ByteDance: Seedance 2.0 Fast

Seedance 2.0 Fast é o perfil Fast com uma designação separada, selecionado com doubao-seedance-2-0-fast-260128. Suporta geração, edição e extensão de vídeo usando texto, imagens e referências de vídeo e áudio. O perfil é útil quando as instruções de uma cena precisam de mais do que uma descrição do aspeto: os conteúdos existentes também podem comunicar atuação, linguagem de câmara e som. O nome Fast distingue a identidade do pedido; não é uma promessa de que uma tarefa assíncrona individual termina num tempo fixo.

Comece pelo elemento que deve definir o novo plano. O texto, por si só, pode descrever uma cena nova. Uma imagem pode estabelecer uma personagem, um produto ou uma composição; um vídeo pode fornecer movimento ou uma sequência existente para rever ou continuar. As combinações de conteúdo documentadas incluem imagens com áudio, vídeo com áudio e imagens, vídeo e áudio juntos, com texto opcional a acompanhar os conteúdos visuais. Estas combinações não descrevem um pedido autónomo apenas de áudio, por isso associe as referências sonoras à fonte visual que devem orientar.

Mantenha explícitos os papéis das referências no array content e nas instruções. Os elementos image_url, video_url e audio_url podem ter os papéis reference_image, reference_video e reference_audio. Descreva qual a imagem que fornece o sujeito, qual o vídeo que fornece a câmara ou a ação e qual o áudio que fornece a banda sonora. Para um plano de produto, uma imagem pode definir a embalagem enquanto um vídeo ilustra um movimento junto do objeto. Especifique o final pretendido para que a sequência curta tenha uma vista final útil em vez de parar a meio de uma ação.

Para edição, identifique as filmagens de origem, a alteração e a continuidade a manter. Uma alteração do fundo ou da iluminação deve deixar claramente especificados o sujeito e a ação pretendidos. Para extensão, explique o que acontece a seguir e como o novo movimento se liga à cena existente. As referências orientam a geração; inspecione a junção efetiva e o vídeo completo quanto ao aspeto, à direção do movimento e aos tempos, em vez de presumir que a continuação preserva todos os detalhes ao nível do fotograma.

O intervalo documentado de 2.0 Fast é de quatro a quinze segundos inteiros, com -1 disponível para uma duração selecionada pelo modelo dentro desse intervalo. A duração predefinida é de cinco segundos. A resolução de saída é 480p ou 720p, com 720p por predefinição e 1080p excluído. Escolha entre os formatos fixos 16:9, 4:3, 1:1, 3:4, 9:16 e 21:9 ou enquadramento adaptativo. O enquadramento adaptativo segue o contexto relevante do prompt ou da referência; um plano de primeiro fotograma segue a imagem inicial, enquanto o enquadramento multimodal pode dar prioridade ao vídeo sobre as imagens. Leia os campos devolvidos pela tarefa para obter a duração e a proporção reais.

Utilize generate_audio para escolher se o vídeo gerado inclui som sincronizado. A predefinição documentada é true; false pede silêncio. Com o áudio ativado, o perfil gera vozes, efeitos ou música de fundo a partir do prompt e do conteúdo visual e o guia recomenda colocar o diálogo entre aspas duplas. Indique o falante e a relação pretendida entre som e ação. Reveja a fala com uma pessoa fluente na língua e verifique o alinhamento do som em todo o vídeo, incluindo qualquer segmento editado ou estendido.

O guia de 2.0 Fast exclui os controlos antigos frames e camera_fixed e não suporta processamento offline flex. Descreva o comportamento da câmara na cena e use duration para a duração do vídeo. As opções de seed e marca de água continuam documentadas. O mesmo seed não garante uma saída idêntica, por isso guarde o resultado concluído ao comparar revisões em vez de depender apenas das definições do pedido.

A utilização de tokens de vídeo é calculada como (duração do vídeo de entrada + duração do vídeo de saída) × largura da saída × altura da saída × frequência de fotogramas da saída / 1024. Os pedidos que contêm vídeo de entrada e os que não contêm vídeo de entrada têm categorias de faturação distintas. A consulta da tarefa comunica usage.completion_tokens e usage.total_tokens; guarde estas quantidades comunicadas com o vídeo concluído.

O envio devolve um identificador de tarefa antes de o vídeo concluído estar disponível. Acompanhe o estado de processamento, depois obtenha content.video_url após o sucesso e guarde a duração, a resolução, a proporção, a frequência de fotogramas e a utilização comunicadas com o resultado. O intervalo de expiração é medido desde a criação da tarefa, tem 172 800 segundos por predefinição e varia de 3 600 a 259 200 segundos. Guarde o vídeo final com as referências e o prompt, depois verifique a identidade do sujeito, o contacto com os objetos, a continuidade da câmara e os tempos do som ao longo de toda a sequência.