O Seedance 2.0 Fast é a edição da família Seedance 2.0 da ByteDance Seed orientada para a velocidade. Suporta geração conjunta de vídeo e áudio e um pedido multimodal composto por texto, imagens, vídeo e som. As capacidades criativas incluem novas cenas orientadas por referências, edições de filmagens existentes e prolongamentos de uma cena, enquanto os níveis de saída documentados são 480p e 720p.
Uma imagem pode fornecer uma personagem, um produto, uma composição ou um tratamento visual. Um vídeo de referência pode fornecer ação, movimento de câmara ou um efeito. O áudio de referência pode fornecer timbre de voz, melodia musical ou conteúdo de diálogo. Explique que parte de cada fonte pretende transportar para a nova cena; uma referência é mais útil quando tem uma função criativa específica.
Por exemplo: «Use o candeeiro de cerâmica da Imagem 1 como produto. Siga a órbita lenta da câmara do Vídeo 1, mas coloque o candeeiro num canto de leitura tranquilo. Use o Áudio 1 para o ambiente musical.» A saída pretendida é uma cena nova que combina a aparência, o movimento e a orientação sonora escolhidos, em vez de uma imitação indefinida de todos os pormenores das referências.
As combinações documentadas incluem imagens com áudio, imagens com vídeo, vídeo com áudio e os três em conjunto. Texto apenas com áudio e entrada só de áudio não são suportados. O modelo também suporta texto para vídeo e geração orientada por imagem a partir de um primeiro fotograma ou de um par de primeiro e último fotogramas. Quando um fotograma exato de início ou de fim é central para o pedido, use o fluxo específico de pontos extremos; descrever uma imagem de referência como ponto extremo num pedido de referências omni é um controlo indireto.
O modelo pode acrescentar, remover ou modificar elementos, substituir um sujeito e redesenhar ou reparar partes de uma cena. Identifique o vídeo de origem, o objeto a alterar e os elementos que devem permanecer. Para uma adição, descreva onde aparece e quando. Para uma remoção, identifique o objeto de forma consistente ao longo do clip.
Um pedido prático de edição pode substituir uma garrafa simples de uma demonstração pela garrafa da Imagem 1, pedindo para preservar o movimento da mão, o fundo e o percurso de câmara do Vídeo 1. Reveja a substituição e as áreas que devem permanecer estáveis. Instruções claras de preservação tornam a edição pretendida mais fácil de avaliar do que um pedido genérico para «melhorar» as filmagens.
O Seedance 2.0 Fast suporta prolongamento para a frente ou para trás e a ligação de dois ou três clips com transições geradas. Para um prolongamento, indique se a nova ação acontece antes ou depois do vídeo fornecido e descreva essa ação. Para uma ligação, apresente os clips na ordem pretendida e explique o acontecimento visual que os une.
Um prolongamento simples costuma devolver a nova continuação desenvolvida em torno das filmagens originais, em vez de assumir que todo o clip de origem é repetido. Se a saída deve conter o segmento original, diga-o no pedido. Ao preencher uma transição entre dois ou três vídeos, o fluxo documentado pode combinar conteúdo original e recém-gerado. Isto é útil para ligar uma vista ampla de produto a um plano de pormenor através de um movimento de câmara intencional.
A saída Fast documentada é MP4 a 24 fps, com 480p ou 720p, profundidade de cor de 8 bits e clips de 4–15 segundos. As proporções suportadas são 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16. A edição Seedance 2.0 standard enumera separadamente saída de 1080p e 4K; esses níveis não fazem parte da especificação Fast. A família 2.0 suporta a devolução do último fotograma gerado, mas não o modo separado de pré-visualização Draft.
O áudio pode ser gerado com as filmagens ou omitido para obter um clip silencioso. O áudio gerado é mono. Os idiomas documentados para pedidos incluem inglês, espanhol, indonésio, português e japonês. Mantenha o idioma falado consistente dentro de um diálogo; o guia desaconselha misturar idiomas, exceto em nomes próprios. Para uma cena falada, nomeie o locutor e coloque a fala entre aspas, depois especifique a interpretação e os efeitos sonoros relevantes. Adeque a interpretação exigida à duração selecionada do clip.
