Hy-Video-v1.5

Mis on Hy-Video-v1.5?

Hy-Video-v1.5 on Tencenti praegune videogenereerimise mudel TokenHubi kataloogis. Selle kanooniline API-identifikaator on hy-video-v1.5. Mudel genereerib lühikesi videoklippe, mitte teksti, pilte, heli ega struktureeritud andmeid.

See toetab kahte sisendvoogu. Ainult viipa sisaldavat päringut käsitletakse teksti-videoks genereerimisena. Pilti sisaldav päring kasutab pilt-videoks genereerimist, kus pilt toimib visuaalse lähtepunktina. Viimasel juhul saab viiba kasutada soovitud liikumise kirjeldamiseks, kuigi Tencenti dokumentatsiooni kohaselt on viip vabatahtlik.

Genereerimine toimub asünkroonselt. Valmis video kohe tagastamise asemel loob API ülesande ja tagastab identifikaatorid, mille abil saab rakendus hiljem tulemust kontrollida. Selline töövoog on meedia genereerimisel tavapärane, sest video renderdamine võtab kauem aega kui tavalise tekstivastuse loomine.

Toetatud sisendid ja video väljund

Dokumenteeritud väljund on fikseeritud viiesekundilise kestuse ja 720p-eraldusvõimega. Neid piiranguid tuleb mudeli hindamisel arvesse võtta: Hy-Video-v1.5 on mõeldud lühikeste klippide ja eelvaadete, mitte pika vormi produktsiooni või kohandatava kestusega videoprojektide jaoks.

Tekst-videoks päringute korral dokumenteerib Tencent viis kuvasuhte valikut:

• 16:9 tavapärase rõhtpaigutusega video jaoks
• 9:16 vertikaalse lühivideo jaoks
• 1:1 ruudukujuliste sotsiaalmeedia- või reklaamimaterjalide jaoks
• 4:3 traditsioonilise rõhtpaigutuse jaoks
• 3:4 traditsioonilise püstpaigutuse jaoks

Pilt-videoks päringud toimivad teisiti. Need ei aktsepteeri eraldi kuvasuhte parameetrit; väljundi kuvasuhe tuletatakse esitatud pildist. Sisendpilte saab saata Base64-andmetena või avalikult juurdepääsetavate pildi-URL-idena. Dokumenteeritud pildisuuruse piirang on 10 MB.

Esitatud uurimismaterjal ei dokumenteeri video sisendina kasutamist, loomupärast heli genereerimist, heliriba loomist ega pild väljundit. Praktilises mõttes on toetatud kombinatsioon tekst ja valikuline pildisisend ning mudeli otsene väljund on video.

Peamised võimalused

Hy-Video-v1.5 kõige kasulikum omadus on võimalus kasutada sama mudelit ja lõpp-punkti nii viibapõhiseks video loomiseks kui ka lähtepildi animeerimiseks. Näiteks võib tekst-videoks päring kirjeldada toote esitlemist või lühikest stseeniüleminekut, samas kui pilt-videoks päring võib animeerida tootefotot, illustratsiooni või muud toetatud staatilist pilti.

Mudel pakub ka mitut juhtimisvõimalust, mis võivad muuta genereerimise prognoositavamaks:

• Negatiivsed viibad: kirjeldused elementidest, mida väljund peaks vältima.
• Viipade intelligentne ümberkirjutamine: valikuline funktsioon, mille eesmärk on kasutaja viipa enne genereerimist laiendada või täpsustada.
• Sisu modereerimise juhtelemendid: seaded modereerimiskäitumise haldamiseks.
• Juhuslik seeme: võimalus määrata seemneväärtus, kui vaja on korratavust või kontrollitud varieeruvust.
• Kohandatud vesimärgi tekst: võimalus lisada genereeritud sisule määratud vesimärgi tekst.

Tencent positsioneerib mudelit stseeniüleminekute, mitme tegelasega suhtluse, ettevõtete reklaamide, turundusmaterjalide ja isiklike loovprojektide jaoks. Need on teenusepakkuja väited mudeli kasutusotstarbe kohta, mitte sõltumatute võrdlustestide tulemused. Tegelik kvaliteet sõltub viibast, kasutatava lähtepildi korral selle omadustest, soovitud kompositsioonist ja mudeli võimest liikumist käsitleda.

Kuidas TokenHubi töövoog toimib

Tüüpiline integratsioon saadab genereerimispäringu, mis sisaldab mudeli väärtust hy-video-v1.5, teksti-videoks genereerimise viipa ning valikulisi parameetreid, nagu pilt, kuvasuhe, negatiivne viip, seeme või vesimärgi tekst. Pilt-videoks genereerimisel saab pildi esitada Base64-vormingus või avaliku URL-i kaudu.

