ByteDance: Seedance 2.5

Seedance 2.5 skapar video med en skriven scen och multimodala referenser. Den exakta väljaren doubao-seedance-2-5-260628 har en egen dokumenterad operation och ett eget exempel. Operationen beskriver videogenerering, videoredigering och videoförlängning, med bilder, video, ljud och text som indatamedier. Använd referenserna för att förmedla motivets utseende, handling, kamerarörelse, stil och ljud och förklara sedan vilket resultat som ska skapas från dem.

Indatakombinationerna omfattar enbart text, bilder eller video med valfri text, bilder med ljud, video med ljud och bilder, video och ljud tillsammans. De listade kombinationerna kopplar ljud till visuella medier i stället för att beskriva en begäran med enbart ljud. Organisera varje objekt utifrån dess roll: en bild fastställer ett motiv eller visuellt uttryck, en video visar rörelse eller en befintlig scen och ljud tillför en ljudreferens. Ange vilken roll som är viktig för den begärda tagningen så att en bakgrundsreferens inte misstas för huvudkaraktären.

Det exakta exemplet för 2.5 är en produktreklamsekvens. Det tillhandahåller en bild och flera videoreferenser och beskriver sedan en inledande fokuspunkt, ordnade produktplaceringar, detaljbilder, en handling i slow motion och en avslutande komposition med varumärket. Begäran tilldelar rollerna reference_image och reference_video och använder enskilda referenser för komposition, rörelse, kameraarbete och effekt. Det ger en praktisk struktur för ett kampanjkoncept: planera de synliga momenten, ange referensen för varje moment och specificera slutplaceringen.

En skriven sekvens kan skilja det som händer från hur det filmas. Beskriv produkthandlingen först och därefter bildutsnitt, kamerabana, tempo och övergång till nästa bild. Om en referens definierar produkten och en annan visar en kamerarörelse anger du dessa separata uppgifter. För en scen med flera föremål förklarar du deras positioner och ordningen på samspelet. Kontrollera produktens faktiska form, placering och rörelse i det genererade resultatet i stället för att anta att varje referensdetalj återges oförändrad.

För en redigering anger du den befintliga videon och delen som ska revideras, som miljö, en handling eller visuell stil, samtidigt som du anger den kontinuitet som ska bevaras. För en förlängning beskriver du hur scenen ska fortsätta från det tillhandahållna materialet. Granska både skarven och det nya segmentet: motivets utseende, rörelseriktning, kamerans position och ljudets tidsplacering påverkar om resultatet uppfattas som en enda scen. Håll originalvideon och den färdiga revideringen tillsammans så att ändringen kan kontrolleras mot den avsedda kontinuiteten.

Det dokumenterade multimodala exemplet för 2.5 anger generate_audio=true och begär en femtonsekunderssekvens med bildformatet 16:9. Värdena beskriver det exemplet, inte ett generellt längdtak eller någon gräns för referensmaterialet. Beskriv tydligt vilket ljud du vill ha i den begärda scenen, inklusive sambandet mellan musik, effekter och synlig handling, och utvärdera sedan de faktiska audiovisuella utdata. En ljudreferens och det genererade ljudspåret ska granskas tillsammans för avsett tempo och framförande.

Välj längd, bildformat och upplösning bland de inställningar som erbjuds för just den här profilen. Behåll den begärda konfigurationen med prompten och jämför den med de faktiska returnerade uppgiftsfälten. Använd returnerad längd, upplösning och bildförhållande när du förbereder det färdiga klippet för dess användningsområde. Bevara den exakta profilidentifieraren i versionsunderlaget så att en senare jämförelse använder samma valda utgåva.

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.

Genereringen är asynkron. Inskickandet returnerar en identifierare och det konfigurerade uppgiftsflödet ger status följd av content.video_url efter ett lyckat resultat. Spara det färdiga klippet med källmedierna och sekvensbeskrivningen. Granska alla planerade moment, föremålens samspel, karaktärernas utseende, bildformat och ljudsynkronisering genom hela resultatet. Vid en revidering anger du den konkreta detalj som missades och bevarar delarna av scenen som fungerade i stället för att ersätta hela beskrivningen med orelaterade instruktioner.