ByteDance: Seedance 1.0 Lite Text-to-Video

Seedance 1.0 Lite Text-to-Video vytvára video z písomného opisu scény. Konkrétny identifikátor doubao-seedance-1-0-lite-t2v-250428 označuje variant edície Lite na tvorbu videa z textu. Použite ho, keď možno priamo opísať hlavný objekt, prostredie a pohyb: produkt na stole, úvodný celkový záber lokality alebo krátku činnosť postavy. Výstupom je videoklip; profil 1.0 nevytvára synchronizovaný zvuk.

Scénu opíšte v poradí, v akom ju má divák vidieť. Uveďte hlavný objekt a jeho vzhľad, miesto, činnosť, veľkosť záberu a pohyb kamery, potom opíšte konečnú kompozíciu. Užitočné zadanie pre produkt môže obsahovať fľašu na svetlom kamennom podstavci, slnečné svetlo prechádzajúce po etikete a pomalé približovanie k uzáveru. Sú to pokyny pre novú scénu, nie tvrdenie, že model reprodukuje dodanú fotografiu produktu. Viditeľnú činnosť prispôsobte zvolenej dĺžke klipu.

Tento variant na tvorbu videa z textu sa líši od samostatne pomenovaného variantu Lite na tvorbu videa z obrázka. Obsah sa dodáva ako textová položka v poli content. Veta môže opisovať človeka, predmet alebo štýl, neprikladá však referenčný obrázok ani neurčuje presnú vizuálnu identitu podľa súboru, ktorý model nevidel. Ak musí úvodná kompozícia scény vychádzať z existujúceho obrázka, zvoľte profil s podporou obrázkov. Nepredpokladajte, že identifikátor Lite t2v zmení režim pridaním poľa pre médiá.

Zdokumentovaný rozsah trvania pre 1.0 je dve až dvanásť sekúnd, predvolených je päť sekúnd a snímková frekvencia je pevne stanovená na 24 fps. Lite ponúka úrovne rozlíšenia 480p, 720p a 1080p, pričom zdokumentovanou predvolenou hodnotou je 720p. Pevné pomery strán zahŕňajú 16:9, 4:3, 1:1, 3:4, 9:16 a 21:9. Formát podľa cieľového použitia vyberte ešte pred generovaním: na výšku pre zvislú prezentáciu, štvorec pre kompaktný produktový panel alebo na šírku pre širokú scénu. Úrovne rozlíšenia a pomery strán opisujú požadovaný výstup; skutočné rozmery v pixeloch a kompozíciu skontrolujte v stiahnutom klipe.

Požiadavka sprístupňuje nastavenia seed, watermark a kamery. Hodnota seed je celé číslo od -1 do 2^32-1, pričom -1 zvolí náhodnú hodnotu. Požiadavka na pevnú kameru pridáva pokyn pre nehybnú kameru a dokumentácia výslovne uvádza, že účinok nie je zaručený. Pokyn pre kameru musí byť zhodný v opise scény aj v samostatnom nastavení. Pokyny pre parametre vložené do textu majú prednosť pred samostatnými voliteľnými parametrami, preto na oboch miestach neuvádzajte protichodné pokyny pre trvanie, rozlíšenie či kompozíciu.

Spotreba sa meria vo videotokenoch: šírka výstupu × výška výstupu × snímková frekvencia × trvanie výstupu / 1024. Dokončená úloha vykazuje túto veličinu ako usage.completion_tokens. Vykázanú spotrebu uchovajte spolu s hotovým klipom a jeho požadovanými nastaveniami.

Generovanie je asynchrónne. Odoslanie vráti identifikátor úlohy a dotaz na úlohu poskytne stav spracovania a po úspešnom dokončení adresu videa v content.video_url. Identifikátor uchovajte, kým úloha čaká vo fronte alebo prebieha, a dokončený klip si uložte pre ďalšiu úpravu. Zdokumentovaná doba uchovávania vygenerovaného súboru je sedem dní. Požiadavka má aj interval platnosti meraný od vytvorenia úlohy; po jeho uplynutí nedokončená úloha prejde do stavu po vypršaní platnosti. Zdokumentovaná predvolená hodnota je 172800 sekúnd a povolený rozsah je 3600 až 259200 sekúnd.

Celý klip porovnajte so zadaním: či sa objaví zamýšľaný hlavný objekt, či činnosť prebieha v správnom poradí, či kamera dodržiava požadovaný smer a či je posledný záber použiteľný. V ďalšej verzii zmeňte konkrétny pokyn a zachovajte vydarenú štruktúru scény. Pri sérii záberov uchovajte každý prompt, požadované nastavenia a dokončené video, aby ste ďalšiu scénu mohli plánovať podľa skutočného výsledku.