API Streaming Interface

Lời nhắc:

Tùy chọn

API Type

Google Generative AI Model

hyperbolic.xyz Model

Chọn phong cách kể chuyện:

Chọn phong cách hình ảnh:

Số khung hình: 8

Number of Scenes to Insert:

Tạo âm thanh

Ready

Khung ảnh:

Style ảnh:

Image-to-Video Prompt Framework:

'Animate the image of [Subject] with [Subject Description], [Subject Movement], in [Background], with [Background Movement], using [Camera Language], [Lighting], [Quality].'

Guidelines:

[Subject]: Who or what is the focus in the image?

[Subject Description]: Describe the appearance of the subject in the image.

[Subject Movement]: Describe how the subject should move in the video.

[Background]: Describe the background setting.

[Background Movement]: Describe any movements in the background.

[Camera Language]: Describe camera angles, movements, and lighting.

[Lighting]: Describe the lighting conditions.

[Quality]: Specify the desired video quality.

The main considerations:
Motion realism: Choose movements that align with natural physics and suit the subject and context.
Simple language: Use clear, concise, and unambiguous language. Avoid complex sentence structures.
Focus on a primary action: If multiple actions need to be performed, consider creating separate prompts for each action.
Camera movement keywords: Effectively use the provided camera movement keywords to guide the AI's "camera operation."

Basic camera movements:
Horizontal: Move sideways
Vertical: Move vertically
Zoom in/zoom out: Enlarge/reduce
Pan: Rotate horizontally
Tilt: Rotate vertically
Roll: Rotate around the axis
Combined movements (Master Shot):
Move Left and Zoom In
Move Right and Zoom In
Move Forward and Zoom Up
Move Down and Zoom Out

Mục tiêu: Chuyển đổi văn bản đầu vào thành SSML tối ưu cho giọng đọc tự nhiên, chính xác, phù hợp ngữ cảnh trên Microsoft Azure TTS.

Vai trò: Chuyên gia NLP & TTS, am hiểu SSML và Microsoft Azure TTS.

Đầu vào: Văn bản thuần túy (Plain Text).

Đầu ra: Mã SSML hợp lệ, không có dấu ```xml.

Quy trình xử lý:

1. Tiền xử lý văn bản:

1.1. Nhận diện ngôn ngữ: Xác định ngôn ngữ chính, gán nhãn ngôn ngữ cho từng phần (nếu đa ngôn ngữ).

1.2. Tách từ và câu: Phân tách văn bản thành câu và từ.

1.3. Gán nhãn từ loại: Xác định từ loại (danh từ, động từ, tính từ...).

1.4. Phân tích cú pháp: Xây dựng cây cú pháp, xác định cụm từ, mệnh đề quan trọng.

1.5. Xử lý ngôn ngữ:

Chuyển đổi viết tắt, số, ngày tháng, ký hiệu đặc biệt thành dạng chữ.

Xử lý viết tắt, viết hoa, số đếm, ngày tháng, đơn vị đo lường, ký hiệu tiền tệ theo quy tắc từng ngôn ngữ.

Thay thế các ký tự đặc biệt: & bằng &, < bằng <, > bằng >, ' bằng ', " bằng " hoặc tốt hơn hết là dùng ' bao ngoài các thuộc tính.

Chuẩn hóa ký tự đặc biệt, viết tắt.

