Newsy

Nowy model wideo ByteDance utrzymuje jedno ujecie przez trzydziesci sekund - a jego karta API po cichu mowi 720p, nie 4K

Seedance 2.5 od ByteDance Seed to pierwszy model wideo tej firmy zbudowany pod sceny, a nie pod klipy. Gorny limit jednej generacji wzrosl z pietnastu sekund do trzydziestu, a dokumentacja mowi wyraznie, ze te trzydziesci sekund to jedno spojne ujecie - nie zszyte odcinki, czym wiekszosc narzedzi osiaga podobna dlugosc. Dzwiek powstaje w tym samym przebiegu co obraz, a nagranie odniesienia - mowa, muzyka albo efekty - moze byc jedynym wejsciem, do ktorego dopasowane zostaje tempo i ruch ust. Zdolnosc, ktora producent stawia na pierwszym miejscu, nazywa sie omni reference. Jedno zapytanie moze zawierac do pieciudziesieciu materialow - trzydziesci obrazow, dziesiec klipow wideo i dziesiec plikow dzwiekowych - a model czyta je razem. W praktyce zmienia to jeden punkt dostepowy w cztery narzedzia: tekst-na-wideo, generowanie z pierwszej klatki albo z pary pierwsza-ostatnia, edycje istniejacego nagrania po znaczniku czasu (podmiana bohatera, usuniecie obiektu, przemalowanie czesci kadru z zachowaniem oryginalnych proporcji i dlugosci) oraz przedluzanie klipu w przod lub w tyl. Wyjscie rozszerzono o format mov z obrazem H.264 i dzwiekiem PCM, zeby kolor i dzwiek przetrwaly montaz. Jedna z krazacych liczb nie wytrzymuje sprawdzenia. Wiele relacji przypisuje Seedance 2.5 wyjscie w 4K; karta modelu w BytePlus ModelArk podaje dla dreamina-seedance-2-5-260628 rozdzielczosci 480p i 720p, a do 1080p i 4K opisany jest starszy wpis Seedance 2.0. Tabela cen jest rownie konkretna - 10,70 USD za milion tokenow bez wideo na wejsciu i 6,40 USD z wideo - i dotyczy wylacznie wyjsc 480p oraz 720p. Jak w calej linii wideo ByteDance, nie opublikowano ani wag, ani liczby parametrow, ani raportu technicznego.