ByteDance: Seedance 1.5 Pro

Seedance 1.5 Pro es un modelo de generación de video de ByteDance, listado en api14 como bytedance/seedance-1-5-pro. Pertenece a la línea Seedance de modelos de generación audiovisual de ByteDance, y el proveedor lo describe como construido sobre una arquitectura Dual-Branch Diffusion Transformer de 4.5B parámetros. Se ubica en la categoría de video, por lo que su función es generar video en lugar de manejar tareas de texto o chat.

El modelo acepta entradas de texto e imagen y produce video como su única salida. Debido a que genera video y audio simultáneamente en una sola pasada unificada, el audio es parte del resultado generado en lugar de algo añadido después. La salida se puede producir en 480p, 720p o 1080p, en relaciones de aspecto de 1:1, 3:4, 9:16, 9:21, 4:3, 16:9 y 21:9, y con duraciones de 4 a 12 segundos en pasos de un segundo. También admite imágenes de fotograma, específicamente un first_frame y un last_frame, lo que permite anclar el inicio, el final, o ambos extremos de un clip. No se publica una longitud de contexto en tokens para este modelo, lo cual es esperado para un generador de video, y maxOutput es 0 en los metadatos del modelo.

Esas capacidades apuntan a un conjunto bastante específico de usos. Texto a video se adapta a clips conceptuales cortos, formatos para redes sociales y vistas previas de storyboards, especialmente porque la lista de relaciones de aspecto cubre entrega cuadrada, vertical y panorámica. Imagen a video, combinado con first_frame y last_frame, encaja en flujos de trabajo donde ya se tiene una imagen fija o un fotograma clave y se desea movimiento entre límites visuales definidos, como animar una toma de producto o unir dos fotogramas de una edición. La generación de audio nativo significa que se pueden solicitar clips donde el sonido es parte de la salida en lugar de musicalizarlos por separado. El rango de 4 a 12 segundos hace que el modelo sea más adecuado para tomas cortas que para secuencias continuas largas, y las opciones de resolución permiten intercambiar calidad de vista previa por calidad de salida final.

Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo "bytedance/seedance-1-5-pro". Debido a que la interfaz sigue el formato de OpenAI, se pueden usar las mismas bibliotecas cliente y estructura de solicitud que ya se usan para otros modelos en el gateway, apuntando el campo model a este id. Entre los parámetros de solicitud, frequency_penalty es el que figura como compatible para este modelo. Los ajustes de generación como resolución, relación de aspecto, duración, first_frame, last_frame y generación de audio se exponen a través de las opciones propias del modelo en lugar de los parámetros de muestreo estándar que se usarían para un modelo de texto.

Vale la pena comparar los requisitos propios con lo que el modelo expone antes de comprometerse. No hay una longitud de contexto en tokens publicada, y maxOutput es 0, así que este no es un modelo de finalización de texto y no debería usarse donde se necesite prompting basado en tokens o respuestas textuales. Su salida está limitada a 12 segundos por generación, por lo que las piezas más largas deben ensamblarse a partir de múltiples clips. Si la tarea es texto, comprensión de imágenes u otra modalidad que no sea video, un modelo de esa categoría en api14 encajará mejor.