ByteDance: Seedance 1.5 Pro

O Seedance 1.5 Pro é um modelo de geração de vídeo da ByteDance, listado na api14 como bytedance/seedance-1-5-pro. Ele pertence à linha Seedance de modelos de geração audiovisual da ByteDance, e o provedor o descreve como construído sobre uma arquitetura Dual-Branch Diffusion Transformer de 4,5 bilhões de parâmetros. Ele está na categoria de vídeo, então seu papel é gerar vídeo em vez de lidar com tarefas de texto ou chat.

O modelo aceita entradas de texto e imagem e produz vídeo como sua única saída. Como ele gera vídeo e áudio simultaneamente em uma única passagem unificada, o áudio faz parte do resultado gerado, em vez de ser algo adicionado depois. A saída pode ser produzida em 480p, 720p ou 1080p, em proporções de aspecto de 1:1, 3:4, 9:16, 9:21, 4:3, 16:9 e 21:9, e com durações de 4 a 12 segundos em passos de um segundo. Ele também suporta imagens de quadro, especificamente um first_frame e um last_frame, o que permite ancorar o início, o fim, ou ambas as extremidades de um clipe. Nenhum comprimento de contexto em tokens é publicado para este modelo, o que é esperado para um gerador de vídeo, e maxOutput é 0 nos metadados do modelo.

Essas capacidades apontam para um conjunto bastante específico de usos. Texto para vídeo é adequado para clipes conceituais curtos, formatos para redes sociais e pré-visualizações de storyboard, especialmente porque a lista de proporções de aspecto cobre entrega quadrada, vertical e widescreen. Imagem para vídeo, combinado com first_frame e last_frame, encaixa-se em fluxos de trabalho onde você já tem uma imagem estática ou um keyframe e quer movimento entre limites visuais definidos, como animar uma foto de produto ou fazer a ponte entre dois quadros de uma edição. A geração nativa de áudio significa que você pode solicitar clipes onde o som faz parte da saída, em vez de trilha sonora adicionada separadamente. O intervalo de 4 a 12 segundos torna o modelo mais adequado para planos curtos do que para sequências contínuas longas, e as opções de resolução permitem trocar qualidade de pré-visualização por qualidade de saída final.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "bytedance/seedance-1-5-pro". Como a interface segue o formato OpenAI, você pode usar as mesmas bibliotecas de cliente e estrutura de requisição que já usa para outros modelos no gateway, apontando o campo model para este id. Entre os parâmetros de requisição, frequency_penalty é o listado como suportado para este modelo. Configurações de geração como resolução, proporção de aspecto, duração, first_frame, last_frame e geração de áudio são expostas através das opções próprias do modelo, em vez dos parâmetros de amostragem padrão que você usaria para um modelo de texto.

Vale a pena verificar seus requisitos em relação ao que o modelo expõe antes de se comprometer. Não há comprimento de contexto em tokens publicado, e maxOutput é 0, então este não é um modelo de conclusão de texto e não deve ser usado onde você precisa de prompting baseado em tokens ou respostas textuais. Sua saída é limitada a 12 segundos por geração, então peças mais longas precisam ser montadas a partir de múltiplos clipes. Se sua tarefa é texto, compreensão de imagem ou outra modalidade que não seja vídeo, um modelo dessa categoria na api14 se encaixará melhor.