Algne vastus sisaldab ülesande identifikaatorit, loomise ajatemplit ja päringu identifikaatorit. Seejärel küsitleb rakendus ülesande tulemuse lõpp-punkti, kuni ülesanne jõuab lõppolekusse, näiteks õnnestumise või ebaõnnestumiseni. Tulemuseks ei ole kohe saadetav sünkroonne videovastus, seega peab rakendus olema valmis ülesande olekut jälgima ning viivitusi või ebaõnnestunud töid käsitlema.

Esitatud dokumentatsioon kirjeldab API käitumist ja päringu välju, kuid ei esita selle mudeli kohta avaldatud kontekstiakent, viiba maksimaalset tokenite arvu, väljundi maksimaalset tokenite arvu, läbilaskevõime garantiid ega latentsusaja garantiid. Seetõttu tuleb neid väärtusi pidada teadmata olevaks, mitte tuletada neid teistest Tencenti toodetest.

Hinnakujundus ja kuludega arvestamine

Tencent loetleb Hy-Video-v1.5 TokenHubi kasutuspõhise videogenereerimise hinnastuse all. Dokumenteeritud hind on 1,60 USA dollarit miljoni tokeni kohta ning 720p-genereerimise hinnanguline kulu on 30 000 tokenit sekundis. Tencent esitab samaväärse hinnanguna ligikaudu 0,048 USA dollarit sekundis.

Dokumenteeritud viiesekundilist kestust kasutades oleks ühe viiesekundilise klipi lihtne ligikaudne hind esitatud hinnangu põhjal umbes 0,24 USA dollarit. See on hinnang, mitte garanteeritud videopõhine hind: lõplik arve sõltub tegelikust tokenite tarbimisest, arvelduskeskusest ja valitud teenusekonfiguratsioonist. Mudeli kohta ei ole dokumenteeritud tellimustaset ega fikseeritud kuutasu.

Kulude planeerimisel võib mudeli fikseeritud kestus olla kasulik, sest lühikese klipi tootmismaht on suhteliselt selgelt piiritletud. Korduvad genereerimised, parandused ning ebaõnnestunud või ebarahuldavad katsed võivad aga valmis materjali tegelikku maksumust suurendada. Meeskonnad peaksid planeerima kulud katsetamiseks, mitte eeldama, et üks viip loob lõpliku video.

Tugevused ja kompromissid

Peamine praktiline põhjus Hy-Video-v1.5 kaalumiseks on selle keskendumine lühikeste videote genereerimisele nii tekst-videoks kui ka pilt-videoks režiimis. Meeskond saab luua klipi kirjelduse põhjal või alustada visuaalsest materjalist, ilma et peaks kasutama eraldi mudelite töövooge. Mitme tekst-videoks kuvasuhte valiku olemasolu aitab samuti luua sisu rõht-, püst- või ruudukujuliste paigutuste jaoks.

Mudeli peamine kompromiss puudutab juhtimise ulatust. Väljundi kestus on fikseeritud viiele sekundile, eraldusvõime 720p-le ning pilt-videoks kuvasuhe järgib sisendpilti. Need piirangud muudavad dokumenteeritud liidese lihtsamaks, kuid mudel sobib halvemini projektidele, kus on vaja pikemaid järjestusi, suuremat eraldusvõimet, täpselt reguleeritavat kestust või sisendpildi kadreeringust sõltumatut seadistamist.

Asünkroonne API on veel üks toimeline kompromiss. See sobib järjekorras töödeldavatele meediaülesannetele, kuid rakendused vajavad ülesannete jälgimist, küsitlemist, ajalõppude käsitlemist ja tõrgete haldamist. Hy-Video-v1.5 ei tohiks valida juhul, kui vahetu ühekordse vastusega genereerimine on range nõue.

Toimetuslikus hinnangus saab mudel kiiruse eest 8 punkti 10-st ja hinna eest 7 punkti 10-st. Need on kataloogihinnangud, mitte Tencenti avaldatud võrdlustestide tulemused. Neid võib kasutada ligikaudsete võrdlusnäitajatena, kuid neid ei tohiks tõlgendada mõõdetud latentsusaja ega universaalse hinnareitinguna.

