HappyHorse 1.0 Nine Image Reference Control
HappyHorse 1.0 อยู่ในตระกูลการสร้างวิดีโอของ Alibaba สำหรับนักพัฒนาที่สร้างเวิร์กโฟลว์ภาพแบบควบคุมได้ สร้างวิดีโอจากข้อความหรือเฟรมแรก กำหนดอัตลักษณ์และสไตล์ด้วยภาพอ้างอิงตั้งแต่ 1 ถึง 9 ภาพ หรือแปลงฟุตเทจที่มีอยู่ด้วยคำสั่งข้อความ Atlas Cloud มอบคีย์เดียวที่เข้ากันได้กับ OpenAI เวิร์กโฟลว์ REST แบบอะซิงโครนัส ความพร้อมใช้งานที่เชื่อถือได้ และสิทธิ์เข้าถึงตั้งแต่ Day-0 เริ่มสร้างสรรค์ได้วันนี้
Happy Horse 1.0 พัฒนาโดย Alibaba โดย Atlas Cloud (ดำเนินการโดย Atlas Cloud AI LLC) เป็นผู้ให้บริการเข้าถึงโมเดลนี้ แต่ไม่ได้เป็นเจ้าของโมเดล เครื่องหมายการค้าทั้งหมดเป็นของเจ้าของที่เกี่ยวข้อง
สำรวจโมเดลชั้นนำ
Atlas Cloud มอบโมเดลสร้างสรรค์ล่าสุดที่นำหน้าในอุตสาหกรรมให้กับคุณ
เส้นทาง API ของ HappyHorse 1.0 สำหรับการสร้างและตัดต่อวิดีโอ
เปรียบเทียบโมดัลลิตีทั้งสี่ของ HappyHorse 1.0 ตามอินพุต เอาต์พุต ความละเอียด ระยะเวลา และการใช้งานในการผลิต
| โมดัลลิตี | คำอธิบาย |
|---|---|
| HappyHorse 1.0 T2V API (Text To Video) | เปลี่ยนพรอมต์ข้อความให้เป็นวิดีโอ 720P หรือ 1080P ความยาวตั้งแต่ 3 ถึง 15 วินาที พร้อมอัตราส่วนภาพที่ยืดหยุ่นสำหรับรูปแบบการนำส่งที่หลากหลาย ใช้ endpoint นี้สำหรับสตอรีบอร์ด คลิปประชาสัมพันธ์ และคอนเซ็ปต์ภาพที่สร้างขึ้นโดยไม่ต้องใช้ฟุตเทจต้นฉบับ |
| HappyHorse 1.0 I2V API (Image To Video) | ภาพเฟรมแรกจะถูกนำไปสร้างเป็นวิดีโอ 720P หรือ 1080P โดยสามารถใช้พรอมต์เพิ่มเติมเพื่อกำกับแนวทางของแอนิเมชันได้ ระยะเวลา 3 ถึง 15 วินาทีเหมาะสำหรับภาพสินค้า ช็อตตัวละคร และคอนเทนต์โซเชียลที่สร้างจากอาร์ตเวิร์กที่มีอยู่แล้ว |
| HappyHorse 1.0 Reference-to-Video API | เมื่อจำเป็นต้องมีแนวทางด้านภาพ ให้ส่งภาพอ้างอิง 1 ถึง 9 ภาพพร้อมพรอมต์ข้อความเพื่อสร้างวิดีโอ 720P หรือ 1080P อัตราส่วนภาพที่ยืดหยุ่นและระยะเวลา 3 ถึง 15 วินาทีรองรับฉากที่ขับเคลื่อนด้วยตัวละคร แอสเซ็ตแบรนด์ และการผลิตครีเอทีฟที่อ้างอิงจากภาพต้นแบบ |
| HappyHorse 1.0 Video Edit API | ปรับแต่งวิดีโออินพุตด้วยคำสั่งข้อความ พร้อมตัวเลือกในการใช้ภาพอ้างอิงเพื่อกำกับการเปลี่ยนแปลงที่ต้องการ endpoint นี้สร้างเอาต์พุต 720P หรือ 1080P สำหรับปรับสไตล์ฟุตเทจ แก้ไของค์ประกอบในฉาก และดัดแปลงแอสเซ็ตวิดีโอที่มีอยู่แล้ว |
ภายใน HappyHorse API: วิดีโอและเสียงที่รวมในการส่งผ่านครั้งเดียว
