Alibaba: HappyHorse 1.0

Alibaba: HappyHorse 1.0 to model generowania wideo od Alibaba. Należy do kategorii wideo i jest identyfikowany na api14 przez identyfikator modelu alibaba/happyhorse-1.0. Jeśli budujesz potok, który musi zamieniać opisy tekstowe lub nieruchome obrazy na krótkie klipy wideo, to jest model oferowany przez dostawcę do tego zadania.

Model przyjmuje dane wejściowe w postaci tekstu i obrazu, a jako jedyne dane wyjściowe produkuje wideo. Możesz nim sterować za pomocą podpowiedzi tekstowej, pojedynczego obrazu początkowego lub zestawu obrazów referencyjnych, a pierwsza klatka wyniku może być zakotwiczona obrazem first_frame. Dane wyjściowe są dostępne w rozdzielczościach 720p i 1080p, w proporcjach 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 i 9:21 oraz w czasach trwania od 3 do 15 sekund w krokach co jedną sekundę. Dla tego modelu nie podano długości kontekstu, więc traktuj podpowiedź jako praktyczną granicę danych wejściowych, a nie budżet tokenów.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Formaty pionowe, takie jak 9:16, pasują do krótkich klipów społecznościowych, natomiast 16:9 i 21:9 pasują do odtwarzania poziomego i szerszych kompozycji. Opcje 1:1, 4:3 i 3:4 obejmują umiejscowienia kwadratowe i portretowe. Ponieważ możesz dostarczyć obraz początkowy lub obrazy referencyjne, model dobrze sprawdza się, gdy masz już nieruchomy obraz, który chcesz wprawić w ruch, albo gdy chcesz, aby kilka ujęć miało spójny wygląd. Zakres od 3 do 15 sekund utrzymuje wyniki krótkie, co pasuje do reklam, zapowiedzi, zdjęć produktowych i zapętlonego materiału tła, a nie do długometrażowej narracji.

Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu alibaba/happyhorse-1.0. Obsługiwane parametry żądania to max_tokens, presence_penalty, response_format, seed, temperature i top_p. Użyj seed, gdy chcesz odtworzyć lub zmienić generację w kontrolowany sposób, a temperature i top_p, aby sterować tym, jak ściśle wynik podąża za podpowiedzią. Pozostałe parametry zachowują się tak, jak w innych miejscach powierzchni zgodnej z OpenAI.

Jest kilka rzeczy, o których warto pamiętać przed podjęciem decyzji. Model generuje wyłącznie wideo, więc nie jest właściwym wyborem do zadań generowania tekstu lub obrazu. Czasy trwania są ograniczone do 15 sekund i nie podano długości kontekstu, więc bardzo długie lub mocno szczegółowe podpowiedzi mogą nie być najlepszym dopasowaniem. Jeśli Twoje zadanie dotyczy tekstu lub nieruchomych obrazów, lepiej posłuży Ci inny model na api14.