CogVideoX 3 ist Zhipu AIs Videomodell mit dokumentierter Text-zu-Video-, Bild-zu-Video- und Erzeugung aus erstem und letztem Einzelbild. Der Hersteller betont Bildstabilität, Anweisungsbefolgung und realistische oder dreidimensionale Bildstile. Wählen Sie Text, wenn die Szene als schriftlicher Auftrag beginnt, ein Bild, wenn ihre visuelle Grundlage bereits besteht, oder zwei Endpunktbilder, wenn die Sequenz eine definierte Anfangs- und Schlussansicht benötigt.
Beschreiben Sie für einen Textauftrag das Motiv und eine klar erkennbare Handlung. Nennen Sie Umgebung, Blickwinkel und wichtige räumliche Beziehungen, damit die Szene anhand einer klaren Absicht beurteilt werden kann. Eine Figur, die ein Objekt aufhebt, benötigt eine andere Sequenz als eine Kamera, die dieses Objekt enthüllt. Beschreiben Sie beides nur, wenn ihre Beziehung für die Aufnahme wichtig ist.
Bereiten Sie bei einer bildgestützten Sequenz die Referenz so vor, dass die charakteristischen Merkmale des Motivs sichtbar sind. Der Hersteller akzeptiert PNG-, JPEG- und JPG-Bilder bis zu 5 MB, bereitgestellt über eine URL oder kodierte Bilddaten. Bewahren Sie die tatsächliche Referenz zusammen mit dem erzeugten Ergebnis auf, damit Aussehen und Bildausschnitt mit der Quelle statt mit einer erinnerten Version verglichen werden können.
Der Endpunktbildmodus des Herstellers akzeptiert zwei Bilder in dieser Reihenfolge: Das erste bestimmt das Anfangsbild, das zweite das Schlussbild. Bereiten Sie sie als die beiden gewünschten Zustände einer Aufnahme vor. Beschreiben Sie den verbindenden Übergang oder die Handlung und prüfen Sie anschließend, ob das Motiv zwischen den Endpunkten konsistent bleibt. Ein Paar guter Standbilder zeigt für sich nicht, dass die Bewegung dazwischen zur gewünschten Geschichte passt.
Der Prompt kann bis zu 512 Zeichen enthalten. Verwenden Sie den verfügbaren Text für die Handlung, ihre Richtung und die visuellen Details, die ein erfolgreiches Ergebnis auszeichnen. Halten Sie den Auftrag auf das sichtbare Geschehen ausgerichtet. Wenn Eingabebilder bereits das Motivaussehen bestimmen, beschreiben Sie Bewegung und zeitlichen Ablauf, die sich zwischen diesen Bildern oder aus ihnen entwickeln sollen.
Der Hersteller dokumentiert Ausgaben von fünf oder zehn Sekunden mit fünf Sekunden als Standard sowie 30 oder 60 Bilder pro Sekunde. Unterstützte Größen umfassen 1.280×720, 720×1.280, 1.024×1.024, 1.920×1.080, 1.080×1.920, 2.048×1.080 und 3.840×2.160. Wählen Sie Größe und Zeitablauf für das Verwendungsziel und prüfen Sie dann den fertigen Clip auf Bildausschnitt und Tempo der tatsächlichen Handlung.
Modi für Qualität und Geschwindigkeit sind getrennt von der optionalen KI-Toneffekteinstellung dokumentiert. Bewahren Sie diese Auswahl zusammen mit Prompt, Bildern und Ergebnis auf. Die visuellen und Eingabefähigkeiten des Herstellers beschreiben das Modell; die verfügbaren Steuerungen einer bestimmten Generierungsmethode ergeben sich aus den Vorgaben dieser Methode. Erhalten Sie beim Vergleich möglicher Aufnahmen die tatsächlich verwendeten Einstellungen.
Erhalten Sie die ursprüngliche Aufgabenkennung, bis das Video fertig ist, und speichern Sie das zurückgegebene Material für die Bearbeitung. Prüfen Sie die gesamte Sequenz einschließlich des Motivaussehens bei größeren Bewegungen, der Interaktionen mit Szenenobjekten und der Schlusskomposition. Prüfen Sie bei Endpunktbildern beide Endpunkte und den Übergang dazwischen. Überarbeiten Sie die konkrete visuelle Abweichung bei Erhalt erfolgreicher Referenzen und des Aufnahmeplans und vergleichen Sie fertige Videos statt nur ihrer Vorschaubilder.