Os limites de referências documentados são de até nove imagens, três vídeos e três clips de áudio. Este perfil documentado do fabricante não aceita carregamentos diretos de imagens ou vídeos de referência com rostos humanos reais; os retratos usam o fluxo de recursos de retrato suportado. Cada clip de vídeo ou áudio deve durar 2–15 segundos; a duração total de vídeo é no máximo 15 segundos e a duração total de áudio é, separadamente, no máximo 15 segundos. As referências de vídeo usam MP4 ou MOV, a 24–60 fps, e não podem exceder 200 MB cada. As referências de áudio usam WAV ou MP3 e não podem exceder 15 MB cada. Os formatos de imagem enumerados são JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC e HEIF. As imagens devem ter menos de 30 MB cada; o limite total do corpo do pedido é de 64 MB. No perfil de entrada de referências documentado, a largura e a altura das imagens devem estar ambas estritamente entre 300 e 6000 píxeis, com uma proporção largura/altura estritamente entre 0.4 e 2.5. Os vídeos de referência permitem 300–6000 píxeis em cada dimensão e proporções de 0.4–2.5, inclusive, com 407 696–8 295 044 píxeis no total. Os vídeos MP4 ou MOV usam vídeo H.264/AVC ou H.265/HEVC e áudio AAC ou MP3.
Ordene os recursos e refira-os de forma consistente como Imagem 1, Vídeo 1 ou Áudio 1. Use o nome ou uma característica distintiva do sujeito visível, além do número do recurso. Adeque o enquadramento das imagens dos pontos extremos à proporção pretendida para o vídeo, pois uma divergência pode recortar a imagem ou causar uma mudança brusca no enquadramento. Concentre o pedido nas características a transferir, no acontecimento a gerar e no que deve permanecer inalterado; um pedido longo pode dispersar as instruções e deixar pormenores secundários por resolver.
Organize um pedido complexo em Plano 1, Plano 2 e Plano 3, com sujeito, ação, posição e som claros para cada um. O guia recomenda um movimento de câmara por plano e indica que as marcas temporais precisas por plano são instáveis. Dê a cada personagem uma designação estável e algumas características distintivas; use uma referência separada de rosto clara e uma de corpo inteiro, em vez de uma folha combinada de vistas da personagem, quando a identidade facial for importante.
O modelo pode gerar texto comum, incluindo slogans, legendas e balões de fala, com indicações para a cor, o estilo, a posição e a entrada. Preferem-se caracteres comuns a caracteres raros ou símbolos especiais. Verifique as letras em movimento. Legendas indesejadas, logótipos e personagens duplicadas são comportamentos documentados; restrições explícitas e referências limpas podem reduzi-los, mas não garantem a sua ausência. Mais de quatro pessoas de referência é um risco de estabilidade assinalado, não um limite obrigatório do número de ficheiros.
Prolongamentos repetidos podem acumular perda de qualidade da imagem e a junção de um prolongamento pode saltar ou recuar. Limite a acumulação de continuações sucessivas e examine a junção na edição. O timbre de voz da referência pode desviar-se, a narração pode terminar com um clique e caracteres chineses polifónicos ou pouco comuns podem ser mal pronunciados. Verifique a fala e o áudio final; um desvanecimento curto do áudio pode ajudar num corte abrupto. Estas verificações fazem parte da preparação do resultado criativo, sobretudo quando a fala ou a continuidade da personagem sustentam a história.
", "aboutText": "O Seedance 2.0 Fast é a edição da família Seedance 2.0 da ByteDance Seed orientada para a velocidade. Suporta geração conjunta de vídeo e áudio e um pedido multimodal composto por texto, imagens, vídeo e som. As capacidades criativas incluem novas cenas orientadas por referências, edições de filmagens existentes e prolongamentos de uma cena, enquanto os níveis de saída documentados são 480p e 720p.\n\n### Referências multimodais: atribuir funções aos materiais\n\nUma imagem pode fornecer uma personagem, um produto, uma composição ou um tratamento visual. Um vídeo de referência pode fornecer ação, movimento de câmara ou um efeito. O áudio de referência pode fornecer timbre de voz, melodia musical ou conteúdo de diálogo. Explique que parte de cada fonte pretende transportar para a nova cena; uma referência é mais útil quando tem uma função criativa específica.\n\nPor exemplo: «Use o candeeiro de cerâmica da Imagem 1 como produto. Siga a órbita lenta da câmara do Vídeo 1, mas coloque o candeeiro num canto de leitura tranquilo. Use o Áudio 1 para o ambiente musical.» A saída pretendida é uma cena nova que combina a aparência, o movimento e a orientação sonora escolhidos, em vez de uma imitação indefinida de todos os pormenores das referências.