The image reference sets the speaker's face and wardrobe; the audio reference sets her voice. She sits at a kitchen table, glances at the camera and starts talking, one hand around a mug. Locked medium shot, morning light.
Mismo modelo, partiendo de este prompt. El resto de ajustes queda por defecto.
Por qué funciona este prompt
`reference_audio_urls` aporta la voz y `reference_image_urls` aporta la cara y el vestuario: referencias separadas, funciones separadas, porque un plano tipo 'talking head' con la voz equivocada detrás de una cara familiar suena mal aunque la imagen sea correcta. El prompt solo añade la puesta en escena: sentada a una mesa de cocina, una mano alrededor de una taza, una mirada hacia arriba antes de hablar. `duration_seconds` en `10` deja espacio para ese momento antes de la línea, en `resolution` `720p`.
Ajustes usados
Ajuste
Valor
Qué hace
resolution
720p
480p, 720p o 1080p. Por defecto, 720p. La resolución cambia tanto el precio como lo que tarda la tarea en volver.
duration_seconds
10
Cualquier número entero de 2 a 30, o -1 para duración inteligente. Por defecto, 5. Con videos de referencia, su duración total más este valor no puede pasar de 30 segundos, y esos segundos se cobran además de la salida. Cierra el acabado a 5 segundos antes de alargar.
Vista previa difuminada