CogVideoX 2 ist Zhipu AIs Modell zur Videoerzeugung aus einer schriftlichen Szenenbeschreibung oder einem bereitgestellten Bild. Text bestimmt Motiv, Umgebung und Handlung; ein Bild kann die visuelle Grundlage der erzeugten Sequenz liefern. Wählen Sie die Eingabe, die das bereits für die Aufnahme vorhandene Material am besten darstellt, und beschreiben Sie dann die sichtbare Bewegung, die das fertige Video enthalten soll.
Definieren Sie für textgestützte Erzeugung ein zusammenhängendes Ereignis. Eine Person, die eine Werkstatttür öffnet, ein kleines Boot, das an einem Steg vorbeifährt, oder ein Objekt, das sich unter gleichbleibendem Licht dreht, geben der Aufnahme jeweils einen klar erkennbaren Zweck. Nennen Sie die wichtigen Motivmerkmale, den Blickwinkel und die Bewegungsrichtung. Wählen Sie ein Ende, das sich im vorgesehenen Schnitt verwenden lässt, statt die endgültige Szenenkomposition offen zu lassen.
Bereiten Sie für bildgestützte Erzeugung eine klare Ansicht des Motivs vor und beschreiben Sie, wie sich die Szene daraus entwickeln soll. Der Hersteller akzeptiert PNG-, JPEG- und JPG-Referenzen bis zu 5 MB, bereitgestellt über eine Bild-URL oder kodierte Bilddaten. Halten Sie wichtige Konturen, Gesichtszüge und Objektdetails in der Referenz sichtbar und lassen Sie innerhalb der Komposition Platz für die verlangte Aktion.
Der Hersteller begrenzt den schriftlichen Prompt auf 512 Zeichen. Verwenden Sie diesen Raum für die entscheidenden Details: Motiv, Handlung, Umgebung und Blickwinkel. Eine kurze Beschreibung, die das bewegte Objekt und die unveränderten Teile benennt, lässt sich leichter beurteilen als eine Liste allgemeiner Stiladjektive. Verfehlt das Ergebnis das Ziel, überarbeiten Sie die Anweisung zum beobachteten Bewegungs- oder Bildausschnittproblem.
Die veröffentlichten Ausgabegrößen umfassen quadratische, querformatige und hochformatige Formen, mit Optionen von 720×480 bis 3.840×2.160 Pixel. Der Hersteller dokumentiert außerdem 30 oder 60 Bilder pro Sekunde. Wählen Sie Form und Bildrate vor der Erzeugung für das Verwendungsziel und prüfen Sie anschließend am tatsächlichen Clip, ob Motiv und wichtige Details in diesem Bildausschnitt erkennbar bleiben.
Qualität und Geschwindigkeit sind benannte Ausgabemodi im Herstellerablauf. Optionale KI-erzeugte Toneffekte werden getrennt vom visuellen Auftrag gesteuert. Bewahren Sie den gewählten Modus und die Toneffekteinstellung zusammen mit dem Prompt und einer etwaigen Bildreferenz auf, damit unterschiedliche mögliche Clips anhand ihrer tatsächlichen Generierungseinstellungen verglichen werden können.
Die Erzeugung ist asynchron: Eine Aufgabenkennung wird zurückgegeben, bevor das fertige Video verfügbar ist. Erhalten Sie diese Kennung während der Ergebnisprüfung und bewahren Sie alle mit dem Vorgang verbundenen fertigen Videodateien auf. Speichern Sie den Clip selbst für die Bearbeitung zusammen mit dem gegebenenfalls verwendeten Quellbild, statt sich auf einen vorübergehenden Ergebnisort oder ein Vorschaubild zu verlassen.
Prüfen Sie die gesamte Sequenz auf Kontinuität, zeitlichen Ablauf und die verlangte Aktion. Eine Produktaufnahme benötigt bei Bewegung eine stabile Form und Materialdetails; eine Figurenaufnahme ein einheitliches Aussehen und stimmige Gesten. Prüfen Sie Schlusskomposition und etwaigen erzeugten Ton anhand des Aufnahmezwecks. Erhalten Sie erfolgreiche Szenenelemente bei der Korrektur einer konkreten Abweichung und verwenden Sie dieselben Betrachtungsbedingungen zum Vergleich des ursprünglichen und überarbeiteten Videos.
