พรอมต์วิดีโอ 30 วินาทีของ Seedance 2.5 แบ่งช่วงและคุมจังหวะ

คลิปห้าวินาทีคือคำบรรยาย ส่วนคลิปสามสิบวินาทีคือบท ความต่างตรงนี้คือเหตุผลทั้งหมดที่คนซึ่งเขียนพรอมต์สั้นได้ดีกลับได้ผลลัพธ์เละเมื่อขอความยาวเพิ่ม เพราะเขายังเขียนฉากให้ละเอียดขึ้นเรื่อย ๆ ทั้งที่สิ่งที่โมเดลต้องการตอนนี้คือชุดจุดตรวจที่เรียงต่อกัน Seedance 2.5 พร้อมใช้งานในพื้นที่สร้างวิดีโอของ OmniArt และสร้างคลิป 4 ถึง 30 วินาทีได้ในรอบเดียว รวมถึง 30 ถึง 180 วินาทีในโหมด Long Video ซึ่งแปลว่าโครงสร้างของพรอมต์วิดีโอ 30 วินาทีสำคัญกว่าคำคุณศัพท์ที่อยู่ข้างใน

วิธีด้านล่างมาจากลักษณะที่โมเดลอ่านพรอมต์ยาวจริง ๆ คุณแบ่งเรื่องออกเป็นช่วงที่ต่อเนื่องกัน ให้แต่ละช่วงมีการเปลี่ยนสถานะหลักเพียงหนึ่งอย่าง แล้วเขียนสภาพจบที่ผู้ชมชี้บนจอได้ หลังจากนั้นจึงค่อยซ้อนไทม์สแตมป์เข้าไป และซ้อนเฉพาะจุดที่ต้องการความแม่นยำจริง

นี่ไม่ใช่การกลับไปใช้รายการช็อตแบบใส่หมายเลข รายการช็อตบอกโมเดลว่าจะใช้งานกล้องอย่างไร ส่วนการแบ่งช่วงบอกโมเดลว่าอะไรต้องเป็นจริงเมื่อช่วงนั้นจบลง หากอยากอ่านเหตุผลว่าทำไมไม่ควรกำหนดคลิปสั้นละเอียดเกินไป เลิกเขียนรายการช็อตได้แล้ว ยังใช้ได้อยู่ ช่วงคือจุดตรวจสถานะ ไม่ใช่การตั้งค่ากล้อง

วิดีโอยาวพังคนละแบบกับวิดีโอสั้น

คลิปสี่วินาทีแทบไม่มีเวลาพอจะขัดแย้งกับตัวเอง แต่สามสิบวินาทีมีเวลาพอ และความผิดพลาดมักกระจุกอยู่สี่จุด

• ตัวตนของตัวละคร คนในวินาทีที่ 2 กับคนในวินาทีที่ 24 กลายเป็นญาติกันมากกว่าจะเป็นคนเดียวกัน
• เสื้อผ้าและพร็อพ แจ็กเก็ตเปลี่ยนเฉดสี ริบบิ้นเปลี่ยนสี เครื่องมือที่เคยวางบนโต๊ะอยู่ดี ๆ ก็ไปอยู่ในมือ หรือกลับกัน
• ความเป็นเจ้าของพร็อพ โมเดลตามไม่ทันว่าใครถืออะไรหลังการส่งของ ซึ่งเป็นจุดพังที่พบบ่อยที่สุดในทุกฉากสองคน
• ทิศทางเชิงพื้นที่ โต๊ะทำงานหันกลับด้านหลังการตัดภาพ หรือตัวละครที่เดินออกทางซ้ายกลับเดินเข้ามาจากด้านเดิม

ปัญหาเหล่านี้แก้ไม่ได้ด้วยการบรรยายเพิ่ม แต่แก้ได้ด้วยการบอกโมเดลที่ทุกรอยต่อว่ามันกำลังรับสถานะอะไรมา Seedance 2.5 รักษาลักษณะตัวละคร รายละเอียดเสื้อผ้า และโครงสร้างฉากตลอดการสร้างยาว ๆ ได้ดีกว่ารุ่นก่อนอย่างเห็นได้ชัด แต่ก็ยังต้องการจุดตรวจไว้ยึด

แบ่งเป็นช่วงของบท ไม่ใช่แบ่งเป็นฉาก

โครงสร้างของวิดีโอยาวคือชุดบล็อกเล็ก ๆ ที่มีป้ายกำกับ คัดลอกอันนี้ไปแล้วเติมเนื้อหาลงไป

[Generation Goal]
Generate a <video type>. The central subject is <subject>, and the primary event is <story summary>.

