CogVideoX 3 est le modèle vidéo de Zhipu AI avec des modes documentés de génération à partir de texte, d’une image, ou d’images initiale et finale. L’éditeur met en avant la stabilité des images, le respect des instructions et les styles visuels réalistes ou tridimensionnels. Choisissez le texte lorsque la scène part d’une description écrite, une image lorsque sa base visuelle existe déjà, ou deux images d’extrémité lorsque la séquence nécessite une vue d’ouverture et une vue de fin définies.
Pour une description textuelle, présentez le sujet et une action lisible. Précisez le décor, le point de vue et les relations physiques importantes pour pouvoir évaluer la scène par rapport à une intention claire. Un personnage qui ramasse un objet nécessite une séquence différente d’un mouvement de caméra qui révèle cet objet. Ne décrivez les deux que si leur relation importe pour le plan.
Pour une séquence fondée sur une image, préparez la référence afin que les caractéristiques distinctives du sujet soient visibles. L’éditeur accepte des images PNG, JPEG et JPG ne dépassant pas 5 MB, fournies par une URL ou des données d’image encodées. Conservez la référence réelle avec le résultat généré pour comparer l’apparence et le cadrage à la source, plutôt qu’au souvenir que vous en avez.
Le mode d’images d’extrémité de l’éditeur accepte deux images dans l’ordre : la première définit l’image d’ouverture et la seconde l’image de fin. Préparez-les comme les deux états souhaités d’un même plan. Décrivez la transition ou l’action qui les relie, puis vérifiez si le sujet reste cohérent entre ces extrémités. Deux bonnes images fixes ne prouvent pas à elles seules que le mouvement intermédiaire correspond au récit souhaité.
Le prompt peut contenir jusqu’à 512 caractères. Utilisez le texte disponible pour l’action, sa direction et les détails visuels qui caractérisent un résultat réussi. Centrez la description sur ce qui doit se passer à l’écran. Lorsque les images d’entrée définissent déjà l’apparence du sujet, décrivez le mouvement et le rythme qui doivent se développer entre ces images ou à partir d’elles.
L’éditeur documente une sortie de cinq ou dix secondes, avec cinq secondes par défaut, et 30 ou 60 images par seconde. Les dimensions prises en charge comprennent 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 et 3840×2160. Choisissez les dimensions et la durée en fonction de la destination, puis examinez le clip terminé pour vérifier le cadrage et le rythme de l’action réelle.
Les modes de qualité et de vitesse sont documentés séparément du réglage facultatif des effets sonores par IA. Conservez ces choix avec le prompt, les images et le résultat. Les capacités visuelles et d’entrée publiées par l’éditeur décrivent le modèle ; les paramètres disponibles pour une méthode de génération particulière sont définis par le contrat de cette méthode. Préservez les paramètres réellement utilisés lorsque vous comparez des plans candidats.
Conservez l’identifiant d’origine de la tâche jusqu’à la fin de la vidéo et enregistrez les séquences renvoyées pour le montage. Examinez toute la séquence, notamment l’apparence du sujet pendant les mouvements amples, les interactions avec les objets de la scène et la composition finale. Pour un travail avec des images d’extrémité, vérifiez les deux extrémités et la transition entre elles. Corrigez l’écart visuel précis en conservant les références et le découpage du plan qui fonctionnent, et comparez les vidéos terminées plutôt que leurs seules images d’aperçu.