", "aboutText": "CogVideoX 3 ist Zhipu AIs Videomodell mit dokumentierter Text-zu-Video-, Bild-zu-Video- und Erzeugung aus erstem und letztem Einzelbild. Der Hersteller betont Bildstabilität, Anweisungsbefolgung und realistische oder dreidimensionale Bildstile. Wählen Sie Text, wenn die Szene als schriftlicher Auftrag beginnt, ein Bild, wenn ihre visuelle Grundlage bereits besteht, oder zwei Endpunktbilder, wenn die Sequenz eine definierte Anfangs- und Schlussansicht benötigt.\n\nBeschreiben Sie für einen Textauftrag das Motiv und eine klar erkennbare Handlung. Nennen Sie Umgebung, Blickwinkel und wichtige räumliche Beziehungen, damit die Szene anhand einer klaren Absicht beurteilt werden kann. Eine Figur, die ein Objekt aufhebt, benötigt eine andere Sequenz als eine Kamera, die dieses Objekt enthüllt. Beschreiben Sie beides nur, wenn ihre Beziehung für die Aufnahme wichtig ist.\n\nBereiten Sie bei einer bildgestützten Sequenz die Referenz so vor, dass die charakteristischen Merkmale des Motivs sichtbar sind. Der Hersteller akzeptiert PNG-, JPEG- und JPG-Bilder bis zu 5 MB, bereitgestellt über eine URL oder kodierte Bilddaten. Bewahren Sie die tatsächliche Referenz zusammen mit dem erzeugten Ergebnis auf, damit Aussehen und Bildausschnitt mit der Quelle statt mit einer erinnerten Version verglichen werden können.\n\nDer Endpunktbildmodus des Herstellers akzeptiert zwei Bilder in dieser Reihenfolge: Das erste bestimmt das Anfangsbild, das zweite das Schlussbild. Bereiten Sie sie als die beiden gewünschten Zustände einer Aufnahme vor. Beschreiben Sie den verbindenden Übergang oder die Handlung und prüfen Sie anschließend, ob das Motiv zwischen den Endpunkten konsistent bleibt. Ein Paar guter Standbilder zeigt für sich nicht, dass die Bewegung dazwischen zur gewünschten Geschichte passt.\n\nDer Prompt kann bis zu 512 Zeichen enthalten. Verwenden Sie den verfügbaren Text für die Handlung, ihre Richtung und die visuellen Details, die ein erfolgreiches Ergebnis auszeichnen. Halten Sie den Auftrag auf das sichtbare Geschehen ausgerichtet. Wenn Eingabebilder bereits das Motivaussehen bestimmen, beschreiben Sie Bewegung und zeitlichen Ablauf, die sich zwischen diesen Bildern oder aus ihnen entwickeln sollen.\n\nDer Hersteller dokumentiert Ausgaben von fünf oder zehn Sekunden mit fünf Sekunden als Standard sowie 30 oder 60 Bilder pro Sekunde. Unterstützte Größen umfassen 1.280×720, 720×1.280, 1.024×1.024, 1.920×1.080, 1.080×1.920, 2.048×1.080 und 3.840×2.160. Wählen Sie Größe und Zeitablauf für das Verwendungsziel und prüfen Sie dann den fertigen Clip auf Bildausschnitt und Tempo der tatsächlichen Handlung.\n\nModi für Qualität und Geschwindigkeit sind getrennt von der optionalen KI-Toneffekteinstellung dokumentiert. Bewahren Sie diese Auswahl zusammen mit Prompt, Bildern und Ergebnis auf. Die visuellen und Eingabefähigkeiten des Herstellers beschreiben das Modell; die verfügbaren Steuerungen einer bestimmten Generierungsmethode ergeben sich aus den Vorgaben dieser Methode. Erhalten Sie beim Vergleich möglicher Aufnahmen die tatsächlich verwendeten Einstellungen.\n\nErhalten Sie die ursprüngliche Aufgabenkennung, bis das Video fertig ist, und speichern Sie das zurückgegebene Material für die Bearbeitung. Prüfen Sie die gesamte Sequenz einschließlich des Motivaussehens bei größeren Bewegungen, der Interaktionen mit Szenenobjekten und der Schlusskomposition. Prüfen Sie bei Endpunktbildern beide Endpunkte und den Übergang dazwischen. Überarbeiten Sie die konkrete visuelle Abweichung bei Erhalt erfolgreicher Referenzen und des Aufnahmeplans und vergleichen Sie fertige Videos statt nur ihrer Vorschaubilder.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "68cf46fe7f93a044c2bf82733d837d6896f66e5214995bb7bafd61782c916bc7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "cogvideox-3CogVideoX 3 erzeugt im dokumentierten Herstellerablauf Video aus Text, einem Bild oder einem Paar aus erstem und letztem Einzelbild. Es unterstützt Sequenzen von fünf oder zehn Sekunden, mehrere Ausgabegrößen bis zu 4K, 30 oder 60 fps und optionale erzeugte Toneffekte.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
CogVideoX 3 ist Zhipu AIs Videomodell mit dokumentierter Text-zu-Video-, Bild-zu-Video- und Erzeugung aus erstem und letztem Einzelbild. Der Hersteller betont Bildstabilität, Anweisungsbefolgung und realistische oder dreidimensionale Bildstile. Wählen Sie Text, wenn die Szene als schriftlicher Auftrag beginnt, ein Bild, wenn ihre visuelle Grundlage bereits besteht, oder zwei Endpunktbilder, wenn die Sequenz eine definierte Anfangs- und Schlussansicht benötigt.