จากคุณภาพภาพยนตร์ที่นำ Arena ไปจนถึงเสียงพหุภาษาดั้งเดิม HappyHorse API รวมการสร้างมัลติโมดัลแบบรวมตัว การเคลื่อนไหวที่เหมือนจริง แอนิเมชั่นรูปภาพ และเวิร์กโฟลว์แบบอะซิงโครนัส อยู่เบื้องหลังจุดปลายทางแบบจ่ายตามการใช้งาน
คุณภาพภาพยนตร์จาก HappyHorse API
HappyHorse ครองอันดับหนึ่งใน Artificial Analysis Video Arena สำหรับทั้ง T2V และ I2V ซึ่งตัดสินโดยการเลือกของมนุษย์แบบตาบอด การจัดอันดับนั้นแปลเป็นภาพที่มีรายละเอียด การแสดงแสง และองค์ประกอบภาพยนตร์ที่น่าเชื่อถือ
การซิงค์ปากในเจ็ดภาษา
การซิงค์ปากดั้งเดิมครอบคลุม Mandarin, Cantonese, English, Japanese, Korean, German และ French พร้อมบทสนทนาและ Foley ที่สร้างขึ้นพร้อมกับวิดีโอ แคมเปญในท้องถิ่นไม่จำเป็นต้องใช้ซ้อมเสียงแยกต่างหากหรือออกแบบเสียง
แกนมัลติโมดัลแบบรวมตัวของ HappyHorse API
Token ข้อความ รูปภาพ วิดีโอ และเสียงไหลผ่านลำดับ Transformer แบบรวมตัวเดียว แทนที่จะใช้ไปป์ไลน์แบบหลายขั้นตอนที่เชื่อมโยงกัน การรวมตัวของคุณยังคงง่ายเพราะโหมดการสร้างทั้งหมดใช้สถาปัตยกรรมพื้นฐานเดียวกัน
การเคลื่อนไหวที่ปฏิบัติตามฟิสิกส์ของโลกจริง
เมื่อวัตถุวิ่ง ชนกัน หรือโต้ตอบกัน ฟิสิกส์ยังคงเชื่อถือได้ ซึ่งเป็นจุดแข็งของ HappyHorse ในการนำการเปรียบเทียบ I2V แบบตาบอดบน Video Arena คลิปกีฬา ฉากการไล่ล่า และลำดับการเต้นรำทั้งหมดคงน้ำหนักไว้บนจอ
รูปภาพนิ่งเป็นฉากที่มีชีวิตกับ HappyHorse API
ป้อนภาพถ่ายหนึ่งภาพไปยังจุดปลายทาง I2V และดูเมื่อมันกลายเป็นการเคลื่อนไหว 1080p ที่ลื่นไหล ในขณะที่เอกลักษณ์ของวัตถุยังคงอยู่ ภาพสินค้า ภาพบุคคล และศิลปะแนวคิดทั้งหมดเคลื่อนไหวได้โดยไม่เสียลักษณะ
การหมุนเวียนอย่างรวดเร็ว โดยการออกแบบแบบอะซิงโครนัส
เวิร์กโฟลว์งานแบบอะซิงโครนัสทำให้การสร้างเคลื่อนไหวต่อไป: ส่ง prompt, ตรวจสอบสถานะ และดึงคลิปที่เสร็จแล้วโดยไม่บล็อกแอปพลิเคชันของคุณ รอบการวนซ้ำอย่างรวดเร็วเหมาะสมกับวันหมดเขตแคมเปญและต้นแบบที่แน่นหนา
HappyHorse เทียบกับโมเดลอื่น ๆ - พรอมต์เดียว
พรอมต์เดียวกันที่สร้างโดย HappyHorse และโมเดลวิดีโอชั้นนำอื่น ๆ: ภาพยนตร์สั้นสไตล์ซิเนมาติกและโฆษณาระดับไฮเอนด์
สร้างภาพยนตร์สั้นสไตล์ซิเนมาติกความยาว 10 วินาทีเกี่ยวกับนักดนตรีข้างถนนและเด็กคนหนึ่งที่พบกันในลานเมืองอันสดใส ฉากที่ 1, 0-2 วินาที: ภาพมุมกว้างเพื่อแนะนำสถานที่ของลานเมืองสไตล์ยุโรปอันสว่างสดใสในช่วงบ่ายแก่ ๆ นักดนตรีข้างถนนนั่งอยู่ใกล้น้ำพุและเล่นกีตาร์อะคูสติก แสงแดดอบอุ่น เงานุ่ม มีนกพิราบเคลื่อนไหวอยู่ด้านหลัง พร้อมบรรยากาศเสียงเมืองที่เป็นธรรมชาติ ฉากที่ 2, 2-5 วินาที: ภาพติดตามระยะกลาง