ByteDance: Seedance 2.5

ByteDance: Seedance 2.5 to model generowania wideo od ByteDance, wymieniony na api14 pod identyfikatorem modelu bytedance/seedance-2.5. Należy do kategorii wideo, a ByteDance pozycjonuje go do długometrażowego opowiadania historii, generowania na podstawie odniesień multimodalnych, edycji wideo i rozszerzania wideo. To model mediów generatywnych, a nie model tekstowy, więc otrzymywane dane wyjściowe to wideo.

Po stronie danych wejściowych Seedance 2.5 przyjmuje tekst, obrazy, wideo i dźwięk. Po stronie danych wyjściowych generuje wyłącznie wideo. Obsługuje kontrolę pierwszej klatki oraz kontrolę pierwszej i ostatniej klatki poprzez opcje frameImages first_frame i last_frame, a także może generować dźwięk razem z wideo. Rozdzielczości wyjściowe to 480p i 720p. Proporcje obrazu obejmują 16:9, 4:3, 1:1, 3:4, 9:16 i 21:9. Czasy trwania mieszczą się w zakresie od 4 do 30 sekund w krokach jednosekundowych, więc można zażądać wszystkiego od 4-sekundowego klipu do 30-sekundowego. Dla tego modelu nie opublikowano długości kontekstu w tokenach.

Te możliwości wskazują na dość konkretny zestaw zadań. Wejście multimodalne plus generowanie na podstawie odniesień pasuje do pracy, w której chce się, aby wynik podążał za dostarczonym obrazem, klipem lub ścieżką audio, a nie tylko za podpowiedzią tekstową. Kontrola pierwszej klatki oraz pierwszej i ostatniej klatki jest przydatna, gdy ujęcie musi zaczynać się lub kończyć na dokładnym obrazie, na przykład w pracy nad ciągłością albo przy łączeniu wygenerowanych klipów w dłuższą sekwencję. Górny koniec zakresu czasu trwania, do 30 sekund, pasuje do fragmentów narracyjnych, które w innym wypadku wymagałyby połączenia kilku krótszych generowań. Edycja wideo i rozszerzanie wideo czynią go kandydatem do wydłużania lub przerabiania istniejącego materiału, a opcja generowania dźwięku oznacza, że klip może wrócić ze ścieżką dźwiękową, a nie niemy. Wiele proporcji obrazu pozwala temu samemu modelowi obsługiwać kadry poziome, kwadratowe, pionowe i szerokie kinowe.

Aby go wywołać, wyślij żądanie przez API zgodne z OpenAI w api14, używając identyfikatora modelu bytedance/seedance-2.5. Ponieważ API jest zgodne z OpenAI, można skierować istniejącego klienta OpenAI na api14 i zmienić pole model, zamiast przepisywać integrację. Wśród parametrów wymienionych przez api14 dla tego modelu obsługiwany jest frequency_penalty; reszta kształtu żądania podąża za standardowym punktem końcowym, którego już używasz dla innych modeli w bramie. Sprawdź aktualną tabelę cen na stronie, zamiast zakładać koszt, ponieważ stawki nie są tu podane.

Jedna rzecz do rozważenia: Seedance 2.5 zwraca wideo, a nie tekst, więc nie zastępuje modelu językowego w potoku tekstowym; jeśli twoim zadaniem jest tworzenie podpisów, streszczanie lub wnioskowanie na podstawie treści, lepszym wyborem będzie model tekstowy na api14. W pracy z wideo wybór zależy od celu: 480p i 720p to wymienione rozdzielczości, więc jeśli potrzebujesz czegoś spoza tego zakresu, ten model może nie być odpowiedni. Drabinka czasu trwania zaczyna się od 4 sekund, więc bardzo krótkie klipy poniżej tego progu nie są objęte.