Video da immagini di riferimento | Guida a Seedance 2.5

Imparare a creare video da immagini di riferimento è soprattutto una questione di imparare cosa accetta la richiesta. Seedance 2.5 prende fino a 30 immagini in una singola generazione, non aggiunge nulla al conto per quelle immagini, e trasforma il prompt in un campo facoltativo non appena sono allegate. I vincoli che mordono davvero sono i formati dei file, il tetto di 30 MB per immagine e il fatto che ogni file debba stare dietro un URL pubblico prima che il job parta.

Cosa conta come immagine di riferimento

Una richiesta accetta fino a 30 immagini di riferimento. I formati accettati sono jpeg, png, webp, bmp, tiff, gif, heic e heif, e ogni file deve stare sotto i 30 MB.

Video e audio di riferimento sono budget separati sulla stessa richiesta: fino a 10 clip video in mp4 o mov da 200 MB o meno ciascuna, di durata compresa fra 2 e 30 secondi singolarmente e 30 secondi complessivi, più fino a 10 tracce audio in wav o mp3 da 15 MB o meno ciascuna. Mescolarli è permesso. Le immagini sono la metà economica di questo assetto, per ragioni che la sezione sui prezzi chiarisce.

Trenta immagini sono un budget ampio e vale la pena spenderlo con criterio. Più angolazioni di uno stesso soggetto, un dettaglio del vestiario, l'ambiente e un fotogramma che mostri l'illuminazione che vuoi faranno più di trenta scatti quasi identici.

Come creare video da immagini di riferimento

La sequenza è breve.

1. Metti ogni immagine in un posto da cui possa essere scaricata su HTTP(S) pubblico. Nient'altro è accettato.
2. Imposta i campi che il prompt non può toccare: durata fra 4 e 30 secondi con default a 5, risoluzione fra 480p, 720p o 1080p con 720p come default, e rapporto d'aspetto fra 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 o adaptive, che è il default.
3. Allega gli URL delle immagini e scrivi un prompt che dica cosa succede invece di come sono fatte le cose.
4. Invia. La generazione richiede in media da due a cinque minuti, il job è asincrono e interrogare il risultato è gratis.
5. Raccogli l'output in mp4 o mov.

L'audio viene generato nella stessa passata a meno che tu non lo disattivi. generate_audio è true di default e copre parlato, effetti e musica come traccia mono, quindi una richiesta costruita su fotografie mute torna comunque con il suono.

Hosting: solo URL pubblici

Gli input multimediali sono URL HTTP(S) pubblici. I data URI vengono rifiutati su tutta la piattaforma, quindi il base64 nel body della richiesta non è un ripiego.

Quella singola regola è la ragione più comune per cui un primo tentativo non parte proprio. Un link che richiede un cookie di sessione, un URL firmato già scaduto o un file su un host che blocca gli user agent sconosciuti falliranno tutti prima della generazione. Prova ogni URL da un contesto senza login prima di inviare il job.

Cosa fa ancora il prompt quando ci sono immagini allegate

Il campo del prompt regge fino a 20,000 caratteri. È obbligatorio per il text-to-video e facoltativo non appena è presente qualsiasi materiale di riferimento.

Facoltativo non significa inutile. Con le immagini allegate, il prompt smette di portare l'aspetto e comincia a portare azione, camera e tempi: chi si muove, in quale direzione, cosa fa la camera, dove cade lo stacco. Una richiesta con 30 immagini e tre frasi di indicazioni è una forma normale.

Cancella la prosa descrittiva che le immagini già coprono. Scrivere «un cappotto di lana rosso» accanto alla fotografia del cappotto crea due fonti di verità per lo stesso dettaglio, e nulla nella richiesta dice al modello quale delle due seguire.

Quanto costa il materiale di riferimento

La fatturazione è al secondo di video finito a una tariffa stabilita dalla risoluzione e dal fatto che la richiesta portasse o meno un video di riferimento.

Le immagini e l'audio di riferimento non aggiungono secondi fatturabili. Una clip da cinque secondi a 720p costruita su 30 immagini fattura cinque secondi a $0.266824, quindi circa $1.33. La stessa clip a 1080p è circa $2.31, e dieci secondi a 1080p sono circa $4.62.

Il video di riferimento è l'eccezione. La sua durata viene aggiunta al conto in aggiunta all'output, e una richiesta che porta video di riferimento non viene mai fatturata per meno di cinque terzi della durata dell'output, arrotondati per eccesso. La tariffa al secondo scende quando c'è video di riferimento, il che compensa parte di quel costo ma raramente tutto.

I job falliti vengono rimborsati per intero, quindi una esecuzione rifiutata costa l'attesa e non i crediti.

Andare oltre il tetto dei 30 secondi

Una singola generazione si ferma a 30 secondi. Impostare la durata a -1 lascia scegliere la lunghezza al modello, e la riserva viene presa al tetto di 30 secondi a prescindere da cosa torna.

I pezzi più lunghi sono generazioni concatenate. Lo schema espone return_last_frame e seed accanto a campi come output_format, bitrate_mode, watermark, omni_reference_task_type e image_with_roles, e l'approccio abituale è portare avanti il fotogramma di chiusura di una clip come immagine di riferimento per la successiva, così che i due segmenti condividano soggetto e aspetto.

Abbozza la catena a 480p. Composizione, movimenti in scena e continuità sono tutti leggibili a $0.118589 al secondo, il che mette un test da cinque secondi a circa $0.59 contro $2.31 a 1080p, e gli errori strutturali che stai cercando si vedono uguali in entrambe le fasce.

Domande frequenti

Quante immagini di riferimento può usare una singola richiesta? Fino a 30, in jpeg, png, webp, bmp, tiff, gif, heic o heif, ciascuna sotto i 30 MB. Non aggiungono secondi fatturabili.

Mi serve ancora un prompt se allego delle immagini? No. Il prompt è facoltativo ogni volta che è presente materiale di riferimento ed è obbligatorio solo per il text-to-video. Una breve indicazione su azione e camera di solito migliora comunque il risultato.

Posso caricare i file immagine direttamente invece di usare gli URL? No. Gli input multimediali sono URL HTTP(S) pubblici e i data URI vengono rifiutati, quindi il file va prima ospitato da qualche parte raggiungibile senza login.

Quanto costa un video da immagini di riferimento? Le immagini in sé sono gratuite. Paghi l'output: circa $1.33 per cinque secondi a 720p, circa $2.31 per cinque secondi a 1080p e circa $0.59 per cinque secondi a 480p.

In breve

Creare video da immagini di riferimento si riduce a quattro decisioni. Ospita i file su URL HTTP(S) pubblici, perché nient'altro è accettato. Spendi il budget di 30 immagini in varietà invece che in ripetizione. Lascia che siano le immagini a portare l'aspetto e il prompt a portare azione, camera e tempi. Abbozza a 480p, dove cinque secondi costano circa $0.59, poi lancia la richiesta finita una volta sola a 1080p, e ricorda che le immagini non costano nulla mentre ogni secondo di output sì.