CogVideoX 3 er en videomodel fra Zhipu AI med dokumenteret tekst-til-video-, billede-til-video- og første-og-sidste-frame-generering. Producenten fremhæver billedstabilitet, instruktionsfølgning og realistiske eller tredimensionelle visuelle stilarter. Vælg tekst, når scenen begynder som en skriftlig opgavebeskrivelse, ét billede, når dens visuelle grundlag allerede findes, eller to endepunktsbilleder, når sekvensen kræver en defineret åbnings- og afslutningsvisning.
Beskriv motivet og én tydelig handling ved en tekstopgave. Angiv omgivelserne, synsvinklen og vigtige fysiske forhold, så scenen kan vurderes mod en klar hensigt. En figur, der løfter et objekt, kræver en anden sekvens end et kamera, der afslører objektet. Beskriv kun begge, når deres forhold er vigtigt for optagelsen.
Forbered referencen, så motivets særlige kendetegn er synlige, ved en billedbaseret sekvens. Producenten accepterer PNG-, JPEG- og JPG-billeder på højst 5 MB, leveret via en URL eller kodede billeddata. Bevar den faktiske reference sammen med det genererede resultat, så udseende og billedudsnit kan sammenlignes med kilden frem for med en husket udgave af den.
Producentens endepunktsframetilstand accepterer to billeder i rækkefølge: Det første fastlægger åbningsbilledet, og det andet afslutningsbilledet. Forbered dem som de to tilsigtede tilstande i én optagelse. Beskriv den overgang eller handling, der forbinder dem, og gennemgå derefter, om motivet forbliver sammenhængende mellem endepunkterne. Et par gode stillbilleder viser ikke i sig selv, at den mellemliggende bevægelse passer til den ønskede fortælling.
Prompten kan indeholde op til 512 tegn. Brug den tilgængelige tekst til handlingen, dens retning og de visuelle detaljer, som adskiller et vellykket resultat. Hold opgavebeskrivelsen fokuseret på det, der skal ske på skærmen. Beskriv den bevægelse og timing, der skal udvikles mellem eller ud fra billederne, når inputbillederne allerede fastlægger motivets udseende.
Producenten dokumenterer output på fem eller ti sekunder med fem sekunder som standard og 30 eller 60 billeder pr. sekund. Understøttede størrelser omfatter 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 og 3840×2160. Vælg størrelsen og timingen til destinationen, og undersøg derefter det færdige klip for billedudsnit og tempoet i den faktiske handling.
Tilstandene quality og speed dokumenteres adskilt fra den valgfrie AI-lydeffektindstilling. Bevar disse valg sammen med prompten, billederne og resultatet. Producentens visuelle egenskaber og inputmuligheder beskriver modellen; de tilgængelige indstillinger i en bestemt genereringsmetode leveres af den metodes kontrakt. Bevar de faktisk anvendte indstillinger, når kandidatoptagelser sammenlignes.
Bevar den oprindelige opgaveidentitet, indtil videoen er færdig, og gem de returnerede optagelser til redigering. Gennemgå hele sekvensen, herunder motivets udseende under store bevægelser, interaktioner med sceneobjekter og slutkompositionen. Undersøg begge endepunkter og overgangen mellem dem ved arbejde med endepunktsframes. Revidér den konkrete visuelle afvigelse med bevarelse af de vellykkede referencer og optagelsesplanen, og sammenlign de færdige videoer frem for kun forhåndsvisningsbillederne.
", "aboutText": "CogVideoX 3 er en videomodel fra Zhipu AI med dokumenteret tekst-til-video-, billede-til-video- og første-og-sidste-frame-generering. Producenten fremhæver billedstabilitet, instruktionsfølgning og realistiske eller tredimensionelle visuelle stilarter. Vælg tekst, når scenen begynder som en skriftlig opgavebeskrivelse, ét billede, når dens visuelle grundlag allerede findes, eller to endepunktsbilleder, når sekvensen kræver en defineret åbnings- og afslutningsvisning.\n\nBeskriv motivet og én tydelig handling ved en tekstopgave. Angiv omgivelserne, synsvinklen og vigtige fysiske forhold, så scenen kan vurderes mod en klar hensigt. En figur, der løfter et objekt, kræver en anden sekvens end et kamera, der afslører objektet. Beskriv kun begge, når deres forhold er vigtigt for optagelsen.\n\nForbered referencen, så motivets særlige kendetegn er synlige, ved en billedbaseret sekvens. Producenten accepterer PNG-, JPEG- og JPG-billeder på højst 5 MB, leveret via en URL eller kodede billeddata. Bevar den faktiske reference sammen med det genererede resultat, så udseende og billedudsnit kan sammenlignes med kilden frem for med en husket udgave af den.\n\nProducentens endepunktsframetilstand accepterer to billeder i rækkefølge: Det første fastlægger åbningsbilledet, og det andet afslutningsbilledet. Forbered dem som de to tilsigtede tilstande i én optagelse. Beskriv den overgang eller handling, der forbinder dem, og gennemgå derefter, om motivet forbliver sammenhængende mellem endepunkterne. Et par gode stillbilleder viser ikke i sig selv, at den mellemliggende bevægelse passer til den ønskede fortælling.\n\nPrompten kan indeholde op til 512 tegn. Brug den tilgængelige tekst til handlingen, dens retning og de visuelle detaljer, som adskiller et vellykket resultat. Hold opgavebeskrivelsen fokuseret på det, der skal ske på skærmen. Beskriv den bevægelse og timing, der skal udvikles mellem eller ud fra billederne, når inputbillederne allerede fastlægger motivets udseende.\n\nProducenten dokumenterer output på fem eller ti sekunder med fem sekunder som standard og 30 eller 60 billeder pr. sekund. Understøttede størrelser omfatter 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 og 3840×2160. Vælg størrelsen og timingen til destinationen, og undersøg derefter det færdige klip for billedudsnit og tempoet i den faktiske handling.