", "aboutText": "CogVideoX 2 ist Zhipu AIs Modell zur Videoerzeugung aus einer schriftlichen Szenenbeschreibung oder einem bereitgestellten Bild. Text bestimmt Motiv, Umgebung und Handlung; ein Bild kann die visuelle Grundlage der erzeugten Sequenz liefern. Wählen Sie die Eingabe, die das bereits für die Aufnahme vorhandene Material am besten darstellt, und beschreiben Sie dann die sichtbare Bewegung, die das fertige Video enthalten soll.\n\nDefinieren Sie für textgestützte Erzeugung ein zusammenhängendes Ereignis. Eine Person, die eine Werkstatttür öffnet, ein kleines Boot, das an einem Steg vorbeifährt, oder ein Objekt, das sich unter gleichbleibendem Licht dreht, geben der Aufnahme jeweils einen klar erkennbaren Zweck. Nennen Sie die wichtigen Motivmerkmale, den Blickwinkel und die Bewegungsrichtung. Wählen Sie ein Ende, das sich im vorgesehenen Schnitt verwenden lässt, statt die endgültige Szenenkomposition offen zu lassen.\n\nBereiten Sie für bildgestützte Erzeugung eine klare Ansicht des Motivs vor und beschreiben Sie, wie sich die Szene daraus entwickeln soll. Der Hersteller akzeptiert PNG-, JPEG- und JPG-Referenzen bis zu 5 MB, bereitgestellt über eine Bild-URL oder kodierte Bilddaten. Halten Sie wichtige Konturen, Gesichtszüge und Objektdetails in der Referenz sichtbar und lassen Sie innerhalb der Komposition Platz für die verlangte Aktion.\n\nDer Hersteller begrenzt den schriftlichen Prompt auf 512 Zeichen. Verwenden Sie diesen Raum für die entscheidenden Details: Motiv, Handlung, Umgebung und Blickwinkel. Eine kurze Beschreibung, die das bewegte Objekt und die unveränderten Teile benennt, lässt sich leichter beurteilen als eine Liste allgemeiner Stiladjektive. Verfehlt das Ergebnis das Ziel, überarbeiten Sie die Anweisung zum beobachteten Bewegungs- oder Bildausschnittproblem.\n\nDie veröffentlichten Ausgabegrößen umfassen quadratische, querformatige und hochformatige Formen, mit Optionen von 720×480 bis 3.840×2.160 Pixel. Der Hersteller dokumentiert außerdem 30 oder 60 Bilder pro Sekunde. Wählen Sie Form und Bildrate vor der Erzeugung für das Verwendungsziel und prüfen Sie anschließend am tatsächlichen Clip, ob Motiv und wichtige Details in diesem Bildausschnitt erkennbar bleiben.\n\nQualität und Geschwindigkeit sind benannte Ausgabemodi im Herstellerablauf. Optionale KI-erzeugte Toneffekte werden getrennt vom visuellen Auftrag gesteuert. Bewahren Sie den gewählten Modus und die Toneffekteinstellung zusammen mit dem Prompt und einer etwaigen Bildreferenz auf, damit unterschiedliche mögliche Clips anhand ihrer tatsächlichen Generierungseinstellungen verglichen werden können.\n\nDie Erzeugung ist asynchron: Eine Aufgabenkennung wird zurückgegeben, bevor das fertige Video verfügbar ist. Erhalten Sie diese Kennung während der Ergebnisprüfung und bewahren Sie alle mit dem Vorgang verbundenen fertigen Videodateien auf. Speichern Sie den Clip selbst für die Bearbeitung zusammen mit dem gegebenenfalls verwendeten Quellbild, statt sich auf einen vorübergehenden Ergebnisort oder ein Vorschaubild zu verlassen.\n\nPrüfen Sie die gesamte Sequenz auf Kontinuität, zeitlichen Ablauf und die verlangte Aktion. Eine Produktaufnahme benötigt bei Bewegung eine stabile Form und Materialdetails; eine Figurenaufnahme ein einheitliches Aussehen und stimmige Gesten. Prüfen Sie Schlusskomposition und etwaigen erzeugten Ton anhand des Aufnahmezwecks. Erhalten Sie erfolgreiche Szenenelemente bei der Korrektur einer konkreten Abweichung und verwenden Sie dieselben Betrachtungsbedingungen zum Vergleich des ursprünglichen und überarbeiteten Videos.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f2dae144d3ede6b8e3dd5868ed76dec59622e1626b284d668139a98ec5df28b6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "cogvideox-2CogVideoX 2 erzeugt Video aus einer Textbeschreibung oder einem bereitgestellten Bild. Der Hersteller dokumentiert wählbare Bildgrößen, 30 oder 60 fps, Qualitäts- oder Geschwindigkeitsmodi und optionale erzeugte Toneffekte zur Gestaltung einer kurzen visuellen Szene.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
CogVideoX 2 ist Zhipu AIs Modell zur Videoerzeugung aus einer schriftlichen Szenenbeschreibung oder einem bereitgestellten Bild. Text bestimmt Motiv, Umgebung und Handlung; ein Bild kann die visuelle Grundlage der erzeugten Sequenz liefern. Wählen Sie die Eingabe, die das bereits für die Aufnahme vorhandene Material am besten darstellt, und beschreiben Sie dann die sichtbare Bewegung, die das fertige Video enthalten soll.
