CogVideoX 2 er en videogenereringsmodel fra Zhipu AI til en skriftlig scenebeskrivelse eller et leveret billede. Tekst fastlægger motivet, omgivelserne og handlingen; et billede kan give det visuelle grundlag for den genererede sekvens. Brug det input, der bedst repræsenterer det materiale, som allerede er tilgængeligt til optagelsen, og beskriv derefter den synlige bevægelse, den færdige video skal indeholde.
Definér én sammenhængende hændelse ved tekstbaseret skabelse. En person, der åbner en værkstedsdør, en lille båd, der bevæger sig forbi en mole, eller et objekt, der drejer under stabilt lys, giver hver optagelsen et tydeligt formål. Angiv motivets vigtige egenskaber, synsvinklen og bevægelsesretningen. Vælg en afslutning, der kan bruges i den tilsigtede redigering, frem for at lade scenens slutkomposition være uspecificeret.
Forbered en tydelig visning af motivet ved billedbaseret skabelse, og beskriv, hvordan scenen skal bevæge sig ud fra den. Producenten accepterer PNG-, JPEG- og JPG-referencer på op til 5 MB, leveret som billed-URL eller kodede billeddata. Hold vigtige kanter, ansigtstræk og objektdetaljer synlige i referencen, og efterlad plads til den ønskede handling i kompositionen.
Producenten begrænser den skriftlige prompt til 512 tegn. Brug pladsen til de afgørende detaljer: motiv, handling, omgivelser og synsvinkel. En kort beskrivelse, der forklarer, hvilket objekt der bevæger sig, og hvad der forbliver fast, er lettere at vurdere end en liste over brede stiladjektiver. Revidér den instruktion, der er knyttet til det observerede bevægelses- eller billedudsnitsproblem, hvis resultatet ikke opfylder målet.
De offentliggjorte outputstørrelser omfatter kvadratiske, liggende og stående formater med valg fra 720×480 til 3840×2160 pixels. Producenten dokumenterer også 30 eller 60 billeder pr. sekund. Vælg formen og billedhastigheden til destinationen før generering, og undersøg derefter det faktiske klip for at se, om motivet og dets vigtige detaljer forbliver læsbare i det billedudsnit.
quality og speed er navngivne outputtilstande i producentens arbejdsgang. Valgfrie AI-genererede lydeffekter styres adskilt fra den visuelle opgavebeskrivelse. Gem den valgte tilstand og lydeffektindstillingen sammen med prompten og et eventuelt referencebillede, så kandidatklip kan sammenlignes ud fra deres faktiske genereringsindstillinger.
Generering er asynkron: En opgaveidentitet returneres, før den færdige video er tilgængelig. Bevar den identitet gennem resultatkontrol, og gem alle komplette videofiler, der er knyttet til handlingen. Gem selve klippet til redigering sammen med kildebilledet, når det bruges, frem for at være afhængig af en midlertidig resultatplacering eller et forhåndsvisningsbillede.
Gennemgå hele sekvensen for kontinuitet, timing og den ønskede handling. En produktoptagelse kræver stabil form og materialedetaljer under bevægelse; en figuroptagelse kræver sammenhængende udseende og bevægelser. Kontrollér slutkompositionen og eventuel genereret lyd mod optagelsens formål. Bevar de vellykkede sceneelementer, når en konkret afvigelse revideres, og brug de samme visningsforhold til at sammenligne de oprindelige og reviderede videoer.
