ByteDance: Seedance 1.5 Pro

Seedance 1.5 Pro är en videogenereringsmodell från ByteDance, listad på api14 som bytedance/seedance-1-5-pro. Den tillhör ByteDances Seedance-serie av ljud- och bildgenereringsmodeller, och leverantören beskriver den som byggd på en Dual-Branch Diffusion Transformer-arkitektur med 4,5B parametrar. Den ligger i videokategorin, så dess roll är att generera video snarare än att hantera text- eller chattuppgifter.

Modellen tar emot text- och bildindata och producerar video som enda utdata. Eftersom den genererar video och ljud samtidigt i en enda enhetlig körning är ljudet en del av det genererade resultatet snarare än något som läggs till i efterhand. Utdata kan produceras i 480p, 720p eller 1080p, i bildförhållandena 1:1, 3:4, 9:16, 9:21, 4:3, 16:9 och 21:9, och med varaktigheter från 4 till 12 sekunder i steg om en sekund. Den stöder även rambilder, närmare bestämt en first_frame och en last_frame, vilket låter dig förankra början, slutet eller båda ändarna av ett klipp. Ingen kontextlängd i tokens publiceras för denna modell, vilket är förväntat för en videogenerator, och maxOutput är 0 i modellens metadata.

Dessa funktioner pekar mot en ganska specifik uppsättning användningsområden. Text till video passar korta konceptuella klipp, format för sociala medier och förhandsvisningar av storyboards, särskilt eftersom listan över bildförhållanden täcker kvadratisk, vertikal och bredbildsleverans. Bild till video, kombinerat med first_frame och last_frame, passar arbetsflöden där du redan har en stillbild eller en nyckelbild och vill ha rörelse mellan definierade visuella start- och slutpunkter, till exempel animering av en produktbild eller övergång mellan två bildrutor i en redigering. Inbyggd ljudgenerering innebär att du kan begära klipp där ljudet är en del av utdata i stället för att lägga på det separat. Intervallet 4 till 12 sekunder gör modellen bäst lämpad för korta tagningar snarare än långa kontinuerliga sekvenser, och upplösningsalternativen låter dig byta förhandsvisningskvalitet mot slutlig utdatakvalitet.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "bytedance/seedance-1-5-pro". Eftersom gränssnittet följer OpenAI-formatet kan du använda samma klientbibliotek och begäransstruktur som du redan använder för andra modeller på gatewayen, genom att peka modellfältet mot detta id. Bland begäransparametrarna är frequency_penalty den som listas som stödd för denna modell. Genereringsinställningar som upplösning, bildförhållande, varaktighet, first_frame, last_frame och ljudgenerering exponeras genom modellens egna alternativ snarare än de vanliga samplingsparametrar du skulle använda för en textmodell.

Det är värt att kontrollera dina krav mot vad modellen exponerar innan du binder dig. Det finns ingen publicerad tokenkontextlängd, och maxOutput är 0, så detta är inte en textkompletteringsmodell och bör inte användas där du behöver tokenbaserad promptning eller textsvar. Dess utdata är begränsad till 12 sekunder per generering, så längre stycken måste sättas samman av flera klipp. Om din uppgift är text, bildförståelse eller en annan modalitet än video passar en modell i den kategorin på api14 bättre.