Definieren Sie für textgestützte Erzeugung ein zusammenhängendes Ereignis. Eine Person, die eine Werkstatttür öffnet, ein kleines Boot, das an einem Steg vorbeifährt, oder ein Objekt, das sich unter gleichbleibendem Licht dreht, geben der Aufnahme jeweils einen klar erkennbaren Zweck. Nennen Sie die wichtigen Motivmerkmale, den Blickwinkel und die Bewegungsrichtung. Wählen Sie ein Ende, das sich im vorgesehenen Schnitt verwenden lässt, statt die endgültige Szenenkomposition offen zu lassen.
Bereiten Sie für bildgestützte Erzeugung eine klare Ansicht des Motivs vor und beschreiben Sie, wie sich die Szene daraus entwickeln soll. Der Hersteller akzeptiert PNG-, JPEG- und JPG-Referenzen bis zu 5 MB, bereitgestellt über eine Bild-URL oder kodierte Bilddaten. Halten Sie wichtige Konturen, Gesichtszüge und Objektdetails in der Referenz sichtbar und lassen Sie innerhalb der Komposition Platz für die verlangte Aktion.
Der Hersteller begrenzt den schriftlichen Prompt auf 512 Zeichen. Verwenden Sie diesen Raum für die entscheidenden Details: Motiv, Handlung, Umgebung und Blickwinkel. Eine kurze Beschreibung, die das bewegte Objekt und die unveränderten Teile benennt, lässt sich leichter beurteilen als eine Liste allgemeiner Stiladjektive. Verfehlt das Ergebnis das Ziel, überarbeiten Sie die Anweisung zum beobachteten Bewegungs- oder Bildausschnittproblem.
Die veröffentlichten Ausgabegrößen umfassen quadratische, querformatige und hochformatige Formen, mit Optionen von 720×480 bis 3.840×2.160 Pixel. Der Hersteller dokumentiert außerdem 30 oder 60 Bilder pro Sekunde. Wählen Sie Form und Bildrate vor der Erzeugung für das Verwendungsziel und prüfen Sie anschließend am tatsächlichen Clip, ob Motiv und wichtige Details in diesem Bildausschnitt erkennbar bleiben.
Qualität und Geschwindigkeit sind benannte Ausgabemodi im Herstellerablauf. Optionale KI-erzeugte Toneffekte werden getrennt vom visuellen Auftrag gesteuert. Bewahren Sie den gewählten Modus und die Toneffekteinstellung zusammen mit dem Prompt und einer etwaigen Bildreferenz auf, damit unterschiedliche mögliche Clips anhand ihrer tatsächlichen Generierungseinstellungen verglichen werden können.
Die Erzeugung ist asynchron: Eine Aufgabenkennung wird zurückgegeben, bevor das fertige Video verfügbar ist. Erhalten Sie diese Kennung während der Ergebnisprüfung und bewahren Sie alle mit dem Vorgang verbundenen fertigen Videodateien auf. Speichern Sie den Clip selbst für die Bearbeitung zusammen mit dem gegebenenfalls verwendeten Quellbild, statt sich auf einen vorübergehenden Ergebnisort oder ein Vorschaubild zu verlassen.
