Blog

Seedance 2.5: 30 segundo ng ad sa iisang tuloy-tuloy na take

Sinukat namin ito noong araw na inilabas ito: ang 30-segundong hiling ay bumalik na 30.08 segundo, walang cut, at may native na audio, at ginawang gumagalaw nito ang totoong larawan ng isang tao.

Karamihan sa paglabas ng model ay nagpapagalaw ng benchmark. Ang isang ito ay nag-aalis ng workaround.

Hanggang ngayon, ang video ad na mahigit labinlimang segundo ay hindi isang video. Maraming video na pinagtahi. Bawat generator na ginagamit namin ay naglilimita ng isang clip sa paligid ng labinlimang segundo, kaya ang 30 segundong spot ay ginagawa nang piraso-piraso at tinatago ang mga tahi: pinagtutugma ang liwanag, pinananatiling pareho ang itsura ng tao, at binubuksan ang bawat bagong clip sa gitna ng isang kaisipan para hindi ipahayag ng tahi ang sarili nito. Maraming prompt engineering namin ang umiiral para lang gawing hindi nakikita ang mga tahing iyon.

Nire-render ng Seedance 2.5 ang tatlumpung segundo sa isang take. Hiniling namin ang tatlumpu at sinukat kung ano ang bumalik: 30.08 segundo, zero hard cut, native na audio. Isang tuloy-tuloy na take, walang tahi na tatakpan.

Ang aktwal naming sinukat

Lahat ng nasa ibaba ay mula sa mga render na ginawa namin noong araw na inilabas ito, hindi mula sa spec sheet.

  • Tatlumpung segundo, isang take. Ang 30s na hiling ay bumalik na 30.08s. Walang nakitang hard cut ang scene detection sa buong clip.
  • Ginagalaw nito ang totoong larawan ng totoong tao. Pinakain namin ito ng karaniwang portrait at bumalik ang photoreal na clip ng taong iyon. Sa Hermoso, pinananatili nito ang mukha ng isang tao mula sa naka-save na creator o larawang may karapatan kang gamitin.
  • Native na naka-sync na audio, kasama ang pananalita, naka-on bbilang default.
  • 1080p, 720p at 480p. Inilunsad ito sa 480p at 720p, at idinagdag ang 1080p pagkatapos. Ang 4K na trabaho ay nasa Seedance 2.0 pa rin.
  • Hanggang 30 image reference, pati video at audio reference, na tinatawag sa pangalan sa loob ng prompt.

Mas mahalaga ang usapin sa mukha kaysa sa haba

Ang tatlumpung segundo ang pangunahing headline, pero ang mas tahimik na pagbabago ang nagbabago kung ano ang kaya mong gawin.

Ang paglalagay ng partikular na tao sa AI ad ay may dalawang masamang pagpipilian. Ilarawan sila sa salita, at ihahagis ng model ang taong tumutugma sa paglalarawan. Photoreal ang taong iyon, pero bahagyang iba sa bawat clip, at nakamamatay iyon kapag may higit sa isang shot ang ad mo. O i-lock ang pagkakakilanlan sa stylized na reference at panatilihin ang parehong mukha sa buong video, kapalit ng itsura na iginuhit at hindi kinunan.

Ang totoong larawan sa Seedance 2.5 ay nagbibigay ng dalawa nang sabay: ang parehong tao, at photoreal. Hindi ito mas magandang trade-off. Nawawala na ang trade-off.

Kung saan nananalo pa rin ang 2.0

Hindi namin itinigil ito, at hindi kami magkukunwaring mas maganda nang tuwiran ang bago.

Ang Seedance 2.0 lang ang tier na nagre-render ng 4K. Kung gumagawa ka ng kailangang tumayo sa 4K, doon pa rin ito pupunta. Hanggang 1080p lang ang 2.5, at mas gugustuhin naming sabihin ito nang diretso kaysa hayaan kang malaman ito sa export.

Kaya ang tapat na hugis ay: 2.5 para sa haba at para sa anumang nakikinabang sa isang tuloy-tuloy na take. 2.0 kapag kailangan mo ng 4K.

Ano ang binabago nito sa pagsulat ng ad

Ang tatlumpung segundong iisang take ay hindi mas mahabang bersyon ng labinlimang segundo. Ibang uri ito ng shot, at dapat itong isulat na ganoon.

Ang stitched na spot ay sunod-sunod na beats, bawat isa ay may iisang trabaho, pinagdugtong sa mga cut. Ang tuloy-tuloy na take ay isang galaw: may inilatag, may nangyayari nang walang putol, at may tumatama sa dulo. Kapag nagsulat ka ng tatlumpung segundong beats at ibigay ito sa model na hindi puputol, makakakuha ka ng tatlumpung segundong drift. Kapag isang galaw na may arc ang isinulat mo, makukuha mo ang shot na talagang magaling ang model.

Live na ito sa Hermoso ngayon

Ang Seedance 2.5 ang default na video model sa Hermoso simula ngayon, at maaabot sa pangalan sa pamamagitan ng MCP at CLI kung gusto mo itong i-pin. Ang mga ad hanggang tatlumpung segundo ay nire-render na ngayon bilang iisang take sa halip na pagsasama-samahin mula sa mga piraso.

Ang mas malawak na paghahambing, kasama kung paano ito nakapuwesto laban sa Veo 3.1 at Kling 3.0 at aling shot ang bagay sa aling engine, ay nasa model comparison namin.