ขณะที่เด็กคนหนึ่งเดินเข้าหานักดนตรีพร้อมถือลูกโป่งสีแดงขนาดเล็ก นักดนตรียังคงเล่นกีตาร์ต่อไป จังหวะก้าวเดินของเด็ก จังหวะกีตาร์ และเสียงฝูงชนโดยรอบควรสอดประสานกันอย่างเป็นธรรมชาติ ฉากที่ 3, 5-8 วินาที: ภาพระยะใกล้แบบสองตัวละคร นักดนตรียิ้มและเปลี่ยนทำนองเล็กน้อยเมื่อเด็กหยุดยืนข้าง ๆ เด็กเคาะลูกโป่งเบา ๆ ให้เข้าจังหวะดนตรี รักษาใบหน้า เสื้อผ้า สัดส่วนร่างกาย และตำแหน่งเชิงพื้นที่ของตัวละครทั้งสองให้คงที่ ฉากที่ 4, 8-10 วินาที: ภาพดึงกล้องถอยออกแบบซิเนมาติกในตอนจบ นักดนตรียังคงเล่นต่อ เด็กหัวเราะ นกพิราบบินผ่านลานเมือง และน้ำพุเป็นประกายท่ามกลางแสงแดด ดนตรีและบรรยากาศเสียงเมืองค่อย ๆ จางลงอย่างเป็นธรรมชาติ ข้อกำหนด: - รักษาอัตลักษณ์ เสื้อผ้า และสัดส่วนของตัวละครทั้งสองให้คงที่ตลอดทุกช็อต - รักษาลูกโป่งสีแดง กีตาร์ น้ำพุ และผังของลานเมืองให้สอดคล้องกัน - ใช้การควบคุมกล้องแบบซิเนมาติกที่อ่านได้ชัดเจน: ภาพมุมกว้าง ภาพติดตาม ภาพระยะใกล้แบบสองตัวละคร และภาพดึงกล้องถอยออกในตอนจบ - ซิงโครไนซ์เสียงกับการเคลื่อนไหว: กีตาร์อะคูสติก เสียงฝีเท้า เสียงหัวเราะของเด็ก เสียงนกพิราบ เสียงน้ำพุ และบรรยากาศเสียงเมือง - การเคลื่อนไหวของมนุษย์เป็นธรรมชาติ มือมั่นคง และการเล่นกีตาร์สมจริง - ห้ามใบหน้าบิดเบี้ยว ห้ามเสื้อผ้าของตัวละครเปลี่ยน และห้ามลูกโป่งหรือกีตาร์หายไป - ความสมจริงแบบซิเนมาติกโทนอุ่น รูปลักษณ์แบบภาพยนตร์สั้นที่ขัดเกลาอย่างดี ความละเอียด 1080p
HappyHorse 1.0
Kling V3.0
Pixverse V6
สร้างโฆษณาไลฟ์สไตล์แบบซิเนมาติกความยาว 10 วินาทีสำหรับเครื่องชงกาแฟอัจฉริยะภายในบ้าน ฉากที่ 1, 0-2 วินาที: ภาพมุมกว้างของห้องครัวสมัยใหม่ที่สว่างสดใสในยามเช้า เครื่องชงกาแฟอัจฉริยะวางอยู่บนเคาน์เตอร์สะอาดข้างถ้วยเซรามิกสีขาว แสงแดดอ่อนส่องผ่านหน้าต่าง ให้บรรยากาศอบอุ่นและเป็นธรรมชาติ ฉากที่ 2, 2-5 วินาที: ภาพระยะกลางของคนทำงานรุ่นใหม่ที่เดินเข้าครัวและแตะหน้าจอสัมผัสบนเครื่องชงกาแฟ หน้าจอสว่างขึ้นอย่างราบรื่น เพิ่มเสียงแตะปุ่มเบา ๆ เสียงเครื่องเริ่มทำงานเงียบ ๆ และบรรยากาศยามเช้าอันละเอียดอ่อน ฉากที่ 3, 5-8 วินาที: ภาพระยะใกล้ของกาแฟที่ไหลลงถ้วย ไอน้ำลอยขึ้นอย่างเป็นธรรมชาติ ครีมาก่อตัวบนผิวกาแฟ และเครื่องชงยังคงมีดีไซน์ ขนาด สี ตำแหน่งหน้าจอสัมผัส และวัสดุเหมือนเดิมทุกประการ เสียงกาแฟไหลควรสอดคล้องกับการเคลื่อนไหวของของเหลว ฉากที่ 4, 8-10 วินาที: ภาพฮีโร่ช็อตในตอนจบ บุคคลนั้นยกถ้วยขึ้นและยิ้ม ขณะที่เครื่องชงกาแฟยังคงคมชัดอยู่ด้านหลัง กล้องค่อย ๆ ดึงถอยออก