Seedance-1-5-pro

ข้อกำหนดทางเทคนิคของ Seedance1.5 Pro

Seedance1.5 Pro คืออะไร?

Seedance1.5 Pro เป็นตัวระบุแพลตฟอร์มของ CometAPI สำหรับโมเดล Seedance 1.5 Pro ของ ByteDance ซึ่งเป็นโมเดลสร้างสื่อภาพและเสียงแบบเนทีฟที่ถูกออกแบบมาเพื่อสร้างวิดีโอและเสียงร่วมกัน แทนที่จะมองว่าเสียงเป็นขั้นตอนหลังการประมวลผลแยกต่างหาก ByteDance อธิบายว่า Seedance 1.5 Pro เป็นโมเดลภาพ-เสียงร่วมที่สามารถปฏิบัติตามคำสั่งที่ซับซ้อนได้อย่างแม่นยำ และรองรับทั้งการสร้างจากพรอมต์ข้อความและการขับเคลื่อนด้วยภาพ

ในทางปฏิบัติ โมเดลนี้มุ่งเป้าไปที่ครีเอเตอร์และนักพัฒนาที่ต้องการวิดีโอรูปแบบสั้นที่สร้างขึ้นโดยมีบทพูดซิงโครไนซ์ เสียงบรรยากาศ เอฟเฟกต์ และความสอดคล้องของการเคลื่อนไหวในเวิร์กโฟลว์เดียว เอกสารทางเทคนิคของ ByteDance อธิบายว่าเป็นโมเดลฐานสำหรับการสร้างภาพ-เสียงร่วมแบบเนทีฟ สร้างบนสถาปัตยกรรม Diffusion Transformer แบบสองสาขา และการทำโมเดลแบบข้ามโมดัลเพื่อให้การซิงโครไนซ์ระหว่างภาพที่แสดงบนหน้าจอกับสิ่งที่ได้ยินแน่นแฟ้นยิ่งขึ้น

โมเดลนี้ยังถูกวางไว้ในระบบนิเวศ Doubao/Seed ที่กว้างขึ้นในฐานะโซลูชันสร้างวิดีโอของ ByteDance โดย Volcengine ระบุ Doubao-Seedance-1.5-pro ไว้ท่ามกลางโมเดลพร้อมใช้งานจริง และเน้นย้ำความสามารถหลักว่า “สร้างเสียงและภาพร่วมกัน”

คุณสมบัติหลักของ Seedance 1.5 Pro

• การสร้างภาพ-เสียงแบบเนทีฟ: โมเดลสร้างวิดีโอและเสียงร่วมกัน ช่วยให้จังหวะระหว่างคำพูด เอฟเฟกต์เสียง และการเคลื่อนไหวของภาพเป็นธรรมชาติกว่ากระบวนการที่นำเสียงไปต่อภายหลัง
• การยึดตามพรอมต์ได้ดี: ByteDance ระบุชัดว่า Seedance 1.5 Pro สามารถทำตามคำสั่งที่ซับซ้อนได้อย่างแม่นยำ เหมาะสำหรับพรอมต์เชิงสร้างสรรค์ที่มีโครงสร้างและผลลัพธ์ที่ควบคุมตามฉาก
• เวิร์กโฟลว์ข้อความสู่วิดีโอและขับเคลื่อนด้วยภาพ: โมเดลรองรับการสังเคราะห์เนื้อหาเสียง-วิดีโอจากพรอมต์ข้อความ และให้ความยืดหยุ่นแก่นักพัฒนาสำหรับการระดมไอเดีย การทำสตอรี่บอร์ด และการสร้างโดยยึดเฟรมแรก
• เสียงพูด เสียงเชิงพื้นที่ และเอฟเฟกต์: เอกสารจากผู้ให้บริการเน้นว่า มีเสียงพูดที่หลากหลายและเอฟเฟกต์เสียงเชิงพื้นที่ที่ประสานกับภาพ ช่วยให้การเล่าเรื่องสมบูรณ์ขึ้นและวิดีโอดูดื่มด่ำยิ่งขึ้น
• รองรับหลายภาษาและภาษาถิ่น: ระบุว่า Seedance 1.5 Pro รองรับภาษาหลากหลายและภาษาถิ่น พร้อมลิปซิงก์และการจัดแนวการเคลื่อนไหวที่แม่นยำ เหมาะกับแอปสื่อที่มุ่งสู่ผู้ใช้ระดับโลก
• การออกแบบการซิงโครไนซ์ที่มีงานวิจัยรองรับ: รายงานทางเทคนิคที่เผยแพร่เน้นการทำโมเดลร่วมแบบข้ามโมดัลและสายการฝึกที่ออกแบบเฉพาะ เพื่อยกระดับการซิงโครไนซ์ภาพ-เสียงและคุณภาพการสร้าง
• พร้อมใช้งานในระบบนิเวศการผลิต: โมเดลปรากฏในรายชื่อโมเดลอย่างเป็นทางการของ ByteDance/Volcengine และเปิดให้ใช้ผ่าน CometAPI ในชื่อ doubao-seedance-1-5-pro ทำให้เหมาะสำหรับการผสานรวมแบบใช้ API ในแอปและเวิร์กโฟลว์สื่อ

วิธีเข้าถึงและผสานรวม Seedance1.5 Pro

ขั้นตอนที่ 1: ลงทะเบียนรับ API Key

ลงทะเบียนบน CometAPI และสร้าง API key จากแดชบอร์ดของคุณ เมื่อได้คีย์ที่ใช้งานได้แล้ว ให้เก็บไว้โดยปลอดภัยเป็นตัวแปรสภาพแวดล้อมเพื่อให้แอปของคุณยืนยันตัวตนคำขอไปยัง API ได้

ขั้นตอนที่ 2: ส่งคำขอไปยัง API doubao-seedance-1-5-pro

ใช้ปลายทางที่รองรับ ByteDance/Volcengine ของ CometAPI ที่ POST /volc/v3/contents/generations/tasks.

ขั้นตอนที่ 3: ดึงและตรวจสอบผลลัพธ์

API จะส่งคืน task ID ให้ ทำการ poll ที่ GET /volc/v3/contents/generations/tasks/{task_id} เพื่อตรวจสอบสถานะการสร้าง และดึง URL ของวิดีโอผลลัพธ์เมื่อภารกิจเสร็จสมบูรณ์