", "aboutText": "CogVideoX 2 er en videogenereringsmodel fra Zhipu AI til en skriftlig scenebeskrivelse eller et leveret billede. Tekst fastlægger motivet, omgivelserne og handlingen; et billede kan give det visuelle grundlag for den genererede sekvens. Brug det input, der bedst repræsenterer det materiale, som allerede er tilgængeligt til optagelsen, og beskriv derefter den synlige bevægelse, den færdige video skal indeholde.\n\nDefinér én sammenhængende hændelse ved tekstbaseret skabelse. En person, der åbner en værkstedsdør, en lille båd, der bevæger sig forbi en mole, eller et objekt, der drejer under stabilt lys, giver hver optagelsen et tydeligt formål. Angiv motivets vigtige egenskaber, synsvinklen og bevægelsesretningen. Vælg en afslutning, der kan bruges i den tilsigtede redigering, frem for at lade scenens slutkomposition være uspecificeret.\n\nForbered en tydelig visning af motivet ved billedbaseret skabelse, og beskriv, hvordan scenen skal bevæge sig ud fra den. Producenten accepterer PNG-, JPEG- og JPG-referencer på op til 5 MB, leveret som billed-URL eller kodede billeddata. Hold vigtige kanter, ansigtstræk og objektdetaljer synlige i referencen, og efterlad plads til den ønskede handling i kompositionen.\n\nProducenten begrænser den skriftlige prompt til 512 tegn. Brug pladsen til de afgørende detaljer: motiv, handling, omgivelser og synsvinkel. En kort beskrivelse, der forklarer, hvilket objekt der bevæger sig, og hvad der forbliver fast, er lettere at vurdere end en liste over brede stiladjektiver. Revidér den instruktion, der er knyttet til det observerede bevægelses- eller billedudsnitsproblem, hvis resultatet ikke opfylder målet.\n\nDe offentliggjorte outputstørrelser omfatter kvadratiske, liggende og stående formater med valg fra 720×480 til 3840×2160 pixels. Producenten dokumenterer også 30 eller 60 billeder pr. sekund. Vælg formen og billedhastigheden til destinationen før generering, og undersøg derefter det faktiske klip for at se, om motivet og dets vigtige detaljer forbliver læsbare i det billedudsnit.\n\nquality og speed er navngivne outputtilstande i producentens arbejdsgang. Valgfrie AI-genererede lydeffekter styres adskilt fra den visuelle opgavebeskrivelse. Gem den valgte tilstand og lydeffektindstillingen sammen med prompten og et eventuelt referencebillede, så kandidatklip kan sammenlignes ud fra deres faktiske genereringsindstillinger.\n\nGenerering er asynkron: En opgaveidentitet returneres, før den færdige video er tilgængelig. Bevar den identitet gennem resultatkontrol, og gem alle komplette videofiler, der er knyttet til handlingen. Gem selve klippet til redigering sammen med kildebilledet, når det bruges, frem for at være afhængig af en midlertidig resultatplacering eller et forhåndsvisningsbillede.\n\nGennemgå hele sekvensen for kontinuitet, timing og den ønskede handling. En produktoptagelse kræver stabil form og materialedetaljer under bevægelse; en figuroptagelse kræver sammenhængende udseende og bevægelser. Kontrollér slutkompositionen og eventuel genereret lyd mod optagelsens formål. Bevar de vellykkede sceneelementer, når en konkret afvigelse revideres, og brug de samme visningsforhold til at sammenligne de oprindelige og reviderede videoer.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "decaed5b4081c7afeb16d513ad3979ae5fc69de35fef1c1d5be77301733c428b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "cogvideox-2CogVideoX 2 genererer video ud fra en tekstbeskrivelse eller et leveret billede. Producenten dokumenterer valgbare billedstørrelser, 30 eller 60 fps, tilstandene quality eller speed og valgfrie genererede lydeffekter til at forme en kort visuel scene.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
CogVideoX 2 er en videogenereringsmodel fra Zhipu AI til en skriftlig scenebeskrivelse eller et leveret billede. Tekst fastlægger motivet, omgivelserne og handlingen; et billede kan give det visuelle grundlag for den genererede sekvens. Brug det input, der bedst repræsenterer det materiale, som allerede er tilgængeligt til optagelsen, og beskriv derefter den synlige bevægelse, den færdige video skal indeholde.
Definér én sammenhængende hændelse ved tekstbaseret skabelse. En person, der åbner en værkstedsdør, en lille båd, der bevæger sig forbi en mole, eller et objekt, der drejer under stabilt lys, giver hver optagelsen et tydeligt formål. Angiv motivets vigtige egenskaber, synsvinklen og bevægelsesretningen. Vælg en afslutning, der kan bruges i den tilsigtede redigering, frem for at lade scenens slutkomposition være uspecificeret.
Forbered en tydelig visning af motivet ved billedbaseret skabelse, og beskriv, hvordan scenen skal bevæge sig ud fra den. Producenten accepterer PNG-, JPEG- og JPG-referencer på op til 5 MB, leveret som billed-URL eller kodede billeddata. Hold vigtige kanter, ansigtstræk og objektdetaljer synlige i referencen, og efterlad plads til den ønskede handling i kompositionen.