ให้ภาพลักษณ์แบบโฆษณาเครื่องใช้ไฟฟ้าภายในบ้านระดับพรีเมียมที่สะอาดและดูดี ข้อกำหนด: - รักษาดีไซน์ของเครื่องชงกาแฟให้เหมือนเดิมทุกประการตลอดทุกช็อต - รักษาผังห้องครัว เคาน์เตอร์ ถ้วย แสง และสเกลของผลิตภัณฑ์ให้สอดคล้องกัน - ใช้การควบคุมกล้องแบบซิเนมาติกที่อ่านได้ชัดเจน: ภาพมุมกว้าง ภาพระยะกลางขณะโต้ตอบ ภาพระยะใกล้ และภาพดึงกล้องถอยออกในตอนจบ - ซิงโครไนซ์เสียงกับการเคลื่อนไหว: เสียงแตะปุ่ม เสียงเครื่องเริ่มทำงาน เสียงกาแฟไหล และบรรยากาศยามเช้าเบา ๆ - การเคลื่อนไหวของมือเป็นธรรมชาติ ฟิสิกส์ของของเหลวสมจริง และรูปทรงเรขาคณิตของผลิตภัณฑ์คงที่ - ห้ามมือบิดเบี้ยว ห้ามตำแหน่งหน้าจอสัมผัสเปลี่ยน และห้ามรายละเอียดของผลิตภัณฑ์ไม่สอดคล้องกัน - ความสมจริงแบบซิเนมาติกที่สว่างสดใส สไตล์โฆษณาไลฟ์สไตล์ระดับไฮเอนด์ ความละเอียด 1080p
HappyHorse 1.0
Kling V3.0
Pixverse V6
HappyHorse 1.0 ตลอดกระบวนการผลิต
ใช้ HappyHorse 1.0 เปลี่ยนพรอมต์และภาพเฟรมแรกให้เป็นวิดีโอ กำกับฉากด้วยภาพอ้างอิงได้สูงสุด 9 ภาพ ปรับแก้ฟุตเทจที่มีอยู่ด้วยข้อความ และจัดรูปแบบแอสเซ็ต 720p หรือ 1080p สำหรับแคมเปญ หน้าผลิตภัณฑ์ ช่องทางโซเชียล และงานเตรียมการผลิต
สตอรีบอร์ดด้วย HappyHorse 1.0
เปลี่ยนแนวคิดที่เขียนไว้ให้เป็นวิดีโอความยาว 3 ถึง 15 วินาทีที่ความละเอียด 720p หรือ 1080p ด้วย HappyHorse 1.0 ผู้กำกับและทีมครีเอทีฟสามารถดูตัวอย่างการจัดเฟรม จังหวะ และทิศทางภาพได้ก่อนตัดสินใจเริ่มการผลิต
ภาพถ่ายผลิตภัณฑ์ที่มีการเคลื่อนไหว
สร้างภาพเคลื่อนไหวจากภาพเฟรมแรกให้เป็นคลิปความยาว 3 ถึง 15 วินาที พร้อมใช้พรอมต์กำกับเพิ่มเติมได้ที่ความละเอียด 720p หรือ 1080p ทีมผลิตภัณฑ์สามารถเปลี่ยนภาพนิ่งในแค็ตตาล็อกให้เป็นวิดีโอสำหรับหน้ารายการ โฆษณา และแอสเซ็ตเปิดตัว
ตัวละครที่กำกับด้วยภาพอ้างอิงด้วย HappyHorse 1.0
กำกับการสร้างแต่ละครั้งด้วยภาพอ้างอิง 1 ถึง 9 ภาพ พร้อมพรอมต์ข้อความใน HappyHorse 1.0 สตูดิโอสามารถพัฒนาตัวละครที่ปรากฏซ้ำ ภาพลักษณ์แบรนด์ และฉากแคมเปญจากชุดภาพอ้างอิงที่มีความสอดคล้องกัน
การปรับแก้วิดีโอด้วยข้อความ
อธิบายการเปลี่ยนแปลงที่ต้องการด้วยข้อความ จากนั้นแก้ไขวิดีโออินพุตโดยเพิ่มภาพอ้างอิงได้ที่ความละเอียด 720p หรือ 1080p ทีมโพสต์โปรดักชันสามารถเปลี่ยนสไตล์ฟุตเทจ แทนที่องค์ประกอบภาพ หรือเตรียมเวอร์ชันต่าง ๆ สำหรับแคมเปญ
รูปแบบโซเชียลด้วย HappyHorse 1.0
เลือกอัตราส่วนภาพที่ยืดหยุ่นใน HappyHorse 1.0 และเรนเดอร์วิดีโอความยาว 3 ถึง 15 วินาทีที่ความละเอียด 720p หรือ 1080p ทีมโซเชียลสามารถเตรียมแอสเซ็ตแนวตั้ง สี่เหลี่ยมจัตุรัส หรือแนวนอนสำหรับแพลตฟอร์มเผยแพร่ต่าง ๆ