\n\nAs combinações documentadas incluem imagens com áudio, imagens com vídeo, vídeo com áudio e os três em conjunto. Texto apenas com áudio e entrada só de áudio não são suportados. O modelo também suporta texto para vídeo e geração orientada por imagem a partir de um primeiro fotograma ou de um par de primeiro e último fotogramas. Quando um fotograma exato de início ou de fim é central para o pedido, use o fluxo específico de pontos extremos; descrever uma imagem de referência como ponto extremo num pedido de referências omni é um controlo indireto.\n\n### Edição de um vídeo existente\n\nO modelo pode acrescentar, remover ou modificar elementos, substituir um sujeito e redesenhar ou reparar partes de uma cena. Identifique o vídeo de origem, o objeto a alterar e os elementos que devem permanecer. Para uma adição, descreva onde aparece e quando. Para uma remoção, identifique o objeto de forma consistente ao longo do clip.\n\nUm pedido prático de edição pode substituir uma garrafa simples de uma demonstração pela garrafa da Imagem 1, pedindo para preservar o movimento da mão, o fundo e o percurso de câmara do Vídeo 1. Reveja a substituição e as áreas que devem permanecer estáveis. Instruções claras de preservação tornam a edição pretendida mais fácil de avaliar do que um pedido genérico para «melhorar» as filmagens.\n\n### Prolongamento e ligação de clips\n\nO Seedance 2.0 Fast suporta prolongamento para a frente ou para trás e a ligação de dois ou três clips com transições geradas. Para um prolongamento, indique se a nova ação acontece antes ou depois do vídeo fornecido e descreva essa ação. Para uma ligação, apresente os clips na ordem pretendida e explique o acontecimento visual que os une.\n\nUm prolongamento simples costuma devolver a nova continuação desenvolvida em torno das filmagens originais, em vez de assumir que todo o clip de origem é repetido. Se a saída deve conter o segmento original, diga-o no pedido. Ao preencher uma transição entre dois ou três vídeos, o fluxo documentado pode combinar conteúdo original e recém-gerado. Isto é útil para ligar uma vista ampla de produto a um plano de pormenor através de um movimento de câmara intencional.\n\n### Saída e diferenças entre edições\n\nA saída Fast documentada é MP4 a 24 fps, com 480p ou 720p, profundidade de cor de 8 bits e clips de 4–15 segundos. As proporções suportadas são 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16. A edição Seedance 2.0 standard enumera separadamente saída de 1080p e 4K; esses níveis não fazem parte da especificação Fast. A família 2.0 suporta a devolução do último fotograma gerado, mas não o modo separado de pré-visualização Draft.\n\nO áudio pode ser gerado com as filmagens ou omitido para obter um clip silencioso. O áudio gerado é mono. Os idiomas documentados para pedidos incluem inglês, espanhol, indonésio, português e japonês. Mantenha o idioma falado consistente dentro de um diálogo; o guia desaconselha misturar idiomas, exceto em nomes próprios. Para uma cena falada, nomeie o locutor e coloque a fala entre aspas, depois especifique a interpretação e os efeitos sonoros relevantes. Adeque a interpretação exigida à duração selecionada do clip.\n\n### Preparação de referências e respeito pelos limites de entrada\n\nOs limites de referências documentados são de até nove imagens, três vídeos e três clips de áudio. Este perfil documentado do fabricante não aceita carregamentos diretos de imagens ou vídeos de referência com rostos humanos reais; os retratos usam o fluxo de recursos de retrato suportado. Cada clip de vídeo ou áudio deve durar 2–15 segundos; a duração total de vídeo é no máximo 15 segundos e a duração total de áudio é, separadamente, no máximo 15 segundos. As referências de vídeo usam MP4 ou MOV, a 24–60 fps, e não podem exceder 200 MB cada. As referências de áudio usam WAV ou MP3 e não podem exceder 15 MB cada. Os formatos de imagem enumerados são JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC e HEIF. As imagens devem ter menos de 30 MB cada; o limite total do corpo do pedido é de 64 MB. No perfil de entrada de referências documentado, a largura e a altura das imagens devem estar ambas estritamente entre 300 e 6000 píxeis, com uma proporção largura/altura estritamente entre 0.4 e 2.5. Os vídeos de referência permitem 300–6000 píxeis em cada dimensão e proporções de 0.4–2.5, inclusive, com 407 696–8 295 044 píxeis no total. Os vídeos MP4 ou MOV usam vídeo H.264/AVC ou H.265/HEVC e áudio AAC ou MP3.\n\nOrdene os recursos e refira-os de forma consistente como Imagem 1, Vídeo 1 ou Áudio 1. Use o nome ou uma característica distintiva do sujeito visível, além do número do recurso. Adeque o enquadramento das imagens dos pontos extremos à proporção pretendida para o vídeo, pois uma divergência pode recortar a imagem ou causar uma mudança brusca no enquadramento. Concentre o pedido nas características a transferir, no acontecimento a gerar e no que deve permanecer inalterado; um pedido longo pode dispersar as instruções e deixar pormenores secundários por resolver.