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.
Написан по-английски — ровно в том виде, в каком мы его отправили.
Та же модель, за основу взят этот промпт. Остальные настройки — по умолчанию.
Почему этот промпт работает
`reference_audio_urls` даёт голос, а `reference_image_urls` даёт лицо и одежду — отдельные референсы для отдельных задач, ведь ролик с говорящей головой, где за знакомым лицом звучит не тот голос, ощущается неправильным, даже если картинка верна. Промпт добавляет только мизансцену: сидит за кухонным столом, одна рука обхватывает кружку, взгляд поднимается прежде, чем она говорит. `duration_seconds`, равное `10`, оставляет место для этого момента перед репликой, при `resolution`, равном `720p`.
Использованные настройки
Параметр
Значение
Что делает
resolution
720p
480p, 720p или 1080p, по умолчанию 720p. Разрешение меняет и цену, и время возврата задачи.
duration_seconds
10
Любое целое от 2 до 30 или -1 для автодлительности, по умолчанию 5. С референсными видео их общая длительность плюс это значение должны укладываться в 30 секунд, а их секунды оплачиваются сверх результата. Доведите вид на 5 секундах и только потом удлиняйте.
Превью размыто