ByteDance: Seedance 1.5 Pro

Seedance 1.5 Pro è un modello di generazione video di ByteDance, elencato su api14 come bytedance/seedance-1-5-pro. Appartiene alla linea Seedance di modelli di generazione audiovisiva di ByteDance, e il provider lo descrive come basato su un'architettura Dual-Branch Diffusion Transformer con 4,5 miliardi di parametri. Si colloca nella categoria video, quindi il suo ruolo è generare video anziché gestire attività di testo o chat.

Il modello accetta input di testo e immagini e produce video come unico output. Poiché genera video e audio simultaneamente in un'unica passata unificata, l'audio fa parte del risultato generato anziché essere qualcosa aggiunto in seguito. L'output può essere prodotto a 480p, 720p o 1080p, con proporzioni di 1:1, 3:4, 9:16, 9:21, 4:3, 16:9 e 21:9, e con durate da 4 a 12 secondi in passi di un secondo. Supporta anche immagini di frame, in particolare un first_frame e un last_frame, il che consente di ancorare l'inizio, la fine o entrambe le estremità di una clip. Non è pubblicata alcuna lunghezza di contesto in token per questo modello, cosa prevedibile per un generatore video, e maxOutput è 0 nei metadati del modello.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. Il text to video si adatta a brevi clip concettuali, formati social e anteprime di storyboard, soprattutto perché l'elenco delle proporzioni copre formati quadrati, verticali e widescreen. L'image to video, combinato con first_frame e last_frame, si adatta a flussi di lavoro in cui si dispone già di un fermo immagine o di un keyframe e si desidera movimento tra due riferimenti visivi definiti, come animare uno scatto di prodotto o collegare due frame di un montaggio. La generazione audio nativa significa che è possibile richiedere clip in cui il suono fa parte dell'output invece di aggiungerlo separatamente. L'intervallo da 4 a 12 secondi rende il modello più adatto a inquadrature brevi che a sequenze continue lunghe, e le opzioni di risoluzione consentono di bilanciare la qualità dell'anteprima con la qualità dell'output finale.

Lo si richiama tramite l'API compatibile con OpenAI di api14 usando l'id del modello "bytedance/seedance-1-5-pro". Poiché l'interfaccia segue il formato OpenAI, è possibile usare le stesse librerie client e la stessa struttura di richiesta già utilizzate per altri modelli sul gateway, puntando il campo model a questo id. Tra i parametri della richiesta, frequency_penalty è quello elencato come supportato per questo modello. Le impostazioni di generazione come risoluzione, proporzioni, durata, first_frame, last_frame e generazione audio sono esposte tramite le opzioni proprie del modello anziché tramite i parametri di campionamento standard che si userebbero per un modello di testo.

Vale la pena verificare i propri requisiti rispetto a ciò che il modello espone prima di impegnarsi. Non esiste una lunghezza di contesto in token pubblicata, e maxOutput è 0, quindi questo non è un modello di completamento testo e non dovrebbe essere usato dove serve un prompting basato su token o risposte testuali. Il suo output è limitato a 12 secondi per generazione, quindi i pezzi più lunghi devono essere assemblati da più clip. Se il tuo compito è testo, comprensione di immagini o un'altra modalità non video, un modello di quella categoria su api14 sarà più adatto.