ByteDance: Seedance 1.5 Pro

Seedance 1.5 Pro ist ein Videogenerierungsmodell von ByteDance, gelistet auf api14 als bytedance/seedance-1-5-pro. Es gehört zu ByteDances Seedance-Reihe von audiovisuellen Generierungsmodellen, und der Anbieter beschreibt es als auf einer Dual-Branch Diffusion Transformer Architektur mit 4,5B Parametern aufgebaut. Es liegt in der Videokategorie, seine Rolle ist also die Generierung von Video und nicht die Verarbeitung von Text- oder Chat-Aufgaben.

Das Modell akzeptiert Text- und Bildeingaben und erzeugt Video als einzige Ausgabe. Da es Video und Audio gleichzeitig in einem einzigen vereinheitlichten Durchlauf generiert, ist Audio Teil des generierten Ergebnisses und nicht etwas, das nachträglich hinzugefügt wird. Die Ausgabe kann in 480p, 720p oder 1080p erzeugt werden, in Seitenverhältnissen von 1:1, 3:4, 9:16, 9:21, 4:3, 16:9 und 21:9, und mit Dauern von 4 bis 12 Sekunden in Ein-Sekunden-Schritten. Es unterstützt außerdem Frame-Bilder, konkret ein first_frame und ein last_frame, womit Sie den Anfang, das Ende oder beide Enden eines Clips verankern können. Für dieses Modell ist keine Kontextlänge in Tokens veröffentlicht, was bei einem Videogenerator zu erwarten ist, und maxOutput ist 0 in den Modellmetadaten.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Anwendungen hin. Text zu Video eignet sich für kurze konzeptionelle Clips, Social-Formate und Storyboard-Vorschauen, besonders da die Liste der Seitenverhältnisse quadratische, vertikale und Breitbild-Auslieferung abdeckt. Bild zu Video, kombiniert mit first_frame und last_frame, passt zu Workflows, in denen Sie bereits ein Standbild oder ein Keyframe haben und Bewegung zwischen definierten visuellen Eckpunkten wünschen, etwa die Animation einer Produktaufnahme oder die Überbrückung zweier Frames eines Schnitts. Native Audiogenerierung bedeutet, dass Sie Clips anfordern können, bei denen Ton Teil der Ausgabe ist, statt sie separat zu vertonen. Der Bereich von 4 bis 12 Sekunden macht das Modell am besten geeignet für kurze Einstellungen statt für lange kontinuierliche Sequenzen, und die Auflösungsoptionen lassen Sie Vorschauqualität gegen finale Ausgabequalität abwägen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "bytedance/seedance-1-5-pro" auf. Da die Schnittstelle dem OpenAI-Format folgt, können Sie dieselben Client-Bibliotheken und dieselbe Request-Struktur verwenden, die Sie bereits für andere Modelle auf dem Gateway nutzen, und das model-Feld auf diese ID zeigen lassen. Unter den Request-Parametern ist frequency_penalty derjenige, der für dieses Modell als unterstützt aufgeführt ist. Generierungseinstellungen wie Auflösung, Seitenverhältnis, Dauer, first_frame, last_frame und Audiogenerierung werden über die eigenen Optionen des Modells bereitgestellt und nicht über die standardmäßigen Sampling-Parameter, die Sie für ein Textmodell verwenden würden.

Es lohnt sich, Ihre Anforderungen gegen das abzugleichen, was das Modell bereitstellt, bevor Sie sich festlegen. Es gibt keine veröffentlichte Token-Kontextlänge, und maxOutput ist 0, dies ist also kein Textvervollständigungsmodell und sollte nicht dort verwendet werden, wo Sie tokenbasiertes Prompting oder textuelle Antworten benötigen. Seine Ausgabe ist auf 12 Sekunden pro Generierung begrenzt, längere Stücke müssen also aus mehreren Clips zusammengesetzt werden. Wenn Ihre Aufgabe Text, Bildverständnis oder eine andere Nicht-Video-Modalität ist, passt ein Modell dieser Kategorie auf api14 besser.