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.
Mesmo modelo, partindo deste prompt. As demais configurações ficam no padrão.
Por que este prompt funciona
`reference_audio_urls` fornece a voz e `reference_image_urls` fornece o rosto e o figurino — referências separadas, funções separadas, porque um plano de 'talking head' com a voz errada atrás de um rosto familiar soa errado mesmo com a imagem certa. O prompt só acrescenta a marcação de cena: sentada numa mesa de cozinha, uma mão em volta de uma caneca, um olhar erguido antes de falar. `duration_seconds` em `10` deixa espaço para esse momento antes da fala, em `resolution` `720p`.
Configurações usadas
Configuração
Valor
O que faz
resolution
720p
480p, 720p ou 1080p. Padrão 720p. A resolução muda tanto o preço quanto o tempo que a tarefa leva para voltar.
duration_seconds
10
Qualquer número inteiro de 2 a 30, ou -1 para duração inteligente. Padrão 5. Com vídeos de referência, a duração total deles somada a este valor precisa ficar dentro de 30 segundos, e esses segundos são cobrados além da saída. Resolva a aparência em 5 segundos antes de estender.
Prévia desfocada