alibaba/happyhorse-1.1/reference-to-videoHappyHorse 1.1 reference-to-video prowadzi jedno ujęcie na podstawie od jednego do dziewięciu uporządkowanych obrazów referencyjnych, utrzymując obsadę, kostiumy lub miejsce. Klipy 3–15 sekund w 720p lub 1080p w dziewięciu proporcjach, z generowanym dźwiękiem.
Filtrowanie różni się zależnie od endpointu: Obraz na wideo — Bez cenzury, Referencja na wideo — Bez cenzury, Tekst na wideo — Filtrowany.
Obszar roboczy
Te przykłady napisano specjalnie dla tego endpointu. Podmień prompt i przykładowe adresy mediów na własne, dostępne materiały, a przed wysłaniem sprawdź aktualną wycenę i dostępność modelu.
- Wyjście5 s
opera-box-emerald-velvet-smile [Image 1] to osoba: rudowłosa kobieta w szmaragdowej aksamitnej sukni z odkrytymi ramionami, ze złotym lornionem w dłoni, sfotografowana na ciemnym tle. [Image 2] to miejsce: pusta secesyjna loża operowa ze złoconą balustradą, z widokiem na pełną złotą widownię pod kryształowym żyrandolem. Klip sadza kobietę z [Image 1], w tej samej sukni, przy balustradzie loży z [Image 2], z lornionem przy oczach; opuszcza go, odwraca głowę do kamery z powolnym, porozumiewawczym uśmiechem i unosi czubek palca ku obojczykowi, a kamera powoli się zbliża. `aspect_ratio` to `16:9`, `duration_seconds` wynosi `5` przy `720p`.
- 720p
- 16:9
- 5s
- Wyjście5 s
product-in-place [Image 1] to słoik ze świecą, [Image 2] marmurowa półka. Każde zdjęcie wskazano jego znacznikiem, więc słoik staje na tej półce w świetle jej okna, zamiast zlewać się z nią w jeden obraz.
- 1080p
- 1:1
- 5s
- Wyjście5 s
rider-jacket-bike-station Cztery rzeczy muszą zostać identyczne z ujęcia na ujęcie: motocyklista, kurtka, maszyna i stacja paliw. `reference_image_urls` niesie do dziewięciu kadrów w jednym żądaniu i to właśnie pozwala przypiąć kostium oraz pojazd, zamiast je opisywać i liczyć na szczęście. Tutaj pierwszy kadr zawiera już motocyklistę, motocykl i stację, a drugi skórzaną kurtkę; trzeci, kobieta na ulicy w neonach, nie ma nic wspólnego z tym ujęciem i nie pojawia się w klipie. Promptowi zostaje wtedy nazwanie działania i światła: mówi, co postać robi, a nie jak wygląda.
- 720p
- 3:4
- 5s
- Wyjście5 s
three-plate-corridor Trzy referencje, trzy różne zadania – postać, gitara, którą niesie, i korytarz, którym idzie – rozwiązane w jednym ujęciu z jazdą w tył. To uczciwy test dla tego endpointu: twarz, rekwizyt i lokacja muszą przetrwać to samo ujęcie, a prompt mówi, która referencja jest która.
- 720p
- 16:9
- 5s
Ten przykład zaczyna się od $0.14 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.