Seedance 2.0 First and Last Frame Control

Seedance 2.0 คือโมเดลสร้างวิดีโอแบบมัลติโมดัลของ ByteDance สำหรับสร้างและตัดต่อวิดีโอจากข้อความ รูปภาพ วิดีโอ และเสียงอ้างอิง Atlas Cloud มี endpoint สำหรับ text-to-video, image-to-video และ reference-to-video พร้อมเสียงในตัวที่ซิงโครไนซ์กัน

สร้างคีย์ API ของ Atlas Cloud และจัดเก็บอย่างปลอดภัยในตัวแปรสภาพแวดล้อม ส่งคำขอ POST ที่มีการยืนยันตัวตนไปยัง endpoint สำหรับสร้างวิดีโอ โดยระบุ model ID, พรอมป์ต์ และการตั้งค่าการสร้างที่เหมาะสม ใช้ prediction ID ที่ได้รับกลับมาเพื่อดึงผลลัพธ์ที่สร้างเสร็จแล้ว

เลือก text-to-video เมื่อฉากเริ่มต้นจากพรอมป์ต์ข้อความ ใช้ image-to-video เพื่อทำให้ภาพเฟรมแรกเคลื่อนไหว โดยระบุเฟรมสุดท้ายเพิ่มเติมได้ หรือเลือก reference-to-video เมื่อจำเป็นต้องใช้รูปภาพ วิดีโอ หรือเสียงเป็นตัวกำกับอัตลักษณ์ การเคลื่อนไหว สไตล์ การตัดต่อ หรือการต่อขยาย

อินพุตที่ใช้ได้ขึ้นอยู่กับ endpoint และรวมถึงพรอมป์ต์ เฟรมแรกและเฟรมสุดท้าย รูปภาพอ้างอิง วิดีโออ้างอิง และเสียงอ้างอิง โมเดลเต็มรูปแบบรองรับเอาต์พุตความยาว 4 ถึง 15 วินาที อัตราส่วนภาพหลายรูปแบบ เสียงที่ซิงโครไนซ์ การเลือกบิตเรต การควบคุม seed ลายน้ำที่เลือกเปิดใช้ได้ และการส่งเฟรมสุดท้ายแยกต่างหาก

ราคามาตรฐานที่ตรวจสอบแล้วของ Atlas Cloud คือ $0.112 ต่อวินาทีสำหรับ endpoint ของตระกูลทั้งสามที่ระบุไว้ อัตรามาตรฐานนี้ไม่ต้องอาศัยสมมติฐานเรื่องส่วนลดชั่วคราว และช่วยให้นักพัฒนามีฐานที่มั่นคงสำหรับประมาณการต้นทุนการใช้งานจริง

คำขอสร้างวิดีโอจะส่งคืน prediction ID ขณะที่การประมวลผลยังคงดำเนินการแบบอะซิงโครนัส ส่งคำขอสอบถาม prediction endpoint ซ้ำจนกว่าสถานะจะเป็น completed, failed หรือ timeout จากนั้นอ่าน URL ของสื่อที่สร้างขึ้นจาก outputs array หลีกเลี่ยงการส่งงานซ้ำขณะที่คำขอเดิมยังอยู่ระหว่างประมวลผล

ตั้งค่าฟิลด์ resolution เป็น 4k เมื่อเรียกใช้ endpoint ของ Seedance 2.0 แบบเต็มรูปแบบ เนื่องจากรุ่น Fast และ Mini ไม่รองรับตัวเลือกนี้ เอาต์พุต 4K แบบ native มีความละเอียด 3840 x 2160 ที่อัตราส่วน 16:9 และใช้การเข้ารหัส 10-bit H.265 หรือ HEVC หากเล่นในเบราว์เซอร์ไม่ได้ ให้เปิดไฟล์ด้วยโปรแกรมเล่นที่รองรับ HEVC หรือแปลงไฟล์เพื่อให้รองรับได้กว้างขึ้น

ไม่รองรับการอัปโหลดรูปภาพหรือวิดีโออ้างอิงที่มีใบหน้ามนุษย์จริงผ่านขั้นตอนการทำงานแบบอ้างอิงทั่วไป หากมีตัวเลือกดังกล่าว ให้ใช้ภาพบุคคลเสมือนที่แพลตฟอร์มอนุมัติหรือไฟล์ภาพบุคคลที่ได้รับอนุญาตอย่างถูกต้อง และขอความยินยอมจากบุคคลดังกล่าวก่อนสร้างเนื้อหาที่อ้างอิงรูปลักษณ์

เริ่มต้นด้วยการตรวจสอบ model ID, พรอมป์ต์ที่จำเป็น, ระยะเวลา, ความละเอียด, อัตราส่วนภาพ และการเข้าถึง URL ของสื่ออ้างอิงทุกไฟล์ ข้อจำกัดเกี่ยวกับใบหน้าจริงและการตรวจสอบความปลอดภัยของเนื้อหาอาจทำให้คำขอที่ถูกต้องในด้านอื่นถูกปฏิเสธได้ หากส่งคำขอสำเร็จ ให้ตรวจสอบ prediction status และการตอบกลับข้อผิดพลาดก่อนลองใหม่