\n\n### Planeamento de planos, texto e comportamentos conhecidos\n\nOrganize um pedido complexo em Plano 1, Plano 2 e Plano 3, com sujeito, ação, posição e som claros para cada um. O guia recomenda um movimento de câmara por plano e indica que as marcas temporais precisas por plano são instáveis. Dê a cada personagem uma designação estável e algumas características distintivas; use uma referência separada de rosto clara e uma de corpo inteiro, em vez de uma folha combinada de vistas da personagem, quando a identidade facial for importante.\n\nO modelo pode gerar texto comum, incluindo slogans, legendas e balões de fala, com indicações para a cor, o estilo, a posição e a entrada. Preferem-se caracteres comuns a caracteres raros ou símbolos especiais. Verifique as letras em movimento. Legendas indesejadas, logótipos e personagens duplicadas são comportamentos documentados; restrições explícitas e referências limpas podem reduzi-los, mas não garantem a sua ausência. Mais de quatro pessoas de referência é um risco de estabilidade assinalado, não um limite obrigatório do número de ficheiros.\n\nProlongamentos repetidos podem acumular perda de qualidade da imagem e a junção de um prolongamento pode saltar ou recuar. Limite a acumulação de continuações sucessivas e examine a junção na edição. O timbre de voz da referência pode desviar-se, a narração pode terminar com um clique e caracteres chineses polifónicos ou pouco comuns podem ser mal pronunciados. Verifique a fala e o áudio final; um desvanecimento curto do áudio pode ajudar num corte abrupto. Estas verificações fazem parte da preparação do resultado criativo, sobretudo quando a fala ou a continuidade da personagem sustentam a história.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bb95cae57dcfbfb374e146ab490a5d60b76e7584521ec292c735f258f1cad4dc", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "bytedance/seedance-2.0-fastO ByteDance Seedance 2.0 Fast cria cenas audiovisuais a partir de texto e referências de imagem, vídeo e som. A edição orientada para a velocidade suporta transferência de movimento e estilo, edições de vídeo e prolongamentos para a frente ou para trás, com saída documentada de 480p e 720p.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Seedance 2.0 Fast é a edição da família Seedance 2.0 da ByteDance Seed orientada para a velocidade. Suporta geração conjunta de vídeo e áudio e um pedido multimodal composto por texto, imagens, vídeo e som. As capacidades criativas incluem novas cenas orientadas por referências, edições de filmagens existentes e prolongamentos de uma cena, enquanto os níveis de saída documentados são 480p e 720p.
Uma imagem pode fornecer uma personagem, um produto, uma composição ou um tratamento visual. Um vídeo de referência pode fornecer ação, movimento de câmara ou um efeito. O áudio de referência pode fornecer timbre de voz, melodia musical ou conteúdo de diálogo. Explique que parte de cada fonte pretende transportar para a nova cena; uma referência é mais útil quando tem uma função criativa específica.
Por exemplo: «Use o candeeiro de cerâmica da Imagem 1 como produto. Siga a órbita lenta da câmara do Vídeo 1, mas coloque o candeeiro num canto de leitura tranquilo. Use o Áudio 1 para o ambiente musical.» A saída pretendida é uma cena nova que combina a aparência, o movimento e a orientação sonora escolhidos, em vez de uma imitação indefinida de todos os pormenores das referências.
As combinações documentadas incluem imagens com áudio, imagens com vídeo, vídeo com áudio e os três em conjunto. Texto apenas com áudio e entrada só de áudio não são suportados. O modelo também suporta texto para vídeo e geração orientada por imagem a partir de um primeiro fotograma ou de um par de primeiro e último fotogramas. Quando um fotograma exato de início ou de fim é central para o pedido, use o fluxo específico de pontos extremos; descrever uma imagem de referência como ponto extremo num pedido de referências omni é um controlo indireto.
O modelo pode acrescentar, remover ou modificar elementos, substituir um sujeito e redesenhar ou reparar partes de uma cena. Identifique o vídeo de origem, o objeto a alterar e os elementos que devem permanecer. Para uma adição, descreva onde aparece e quando. Para uma remoção, identifique o objeto de forma consistente ao longo do clip.
Um pedido prático de edição pode substituir uma garrafa simples de uma demonstração pela garrafa da Imagem 1, pedindo para preservar o movimento da mão, o fundo e o percurso de câmara do Vídeo 1. Reveja a substituição e as áreas que devem permanecer estáveis. Instruções claras de preservação tornam a edição pretendida mais fácil de avaliar do que um pedido genérico para «melhorar» as filmagens.
O Seedance 2.0 Fast suporta prolongamento para a frente ou para trás e a ligação de dois ou três clips com transições geradas. Para um prolongamento, indique se a nova ação acontece antes ou depois do vídeo fornecido e descreva essa ação. Para uma ligação, apresente os clips na ordem pretendida e explique o acontecimento visual que os une.