Prüfen Sie die gesamte Sequenz auf Kontinuität, zeitlichen Ablauf und die verlangte Aktion. Eine Produktaufnahme benötigt bei Bewegung eine stabile Form und Materialdetails; eine Figurenaufnahme ein einheitliches Aussehen und stimmige Gesten. Prüfen Sie Schlusskomposition und etwaigen erzeugten Ton anhand des Aufnahmezwecks. Erhalten Sie erfolgreiche Szenenelemente bei der Korrektur einer konkreten Abweichung und verwenden Sie dieselben Betrachtungsbedingungen zum Vergleich des ursprünglichen und überarbeiteten Videos.
POST /v1/videostextvideo| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits cogvideox-2 Bedingungen: Verwenden Sie die genaue Ailoot-Modellauswahl. | Standard— |
Feldprompt | Typstring | AnforderungErforderlich | Werte und Limits Bedingungen: Beschreiben Sie die Szene und die Bewegung. | Standard— |
Feldquality | Typboolean | AnforderungOptional | Werte und Limits Bedingungen: Optionale Qualitätsoption; dieses ausgewählte Schema enthält weder kompatible Aufzählungswerte noch einen Standardwert. | Standard— |
Feldwith_audio | Typboolean | AnforderungOptional | Werte und Limits Bedingungen: Bei Aktivierung KI-Soundeffekte erzeugen. | Standardfalse |
Feldsize | Typstring | AnforderungOptional | Werte und Limits Bedingungen: Geben Sie bei der Auswahl expliziter Abmessungen die dokumentierte size-Zeichenfolge an. | Standard— |
Feldfps | Typstring | AnforderungOptional | Werte und Limits 30, 60 Bedingungen: Bei dieser ausgewählten nativen Methode wird die Bildrate als Zeichenfolge dargestellt. | Standard30 |
Feldduration | Typstring | AnforderungOptional | Werte und Limits 5, 10 Bedingungen: Bei dieser ausgewählten nativen Methode wird die Dauer in Sekunden als Zeichenfolge dargestellt. | Standard5 |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, prompt |
Parameteroptional | Vertragquality, with_audio, size, fps, duration |
Parametermaterial_types | Vertragtext |
Parameterconditions | VertragVerwenden Sie die genaue Ailoot-Modellauswahl., Beschreiben Sie die Szene und die Bewegung., Optionale Qualitätsoption; dieses ausgewählte Schema enthält weder kompatible Aufzählungswerte noch einen Standardwert., Bei Aktivierung KI-Soundeffekte erzeugen., Geben Sie bei der Auswahl expliziter Abmessungen die dokumentierte size-Zeichenfolge an., Bei dieser ausgewählten nativen Methode wird die Bildrate als Zeichenfolge dargestellt., Bei dieser ausgewählten nativen Methode wird die Dauer in Sekunden als Zeichenfolge dargestellt. |
Methodenaliasnamen: /v1/videos/generations
Lebenszyklus: 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}
Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Prognostizierte Menge | Abrechnungsmenge | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Prognostizierte Menge— | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich — / 1K Token Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Lesen · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Schreiben · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde · Schätzung nur zum Vergleich — / 1K Token |
| KonfigurationPro Anfrage | Tarifstaffel— | Prognostizierte Menge— | Abrechnungsmengeeine Anfrage | Gebühr Eingabe · Schätzung nur zum Vergleich $0.2 pro Anfrage |
| KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungsmenge— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.2 Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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}Speichern Sie jedes fertiggestellte Video oder jede zurückgegebene Datei; rufen Sie jede tatsächlich zurückgegebene Datei-URL ab.
Bewahren Sie die vollständige Antwort und die Header, ursprüngliche Kennungen, jede tatsächliche Ausgabe sowie alle Verbrauchs- und Abrechnungsfelder auf. Speichern Sie jedes eindeutige, Ihnen zugeordnete Asset und bewahren Sie jede darauf verweisende Rolle auf.
Bewahren Sie die zurückgegebene öffentliche Aufgaben- oder Vorgangs-ID und sämtliche Header auf. Lesen Sie ausschließlich die ursprüngliche Aufgabe aus; unknown oder result_pending_check berechtigt nicht zu einer weiteren Erstellung.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldpolling_url | Typstring |
Feldprovider_task_id | Typstring |
Feldid | Typstring |
Feldtask_status | Typstring |
Feldvideo_result[].url | Typstring |
Ailoot Ultra cogvideox-2
/v1/videos/generations