การสร้างต้นแบบวิดีโออย่างรวดเร็ว
เรียกใช้เวิร์กโฟลว์ข้อความ ภาพ ภาพอ้างอิง และการตัดต่อผ่าน endpoint ของ HappyHorse โดยคิดราคามาตรฐาน $0.14 ต่อการสร้าง 1 ครั้ง นักพัฒนาสามารถทดสอบแนวคิดได้อย่างรวดเร็ว เปรียบเทียบทิศทางต่าง ๆ และสร้างไปป์ไลน์วิดีโอที่ทำซ้ำได้
เปรียบเทียบโมเดล
ดูว่าโมเดลจากผู้ให้บริการต่างๆ เปรียบเทียบกันอย่างไร — เปรียบเทียบประสิทธิภาพ ราคา และจุดแข็งเฉพาะตัวเพื่อตัดสินใจอย่างมีข้อมูล
| โมเดล | ประเภทอินพุต | ระยะเวลาผลลัพธ์ | ความละเอียด | การสร้างเสียง |
|---|---|---|---|---|
| HappyHorse-1.0 | ข้อความ, รูปภาพ | 5–8s | 1024×1024 | √ |
| Seedance 2.0 | ข้อความ, รูปภาพ | 4~15s | 1024×1024 | √ |
| Kling 3.0 | ข้อความ, รูปภาพ | 3~15s | 256P~4K | √ |
| Wan-2.6 | ข้อความ, รูปภาพ | 5s;10s;15s | 1080P, 720P | √ |
วิธีใช้ Happy Horse 1.0 บน Atlas Cloud
เริ่มต้นได้ในไม่กี่นาที — ทำตามขั้นตอนง่าย ๆ เหล่านี้เพื่อเชื่อมต่อและใช้งานโมเดลผ่านแพลตฟอร์ม Atlas Cloud
สร้างบัญชี Atlas Cloud
สมัครสมาชิกที่ atlascloud.ai และยืนยันตัวตน ผู้ใช้ใหม่จะได้รับเครดิตฟรีเพื่อสำรวจแพลตฟอร์มและทดสอบโมเดล
ทำไมต้องใช้ Happy Horse 1.0 บน Atlas Cloud
การรวมโมเดล Happy Horse 1.0 ขั้นสูงเข้ากับแพลตฟอร์มที่เร่งด้วย GPU ของ Atlas Cloud ให้ประสิทธิภาพ ความสามารถในการขยาย และประสบการณ์นักพัฒนาที่ไม่มีใครเทียบได้
ประสิทธิภาพและความยืดหยุ่น
เวลาแฝงต่ำ:
inference ที่ปรับแต่ง GPU เพื่อการตอบสนองแบบเรียลไทม์
API แบบรวมศูนย์:
รัน Happy Horse 1.0, GPT, Gemini และ DeepSeek ด้วยการเชื่อมต่อเดียว
ราคาโปร่งใส:
ชำระเงินต่อโทเค็นที่คาดเดาได้พร้อมตัวเลือก serverless
องค์กรและขนาด
ประสบการณ์นักพัฒนา:
SDK, การวิเคราะห์, เครื่องมือปรับแต่ง และเทมเพลต
ความน่าเชื่อถือ:
ความพร้อมใช้งาน 99.99%, RBAC และการบันทึกที่พร้อมสำหรับการปฏิบัติตาม
ความปลอดภัยและการปฏิบัติตาม:
SOC 2 Type II, สอดคล้อง HIPAA, อธิปไตยข้อมูลในสหรัฐอเมริกา
คำถามที่พบบ่อยเกี่ยวกับ HappyHorse 1.0 API: การเข้าถึง อินพุต และข้อจำกัด
HappyHorse 1.0 คือชุดโมเดลวิดีโอ AI ของ Alibaba สำหรับสร้างหรือแก้ไขคลิปสั้นจากข้อความ รูปภาพ รูปภาพอ้างอิง หรือฟุตเทจที่มีอยู่ โดย Atlas Cloud มี endpoint แบบจ่ายตามการใช้งาน 4 รายการ รองรับเอาต์พุต 720P และ 1080P
เริ่มจากพรอมป์ด้วย text-to-video ทำให้รูปภาพเฟรมแรกเคลื่อนไหว หรือกำกับคลิปใหม่ด้วยรูปภาพอ้างอิง 1 ถึง 9 รูป สำหรับฟุตเทจที่มีอยู่แล้ว video-edit endpoint รองรับคำสั่งข้อความและรูปภาพอ้างอิงเพิ่มเติมที่เลือกใส่ได้