Beschreiben Sie für einen Textauftrag das Motiv und eine klar erkennbare Handlung. Nennen Sie Umgebung, Blickwinkel und wichtige räumliche Beziehungen, damit die Szene anhand einer klaren Absicht beurteilt werden kann. Eine Figur, die ein Objekt aufhebt, benötigt eine andere Sequenz als eine Kamera, die dieses Objekt enthüllt. Beschreiben Sie beides nur, wenn ihre Beziehung für die Aufnahme wichtig ist.
Bereiten Sie bei einer bildgestützten Sequenz die Referenz so vor, dass die charakteristischen Merkmale des Motivs sichtbar sind. Der Hersteller akzeptiert PNG-, JPEG- und JPG-Bilder bis zu 5 MB, bereitgestellt über eine URL oder kodierte Bilddaten. Bewahren Sie die tatsächliche Referenz zusammen mit dem erzeugten Ergebnis auf, damit Aussehen und Bildausschnitt mit der Quelle statt mit einer erinnerten Version verglichen werden können.
Der Endpunktbildmodus des Herstellers akzeptiert zwei Bilder in dieser Reihenfolge: Das erste bestimmt das Anfangsbild, das zweite das Schlussbild. Bereiten Sie sie als die beiden gewünschten Zustände einer Aufnahme vor. Beschreiben Sie den verbindenden Übergang oder die Handlung und prüfen Sie anschließend, ob das Motiv zwischen den Endpunkten konsistent bleibt. Ein Paar guter Standbilder zeigt für sich nicht, dass die Bewegung dazwischen zur gewünschten Geschichte passt.
Der Prompt kann bis zu 512 Zeichen enthalten. Verwenden Sie den verfügbaren Text für die Handlung, ihre Richtung und die visuellen Details, die ein erfolgreiches Ergebnis auszeichnen. Halten Sie den Auftrag auf das sichtbare Geschehen ausgerichtet. Wenn Eingabebilder bereits das Motivaussehen bestimmen, beschreiben Sie Bewegung und zeitlichen Ablauf, die sich zwischen diesen Bildern oder aus ihnen entwickeln sollen.
Der Hersteller dokumentiert Ausgaben von fünf oder zehn Sekunden mit fünf Sekunden als Standard sowie 30 oder 60 Bilder pro Sekunde. Unterstützte Größen umfassen 1.280×720, 720×1.280, 1.024×1.024, 1.920×1.080, 1.080×1.920, 2.048×1.080 und 3.840×2.160. Wählen Sie Größe und Zeitablauf für das Verwendungsziel und prüfen Sie dann den fertigen Clip auf Bildausschnitt und Tempo der tatsächlichen Handlung.
Modi für Qualität und Geschwindigkeit sind getrennt von der optionalen KI-Toneffekteinstellung dokumentiert. Bewahren Sie diese Auswahl zusammen mit Prompt, Bildern und Ergebnis auf. Die visuellen und Eingabefähigkeiten des Herstellers beschreiben das Modell; die verfügbaren Steuerungen einer bestimmten Generierungsmethode ergeben sich aus den Vorgaben dieser Methode. Erhalten Sie beim Vergleich möglicher Aufnahmen die tatsächlich verwendeten Einstellungen.
Erhalten Sie die ursprüngliche Aufgabenkennung, bis das Video fertig ist, und speichern Sie das zurückgegebene Material für die Bearbeitung. Prüfen Sie die gesamte Sequenz einschließlich des Motivaussehens bei größeren Bewegungen, der Interaktionen mit Szenenobjekten und der Schlusskomposition. Prüfen Sie bei Endpunktbildern beide Endpunkte und den Übergang dazwischen. Überarbeiten Sie die konkrete visuelle Abweichung bei Erhalt erfolgreicher Referenzen und des Aufnahmeplans und vergleichen Sie fertige Videos statt nur ihrer Vorschaubilder.
POST /v1/videostextvideo| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits cogvideox-3 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 $0.3 pro Anfrage |
| KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungsmenge— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.3 Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncat > request.json <<'JSON'\n{\n "model": "cogvideox-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}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-3
/v1/videos/generations