Alibaba: HappyHorse 1.1

Alibaba HappyHorse 1.1 é uma edição de geração de vídeo com perfis de nomes separados para texto para vídeo, imagem do primeiro fotograma para vídeo e referências para vídeo. O fabricante destaca melhorias no pormenor visual, no movimento, na identidade de personagens entre clipes, na estabilidade do texto e na sincronização audiovisual. O resultado é um vídeo curto com som, útil para um plano de produto, uma animação de retrato ou uma pequena cena de personagem. Selecione o modo de entrada a partir do que deve definir a cena: um conceito escrito, uma imagem inicial exata ou várias referências visuais.

Para texto para vídeo, descreva o sujeito, o local, a ação, o enquadramento, o movimento da câmara e a intenção sonora. Numa cena curta de ação, mostre um ciclista a parar junto a um café à beira-rio enquanto a câmara se aproxima suavemente da bicicleta estacionada. Mantenha a ação adequada a um clipe curto e descreva o momento final. O guia atual de texto do fabricante permite até 5 000 caracteres não chineses ou 2 500 caracteres chineses e trunca o texto excedente. Organize as instruções para que o sujeito e a ação essenciais sejam explícitos, em vez de ficarem enterrados em adjetivos repetidos.

Imagem para vídeo a partir do primeiro fotograma utiliza exatamente uma imagem como abertura. Prepare o sujeito, a composição e o recorte pretendido nessa imagem fixa e descreva depois o que deve mover-se ou como a câmara deve mudar. Os formatos de imagem documentados são JPEG/JPG, PNG e WEBP, até 20 MB, com ambas as dimensões de pelo menos 300 píxeis e uma proporção entre 1:2.5 e 2.5:1. A saída aproxima-se do escalão de resolução selecionado, mantendo as proporções da imagem de origem. Um resultado vertical começa, por isso, com uma composição vertical adequada, em vez de uma instrução de proporção sem relação com a imagem.

Referências para vídeo aceita entre uma e nove imagens. A instrução utiliza [Image 1], [Image 2] e as posições seguintes para as identificar pela ordem de entrada. Indique o papel de cada referência e nomeie o objeto ou a pessoa relevantes, para que uma imagem de cenário não seja confundida com uma fonte de personagem. O guia de referências aceita JPEG/JPG, PNG ou WEBP até 20 MB, exige que o lado menor tenha pelo menos 400 píxeis e recomenda referências nítidas a 720p ou superior. Evite uma referência muito comprimida cujo pormenor identificador já esteja ausente.

Numa cena com várias referências, coloque a pessoa de uma imagem na sala de outra, conservando um casaco ou produto fornecido por uma terceira. Descreva a interação e a câmara nas mesmas instruções. O perfil de referências da versão 1.1 destaca a estabilidade dos sujeitos, do estilo da cena e do movimento cinematográfico; inspecione o resultado efetivo quanto à identidade pretendida, às marcas do produto e à posição espacial. Várias imagens dão mais informação às instruções, mas a revisão continua a ter de verificar que características passaram para o vídeo.

O fabricante apresenta saída a 480p, 720p e 1080p para os modos de geração da versão 1.1, com duração em segundos inteiros entre três e quinze e MP4 a 24 fps. A resposta da API descreve codificação H.264. A geração por texto e por referências oferece formatos que incluem 16:9, 9:16, 1:1, 4:3, 3:4, 4:5, 5:4, 9:21 e 21:9; a geração a partir do primeiro fotograma segue a imagem de entrada. Escolha o formato para o destino e deixe espaço para legendas ou elementos de disposição posteriores. Inspecione o enquadramento real do vídeo devolvido no tamanho de apresentação pretendido.

A saída da família do modelo inclui som. Dê à interpretação ou à atmosfera um papel claro nas instruções e reveja qualquer diálogo, efeitos ou faixa de fundo juntamente com a imagem. Mantenha o material falado suficientemente curto para a ação e as pausas, em vez de comprimir um guião longo num único plano curto. Verifique o movimento labial, a atribuição das falas e a redação efetiva quando existe fala. A aceitação de um idioma nas instruções não define, por si só, uma pronúncia garantida ou uma entrada separada de referência de voz.

O fluxo documentado do fabricante é assíncrono: um identificador de tarefa acompanha o processamento e um resultado bem-sucedido fornece a localização do vídeo. A ligação do resultado e as consultas de tarefas estão documentadas com uma validade de vinte e quatro horas. Conserve o clipe concluído, as referências e a instrução como registo de revisão. Os guias documentam também controlos de semente e marca de água. Uma semente fixa pode ajudar na comparação, mas o fabricante indica explicitamente que não garante resultados idênticos, pelo que deve avaliar o recurso devolvido em vez de presumir que uma definição fixa todos os fotogramas.

HappyHorse 1.0 e 1.1 são edições separadas. A tabela de saída da versão 1.1 acrescenta 480p às opções a 720p e 1080p da versão 1.0, e as páginas do modelo 1.1 descrevem melhorias no pormenor, no movimento e na consistência. O perfil de edição de vídeo HappyHorse 1.0, com nome próprio, tem entradas e limites próprios e não é um modo de edição a atribuir silenciosamente à versão 1.1. Reveja todo o clipe 1.1 quanto à identidade, ao movimento, ao enquadramento, ao texto e ao som e faça depois uma correção específica, conservando as partes bem-sucedidas das instruções.