Producenten begrænser den skriftlige prompt til 512 tegn. Brug pladsen til de afgørende detaljer: motiv, handling, omgivelser og synsvinkel. En kort beskrivelse, der forklarer, hvilket objekt der bevæger sig, og hvad der forbliver fast, er lettere at vurdere end en liste over brede stiladjektiver. Revidér den instruktion, der er knyttet til det observerede bevægelses- eller billedudsnitsproblem, hvis resultatet ikke opfylder målet.
De offentliggjorte outputstørrelser omfatter kvadratiske, liggende og stående formater med valg fra 720×480 til 3840×2160 pixels. Producenten dokumenterer også 30 eller 60 billeder pr. sekund. Vælg formen og billedhastigheden til destinationen før generering, og undersøg derefter det faktiske klip for at se, om motivet og dets vigtige detaljer forbliver læsbare i det billedudsnit.
quality og speed er navngivne outputtilstande i producentens arbejdsgang. Valgfrie AI-genererede lydeffekter styres adskilt fra den visuelle opgavebeskrivelse. Gem den valgte tilstand og lydeffektindstillingen sammen med prompten og et eventuelt referencebillede, så kandidatklip kan sammenlignes ud fra deres faktiske genereringsindstillinger.
Generering er asynkron: En opgaveidentitet returneres, før den færdige video er tilgængelig. Bevar den identitet gennem resultatkontrol, og gem alle komplette videofiler, der er knyttet til handlingen. Gem selve klippet til redigering sammen med kildebilledet, når det bruges, frem for at være afhængig af en midlertidig resultatplacering eller et forhåndsvisningsbillede.
Gennemgå hele sekvensen for kontinuitet, timing og den ønskede handling. En produktoptagelse kræver stabil form og materialedetaljer under bevægelse; en figuroptagelse kræver sammenhængende udseende og bevægelser. Kontrollér slutkompositionen og eventuel genereret lyd mod optagelsens formål. Bevar de vellykkede sceneelementer, når en konkret afvigelse revideres, og brug de samme visningsforhold til at sammenligne de oprindelige og reviderede videoer.
POST /v1/videostextvideo| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser cogvideox-2 Betingelser: Brug den præcise Ailoot-modelvælger. | Standard— |
Feltprompt | Typestring | KravPåkrævet | Værdier og grænser Betingelser: Beskriv scenen og bevægelsen. | Standard— |
Feltquality | Typeboolean | KravValgfrit | Værdier og grænser Betingelser: Valgfrit kvalitetsflag; dette valgte skema angiver ingen kompatibel enum eller standardværdi. | Standard— |
Feltwith_audio | Typeboolean | KravValgfrit | Værdier og grænser Betingelser: Generér AI-lydeffekter, når funktionen er aktiveret. | Standardfalse |
Feltsize | Typestring | KravValgfrit | Værdier og grænser Betingelser: Angiv den dokumenterede størrelsesstreng, når du vælger eksplicitte dimensioner. | Standard— |
Feltfps | Typestring | KravValgfrit | Værdier og grænser 30, 60 Betingelser: Billedfrekvensen repræsenteres som en streng i denne valgte native metode. | Standard30 |
Feltduration | Typestring | KravValgfrit | Værdier og grænser 5, 10 Betingelser: Varigheden i sekunder repræsenteres som en streng i denne valgte native metode. | Standard5 |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, prompt |
Parameteroptional | Kontraktquality, with_audio, size, fps, duration |
Parametermaterial_types | Kontrakttext |
Parameterconditions | KontraktBrug den præcise Ailoot-modelvælger., Beskriv scenen og bevægelsen., Valgfrit kvalitetsflag; dette valgte skema angiver ingen kompatibel enum eller standardværdi., Generér AI-lydeffekter, når funktionen er aktiveret., Angiv den dokumenterede størrelsesstreng, når du vælger eksplicitte dimensioner., Billedfrekvensen repræsenteres som en streng i denne valgte native metode., Varigheden i sekunder repræsenteres som en streng i denne valgte native metode. |
Metodealiaser: /v1/videos/generations
Livscyklus: submit_once_poll_original
GET /v1/videos/{request_id}
GET /v1/videos/generations/{request_id}
GET /v1/videos/{request_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De viste satser bruges til at anslå omkostningen før genereringen. Det endelige beløb beregnes ud fra den registrerede omkostning for den oprindelige generering. Den målte varighed af outputtet og de anslåede mængder er ikke den endelige fakturerbare mængde.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Forventet mængde | Afregnet mængde | Beløb |
