągły widok jasno przekazuje scenę, brief pojedynczego ujęcia unika zbędnego przejścia.

Krótki storyboard może zaczynać od widoku scenerii, przechodzić do akcji i kończyć detalem wyjaśniającym wynik. Określ podmiot pozostający w każdym ujęciu i zmianę kadrowania. Tryb automatyczny może dostosować pokrycie do sceny, a własna sekwencja daje jawne instrukcje dla jej osobnych części. Normalny pojedynczy prompt przyjmuje do 2500 znaków w dokumentacji producenta.

Parametry referencji podmiotów pomagają kotwiczyć postacie, obiekty i scenerię. Używaj wyraźnych materiałów referencyjnych i nadawaj każdemu podmiotowi stały opis. Udokumentowany profil oparty na obrazie pozwala wykorzystać do trzech przygotowanych elementów. W ilustrowanej scenie produktu jedna referencja może ustanowić obiekt, a kompozycja otwierająca jego miejsce; brief ruchu opisuje wtedy zdarzenie wokół niego. Sprawdzaj ukończony wygląd w całym ujęciu, zamiast zakładać, że referencja zapobiega każdej zmianie.

Pierwsza i ostatnia klatka mogą prowadzić przejście warunkowane obrazem do pożądanej końcowej kompozycji. Używaj klatek komunikujących wiarygodne połączenie i opisz działanie między nimi. Profil obrazowy producenta przyjmuje JPG, JPEG i PNG, nie większe niż 10 MB, z wymiarami co najmniej 300 pikseli; proporcje obrazu początkowego muszą mieścić się między 1:2.5 a 2.5:1. Przygotuj materiały klatek dla tego zadania, zamiast traktować opis storyboardu jako zamienny pakiet wejściowy.

Profil Standard może generować natywne audio po włączeniu tego trybu; dokumentacja producenta domyślnie wyłącza audio. Opisuj kwestie, atmosferę i właściwy dźwięk jako część sceny. VIDEO 3.0 obsługuje mowę chińską, angielską, japońską, koreańską i hiszpańską, w tym przełączanie języków i obsługiwane akcenty lub dialekty. Przewodnik producenta mówi, że dialog wprowadzony w innym języku jest tłumaczony na angielski. W scenie z wieloma postaciami wyraźnie wskaż mówcę i zadbaj, aby wypowiedzi były wystarczająco krótkie do zamierzonego wykonania.

Oryginalny brief dialogu może przypisać kwestię Mówcy A, widoczną reakcję Mówcy B i zmianę punktu widzenia podążającą za wymianą. Opisuj dźwięk scenerii oddzielnie od dialogu, aby efekt tła nie stał się niejednoznaczną instrukcją mowy. Materiałem referencyjnym ustanawiaj wygląd podmiotów, a tekstem ich działania i słowa.

Widoczne litery są kolejną częścią procesu 3.0. Obraz źródłowy może zawierać szyld, podpis lub etykietę produktu, których wygląd ma znaczenie w animacji. Wskaż ten tekst i jego rolę w scenie, a następnie sprawdź pisownię, czytelność i stabilność wyniku. W krótkim materiale kampanii utrzymuj ważny komunikat na widocznym miejscu kompozycji, zamiast polegać na bardzo małej etykiecie w tle.

Standardowe wyjście to 720p. Pro jest osobno wybranym profilem 1080p, a natywne 4K kolejnym trybem producenta, a nie automatycznym ustawieniem Standard. Wybory proporcji tekstowych obejmują 16:9, 9:16 i 1:1. Dobierz format i kadrowanie do zamierzonego miejsca, a następnie utrzymuj ten kierunek wizualny przy porównywaniu zmian akcji, światła lub kolejności ujęć.

Ukończona generacja zapewnia materiał wideo z rzeczywistą długością. Dokumentacja wyników producenta mówi, że generowane filmy są usuwane po 30 dniach, więc niezwłocznie zapisz ukończony klip. Zachowaj przy nim brief sceny, obrazy referencyjne i wybrany profil, aby późniejsze poprawki miały spójny punkt wyjścia. Oceniaj akcję wizualną, ciągłość podmiotów, pokrycie kamerą, dialog i litery w kontekście użycia klipu. Ukierunkowana poprawka wadliwego detalu jest użyteczniejsza niż zastępowanie całego briefu sceny niepowiązanymi instrukcjami.