Um prolongamento simples costuma devolver a nova continuação desenvolvida em torno das filmagens originais, em vez de assumir que todo o clip de origem é repetido. Se a saída deve conter o segmento original, diga-o no pedido. Ao preencher uma transição entre dois ou três vídeos, o fluxo documentado pode combinar conteúdo original e recém-gerado. Isto é útil para ligar uma vista ampla de produto a um plano de pormenor através de um movimento de câmara intencional.
A saída Fast documentada é MP4 a 24 fps, com 480p ou 720p, profundidade de cor de 8 bits e clips de 4–15 segundos. As proporções suportadas são 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16. A edição Seedance 2.0 standard enumera separadamente saída de 1080p e 4K; esses níveis não fazem parte da especificação Fast. A família 2.0 suporta a devolução do último fotograma gerado, mas não o modo separado de pré-visualização Draft.
O áudio pode ser gerado com as filmagens ou omitido para obter um clip silencioso. O áudio gerado é mono. Os idiomas documentados para pedidos incluem inglês, espanhol, indonésio, português e japonês. Mantenha o idioma falado consistente dentro de um diálogo; o guia desaconselha misturar idiomas, exceto em nomes próprios. Para uma cena falada, nomeie o locutor e coloque a fala entre aspas, depois especifique a interpretação e os efeitos sonoros relevantes. Adeque a interpretação exigida à duração selecionada do clip.
Os limites de referências documentados são de até nove imagens, três vídeos e três clips de áudio. Este perfil documentado do fabricante não aceita carregamentos diretos de imagens ou vídeos de referência com rostos humanos reais; os retratos usam o fluxo de recursos de retrato suportado. Cada clip de vídeo ou áudio deve durar 2–15 segundos; a duração total de vídeo é no máximo 15 segundos e a duração total de áudio é, separadamente, no máximo 15 segundos. As referências de vídeo usam MP4 ou MOV, a 24–60 fps, e não podem exceder 200 MB cada. As referências de áudio usam WAV ou MP3 e não podem exceder 15 MB cada. Os formatos de imagem enumerados são JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC e HEIF. As imagens devem ter menos de 30 MB cada; o limite total do corpo do pedido é de 64 MB. No perfil de entrada de referências documentado, a largura e a altura das imagens devem estar ambas estritamente entre 300 e 6000 píxeis, com uma proporção largura/altura estritamente entre 0.4 e 2.5. Os vídeos de referência permitem 300–6000 píxeis em cada dimensão e proporções de 0.4–2.5, inclusive, com 407 696–8 295 044 píxeis no total. Os vídeos MP4 ou MOV usam vídeo H.264/AVC ou H.265/HEVC e áudio AAC ou MP3.
Ordene os recursos e refira-os de forma consistente como Imagem 1, Vídeo 1 ou Áudio 1. Use o nome ou uma característica distintiva do sujeito visível, além do número do recurso. Adeque o enquadramento das imagens dos pontos extremos à proporção pretendida para o vídeo, pois uma divergência pode recortar a imagem ou causar uma mudança brusca no enquadramento. Concentre o pedido nas características a transferir, no acontecimento a gerar e no que deve permanecer inalterado; um pedido longo pode dispersar as instruções e deixar pormenores secundários por resolver.
Organize um pedido complexo em Plano 1, Plano 2 e Plano 3, com sujeito, ação, posição e som claros para cada um. O guia recomenda um movimento de câmara por plano e indica que as marcas temporais precisas por plano são instáveis. Dê a cada personagem uma designação estável e algumas características distintivas; use uma referência separada de rosto clara e uma de corpo inteiro, em vez de uma folha combinada de vistas da personagem, quando a identidade facial for importante.
O modelo pode gerar texto comum, incluindo slogans, legendas e balões de fala, com indicações para a cor, o estilo, a posição e a entrada. Preferem-se caracteres comuns a caracteres raros ou símbolos especiais. Verifique as letras em movimento. Legendas indesejadas, logótipos e personagens duplicadas são comportamentos documentados; restrições explícitas e referências limpas podem reduzi-los, mas não garantem a sua ausência. Mais de quatro pessoas de referência é um risco de estabilidade assinalado, não um limite obrigatório do número de ficheiros.
Prolongamentos repetidos podem acumular perda de qualidade da imagem e a junção de um prolongamento pode saltar ou recuar. Limite a acumulação de continuações sucessivas e examine a junção na edição. O timbre de voz da referência pode desviar-se, a narração pode terminar com um clique e caracteres chineses polifónicos ou pouco comuns podem ser mal pronunciados. Verifique a fala e o áudio final; um desvanecimento curto do áudio pode ajudar num corte abrupto. Estas verificações fazem parte da preparação do resultado criativo, sobretudo quando a fala ou a continuidade da personagem sustentam a história.