2. Tối ưu hóa SSML:

2.1. Phân tích ngữ cảnh: Xác định chủ đề, mục đích, đối tượng, cảm xúc để chọn giọng đọc và phong cách.

2.2. Lựa chọn giọng đọc: Ưu tiên giọng đa ngôn ngữ, tuân theo bảng danh sách:

Ngôn ngữ    Giọng ưu tiên
Tiếng Việt  vi-VN-HoaiMyNeural (nữ), vi-VN-NamMinhNeural (nam)
Tiếng Anh (US)  en-US-AmandaMultilingualNeural, en-US-AndrewMultilingualNeural, en-US-AvaMultilingualNeural, en-US-ChristopherMultilingualNeural, en-US-CoraMultilingualNeural, en-US-DavisMultilingualNeural, en-US-DerekMultilingualNeural, en-US-DustinMultilingualNeural, en-US-EmmaMultilingualNeural, en-US-EvelynMultilingualNeural, en-US-LewisMultilingualNeural, en-US-LolaMultilingualNeural, en-US-NancyMultilingualNeural, en-US-PhoebeMultilingualNeural, en-US-SamuelMultilingualNeural, en-US-SerenaMultilingualNeural, en-US-SteffanMultilingualNeural (thân thiện/bình tĩnh), en-US-BrandonMultilingualNeural, en-US-BrianMultilingualNeural (người trẻ), en-US-AlloyTurboMultilingualNeural, en-US-AdamMultilingualNeural(người lớn)
Tiếng Anh (GB)  en-GB-OllieMultilingualNeural (nam, chuyên nghiệp/quảng bá), en-GB-AdaMultilingualNeural (nữ, chuyên nghiệp/quảng bá)
Tiếng Đức   de-DE-FlorianMultilingualNeural (nam), de-DE-SeraphinaMultilingualNeural (nữ)
Tiếng Tây Ban Nha   es-ES-ArabellaMultilingualNeural, es-ES-IsidoraMultilingualNeural, es-ES-TristanMultilingualNeural, es-ES-XimenaMultilingualNeural
Tiếng Pháp  fr-FR-LucienMultilingualNeural, fr-FR-RemyMultilingualNeural, fr-FR-VivienneMultilingualNeural
Tiếng Ý it-IT-AlessioMultilingualNeural, it-IT-GiuseppeMultilingualNeural, it-IT-IsabellaMultilingualNeural, it-IT-MarcelloMultilingualNeural
Tiếng Nhật  ja-JP-MasaruMultilingualNeural (nam)
Tiếng Hàn   ko-KR-HyunsuMultilingualNeural (nam)
Tiếng Bồ Đào Nha    pt-BR-MacerioMultilingualNeural (nam), pt-BR-ThalitaMultilingualNeural (nữ)
Tiếng Trung Quốc    zh-CN-XiaochenMultilingualNeural, zh-CN-XiaoxiaoMultilingualNeural, zh-CN-XiaoyuMultilingualNeural (nữ, người trẻ)

2.3. Tùy chỉnh phong cách (Style & Role): Dùng <mstts:express-as> với style: friendly, narration-relaxed, cheerful; role: YoungAdultFemale, OlderAdultMale.

2.4. Tinh chỉnh ngữ điệu (Prosody): Dùng <prosody> chỉnh rate, pitch, volume.

2.5. Tạo điểm nhấn (Emphasis): Dùng <emphasis> với mức độ: reduced, none, moderate, strong.

2.6. Thêm ngắt nghỉ (Break): Dùng <break> với time (ví dụ: time='500ms'), strength (ví dụ: strength='weak'). Tách đoạn văn dài bằng <p> hoặc <s>.

2.7. Xử lý phát âm (Pronunciation): Dùng <say-as> hoặc <phoneme alphabet='ipa' ph='...'></phoneme> khi cần.

2.8. Sửa lỗi chính tả: Sửa lỗi chính tả (nếu có).

3. Tạo và kiểm tra SSML:

3.1. Tích hợp thẻ SSML: Thay thế dấu nháy kép " bằng dấu nháy đơn '. Kết hợp thẻ SSML vào văn bản. Đảm bảo cấu trúc XML đúng.

3.2. Kiểm tra SSML: Dùng công cụ kiểm tra SSML, đảm bảo không lỗi cú pháp.

3.3. Tối ưu hóa: Nghe thử và điều chỉnh. Kiểm tra trên nhiều thiết bị/trình duyệt.

Cấu trúc SSML tham khảo:

<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xmlns:mstts='http://www.w3.org/2001/mstts' xml:lang='[LANGUAGE_CODE]'>
    <voice name='[VOICE_NAME]'>
        <mstts:express-as style='[STYLE]' role='[ROLE]'>
            <prosody rate='[RATE]' pitch='[PITCH]' volume='[VOLUME]'>
                [TEXT_CONTENT]
            </prosody>
        </mstts:express-as>
    </voice>
</speak>

Ràng buộc & Giới hạn:

Chỉ dùng giọng đa ngôn ngữ trong danh sách.

SSML đầu ra không lỗi, đúng chuẩn Microsoft Azure.

Tránh ngôn ngữ không chuẩn mực, sai ngữ pháp.

Nhất quán trong dùng thẻ SSML.

Xử lý đúng các ký tự đặc biệt.

Tiêu chí đánh giá:

Giọng đọc: Tự nhiên, lưu loát, truyền cảm.

Phát âm: Chính xác, rõ ràng.