[Stage 1]
Initial state: <initial state of characters, props, and scene>.
Primary event: <one primary action or event>.
End state: <character positions, prop ownership, or visible scene state>.

[Stage 2]
Continue from the previous stage: <state that must remain unchanged>.
Primary event: <one primary action or event>.
End state: <observable state>.

[Stage 3]
Primary event: <closing event>.
End state: <final visible state>.

[Maintain Consistency]
Keep <character identity, number of characters, clothing, prop ownership, spatial direction, and audio relationships> consistent.

สามช่วงเป็นค่าตั้งต้นที่ดีสำหรับการสร้างคลิป 30 วินาที ด้านล่างคือตัวอย่างที่เติมเนื้อหาแล้วสำหรับฉากซ่อมของในคาเฟ่ซ่อมชุมชน มีคนสองคนและของหนึ่งชิ้นที่เปลี่ยนมือสองครั้ง ซึ่งเป็นรูปแบบที่เพี้ยนแน่นอนหากเขียนรวบเป็นย่อหน้าเดียว

[Generation Goal]
Generate a documentary-style instructional video. The central subjects are <Volunteer> and <Owner>, and the primary event is repairing a desk lamp with a frayed cord and returning it working.

[Stage 1]
Initial state: <Volunteer> stands behind a wooden repair bench in a bright community hall. The desk lamp sits unlit on the bench, and a small metal tray and screwdriver lie to the right of it.
Primary event: <Volunteer> unscrews the lamp base and lifts it away, exposing the wiring.
End state: the lamp base is open on the bench, three screws are in the metal tray, and the screwdriver is back on the right side of the bench.

[Stage 2]
Continue from the previous stage: both characters keep the same identities and clothing, the lamp base stays open on the bench, and the screws stay in the tray.
Primary event: <Volunteer> cuts away the frayed cord and fits a new braided cord into the base while <Owner> holds the lamp head steady.
End state: the frayed cord lies coiled at the left edge of the bench, the new braided cord runs from the base to the floor socket, and <Owner> still holds the lamp head with both hands.

[Stage 3]
Primary event: <Volunteer> closes the base, plugs the cord in, and <Owner> presses the switch.
End state: the lamp stands upright and lit in the center of the bench, and both characters look at the lit lamp from behind the bench.

[Maintain Consistency]
Keep <Volunteer> and <Owner>'s identities, clothing, the bench orientation, the tray position, and lamp ownership at each handoff consistent. Only two people are in frame throughout. Pure video, no subtitles, no background music.

หนึ่งการเปลี่ยนสถานะต่อหนึ่งช่วง

วินัยที่ทำให้วิธีนี้ได้ผลนั้นน่าเบื่อและไม่มีข้อยกเว้น ให้มีเหตุการณ์หลักเพียงหนึ่งอย่างต่อหนึ่งช่วง หากช่วงหนึ่งมีทั้งไขฐานโคม เปลี่ยนสาย และทดสอบโคม โมเดลต้องจัดสรรงบเวลาให้สามจังหวะด้วยตัวเอง และมักจะรีบเร่งสองจังหวะหรือทิ้งไปหนึ่งจังหวะ ให้แยกช่วงออกจากกัน

สภาพจบต้องมองเห็นได้

สภาพจบคือเฟรมที่คุณแคปหน้าจอได้ ไม่ใช่ความรู้สึก ประโยคอย่างงานซ่อมเสร็จแล้วไม่ได้ให้อะไรกับโมเดลไว้ยึด ส่วนประโยคอย่างโคมไฟตั้งตรงและเปิดสว่างอยู่กลางโต๊ะให้เป้าหมายที่ชัดเจน แถมยังส่งสถานะตั้งต้นให้ช่วงถัดไปฟรีอีกด้วย ให้เขียนสภาพจบในรูปของตำแหน่ง ความเป็นเจ้าของ และสภาพฉากที่มองเห็น เช่น ของอยู่ตรงไหน ใครถืออะไร และอะไรเปิดหรือปิดอยู่

ไทม์สแตมป์ ใช้ตรงจุดที่ความแม่นสำคัญจริง

Seedance 2.5 รองรับการควบคุมช่วงเนื้อเรื่องและช่วงช็อตด้วยไทม์สแตมป์ในตัว โดยแม่นระดับวินาที ตามคำแนะนำตอนเปิดตัว คุณเขียนเครื่องหมายช่วงเวลาอย่าง [00.0-05] ไว้หน้าช็อต บทพูด หรือการกระทำโดยตรง แล้วเขียนที่เหลือเรียงตามลำดับเวลา