บน Atlas Cloud ทั้งสองเวอร์ชันมี endpoint สำหรับ text-to-video, image-to-video และ reference-to-video ส่วน HappyHorse 1.0 ยังมี video-edit endpoint ที่ใช้แปลงฟุตเทจเดิมด้วยคำสั่งข้อความและรูปภาพอ้างอิงเพิ่มเติมที่เลือกใส่ได้
สร้างบัญชี Atlas Cloud แล้วสร้าง API key ในแดชบอร์ด จากนั้นส่งอินพุตที่จำเป็นพร้อม model ID ที่เหมาะสมไปยัง video generation endpoint เก็บ prediction ID ที่ได้รับกลับมาไว้ เพื่อให้แอปพลิเคชันของคุณใช้ดึงผลลัพธ์ที่ประมวลผลเสร็จแล้ว
คำขอจะทำงานแบบอะซิงโครนัส ดังนั้นการตอบกลับครั้งแรกจะส่ง prediction ID กลับมาแทนการเปิดการเชื่อมต่อค้างไว้จนกว่าการสร้างจะเสร็จสิ้น ให้เรียก prediction endpoint เป็นระยะจนกว่าสถานะจะเป็น completed, succeeded หรือ failed จากนั้นอ่าน output URL จากการตอบกลับที่สำเร็จ
text-to-video และ reference-to-video สามารถเรนเดอร์คลิป 720P หรือ 1080P ที่มีความยาวตั้งแต่ 3 ถึง 15 วินาที อัตราส่วนภาพที่รองรับ ได้แก่ 16:9, 9:16, 1:1, 4:3 และ 3:4 ส่วน image-to-video จะใช้รูปภาพที่อัปโหลดเป็นเฟรมแรก
ระบุ URL ของรูปภาพ 1 ถึง 9 รูป พร้อมพรอมป์ที่อธิบายว่าวัตถุ สิ่งของ หรือองค์ประกอบทางภาพที่ให้มาควรปรากฏและเคลื่อนไหวอย่างไร รูปแบบที่รองรับ ได้แก่ JPEG, JPG, PNG และ WEBP โดยแต่ละรูปมีขนาดไม่เกิน 20 MB และด้านที่สั้นกว่าต้องมีความยาวอย่างน้อย 400 พิกเซล
endpoint ของ HappyHorse 1.0 แต่ละรายการมีราคาพื้นฐานมาตรฐานที่ยืนยันแล้วอยู่ที่ $0.14 ต่อการสร้าง 1 ครั้งบน Atlas Cloud คิดค่าบริการตามการใช้งาน โดยไม่จำเป็นต้องสมัครสมาชิกเพื่อเข้าถึงเวิร์กโฟลว์ด้านข้อความ รูปภาพ รูปภาพอ้างอิง หรือการแก้ไข
ควรวางแผนโดยคำนึงถึงความยาวสูงสุด 15 วินาทีสำหรับการสร้างด้วย text-to-video, image-to-video และ reference-to-video การทดสอบจากชุมชนรายงานว่าการเคลื่อนไหวที่รวดเร็วหรือซับซ้อนของหลายวัตถุอาจทำให้เฟรมไม่สม่ำเสมอ จึงควรตรวจสอบเอาต์พุตและเผื่อการลองใหม่ก่อนนำไปใช้งานจริง
สำรวจกลุ่มเพิ่มเติม
Kling 4.0
Kling V4 ซึ่งพัฒนาโดย Kuaishou เป็นโมเดลวิดีโอ 4K HDR ที่สร้างขึ้นสำหรับการผลิตระดับมืออาชีพ ผสมผสานการเคลื่อนไหวที่ซับซ้อนและเสถียรเข้ากับรูปแบบอัลตราไวด์ 21:9 และการแก้ไขที่ตรงจุดสำหรับสีหน้า มุมกล้อง พื้นหลัง สไตล์ภาพ และบทสนทนา Atlas Cloud ให้บริการนี้ผ่านคีย์ที่เข้ากันได้กับ OpenAI พร้อมโครงสร้างราคาแบบจ่ายตามการใช้งาน (pay-as-you-go) ที่โปร่งใส เริ่มต้นสร้างสรรค์ได้แล้ววันนี้