POST /v1/videostext, image, audiovideo| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites bytedance/seedance-2.0-fast | Predefinição— |
Campoprompt | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campoduration | Tipointeger | RequisitoObrigatório | Valores e limites 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 Mínimo: 1 Máximo: 600 | Predefinição— |
Camporesolution | Tipostring | RequisitoOpcional | Valores e limites 480p, 720p | Predefinição— |
Campoaspect_ratio | Tipostring | RequisitoOpcional | Valores e limites 1:1, 3:4, 9:16, 4:3, 16:9, 21:9, 9:21 | Predefinição— |
Campogenerate_audio | Tipoboolean | RequisitoOpcional | Valores e limites false, true Condições: Omitir generate_audio seleciona o preço com áudio; false seleciona o preço sem áudio. Verifique has_audio no resultado para saber se foi devolvida uma faixa de áudio. | Predefinição— |
Campoframe_images | Tipoarray | RequisitoOpcional | Valores e limites Número mínimo de elementos: 1 Número máximo de elementos: 2 Conteúdo de entrada: Matriz de objetos de fotograma. Cada um tem type=image_url, image_url com url e frame_type=first_frame ou last_frame. Cada função aparece, no máximo, uma vez. Utilize URLs HTTPS públicos. Chaves exatas: type, image_url, frame_type Condições: Estas chaves aplicam-se a cada objeto de fotograma. Omita frame_images num pedido apenas de texto. | Predefinição— |
Campoinput_references | Tipoarray | RequisitoOpcional | Valores e limites Conteúdo de entrada: Matriz de objetos de referência de imagem ou áudio. Defina type como image_url ou audio_url e forneça o objeto URL correspondente com url. Continua a não ser possível calcular o preço de referências de vídeo. Condições: Omita frame_images para utilizar o modo de referência. Utilize URLs HTTPS públicos. | Predefinição— |
Camposize | Tipostring | RequisitoOpcional | Valores e limites 480x480, 480x640, 480x854, 640x480, 854x480, 1120x480, 720x720, 720x960, 720x1280, 720x1680, 960x720, 1280x720, 1680x720 Padrão: ^[1-9][0-9]*x[1-9][0-9]*$ | Predefinição— |
Camposeed | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: -9 223 372 036 854 775 808 Máximo: 9 223 372 036 854 775 807 | Predefinição— |
Campocallback_url | Tipostring | RequisitoOpcional | Valores e limites Padrão: ^https:// | Predefinição— |
Camposession_id | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotrace | Tipoobject | RequisitoOpcional | Valores e limites | Predefinição— |
Campouser | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Texto para vídeo · Uma instrução escrita. · Obrigatório: model, prompt, duration
Forneça uma instrução de texto e uma duração suportada em segundos inteiros. Utilize um tamanho exato enumerado ou uma resolução e uma proporção que correspondam a dimensões enumeradas.
model: Tipo: string · bytedance/seedance-2.0-fast
prompt: Tipo: string · Número máximo de bytes UTF-8: 10 000 · São obrigatórios caracteres que não sejam espaços: Sim
Imagem para vídeo · Uma instrução escrita e uma imagem de fotograma. · Obrigatório: model, prompt, duration, frame_images
frame_images é uma matriz de objetos com type=image_url, image_url com url e frame_type. Utilize um URL HTTPS público de imagem; first_frame e last_frame podem aparecer uma vez cada. Utilize um tamanho de saída enumerado ou dimensões compatíveis. Não adicione referências de vídeo.
Chaves exatas: type, image_url, frame_type
model: Tipo: string · bytedance/seedance-2.0-fast
prompt: Tipo: string · Número máximo de bytes UTF-8: 10 000 · São obrigatórios caracteres que não sejam espaços: Sim
Reference to video · Uma instrução escrita e referências de imagem ou áudio. · Obrigatório: model, prompt, duration, input_references
input_references é uma matriz. Cada objeto tem type=image_url ou type=audio_url e um objeto URL correspondente com url. Utilize ligações HTTPS públicas. Omita frame_images para selecionar o modo de referência. Não é possível calcular o preço de referências de vídeo.