โดยปกติให้ใช้การแบ่งช่วงเป็นหลัก แล้วหยิบความแม่นระดับวินาทีมาใช้เมื่อคุณต้องคุมการส่งของ การเข้าหรือออกเฟรม ทรานซิชัน หรือจังหวะที่กำหนดไว้ชัด เช่น การเข้าจังหวะดนตรี การเผยสินค้า หรือการตัดภาพที่วางสตอรีบอร์ดไว้แล้ว

กฎมีไม่กี่ข้อ

• ต่อเนื่องกันและห้ามซ้อนทับ ช่วงเวลาต้องปูเรียงเต็มไทม์ไลน์ ช่องว่างและการซ้อนทับให้ผลสับสนอย่างที่คาดเดาได้
• หนึ่งช่วงคืองบเวลา ไม่ใช่จุดตัดต่อ การกระทำอาจเกิดก่อนหรือหลังเส้นแบ่งเล็กน้อย หากงานส่งมอบต้องการการตัดที่แม่นระดับเฟรม นั่นเป็นงานของโพสต์โปรดักชัน
• ความหนาแน่นของเนื้อหากำหนดอารมณ์ เนื้อหาน้อยเกินไปในหนึ่งช่วงเท่ากับยกอิสระให้โมเดล แล้วมันจะแต่งเนื้อหาแทรกมาเอง ส่วนเนื้อหามากเกินไปทำให้ตัดภาพถี่หรือทิ้งเหตุการณ์
• ห้ามสั่งเป็นความถี่ คำสั่งอย่างให้ทำสามการกระทำภายในหนึ่งวินาทีไม่ใช่การกำหนดจังหวะ แต่คือการสั่งให้ผลลัพธ์ออกมามั่ว

ไทม์สแตมป์กับการแบ่งช่วงเข้ากันได้ดี ให้คงบล็อกของช่วงไว้ แล้วผูกช่วงเวลาเข้ากับหนึ่งหรือสองช่วงที่คุณให้ความสำคัญกับจังหวะจริง ๆ

การตั้งค่าระดับภาพรวมและบล็อกกันเรื่องพัง

คู่มือตอนเปิดตัวเพิ่มบล็อกหนึ่งไว้เหนือชุดช่วงสำหรับพรอมต์ยาว นั่นคือส่วนตั้งค่าระดับภาพรวมที่ตรึงโลกของเรื่องไว้ครั้งเดียว เพื่อไม่ต้องอนุมานใหม่ในทุกช่วง บล็อกนี้ครอบคลุมสภาพแวดล้อมและพื้นผิวพื้นฐาน สไตล์ภาพ ภาษากล้อง การแต่งตัวของตัวละคร แก่นของการแสดง และรายการสิ่งต้องห้าม

รายการสุดท้ายคือส่วนที่มีประโยชน์ที่สุด Seedance 2.5 ทำตามคำสั่งเชิงปฏิเสธได้ดีขึ้น การแยกบรรทัดเชิงบวก เช่น เนื้อหาในเฟรม การเคลื่อนกล้อง การกระทำ บทสนทนา และเสียงประกอบ ออกจากบรรทัดเชิงปฏิเสธที่ระบุสิ่งที่ห้ามปรากฏ จึงคุ้มค่าที่จะเขียนทั้งในระดับช่วงและระดับภาพรวม คำสั่งห้ามใส่คำบรรยายและห้ามใส่ดนตรีประกอบตอนนี้เป็นคำสั่งที่ได้ผลจริงแล้ว ไม่ใช่แค่ความหวัง และรูปแบบที่แนะนำก็ตรงไปตรงมาอย่าง "pure video, no subtitles, no background music" จากนั้นเติมจุดพังเฉพาะของช็อตคุณเข้าไป เช่น ห้ามมีคนเกิน ห้ามขยับร่างกายมากเกินไป และห้ามแต่งบทสนทนาขึ้นเอง

ปิดท้ายด้วยบล็อกความสม่ำเสมอ

บล็อก [Maintain Consistency] ไม่ใช่ของประดับ ให้ย้ำไว้ที่เดียวตอนท้ายว่าตัวตนของตัวละคร จำนวนคนในเฟรม เสื้อผ้า ความเป็นเจ้าของพร็อพ ทิศทางเชิงพื้นที่ และความสัมพันธ์ทางเสียง เช่น ใครพูดและใครเงียบ ต้องคงเดิม มันใช้พื้นที่แค่สองบรรทัด แต่เป็นเกราะป้องกันที่ถูกที่สุดสำหรับรูปแบบความเพี้ยนที่ระบุไว้ตอนต้นบทความ

