ByteDance: Seedance 2.0 Fast

Seedance 2.0 Fast är den separat namngivna Fast-profilen som väljs med doubao-seedance-2-0-fast-260128. Den stöder videogenerering, redigering och förlängning med text, bilder samt video- och ljudreferenser. Profilen är användbar när scenbeskrivningen behöver mer än en beskrivning av utseendet: befintliga medier kan också förmedla framförande, kamerans bildspråk och ljud. Namnet Fast identifierar varianten i begäran; det lovar inte att en enskild asynkron uppgift blir klar inom en bestämd tid.

Börja med den del som ska definiera den nya tagningen. Text räcker i sig för att beskriva en ny scen. En bild kan fastställa en karaktär, produkt eller komposition; en video kan tillföra rörelse eller en befintlig sekvens att revidera eller fortsätta. De dokumenterade innehållskombinationerna omfattar bilder med ljud, video med ljud och bilder, video och ljud tillsammans, med valfri text vid sidan av visuella medier. Kombinationerna beskriver inte en fristående begäran med enbart ljud, så koppla ljudreferenser till den visuella källa de ska styra.

Håll referensrollerna uttryckliga i arrayen content och i beskrivningen. Objekten image_url, video_url och audio_url kan bära rollerna reference_image, reference_video och reference_audio. Beskriv vilken bild som tillför motivet, vilken video som tillför kameran eller handlingen och vilket ljud som tillför ljudspåret. För en produkttagning kan en bild definiera förpackningen medan en video illustrerar en rörelse förbi föremålet. Ange önskat slut så att den korta sekvensen får en användbar slutbild i stället för att stanna mitt i en handling.

För redigering anger du källmaterial, ändring och den kontinuitet som ska bevaras. En ändring av bakgrund eller ljussättning ska lämna det avsedda motivet och handlingen tydligt angivna. För förlängning förklarar du vad som händer härnäst och hur den nya rörelsen ansluter till den befintliga scenen. Referenserna styr genereringen; kontrollera den faktiska skarven och hela klippet för utseende, rörelseriktning och tidsförlopp i stället för att anta att fortsättningen bevarar varje detalj på bildrutenivå.

Det dokumenterade intervallet för 2.0 Fast är fyra till femton hela sekunder, med -1 för en modellvald längd inom intervallet. Standardlängden är fem sekunder. Utdataupplösningen är 480p eller 720p, med 720p som standardvärde och 1080p uteslutet. Välj bland de fasta formaten 16:9, 4:3, 1:1, 3:4, 9:16 och 21:9 eller ett adaptivt bildformat. Det adaptiva bildformatet följer relevant prompt- eller referenskontext; en tagning som utgår från en första bildruta följer sin startbild, medan multimodalt bildformat kan prioritera video framför bilder. Läs de returnerade uppgiftsfälten för faktisk längd och faktiskt bildförhållande.

Använd generate_audio för att välja om den genererade videon innehåller synkroniserat ljud. Det dokumenterade standardvärdet är true; false begär tystnad. Med ljud aktiverat genererar profilen röster, effekter eller bakgrundsmusik från prompten och det visuella innehållet, och guiden rekommenderar dialog inom dubbla citattecken. Ange talare och önskat samband mellan ljud och handling. Granska talet med en lyssnare som behärskar språket och kontrollera ljudsynkroniseringen genom klippet, inklusive varje redigerat eller förlängt segment.

Guiden för 2.0 Fast utesluter de äldre kontrollerna frames och camera_fixed och stöder inte offlinebearbetning med flex. Beskriv kamerans beteende i scenen och använd duration för klipplängden. Alternativen för seed och vattenstämpel är fortsatt dokumenterade. Samma seed garanterar inte identiska utdata, så behåll det färdiga resultatet när du jämför revideringar i stället för att bara förlita dig på begärans inställningar.

Användningen av videotoken beräknas som (indatavideons längd + utdatavideons längd) × utdatans bredd × utdatans höjd × utdatans bildfrekvens / 1024. Begäranden med indatavideo och de utan indatavideo har skilda debiteringskategorier. Uppgiftsfrågan rapporterar usage.completion_tokens och usage.total_tokens; spara dessa rapporterade mängder med det färdiga klippet.

När uppgiften skickas in returneras en uppgiftsidentifierare innan den färdiga videon finns tillgänglig. Följ bearbetningsstatus och hämta sedan content.video_url efter ett lyckat resultat och behåll rapporterad längd, upplösning, bildförhållande, bildfrekvens och användning med resultatet. Giltighetstiden mäts från när uppgiften skapas, har 172 800 sekunder som standardvärde och sträcker sig från 3 600 till 259 200 sekunder. Spara slutklippet med referenser och prompt och kontrollera sedan motivets identitet, kontakten mellan föremålen, kamerakontinuitet och ljudets tidsplacering genom hela sekvensen.