model: Tipo: string · bytedance/seedance-2.0-fast
prompt: Tipo: string · Número máximo de bytes UTF-8: 10 000 · São obrigatórios caracteres que não sejam espaços: Sim
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, prompt, duration |
Parâmetromaterial_types | Contratotext, image, audio |
Parâmetroadditional_properties | Contratofalse |
Parâmetrooptional_controls | Contratoresolution, aspect_ratio, generate_audio, frame_images, input_references, size, seed, callback_url, session_id, trace, user |
Ciclo de vida: submit_once_poll_original
GET /v1/videos/{public_id}
GET /v1/videos/{public_id}/content
As tarifas apresentadas permitem estimar o custo antes da geração. O montante final cobrado é calculado a partir do custo registado para a geração original. A duração medida do resultado e as quantidades previstas não correspondem à quantidade final faturável.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Quantidade prevista | Unidade de faturação | Condições de faturação | Custo |
|---|---|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Quantidade prevista— | Unidade de faturação— | Condições de faturação— | Custo Entrada · Tokens de entrada · Estimativa apenas para comparação — / 1K tokens Saída · Tokens de saída · Estimativa apenas para comparação — / 1K tokens Entrada · Leitura da cache · Estimativa apenas para comparação — / 1K tokens Entrada · Escrita na cache · Estimativa apenas para comparação — / 1K tokens Entrada · Escrita na cache, 1 hora · Estimativa apenas para comparação — / 1K tokens |
| ConfiguraçãoPreço por token de vídeo | Tabela de tarifas— | Quantidade prevista— | Unidade de faturaçãopor 1K tokens de vídeo | Condições de faturaçãoNão é declarada nenhuma condição adicional nesta chave de preços. | Custo Saída · Preço por token de vídeo · Estimativa apenas para comparação $0.0084 por 1K tokens de vídeo A tarifa por token de vídeo é a principal referência de preço. As estimativas em destaque por segundo são referências separadas e não constituem um encargo adicional. |
| ConfiguraçãoPreço por token de vídeo | Tabela de tarifas— | Quantidade prevista— | Unidade de faturaçãopor 1K tokens de vídeo | Condições de faturaçãoentrada: with_video_input | Custo reference · Preço por token de vídeo · Estimativa apenas para comparação $0.00495 por 1K tokens de vídeo A tarifa por token de vídeo é a principal referência de preço. As estimativas em destaque por segundo são referências separadas e não constituem um encargo adicional. |
| ConfiguraçãoPreço por token de vídeo | Tabela de tarifas— | Quantidade prevista— | Unidade de faturaçãopor 1K tokens de vídeo | Condições de faturaçãoáudio: without_audio | Custo Saída · Preço por token de vídeo · Estimativa apenas para comparação $0.0084 por 1K tokens de vídeo A tarifa por token de vídeo é a principal referência de preço. As estimativas em destaque por segundo são referências separadas e não constituem um encargo adicional. |
| ConfiguraçãoCusto estimado de geração | Tabela de tarifas— | Quantidade previstaestimativa para uma geração | Unidade de faturação— | Condições de faturação— | Custo Saída · Custo estimado de geração · Estimativa apenas para comparação $0.18144 estimativa antes da geração Esta estimativa não é um encargo adicional nem uma tarifa fixa para a geração concluída. |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Condições de faturação | Custo |
|---|---|---|
| ConfiguraçãoPreço por token de vídeo | Condições de faturaçãoNão é declarada nenhuma condição adicional nesta chave de preços. | Custo Saída · Preço por token de vídeo $0.0084 por 1K tokens de vídeo A tarifa por token de vídeo é a principal referência de preço. As estimativas em destaque por segundo são referências separadas e não constituem um encargo adicional. |
| ConfiguraçãoPreço por token de vídeo | Condições de faturaçãoáudio: without_audio | Custo Saída · Preço por token de vídeo $0.0084 por 1K tokens de vídeo A tarifa por token de vídeo é a principal referência de preço. As estimativas em destaque por segundo são referências separadas e não constituem um encargo adicional. |
| ConfiguraçãoPreço por token de vídeo | Condições de faturaçãoentrada: with_video_input | Custo reference · Preço por token de vídeo $0.00495 por 1K tokens de vídeo A tarifa por token de vídeo é a principal referência de preço. As estimativas em destaque por segundo são referências separadas e não constituem um encargo adicional. |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nfrom pathlib import Path\nPath('request.json').write_text('{"model":"bytedance/seedance-2.0-fast","prompt":"A serene mountain landscape at sunset","duration":4,"resolution":"480p","size":"480x480","generate_audio":false}', encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nURLs assinados para conteúdo pertencente ao utilizador
GET /v1/videos/{public_id}GET /v1/videos/{public_id}/contentset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_STATUS_URL'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nr=json.loads(Path('result.json').read_text())\nif not isinstance(r.get('id'),str) or not r['id']:raise SystemExit('Keep the original response and headers for reconciliation; no returned ID')\nPath('status-url.txt').write_text('https://api.ailoot.ai/v1/videos/'+quote(r['id'],safe=''))\nPY_STATUS_URL\ncurl --fail-with-body --silent --show-error "$(cat status-url.txt)" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -D status-headers.txt -o status.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('status.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_ASSETS'\nimport json,os,subprocess\nfrom pathlib import Path\nfrom urllib.parse import urljoin,urlsplit\nr=json.loads(Path('status.json').read_text())\nif r.get('status')!='completed':raise SystemExit('Keep the original ID and read its status; never recreate an unknown job')\nif not isinstance(r.get('data'),list) or not r['data']:raise SystemExit('Keep the complete original status; no completed outputs supplied')\nurls=[]\nfor i,u in enumerate(r.get('data',[])):\n if not isinstance(u,str):raise SystemExit('Keep the original response; unexpected asset shape')\n urls.append((str(i),u))\nfor label,path in urls:\n u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u)\n if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL')\n target=Path('owned-'+label+'.bin')\n subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True)\nprint('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.')\nPY_ASSETS\nGuarde cada vídeo concluído ou ficheiro devolvido; obtenha cada URL de recurso efetivamente devolvido.