Arutlus-, programmeerimis- ja tööriistade tugi

Hy-Video-v1.5 on meediat genereeriv, mitte üldotstarbeline arutlus- või programmeerimismudel. Arutlus- ega programmeerimisskoori ei ole esitatud ning uurimismaterjal ei dokumente spetsiaalseid arutlus- või koodiloomevõimalusi.

API toetab genereerimisparameetreid, kuid mudeli kirjes ei tuvastata loomupärast tööriistade kasutamist ega funktsioonikutsungeid. Samuti ei dokumenteerita struktureeritud JSON-väljundit. JSON-i võidakse kasutada ümbritsevas API-s päringu- või vastusevorminguna, kuid see erineb sellest, kui mudel suudab genereerida skeemiga piiratud struktureeritud väljundit.

Selle mudeli puhul ei ole voogedastust dokumenteeritud. Dokumenteeritud suhtlusmuster on ülesande loomine, millele järgneb tulemuse hankimine. Täppishäälestust, vahemällu salvestamist, pakktöötlust, veebotsingut ega muid üldisi platvormifunktsioone ei ole selle konkreetse mudeli puhul dokumenteeritud.

Parimad kasutusjuhud

Hy-Video-v1.5 on mõistlik valik, kui vajatav materjal on lühike 720p-klipp ning töövoog saab kasu kas viibapõhisest loomisest või olemasoleva staatilise pildi animeerimisest. Sobivad kasutusalad on järgmised:

• Lühikesed reklaami- ja turunduskontseptsioonid
• Vertikaalsete sotsiaalmeediavideote prototüübid
• Toote- või kampaaniaeelvaated
• Illustratsioonide, plakatite või muude staatiliste loovmaterjalide animeerimine
• Stseeniüleminekute katsetamine
• Varajases etapis süžeeskeemide koostamine ja loominguline avastamine
• Lühikesed klipid, milles osaleb mitu tegelast või toimub lihtne visuaalne suhtlus

Pilt-videoks genereerimine on eriti kasulik siis, kui kampaanial on juba põhiline visuaal olemas ja sellele on vaja lisada liikumist, mitte luua täiesti uut visuaalset kompositsiooni. Tekst-videoks genereerimine sobib paremini siis, kui lähtekontseptsioon on peamiselt sõnaline ja lähtepilti ei ole.

Millal valida Hy-Video-v1.5?

Vali Hy-Video-v1.5, kui Tencent Cloud TokenHubi juurdepääs sobib projektiga, viiest sekundist piisab, 720p-väljund vastab edastusnõudele ning meeskond soovib kasutada nii tekst-videoks kui ka pilt-videoks genereerimist. See sobib hästi ka töövoogudesse, mis taluvad asünkroonset töötlemist ja kasutuspõhist arveldamist.

Mõni teine videogenereerimise lahendus võib olla sobivam siis, kui projekt nõuab pika vormi väljundit, kohandatavat kestust, suuremat või valitavat eraldusvõimet, video-videoks teisendamist, loomupärast heli või täpselt kontrollitud võtete järjepidevust. Üldotstarbeline multimodaalne või keelemudel võib olla eelistatavam viipade kavandamiseks, skriptide kirjutamiseks või tootmise koordineerimiseks, kuid esitatud uurimismaterjal ei nimeta Tencenti sõsarmudelit, mis peaks Hy-Video-v1.5 nende ülesannete puhul asendama.

Pilt-videoks projektide puhul vali mõni muu lahendus, kui lähtepilti peab saama väljundist sõltumatult kärpida või kui töövoog nõuab videosisendit. Rakenduste puhul, mis vajavad vahetuid vastuseid, struktureeritud väljundeid, tööriistakutsungeid või pakktöötlust, ei kinnita Hy-Video-v1.5 dokumenteeritud võimalused nende nõuete tuge.

Piirangud ja kättesaadavus

Dokumenteeritud piirangud on selged: ainult viiesekundilised videod, fikseeritud 720p-väljund, kuvasuhte valik üksnes tekst-videoks genereerimisel ning asünkroonne ülesannete töötlemine. Dokumentatsioon ei kinnita selle konkreetse mudeli loomupärase heli, videosisendi, täppishäälestuse, struktureeritud JSON-väljundi ega pakigeneratsiooni tuge.

Esitatud uurimismaterjali kohaselt on Hy-Video-v1.5 praegune ja Tencenti Cloud TokenHubi kaudu kättesaadav. Selle identifikaator tuleb sisestada täpselt kujul hy-video-v1.5. Seda ei tohi segi ajada eraldi viidatud vanema identifikaatoriga HY-Video-1.5, mille kohta kehtib teistsugune kasutuselt kõrvaldamise teatis.