ByteDance: Seedance 2.0 Mini

ByteDance: Seedance 2.0 Mini är en videogenereringsmodell från ByteDance, företaget bakom Seedance-familjen av generativa videosystem. Den finns i videokategorin på api14, och dess uppgift är att omvandla prompter och referensmaterial till färdiga videoklipp. Den är den mindre syskonmodellen i Seedance 2.0-serien, riktad till utvecklare som vill ha ByteDance-videogenerering utan att ta till den största varianten.

Modellen tar text, bild, video och ljud som indata, och returnerar video som enda utdata. Den kombinationen täcker flera genereringslägen: text-till-video från en skriven prompt, bild-till-video med kontroll över första bildrutan, sista bildrutan, eller båda, och multimodal referens-till-video där bilder, video och ljud styr resultatet. Upplösningarna för utdata är 480p och 720p, och klipp kan vara från 4 till 15 sekunder i steg om en sekund. Bildförhållanden täcker 1:1, 3:4, 9:16, 4:3, 16:9, 21:9, 9:21. Ljudgenerering stöds, så ett klipp kan ha ett genererat ljudspår i stället för att levereras tyst. Ingen kontextlängd publiceras för den här modellen.

Dessa funktioner pekar mot en ganska specifik uppsättning uppgifter. Korta vertikala klipp i 9:16 för sociala flöden, kvadratiska 1:1-klipp för placeringar i flöden, och breda 16:9- eller 21:9-ramar för webb och presentationer stöds alla direkt av listan över bildförhållanden. Kontroll av första och sista bildrutan passar för övergångar mellan tagningar, produktavslöjanden, eller alla fall där du behöver att ett klipp börjar på en stillbild och landar på en annan. Referens-till-video med bild-, video- och ljudindata passar för stilöverföring, konsekvens för karaktärer eller scener mellan tagningar, och musikdrivna redigeringar där ljudet ska forma tempot. Intervallet 4 till 15 sekunder håller utdata inom området för enskilda tagningar och korta sekvenser snarare än långformat berättande.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "bytedance/seedance-2.0-mini". Eftersom gränssnittet följer OpenAI-schemat fungerar befintliga klienter och SDK:er med ett byte av modell-id och endpoint. Bland parametrarna som listas för den här modellen stöds frequency_penalty. De genereringsspecifika kontrollerna, upplösning, bildförhållande, varaktighet, bilder för första och sista bildrutan, och ljudgenerering, är en del av modellens request-yta snarare än de delade chattparametrarna.

Det finns några saker att väga in innan du bestämmer dig. Ingen kontextlängd publiceras, och max output anges som 0, så tokenbaserat resonemang om promptstorlek är inte användbart här; behandla prompten som en kreativ brief snarare än ett långt dokument. Utdata toppar vid 720p, så arbete som kräver högre upplösning, eller klipp längre än 15 sekunder, kan passa en annan modell bättre. Om din uppgift är text- eller bildgenerering snarare än video, är den här modellen helt fel kategori.