Conserve todos os resultados reais que pertencem ao utilizador e os respetivos metadados medidos devolvidos.
503 result_pending_check + id original + X-Should-Retry:false; nunca repita o original
| Campo | Tipo | Significado |
|---|---|---|
Campoindex | Tipointeger | SignificadoPosição deste vídeo na lista de saídas, com contagem a partir de zero. |
Campocontent_url | Tipostring | SignificadoURL HTTPS assinado para transferir este vídeo concluído. |
Camposha256 | Tipostring | null | SignificadoResumo criptográfico SHA-256 dos bytes do vídeo original; null se não estiver disponível. |
Camposize_bytes | Tipointeger | null | SignificadoTamanho do ficheiro de vídeo original em bytes; null se não estiver disponível. |
Campoduration_ms | Tipointeger | null | SignificadoDuração medida do vídeo em milissegundos; null se não estiver disponível. |
Campowidth | Tipointeger | null | SignificadoLargura do vídeo em píxeis; null se não estiver disponível. |
Campoheight | Tipointeger | null | SignificadoAltura do vídeo em píxeis; null se não estiver disponível. |
Campovideo_codec | Tipostring | null | SignificadoIdentificador do codec de vídeo; null se não estiver registado. |
Campohas_audio | Tipoboolean | null | SignificadoIndica se o vídeo contém uma faixa de áudio; null se não tiver sido medido. |
Campoaudio_codec | Tipostring | null | SignificadoIdentificador do codec de áudio; null quando não está registado qualquer identificador. |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta404 · not_found_error | CondiçãoO acesso ao vídeo não está disponível ou este ID de vídeo não foi encontrado. | Passo seguinteVerifique o acesso ao vídeo. Para um vídeo existente, utilize o ID público original e a mesma chave API. |
Resposta401 · authentication_error | CondiçãoA chave API não corresponde à conta autenticada. | Passo seguinteVerifique a sua chave API e o acesso à conta antes de enviar. |
Resposta400 · invalid_request_error | CondiçãoNão foi possível ler o pedido ou o índice de transferência é inválido. | Passo seguinteCorrija o corpo do pedido. Para uma transferência, escolha um índice de saída devolvido pela tarefa original. |
Resposta422 · price_unavailable | CondiçãoNão é possível calcular o preço da configuração de vídeo selecionada. | Passo seguinteEscolha uma configuração de vídeo suportada e preencha as opções obrigatórias antes de enviar um pedido corrigido. |
Resposta422 · invalid_request_error | CondiçãoUma entrada de vídeo ou a tarefa original de continuação é inválida. | Passo seguinteUtilize entradas HTTPS válidas. Para continuação, utilize o ID público do seu vídeo original concluído com a mesma chave API. |
Resposta402 · billing_error | CondiçãoO saldo disponível ou os limites não permitem efetuar uma reserva. | Passo seguinteVerifique o saldo disponível e os limites antes de enviar um novo pedido. |
Resposta503 · server_error | CondiçãoA verificação, o armazenamento ou o acesso ao serviço de vídeo está temporariamente indisponível. | Passo seguinteAguarde a disponibilidade do serviço. Se já tiver um ID de vídeo, consulte essa tarefa original em vez de criar outra geração. |
Resposta503 · result_pending_check | CondiçãoO resultado e a cobrança do vídeo original precisam de verificação. | Passo seguinteConserve o ID de vídeo devolvido e consulte essa tarefa. Não envie um pedido de geração substituto enquanto estiver a ser verificada. |
Resposta503 · owned_result_unavailable | CondiçãoA transferência do vídeo existente está temporariamente indisponível. | Passo seguinteConsulte a mesma tarefa de vídeo mais tarde e transfira a saída existente. Uma nova geração cria uma operação separada. |
Resposta409 · video_not_ready | CondiçãoO conteúdo do vídeo não foi publicado. | Passo seguinteConsulte o estado da tarefa original. Transfira quando indicar completed; se indicar failed, siga o aviso de verificação da cobrança. |
Ailoot Ultra bytedance/seedance-2.0-fast
Use os caminhos dos métodos indicados acima.