Seedance 2.5
Seedance 2.5 API พร้อมใช้งานแล้วบน Atlas Cloud! มอบโมเดลวิดีโอใหม่ล่าสุดของ ByteDance ให้กับนักพัฒนา สร้างวิดีโอเนทีฟได้นานถึง 30 วินาทีในการประมวลผลเพียงครั้งเดียวจากข้อความ รูปภาพเดียว หรือการอ้างอิงหลายรูปแบบสูงสุด 50 รายการ พร้อมเสียงที่ซิงโครไนซ์และข้อความหลายภาษาในเฟรม บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่านคีย์เดียว โดยมีความสอดคล้องของวัตถุและระบบฟิสิกส์ที่ได้รับการปรับปรุงซึ่งช่วยให้ภาพระยะยาวมีความต่อเนื่อง
Wan 3.0
Wan 3.0 API คือเจเนอเรชันถัดไปของตระกูลวิดีโอ Wan จาก Alibaba ซึ่งสร้างขึ้นเพื่อยกระดับการสร้างวิดีโอแบบยาว การควบคุมแบบหลายข้อมูลอ้างอิง และคุณภาพของภาพและเสียงให้ก้าวไปอีกขั้น Atlas Cloud ได้โฮสต์ Wan 2.7, 2.6 และ 2.5 ไว้แล้ว และ Wan 3.0 สามารถทำงานบนคีย์แบบรวมเดียวกันโดยไม่ต้องตั้งค่าแยกต่างหาก เริ่มต้นสร้างสรรค์ได้ตั้งแต่วันนี้ เลื่อนลงไปที่ส่วนจัดแสดงเพื่อดูว่า Wan 3.0 สามารถสร้างอะไรได้บ้าง
MiniMax H3
MiniMax H3 คือผลิตภัณฑ์วิดีโอแบบมัลติโมดัลของ MiniMax สำหรับการสร้างสรรค์โดยใช้ข้อความ รูปภาพ และข้อมูลอ้างอิง ในเส้นทาง API ที่รองรับ ระบบจะคงลักษณะของวัตถุจากสื่ออ้างอิงไว้ มีอัตราส่วนภาพที่ยืดหยุ่น และจับคู่เสียงที่สร้างขึ้นกับภาพผ่าน H3 Developer โดยโปรไฟล์เอาต์พุตจะถูกเลือกตาม endpoint Atlas Cloud รวมผลิตภัณฑ์ในตระกูลนี้ไว้เบื้องหลังคีย์เดียวที่รองรับ OpenAI พร้อมการคิดค่าบริการตามการใช้งานอย่างโปร่งใส เริ่มต้นที่อัตรามาตรฐาน $0.038 ต่อวินาที เริ่มพัฒนาได้วันนี้
GPT Image 2.5
ตระกูล gpt-image-2.5 จาก OpenAI มอบทางเลือก Flare และ Sunburst ให้แก่นักพัฒนาสำหรับกระบวนการทำงานด้านการสร้างภาพเพื่อใช้งานจริง เรนเดอร์ด้วยความละเอียดตามต้องการสูงสุด 3840x2160 และเลือกได้จากระดับคุณภาพ 5 ระดับ รวมถึง xhigh และ max เพื่อให้ตรงตามข้อกำหนดของเอาต์พุตแต่ละแบบ Atlas Cloud ให้บริการอนุมานผ่าน REST ที่พร้อมใช้งาน โดยไม่มี cold start และคิดค่าบริการตามมาตรฐานเริ่มต้นที่ $0.004 ต่อการสร้างภาพ เริ่มพัฒนาได้วันนี้
Seedream 5.0 Pro
Seedream 5.0 Pro API มอบโมเดลการแก้ไขภาพที่ควบคุมได้ของ ByteDance บน Atlas Cloud ให้กับนักพัฒนา โดยจะวางการแก้ไขอย่างแม่นยำด้วยจุดยึดและพิกัด แยกภาพออกเป็นเลเยอร์ที่แก้ไขได้ ผสานข้อมูลอ้างอิงหลายรายการ และจับคู่สีและวัสดุที่แน่นอน พร้อมข้อความหลายภาษาที่ความละเอียด 2K และ 3K บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่านคีย์เดียว!
