Billede til video-API

Et API til billede til video bruger et stillbillede som udgangspunkt eller visuel reference for en genereret video. Din applikation leverer billedet og de understøttede indstillinger, ofte sammen med en prompt om bevægelse. Resultatet er et nyt klip og ikke et simpelt diasshow eller en garanteret rekonstruktion billedramme for billedramme.

Brug skarpe billeder med et tydeligt motiv, fornuftigt udsnit og synlige detaljer. Lad der være plads til den bevægelse, du ønsker, og undgå forvirrende overlap eller kilder, der er komprimeret hårdt. Sørg for, at vigtige labels og kanter er lette at se på et produkt, og start med et tydeligt ansigt og et passende udsnit på et portræt.

Fokusér på, hvad der skal bevæge sig, og hvad der skal forblive stabilt. Beskriv motivets bevægelse, kamerabevægelsen og stemningen i stedet for at gentage alle de detaljer, der allerede er synlige på billedet. Begynd med en enkel handling, se på resultatet, og ret derefter én instruktion ad gangen.

Nogle endpoints til billede til video understøtter start- og slutbilledrammer, mens andre kun accepterer et startbillede eller andre referencetilstande. Tjek de dokumenterede felter og billedgrænser. Vælg billedrammer, der beskriver en sandsynlig overgang. Meget forskellige motiver eller kompositioner kan gøre interpolationen sværere.

Generering forudsiger nye vinkler og bevægelse ud fra begrænset visuel information, så små detaljer kan forskubbe sig. Prøv et tydeligere kildebillede, blidere bevægelse og en prompt, der udtrykkeligt bevarer motivet. Sammenlign modeller med det samme medie, og gennemgå brandkritiske detaljer, før du udgiver.

Du kan beskrive kameraadfærd i en prompt, og nogle modeller har dedikerede indstillinger. Bekræft, hvilke muligheder endpointet understøtter, før du tilføjer parametre. Brug én tydelig bevægelse, fx en langsom zoom ind eller en panorering, og vurdér, om den bevarer motivet og samtidig giver det ønskede optagelsesudsnit.

Understøttelse af lyd er modelspecifik. Nogle endpoints genererer indbygget lyd, nogle gør lyd valgfri, og andre returnerer video uden lyd. Tjek den valgte model og det valgte prisniveau. Til et talende portræt kan Talking Avatar passe bedre, og til præcis fortællerstemme kan et separat trin med Tekst til tale passe ind i forløbet.

Brug kun de værdier, der er dokumenteret for den valgte model. Tilpas udsnittet til den endelige placering, og sørg for, at kildebilledet passer til det. Længere klip og højere opløsning kan ændre prisen og genereringens adfærd, så sammenlign en praktisk kladdeindstilling, før du går i gang med en stor batch.

Send modellen og billedinput via PoYo-genereringen, gem task_id, og følg opgaven, indtil den er færdig. Brug statusendpointet eller en understøttet callback_url, og læs derefter videoresultatet. Gem det oprindelige billede og anmodningsindstillingerne sammen med opgaven, så brugerne kan sammenligne genererede versioner.

Tjek den valgte models pris og faktureringsenhed. Video kan blive afregnet pr. klip, pr. generering eller pr. sekund. Opløsning, varighed, kvalitet og lyd kan påvirke det gældende niveau. Lav et overslag for hele den ønskede konfiguration og antallet af forsøg i stedet for at bruge én startpris på alle videoer.

Brug Billede til video til at tilføje bevægelse til en still. Vælg Bevægelseskontrol, når bevægelsen skal følge en referencevideo. Vælg Talking Avatar, når et portræt skal tale til et leveret lydspor. Opgaverne kan give lignende output, men de kræver forskellige input og har forskellige indstillinger.

Bekræft, at kilde-URL'en er tilgængelig, og tjek understøttet billedformat, udsnit, varighed og model-ID. Gem hvert task-ID, styr samtidige indsendelser, og undersøg fejl, før du prøver igen. Start med et lille udvalg af repræsentative billeder for at tjekke, hvor godt motivet bevares, og hvad et acceptabelt klip koster at lave.