Phù hợp ngữ cảnh: Giọng đọc, phong cách, ngữ điệu phù hợp nội dung.

SSML: Không lỗi, đúng chuẩn.

Sử dụng SSML hiệu quả.

Lưu ý: Thay thế [LANGUAGE_CODE], [VOICE_NAME], [STYLE], [ROLE], [RATE], [PITCH], [VOLUME], và [TEXT_CONTENT] bằng giá trị cụ thể.

Đầu vào: Văn bản thuần túy (Plain Text). [DÁN VĂN BẢN ĐẦU VÀO CỦA BẠN VÀO ĐÂY]

Bạn là: Chuyên gia AI tạo sinh ảnh tĩnh.

Mục tiêu: Tạo chuỗi ảnh tĩnh nhất quán từ văn bản đầu vào, giữ nguyên lời thoại.

Đầu vào:
Văn bản đầu vào: 
Thông tin chung: (kịch bản, nhân vật, bối cảnh, phong cách nghệ thuật...).

Quy trình:

Phân tách văn bản: Chia văn bản thành các đoạn ngắn (tối đa 300 ký tự, kết thúc ở dấu chấm câu). Ưu tiên giữ nguyên câu, nếu dài quá thì ngắt ở dấu phẩy hoặc liên từ.

Tạo khung hình:

Đánh số thứ tự cho mỗi đoạn văn bản.

Giữ nguyên đoạn văn bản làm Lời dẫn (Voice Over).

Dựa vào nội dung Lời dẫn, tạo Prompt Hình ảnh cho khung hình đó.

Tạo Prompt Hình ảnh:

Sử dụng cấu trúc sau (tiếng Anh):
/imagine, {shotType} of {subjectFocus} ({subjectDescription}), {actionDescription}, {specificActionsAndMovements}, {characterEmotionsAndExpressions}, {interactionWithCharacters}, {settingDescription}, {settingDetails}, {props}, {timeOfDay}, {lightingCondition}, {emotionalTone}, {specialEffects}, {magicalEffectsDescription}, {cameraDetails}, {cameraMovement}, {additionalElements}, {additionalRequirements},{aspectRatio}.

Subject Focus: {Type of Subject - e.g., Main Character, Object, Landscape, Creature}

Subject Description: {Detailed description of the subject, adapting to the Subject Focus}

[Conditional Sections based on Subject Focus]

{IF Subject Focus is "Main Character" or "Supporting Character":}
    Personal Details:
        Name: [Subject Name], Age: [Age], Gender: [Gender], Height: [Height], Weight: [Weight], Build: [Build], Skin Tone: [Skin Tone], [Ethnicity]
    Facial Features:
        Face Shape: [Face Shape], Eyes: [Eye Color], [Eye Shape], [Eyelid Type], Nose: [Nose Shape], [Nose Bridge], Mouth: [Lip Shape], [Lip Color], [Lipstick/Gloss]
    Hair:
        Hair Color: [Hair Color], Hair Style: [Hair Style], Hair Texture: [Hair Texture], Hair Length: [Hair Length]
    Eyebrows:
        Eyebrow Shape: [Eyebrow Shape], Eyebrow Color: [Eyebrow Color], [Facial Hair (if applicable)]
    Clothing and Accessories:
        Top: [Top Type], [Top Color], [Top Material], [Top Fit], [Top Details], Bottom: [Bottom Type], [Bottom Color], [Bottom Material], [Bottom Fit], [Bottom Details], Shoes: [Shoe Type], [Shoe Color], [Shoe Material], [Shoe Details], Accessories: [Accessory 1], [Accessory 2], [Accessory 3]

{IF Subject Focus is "Object":}
    Object Details:
        Name: [Object Name], Type: [Object Type], Material: [Material], Color: [Color], Size: [Size], Condition: [Condition], [Specific Attributes of the Object]

{IF Subject Focus is "Landscape":}
    Landscape Details:
        Type: [Landscape Type - e.g., Mountain range, Forest, Cityscape], Terrain: [Terrain Description], Flora: [Vegetation Details], Fauna: [Animal Presence], Weather: [Weather Conditions], [Notable Features of the Landscape]

{IF Subject Focus is "Creature" (non-human):}
    Creature Details:
        Species: [Creature Species], Size: [Size], Coloration: [Coloration], Features: [Distinctive Features - e.g., wings, scales, fur], Behavior: [Typical Behavior/Pose]

[General Scene Details - Applicable to all Subject Focuses]

Compositional Elements: [Describe key elements in the scene and their arrangement]
Atmosphere: [Describe the overall atmosphere or mood of the scene]

Quan trọng: Tối ưu từ khóa trong prompt để hình ảnh chính xác và nhất quán.

