Wann Text-zu-Video besser ist als Foto-zu-Video
Text-zu-Video ist für Szenen, die noch nicht existieren: ein Stadion in der Dämmerung, ein Trainingsplatz, ein Tunnelgang, eine reagierende Menge. Es gibt kein Gesicht zu bewahren, daher kann das Modell seine gesamte Aufmerksamkeit auf den Ort und die Kamera richten.
Wenn die Aufnahme eine bestimmte Person benötigt, verwenden Sie stattdessen Foto-zu-Video. Ein reiner Text-Prompt kann ein echtes Gesicht nicht zuverlässig reproduzieren, und ein generiertes Gesicht ist nicht die Person, die Sie gemeint haben.
Die Aufnahme als Aufnahme schreiben
Der Prompt funktioniert am besten, wenn er den Ort, das Subjekt, die Aktion und die Kamera benennt. Ein Stimmungsadjektiv ist optional; eine Kameraanweisung nicht. „Kinoreif“ sagt dem Modell fast nichts; „Kamera verfolgt den Spieler auf Schulterhöhe von hinten“ sagt ihm, wo es stehen soll.
- Ort: ein Flutlichtstadion, ein Tunnel, ein regennasser Trainingsplatz.
- Subjekt: ein Spieler, eine Menschenmenge, ein leeres Tor, ein Ball auf dem Punkt.
- Aktion: geht hinaus, schlägt den Ball, dreht sich zur Kamera.
- Kamera: verfolgt von hinten, statisch weit, langsamer Push-in, niedriger Winkel.
- Licht: Flutlicht, Dämmerung, bernsteinfarbener Dunst, kalter blauer Tunnel.
Die Szene klein genug halten, um sie zu rendern
Ein zwölfsekündiger Clip ist kein Kurzfilm. Ein Ort, ein Subjekt und eine Kamerabewegung ist die zuverlässige Form. Wenn Sie einen Schnitt benötigen, rendern Sie zwei Clips und fügen Sie sie in einem Editor zusammen; das Modell ist keine Zeitleiste.
Menschenmengen sind der übliche Fehlerpunkt. Hundert Gesichter im Hintergrund können zu Brei werden. Beschreiben Sie die Menge als Atmosphäre – blinkende Lichter, Dunst, eine Geräuschkulisse – anstatt als Individuen.
Kosten und Iteration
Ein 480p · 12-Sekunden-Render kostet 5 Credits, 720p kostet 10 und 1080p kostet 30. Kürzere Clips kosten weniger. Ein fehlgeschlagenes Render wird automatisch zurückerstattet, sodass ein abgelehnter Prompt Sie das Render nicht kostet.
Iterieren Sie bei 480p. Sobald die Komposition funktioniert, rendern Sie den erfolgreichen Prompt bei 720p oder 1080p neu. Das ist günstiger, als ein Framing-Problem bei der höchsten Auflösung zu entdecken.
Prompt-Rezept
A packed football stadium at night, floodlight haze, a lone player walks out of the tunnel onto the pitch, camera tracks behind them at shoulder height, drums and crowd noise, cinematic colour grade, no text.Dies ist die exakte englische Eingabeaufforderung, die das Modell erhält. Bearbeiten Sie sie im obigen Studio; die Kosten für Credits hängen von Auflösung und Länge ab, nicht von der Eingabeaufforderung.
Fragen, beantwortet
Benötige ich ein Foto für Text zu Video?
Nein. Wechseln Sie das Studio in den Textmodus und beschreiben Sie die Szene. Ein Foto wird nur benötigt, wenn Sie das Gesicht einer bestimmten Person im Clip haben möchten.
Kann ich eine reale Person aus Text generieren?
Nein. Das Modell generiert ein originelles Gesicht. Um die Ähnlichkeit einer realen Person zu bewahren, laden Sie deren Foto hoch und verwenden Sie den Fotomodus; verwenden Sie nur Fotos, für die Sie die Nutzungsrechte besitzen.
Wie lang kann der Clip sein?
Wählen Sie 4, 8 oder 12 Sekunden. Das Modell rendert eine kontinuierliche Aufnahme; es schneidet nicht zwischen Szenen.
Kann ich Audio hinzufügen?
Das Studio rendert stumme MP4s. Fügen Sie Musik oder Kommentare in einem Editor nach dem Download hinzu.
Was, wenn die Menge falsch aussieht?
Beschreiben Sie die Menge als Atmosphäre statt als Individuen und halten Sie die Kamera enger am Motiv. Hundert generierte Gesichter sind eine schwierige Aufnahme für jedes Modell.