\n\nTilstandene quality og speed dokumenteres adskilt fra den valgfrie AI-lydeffektindstilling. Bevar disse valg sammen med prompten, billederne og resultatet. Producentens visuelle egenskaber og inputmuligheder beskriver modellen; de tilgængelige indstillinger i en bestemt genereringsmetode leveres af den metodes kontrakt. Bevar de faktisk anvendte indstillinger, når kandidatoptagelser sammenlignes.\n\nBevar den oprindelige opgaveidentitet, indtil videoen er færdig, og gem de returnerede optagelser til redigering. Gennemgå hele sekvensen, herunder motivets udseende under store bevægelser, interaktioner med sceneobjekter og slutkompositionen. Undersøg begge endepunkter og overgangen mellem dem ved arbejde med endepunktsframes. Revidér den konkrete visuelle afvigelse med bevarelse af de vellykkede referencer og optagelsesplanen, og sammenlign de færdige videoer frem for kun forhåndsvisningsbillederne.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6ee502fa2d371ab02d1f0954a4a72ee55879646af676bc4128b4697ab25f2122", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "cogvideox-3CogVideoX 3 skaber video ud fra tekst, et billede eller et par med første og sidste frame i producentens dokumenterede arbejdsgang. Den understøtter sekvenser på fem eller ti sekunder, flere outputstørrelser op til 4K, 30 eller 60 fps og valgfrie genererede lydeffekter.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
CogVideoX 3 er en videomodel fra Zhipu AI med dokumenteret tekst-til-video-, billede-til-video- og første-og-sidste-frame-generering. Producenten fremhæver billedstabilitet, instruktionsfølgning og realistiske eller tredimensionelle visuelle stilarter. Vælg tekst, når scenen begynder som en skriftlig opgavebeskrivelse, ét billede, når dens visuelle grundlag allerede findes, eller to endepunktsbilleder, når sekvensen kræver en defineret åbnings- og afslutningsvisning.
Beskriv motivet og én tydelig handling ved en tekstopgave. Angiv omgivelserne, synsvinklen og vigtige fysiske forhold, så scenen kan vurderes mod en klar hensigt. En figur, der løfter et objekt, kræver en anden sekvens end et kamera, der afslører objektet. Beskriv kun begge, når deres forhold er vigtigt for optagelsen.
Forbered referencen, så motivets særlige kendetegn er synlige, ved en billedbaseret sekvens. Producenten accepterer PNG-, JPEG- og JPG-billeder på højst 5 MB, leveret via en URL eller kodede billeddata. Bevar den faktiske reference sammen med det genererede resultat, så udseende og billedudsnit kan sammenlignes med kilden frem for med en husket udgave af den.
Producentens endepunktsframetilstand accepterer to billeder i rækkefølge: Det første fastlægger åbningsbilledet, og det andet afslutningsbilledet. Forbered dem som de to tilsigtede tilstande i én optagelse. Beskriv den overgang eller handling, der forbinder dem, og gennemgå derefter, om motivet forbliver sammenhængende mellem endepunkterne. Et par gode stillbilleder viser ikke i sig selv, at den mellemliggende bevægelse passer til den ønskede fortælling.
Prompten kan indeholde op til 512 tegn. Brug den tilgængelige tekst til handlingen, dens retning og de visuelle detaljer, som adskiller et vellykket resultat. Hold opgavebeskrivelsen fokuseret på det, der skal ske på skærmen. Beskriv den bevægelse og timing, der skal udvikles mellem eller ud fra billederne, når inputbillederne allerede fastlægger motivets udseende.
Producenten dokumenterer output på fem eller ti sekunder med fem sekunder som standard og 30 eller 60 billeder pr. sekund. Understøttede størrelser omfatter 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 og 3840×2160. Vælg størrelsen og timingen til destinationen, og undersøg derefter det færdige klip for billedudsnit og tempoet i den faktiske handling.
Tilstandene quality og speed dokumenteres adskilt fra den valgfrie AI-lydeffektindstilling. Bevar disse valg sammen med prompten, billederne og resultatet. Producentens visuelle egenskaber og inputmuligheder beskriver modellen; de tilgængelige indstillinger i en bestemt genereringsmetode leveres af den metodes kontrakt. Bevar de faktisk anvendte indstillinger, når kandidatoptagelser sammenlignes.
Bevar den oprindelige opgaveidentitet, indtil videoen er færdig, og gem de returnerede optagelser til redigering. Gennemgå hele sekvensen, herunder motivets udseende under store bevægelser, interaktioner med sceneobjekter og slutkompositionen. Undersøg begge endepunkter og overgangen mellem dem ved arbejde med endepunktsframes. Revidér den konkrete visuelle afvigelse med bevarelse af de vellykkede referencer og optagelsesplanen, og sammenlign de færdige videoer frem for kun forhåndsvisningsbillederne.
POST /v1/videostextvideo| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser cogvideox-3 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 $0.3 pr. anmodning |
| KonfigurationAnslået genereringsomkostning | Takstplan— | Forventet mængdeestimat for én generering | Afregnet mængde— | Beløb Output · Anslået genereringsomkostning · Estimat kun til sammenligning $0.3 estimat før generering Dette estimat er hverken et ekstra gebyr eller en fast pris for den færdige generering. |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncat > request.json <<'JSON'\n{\n "model": "cogvideox-3",\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-3
/v1/videos/generations