Seedance 2.0 Fast Reference to Video

Seedance 2.0 Fast Reference to Video là mô hình video tham chiếu tiên tiến nhất của ByteDance, được cung cấp ở cấp độ nhanh, tối ưu hóa để mang lại kết quả nhanh hơn mà vẫn giữ nguyên phạm vi sáng tạo. Thay vì chỉ tạo video từ một mô tả văn bản, bạn có thể cung cấp cho mô hình các tài liệu tham chiếu của riêng bạn và dàn dựng cách các yếu tố đó kết hợp trên màn hình. Bạn có thể kết hợp tối đa chín ảnh tham chiếu, tối đa ba video tham chiếu và tối đa ba đoạn âm thanh trong một lần tạo, pha trộn và phối hợp các nguồn hình ảnh, âm thanh để điều chỉnh giao diện, chuyển động và âm thanh của đoạn video thành phẩm.

Điểm nổi bật của mô hình này là bạn có thể chỉ định trực tiếp từng tham chiếu ngay trong prompt. Mỗi ảnh, video, đoạn âm thanh bạn tải lên sẽ được gán một mã định danh đơn giản, để bạn có thể viết như @Image1, @Video2 hoặc @Audio1 ngay trong mô tả, hướng dẫn mô hình biết chính xác nguồn nào ảnh hưởng đến từng khoảnh khắc hoặc đối tượng. Điều này có nghĩa là bạn không chỉ hy vọng mô hình nắm được cảm xúc mà bạn còn có thể chỉ định tên nhân vật từ một ảnh, kiểu chuyển động từ một đoạn clip và giọng nói hoặc âm thanh nền từ một track âm thanh, rồi mô tả cách chúng tương tác với nhau. Quy trình làm việc này được xây dựng để biến đổi và cách điệu chất liệu hiện có, giữ nhân vật hoặc phong cách xuyên suốt các cảnh quay và đồng bộ khẩu hình với âm thanh được cung cấp.

Mô hình xuất ra video hoàn chỉnh với âm thanh đồng bộ. Khi bật tính năng sinh âm thanh, mô hình sẽ tạo hiệu ứng âm thanh, tiếng động môi trường và lời nói được đồng bộ khẩu hình với hành động trên màn hình, tức là ở cảnh nhân vật nói, miệng sẽ cử động khớp với lời thoại. Nếu bạn muốn dùng nhạc nền hoặc giọng nói của riêng mình, bạn có thể tải lên những đoạn âm thanh tham chiếu và đề cập tới chúng trong prompt. Lưu ý: bất cứ khi nào bạn bao gồm âm thanh tham chiếu, bạn cũng cần có ít nhất một ảnh hoặc video tham chiếu để mô hình có nội dung hình ảnh để gắn liên kết âm thanh đó.

Bạn có toàn quyền kiểm soát tỷ lệ khung hình. Chọn từ loạt tỷ lệ phổ biến như 16:9 ngang cho video landscape, 9:16 dọc cho nội dung ưu tiên di động, 1:1 vuông cho mạng xã hội, 21:9 siêu rộng cho cảnh phim điện ảnh, cùng với 4:3 và 3:4, hoặc để mô hình tự động chọn dựa trên prompt của bạn. Thời lượng video cũng linh hoạt: tạo clip từ 4 đến 15 giây hoặc đặt chế độ tự động để phù hợp với câu chuyện bạn mô tả. Dải tuỳ chỉnh này giúp bạn dễ dàng sản xuất mọi thứ từ một clip ngắn dạng lặp cho mạng xã hội đến một phân đoạn dài có nội dung câu chuyện.

Về chất lượng đầu ra, bạn có thể chọn giữa 480p để tạo nhanh hơn hoặc 720p cho kết quả cân bằng. Ngoài ra còn có tuỳ chọn điều chỉnh chất lượng, cho phép bạn xuất file chất lượng cao hơn, dung lượng lớn hơn khi cần video sắc nét nhất, hoặc sử dụng phiên bản tiêu chuẩn cho file nhẹ. Các thiết lập này giúp bạn trao đổi giữa tốc độ, dung lượng và độ sắc nét tuỳ từng mục đích — thử ý tưởng nhanh hoặc xuất bản sản phẩm cuối cùng.

Các định dạng đầu vào được hỗ trợ rất đa dạng và thực tế. Ảnh tham chiếu có thể là JPEG, PNG hoặc WebP. Video tham chiếu có thể là MP4 hoặc MOV, mỗi video nên ở khoảng từ 480p đến 720p, tổng chiều dài các clip từ 2 đến 15 giây. Âm thanh tham chiếu chấp nhận MP3 hoặc WAV, tổng thời lượng tối đa 15 giây cho tất cả các đoạn âm thanh. Tổng cộng cho mọi loại file, bạn có thể thêm tối đa mười hai mục tham chiếu trong một lần tạo, mang lại cho bạn nguồn tài nguyên sáng tạo phong phú mà vẫn đảm bảo mô hình xử lý hiệu quả.

Mô hình này cực kỳ phù hợp cho nhiều đối tượng sáng tạo chuyên nghiệp. Các nhà làm phim, biên tập video có thể dùng để cách điệu, biến đổi clip, kéo dài cảnh quay hoặc pha trộn nhiều cú máy thành một shot hoàn chỉnh. Nhà sáng tạo nội dung, nhà sản xuất mạng xã hội hưởng lợi từ tùy chọn tỷ lệ dọc, vuông và độ dài video ngắn phù hợp cho feed. Thiết kế nhân vật, animator có thể tận dụng hệ thống tham chiếu để giữ hình tượng nhân vật xuyên suốt clip và đồng bộ khẩu hình với giọng nói cung cấp sẵn. Nhạc sĩ và người kể chuyện âm thanh có thể ghép track nhạc với hình ảnh, để mô hình đồng bộ chuyển động với âm thanh. Nhờ khả năng gọi tên từng nguồn tham chiếu cụ thể, mô hình càng đáp ứng tốt với hướng dẫn chi tiết: bạn càng nêu rõ từng tham chiếu làm gì và kịch bản mong muốn ra sao, bạn càng kiểm soát kết quả đầu ra.

Một số lưu ý thực tế cần ghi nhớ. Âm thanh tham chiếu luôn cần đi kèm ít nhất một ảnh hoặc video. Video tham chiếu cần đúng chuẩn phân giải và giới hạn thời lượng, tổng thời lượng âm thanh phải dưới 15 giây. Tổng số tham chiếu của ảnh, video, âm thanh không vượt quá mười hai file, hãy cân nhắc nguồn thật sự quan trọng cho shot của bạn. Độ phân giải và chất lượng file càng cao sẽ cho hình đẹp hơn, kích thước lớn hơn nhưng thời gian render lâu hơn, còn 480p và bản chuẩn thì lý tưởng để thử nghiệm nhanh. Đặc biệt, kết quả sẽ tốt nhất nếu nguồn tham chiếu rõ ràng, sáng, bố cục rõ nét, và prompt của bạn gọi tên từng tham chiếu, miêu tả rõ chuyển động, cảm xúc lẫn âm thanh mong muốn. Sử dụng theo cách này, Seedance 2.0 Fast Reference to Video trở thành công cụ linh hoạt để biến ảnh, video, và âm thanh của bạn thành các video ngắn đồng bộ âm thanh với phong cách do chính bạn định hướng.