Seedance 2.0
Seedance 2.0 คือโมเดลวิดีโอสำหรับการใช้งานจริงของ ByteDance ที่ออกแบบมาเพื่อสร้างช็อตได้อย่างแม่นยำ เปลี่ยนพรอมป์ต์เป็นวิดีโอ ทำให้ภาพเฟรมแรกเคลื่อนไหวโดยมีตัวเลือกให้ใช้คำแนะนำจากเฟรมสุดท้าย หรือปรับแต่งผลลัพธ์ด้วยสื่ออ้างอิงและการค้นหาเว็บแบบเลือกใช้ได้ Atlas Cloud รวมเวิร์กโฟลว์เหล่านี้ไว้ใน API เดียว พร้อมการคิดค่าบริการตามการใช้งานจริงอย่างโปร่งใสและคีย์เดียวที่เข้ากันได้กับ OpenAI เริ่มสร้างสรรค์ได้วันนี้
Kling V3.0
Kling 3.0 API นำชุดเครื่องมือวิดีโอระดับเรือธงของ Kuaishou มาสู่ Atlas Cloud ผ่านคีย์ที่รองรับ OpenAI เพียงคีย์เดียว โดยครอบคลุมสองโมเดล ได้แก่ Kling 3.0 สำหรับการเล่าเรื่องผ่าน AI Director การลิปซิงค์หลายภาษา และข้อความบนหน้าจอที่แม่นยำ และ Kling 3.0 Omni (O3) สำหรับการโคลนวัตถุและเสียงจากวิดีโอสั้นหรือรูปภาพ ทั้งสองโมเดลสร้างเสียงต้นฉบับในกระบวนการเดียวกัน พร้อมเอาต์พุตสูงสุดถึง 4K สร้างการเล่าเรื่องแบบภาพยนตร์ การตลาดระดับโลก โฆษณาหลายภาษา และเนื้อหาตัวละครแบบซีรีส์บนโครงสร้างพื้นฐานที่เชื่อถือได้
Grok Imagine Video
Grok Imagine Video เปิดให้นักพัฒนาเข้าถึงตระกูลวิดีโอของ xAI เพื่อสร้าง ทำให้เคลื่อนไหว ขยาย และตัดต่อคลิป สร้างวิดีโอความยาว 1 ถึง 15 วินาทีจากพรอมต์ กำกับบุคคล วัตถุ หรือสไตล์ด้วยภาพอ้างอิงได้สูงสุดเจ็ดภาพ และทำงานที่ความละเอียด 480p หรือ 720p Atlas Cloud รวมความสามารถเหล่านี้ไว้ผ่าน endpoint ที่เข้ากันได้กับ OpenAI พร้อมการคิดค่าบริการแบบจ่ายตามการใช้งานอย่างโปร่งใส เริ่มสร้างสรรค์ได้วันนี้
Vidu Q4 Preview
Vidu Q4 คือโมเดลวิดีโอเรือธงรุ่นล่าสุดของ Vidu ออกแบบมาสำหรับการสร้างวิดีโอจากภาพและจากภาพอ้างอิง สามารถทำให้ภาพนิ่งภาพเดียวมีชีวิตขึ้นมาและสร้างการเปลี่ยนฉากโดยอัตโนมัติ ช่วยให้นักพัฒนามีช่องทางป้อนข้อมูล 2 รูปแบบสำหรับเวิร์กโฟลว์ผลิตภัณฑ์ที่แตกต่างกัน Atlas Cloud มี API endpoints เฉพาะ พร้อมสคีมาพารามิเตอร์ที่เผยแพร่ไว้ ในราคามาตรฐานที่ยืนยันแล้วที่ $0.04 ต่อวินาที เริ่มสร้างสรรค์ได้วันนี้
Gemini Omni 1.1 Flash
Gemini Omni 1.1 Flash เป็นตระกูลวิดีโอแบบมัลติโมดัลโดยกำเนิดของ Google DeepMind สำหรับเวิร์กโฟลว์การผลิตที่ยืดหยุ่น แก้ไขฟุตเทจที่มีอยู่ด้วยคำสั่งข้อความ รักษาความสอดคล้องทางภาพด้วยภาพอ้างอิงสูงสุด 10 ภาพและคลิปวิดีโอ 3 คลิป หรือขยายช็อตเป็นช่วงที่ต่อเนื่องกันได้สูงสุด 40 วินาที เข้าถึงทุกเวิร์กโฟลว์บน Atlas Cloud ด้วยคีย์ API ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียว ราคาตามการใช้งาน และพร้อมให้บริการตั้งแต่ Day-0 เริ่มสร้างสรรค์ได้วันนี้
Nano Banana 2.1
Nano Banana 2.1 คือกลุ่มโมเดลภาพของ Google ที่สร้างขึ้นบน Gemini 3.6 Flash ให้ความสามารถในการสร้างและแก้ไขภาพระดับ Pro ด้วยความเร็วระดับ Flash รองรับการแก้ไขและผสานภาพด้วยภาษาธรรมชาติจากภาพอินพุต 1 ถึง 14 ภาพ พร้อมรักษาความสอดคล้องของตัวละครสูงสุด 4 ตัวและวัตถุ 10 รายการ ผ่าน Atlas Cloud นักพัฒนาสามารถเข้าถึงกลุ่มโมเดลนี้ด้วยคีย์เดียวที่รองรับ OpenAI พร้อมความเสถียรในการให้บริการและพร้อมใช้งานตั้งแต่ Day-0 เริ่มสร้างสรรค์ได้ตั้งแต่วันนี้
บทความแนะนำ
คู่มือ บทแนะนำ และอัปเดตผลิตภัณฑ์ ที่ช่วยให้คุณใช้ Atlas Cloud ได้อย่างเต็มประสิทธิภาพ
