Runway: Aleph 2.0

Runway: Aleph 2.0 to model wideo od Runway, wymieniony na api14 pod identyfikatorem modelu runway/aleph-2. Należy do kategorii wideo, a dostawca opisuje go jako model edycji wideo w kontekście. Zamiast generować materiał od zera, pracuje na istniejącym materiale, stosując edycje do nagrania, które już posiadasz. Data wydania przez dostawcę to 2026-07-29.

Model przyjmuje jako dane wejściowe tekst, obraz i wideo, a jego jedynym trybem wyjściowym jest wideo. To połączenie umożliwia edycję w kontekście: dostarczasz materiał źródłowy, opcjonalnie wraz z obrazami, i kierujesz zmianą za pomocą instrukcji tekstowych. Zgodnie z opisem dostawcy Aleph 2.0 stosuje instrukcje tekstowe i edycje prowadzone klatkami kluczowymi w istniejącym materiale, zachowując szczegóły, które nie mają się zmienić. Model obsługuje szeroki zakres proporcji obrazu: 16:9, 4:3, 3:2, 1:1, 2:3, 3:4, 9:16 i 21:9. Generowanie dźwięku nie jest obsługiwane, więc wszelki dźwięk w twoim potoku musi być obsługiwany osobno. Dla tego modelu nie podano długości kontekstu.

Praktyczne zastosowania wynikają z edycji, a nie generowania. Jeśli masz nagrany materiał i chcesz zmienić określone elementy, pozostawiając resztę bez zmian, po taki model byś sięgnął. Edycje prowadzone klatkami kluczowymi pasują do pracy, w której zmiana musi być zakotwiczona w określonych punktach klipu i przeprowadzona spójnie. Ponieważ model przyjmuje obrazy jako dane wejściowe, a także wideo, może być sterowany zdjęciami referencyjnymi wraz z instrukcją tekstową. Szerokie wsparcie proporcji obrazu oznacza, że ten sam model może obsłużyć formaty poziome, kwadratowe, pionowe i szerokie, co pomaga, gdy jedna edycja ma być dostarczona do kilku miejsc docelowych.

Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu runway/aleph-2. Ponieważ interfejs jest zgodny z formatem OpenAI, istniejące klienty i zestawy SDK, które już wskazują na api14, powinny działać bez specjalnej obsługi tego modelu. Lista obsługiwanych parametrów dla Aleph 2.0 jest pusta, więc nie ma udokumentowanych parametrów żądania do ustawienia poza identyfikatorem modelu i danymi wejściowymi. W praktyce oznacza to, że wysyłasz instrukcję tekstową wraz z wideo oraz dowolnymi obrazami, i polegasz na ustawieniach domyślnych modelu, zamiast dostrajać ustawienia generowania dla każdego żądania.

Przy podejmowaniu decyzji warto pamiętać o kilku rzeczach. Model zwraca wyłącznie wideo, więc nie pasuje, jeśli potrzebujesz tekstu lub obrazu na wyjściu z tego samego wywołania. Generowanie dźwięku jest wyłączone, więc narracja, dialogi lub projekt dźwięku muszą pochodzić z innego źródła. Bez wymienionych obsługiwanych parametrów nie możesz dostosować zachowania przez opcje żądania, co może mieć znaczenie, jeśli twój przepływ pracy zależy od precyzyjnej kontroli. A ponieważ jest to model edycyjny, zakłada, że masz już materiał; do pracy zaczynającej się od pustej karty bardziej naturalnym wyborem byłby model tekst-na-wideo.