|---|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Forventet mængde— | Afregnet mængde— | Beløb Input · Inputtokens · Estimat kun til sammenligning — / 1K tokens Output · Outputtokens · Estimat kun til sammenligning — / 1K tokens Input · Cachelæsning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning, 1 time · Estimat kun til sammenligning — / 1K tokens |
| KonfigurationPr. forespørgsel | Takstplan— | Forventet mængde— | Afregnet mængdeén forespørgsel | Beløb Input · Estimat kun til sammenligning $0.2 pr. anmodning |
| KonfigurationAnslået genereringsomkostning | Takstplan— | Forventet mængdeestimat for én generering | Afregnet mængde— | Beløb Output · Anslået genereringsomkostning · Estimat kun til sammenligning $0.2 estimat før generering Dette estimat er hverken et ekstra gebyr eller en fast pris for den færdige generering. |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncat > request.json <<'JSON'\n{\n "model": "cogvideox-2",\n "prompt": "A cat is walking on grass."\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Create once; retain id, polling_url, original task identifiers and every header.\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_STATUS'\nimport json,os,subprocess\nfrom pathlib import Path\nfrom urllib.parse import urljoin,urlsplit\nr=json.loads(Path("result.json").read_text())\nu=urljoin("https://api.ailoot.ai",r["polling_url"])\np=urlsplit(u)\nif p.scheme!="https" or p.netloc!="api.ailoot.ai" or p.username or p.password:\n raise SystemExit("Unexpected returned polling URL; preserve the response")\nsubprocess.run(["curl","--fail-with-body","--silent","--show-error",u,"-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"],"-D","status-headers.txt","-o","status.json"],check=True)\n# Read this same original polling_url again while pending.\n# Preserve unknown/result_pending_check; do not repeat creation.\nPY_STATUS\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_ASSETS'\nimport json,os,subprocess\nfrom pathlib import Path\nfrom urllib.parse import urljoin,urlsplit\nr=json.loads(Path("status.json").read_text())\nroles={}\ndef visit(v,path=""):\n if isinstance(v,dict):\n for k,x in v.items(): visit(x,path+"/"+k)\n elif isinstance(v,list):\n for i,x in enumerate(v): visit(x,path+"/"+str(i))\n elif isinstance(v,str):\n u=urljoin("https://api.ailoot.ai",v); p=urlsplit(u)\n if p.scheme=="https" and p.netloc=="api.ailoot.ai" and not p.username and not p.password and p.path.startswith("/v1/media/assets/") and p.path.endswith("/content"):\n roles.setdefault(u,[]).append(path)\nvisit(r)\nif not roles: raise SystemExit("No completed owned assets; retain the original status")\nmanifest=[]\nfor i,(u,paths) in enumerate(roles.items()):\n target=Path(f"asset-{i}.bin")\n subprocess.run(["curl","--fail-with-body","--silent","--show-error",u,"-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"],"-o",str(target)],check=True)\n raw=target.read_bytes()\n if not raw: raise SystemExit("Empty asset; retain original status and metadata")\n ext="glb" if raw[:4]==b"glTF" else "png" if raw[:8]==b"\\x89PNG\\r\\n\\x1a\\n" else "jpg" if raw[:3]==b"\\xff\\xd8\\xff" else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "mp4" if raw[4:8]==b"ftyp" else "bin"\n name=f"asset-{i}.{ext}"\n if target.name!=name: target.rename(name)\n manifest.append({"file":name,"response_paths":paths,"bytes":len(raw)})\nPath("asset-manifest.json").write_text(json.dumps(manifest,indent=2))\nprint("Saved",len(manifest),"unique owned assets; every response role retained")\nPY_ASSETS\nGET /v1/videos/{request_id}GET /v1/videos/generations/{request_id}GET /v1/videos/{request_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Gem hver færdig video eller returneret fil; hent hver faktisk returneret fil-URL.
Behold hele svaret og alle headere, de oprindelige identifikatorer, hvert faktisk output og alle felter til forbrug og afregning. Gem hvert entydigt aktiv, du ejer, og behold alle roller, der henviser til det.
Behold det returnerede offentlige opgave- eller operations-id og alle headere. Læs kun den oprindelige opgave; unknown eller result_pending_check giver ikke tilladelse til en ny oprettelse.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltpolling_url | Typestring |
Feltprovider_task_id | Typestring |
Feltid | Typestring |
Felttask_status | Typestring |
Feltvideo_result[].url | Typestring |
Ailoot Ultra cogvideox-2
/v1/videos/generations