เลือกโหมดไหน สร้างครั้งเดียว ต่อขยาย หรือ Long Video

มีสามวิธีที่จะได้ความยาวจาก Seedance 2.5 และทั้งสามใช้แทนกันไม่ได้

การต่อขยายคือเส้นทางของการกำกับแบบแบ่งช่วง สร้างสิบวินาที ดูผล แล้วค่อยสั่งช่วงถัดไป การกระทำซับซ้อนที่ล้มเหลวเมื่อสร้างรวดเดียวมักสำเร็จเมื่อทำเป็นการวิ่งผลัดของช่วงที่ยืนยันแล้ว ความยาวตั้งค่าได้ในแต่ละการต่อขยาย แต่อัตราส่วนภาพสืบทอดจากไฟล์นำเข้าและเปลี่ยนไม่ได้ ส่วนโหมด Long Video ข้ามการเย็บต่อไปเลยสำหรับงาน 30 ถึง 180 วินาที เช่น หนังโปรโมตที่แพนไปตามภูมิทัศน์ มิวสิกวิดีโอ หรือหนังสั้นที่ขับด้วยบทพูดเดี่ยวซึ่งอารมณ์ต้องการพื้นที่หายใจ

สำหรับพรอมต์ที่ยาวมาก คู่มือตอนเปิดตัวเพิ่มอีกหนึ่งอย่างบนทุกข้อข้างต้น นั่นคือให้ย้ำพารามิเตอร์ระดับภาพรวม ทั้งความยาวเป้าหมายและอัตราส่วนภาพ ไว้ที่ต้นข้อความพรอมต์ เพราะงานยาวขนาดนั้นการระบุหนึ่งครั้งในหน้าจอและอีกหนึ่งครั้งในพรอมต์เป็นนิสัยที่ปลอดภัยกว่า ส่วนที่เหลือของโครงสร้างยังคุ้นเคย ได้แก่ พารามิเตอร์ระดับภาพรวม คำอธิบายว่าไฟล์ที่อัปโหลดแต่ละชิ้นคืออะไร บทสรุปหนึ่งประโยค คำบรรยายเนื้อเรื่องแบบไทม์ไลน์ และส่วนเสริมระดับภาพรวมปิดท้าย

ความละเอียดผลลัพธ์อยู่ที่ 480p หรือ 720p จึงควรวางแผนงานเก็บรายละเอียดขั้นสุดท้ายให้เหมาะกับงานยาว

ข้อจำกัดที่ต้องพูดตรง ๆ

• ไทม์สแตมป์จัดสรรเวลาให้เหตุการณ์ ไม่ใช่จุดตัดต่อที่แม่นระดับเฟรม
• พรอมต์แก้ไขเพิ่มโอกาสให้เหตุการณ์สำคัญตรงกับไฟล์ต้นทาง แต่ไม่รับประกันการทับซ้อนทีละเฟรม
• งานหลายไฟล์อ้างอิงคือการเลือกไฟล์ให้ถูกกับแต่ละฉาก ไม่ใช่การทำให้ทุกไฟล์ปรากฏพร้อมกัน
• สำหรับคำบรรยาย สูตร ป้าย สเปกสินค้า หรือการจับเวลาระดับเฟรมที่ต้องเป๊ะ ให้ผสมไฟล์อ้างอิงที่เตรียมไว้ การสร้าง และงานโพสต์โปรดักชัน อย่าคาดหวังให้พรอมต์แบกไว้คนเดียว
• เฟรมรอยต่อของการต่อขยายเชื่อมกันอย่างเป็นธรรมชาติในระดับสายตา ไม่ใช่เหมือนกันทุกพิกเซล และระดับเสียงของช่วงที่ต่อขยายอาจต่างจากไฟล์ต้นทางเล็กน้อย

เริ่มต้นบน OmniArt

หยิบไอเดียความยาว 30 วินาทีที่คุณเคยทำพลาดมาแล้วหนึ่งครั้ง เขียนใหม่เป็นสามช่วง ให้แต่ละช่วงมีเหตุการณ์หลักหนึ่งอย่างและสภาพจบที่แคปหน้าจอได้ แล้วเติมบล็อกความสม่ำเสมอไว้ท้ายสุด สร้างด้วย Seedance 2.5 ใน พื้นที่สร้างวิดีโอ จากนั้นดูเฉพาะรอยต่อระหว่างช่วง เพราะตรงนั้นคือจุดที่คุณจะเห็นว่าจุดตรวจอยู่รอดหรือไม่

หากรอยต่อใดพัง ทางแก้แทบทุกครั้งคือแยกช่วงนั้นออก ไม่ใช่เติมคำบรรยายเข้าไป จากตรงนั้น Seedance 2.5 มีอะไรใหม่ ครอบคลุมชุดความสามารถในภาพกว้าง ส่วน การแก้ไขและต่อขยายวิดีโอ รับช่วงต่อจากจุดที่การสร้างครั้งเดียวไปต่อไม่ไหวแล้ว