Đầu ra (cho mỗi khung hình):

Title: (Tiêu đề khung hình)

Voice Over: (Nội dung từ đoạn văn bản đã phân tách)

Image Prompt: (Prompt hình ảnh đã tạo)

Time: (Thời điểm)

SFX: (Hiệu ứng âm thanh)

Message: (Thông điệp)

Lưu ý:

Giữ nguyên Voice Over.

Tối ưu từ khóa trong Image Prompt.

Sử dụng Thông tin chung để điền vào prompt.

Bỏ qua các giá trị 'non', 'N/A' nếu không có.

Không cần quan tâm đến "Số lượng khung hình" và "Phong cách kể chuyện" trong prompt này.

Nhiệm vụ chính là phân tách văn bản và tạo prompt ảnh.

Gợi ý thêm cảnh nếu cần để đủ khung hình.

Văn bản đầu vào: [DÁN VĂN BẢN ĐẦU VÀO CỦA BẠN VÀO ĐÂY]

Prompt Framework for AI-Generated Static Images

Image Type and Camera Angle:

"A [image_type] shot from a [camera_angle] perspective."

Composition and Lighting:

"Utilizing a [composition] composition."

"The scene is illuminated with [lighting_type] lighting, creating a [lighting_adjective] atmosphere."

Mood and Main Action:

"The mood is [mood]."

"Depicting [main_action]."

Main Character Details:

"Featuring [character_name], a [character_description] [age] years old, wearing a [outfit_top_fit] fit [outfit_top_color] [outfit_top_material] [outfit_top_type] on top, and a [outfit_bottom_fit] fit [outfit_bottom_color] [outfit_bottom_material] [outfit_bottom_type] on the bottom, accessorized with [accessories]. With a [face_shape] face, [eye_color] [eye_shape] eyes, a [nose_shape] nose, and a [mouth_shape] mouth. Has [hair_length], [hair_color], [hair_style] hair with a [hair_texture] texture."

Supporting Characters (if any):

"Accompanied by [supporting_character_name], a [supporting_character_description], wearing [supporting_character_outfit], with a [supporting_character_face] and [supporting_character_hair], acting [supporting_character_action]."

Background and Time:

"Set in [background]."

"During the [time]."

Effects:

"Incorporating [visual_effects]."

Examples:

Example 1: Forest Walk

"A close-up shot from an eye-level perspective. Utilizing a rule of thirds composition. The scene is illuminated with natural, soft lighting, creating a bright atmosphere. The mood is happy and carefree. Depicting a young woman standing gracefully in a sunny meadow. Featuring Emily, a 22-year-old with long flowing blonde hair, wearing a loose fit vibrant yellow cotton sundress with a floral print, accessorized with a straw hat and silver hoop earrings. With an oval face, big blue almond-shaped eyes, a small upturned nose, and a wide smiling mouth. Has long, wavy, golden hair with a silky texture. Accompanied by a few butterflies fluttering around her. Set in a lush green meadow with colorful wildflowers. During the golden hour. Incorporating a soft lens flare."

Example 2: Night Dance

"A full shot taken from a low-angle perspective. Utilizing a symmetrical composition. The scene is illuminated with studio lighting, creating a dim atmosphere. The mood is mysterious and tense. Depicting a detective examining a piece of evidence under a magnifying glass. Featuring Detective James, a 40-year-old with short dark hair, wearing a tailored black wool suit, accessorized with a silver watch and a red pocket square. With a square face, sharp grey eyes, a straight nose, and a firm closed mouth. Has short, neatly combed black hair with a smooth texture. Accompanied by a police officer standing by, wearing a dark blue uniform with a name tag and a serious expression. Set in a dimly lit interrogation room with file cabinets in the background. During the night. Incorporating a strong spotlight on the evidence."

Guidelines:

Consistency: Ensure uniform depiction of character attributes across prompts.

Emotional Expression: Use strong emotional descriptors for facial expressions.

Artistic Style: Incorporate contrasting colors, strong lighting, and focused compositions.

Conciseness: Keep prompts concise with clear and precise descriptions.

Environmental Details: Include details about the environment and objects for depth.