", "aboutText": "CogVideoX 3 est le modèle vidéo de Zhipu AI avec des modes documentés de génération à partir de texte, d’une image, ou d’images initiale et finale. L’éditeur met en avant la stabilité des images, le respect des instructions et les styles visuels réalistes ou tridimensionnels. Choisissez le texte lorsque la scène part d’une description écrite, une image lorsque sa base visuelle existe déjà, ou deux images d’extrémité lorsque la séquence nécessite une vue d’ouverture et une vue de fin définies.\n\nPour une description textuelle, présentez le sujet et une action lisible. Précisez le décor, le point de vue et les relations physiques importantes pour pouvoir évaluer la scène par rapport à une intention claire. Un personnage qui ramasse un objet nécessite une séquence différente d’un mouvement de caméra qui révèle cet objet. Ne décrivez les deux que si leur relation importe pour le plan.\n\nPour une séquence fondée sur une image, préparez la référence afin que les caractéristiques distinctives du sujet soient visibles. L’éditeur accepte des images PNG, JPEG et JPG ne dépassant pas 5 MB, fournies par une URL ou des données d’image encodées. Conservez la référence réelle avec le résultat généré pour comparer l’apparence et le cadrage à la source, plutôt qu’au souvenir que vous en avez.\n\nLe mode d’images d’extrémité de l’éditeur accepte deux images dans l’ordre : la première définit l’image d’ouverture et la seconde l’image de fin. Préparez-les comme les deux états souhaités d’un même plan. Décrivez la transition ou l’action qui les relie, puis vérifiez si le sujet reste cohérent entre ces extrémités. Deux bonnes images fixes ne prouvent pas à elles seules que le mouvement intermédiaire correspond au récit souhaité.\n\nLe prompt peut contenir jusqu’à 512 caractères. Utilisez le texte disponible pour l’action, sa direction et les détails visuels qui caractérisent un résultat réussi. Centrez la description sur ce qui doit se passer à l’écran. Lorsque les images d’entrée définissent déjà l’apparence du sujet, décrivez le mouvement et le rythme qui doivent se développer entre ces images ou à partir d’elles.\n\nL’éditeur documente une sortie de cinq ou dix secondes, avec cinq secondes par défaut, et 30 ou 60 images par seconde. Les dimensions prises en charge comprennent 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 et 3840×2160. Choisissez les dimensions et la durée en fonction de la destination, puis examinez le clip terminé pour vérifier le cadrage et le rythme de l’action réelle.\n\nLes modes de qualité et de vitesse sont documentés séparément du réglage facultatif des effets sonores par IA. Conservez ces choix avec le prompt, les images et le résultat. Les capacités visuelles et d’entrée publiées par l’éditeur décrivent le modèle ; les paramètres disponibles pour une méthode de génération particulière sont définis par le contrat de cette méthode. Préservez les paramètres réellement utilisés lorsque vous comparez des plans candidats.\n\nConservez l’identifiant d’origine de la tâche jusqu’à la fin de la vidéo et enregistrez les séquences renvoyées pour le montage. Examinez toute la séquence, notamment l’apparence du sujet pendant les mouvements amples, les interactions avec les objets de la scène et la composition finale. Pour un travail avec des images d’extrémité, vérifiez les deux extrémités et la transition entre elles. Corrigez l’écart visuel précis en conservant les références et le découpage du plan qui fonctionnent, et comparez les vidéos terminées plutôt que leurs seules images d’aperçu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "16774323f69ccf8d9077d4d090dd4444f9a4de1994f1b51f258f8ac4499d778a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "cogvideox-3CogVideoX 3 crée une vidéo à partir de texte, d’une image ou d’une paire d’images initiale et finale dans le processus documenté par l’éditeur. Il prend en charge des séquences de cinq ou dix secondes, plusieurs dimensions de sortie jusqu’à 4K, 30 ou 60 images par seconde et des effets sonores générés en option.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
CogVideoX 3 est le modèle vidéo de Zhipu AI avec des modes documentés de génération à partir de texte, d’une image, ou d’images initiale et finale. L’éditeur met en avant la stabilité des images, le respect des instructions et les styles visuels réalistes ou tridimensionnels. Choisissez le texte lorsque la scène part d’une description écrite, une image lorsque sa base visuelle existe déjà, ou deux images d’extrémité lorsque la séquence nécessite une vue d’ouverture et une vue de fin définies.
Pour une description textuelle, présentez le sujet et une action lisible. Précisez le décor, le point de vue et les relations physiques importantes pour pouvoir évaluer la scène par rapport à une intention claire. Un personnage qui ramasse un objet nécessite une séquence différente d’un mouvement de caméra qui révèle cet objet. Ne décrivez les deux que si leur relation importe pour le plan.
Pour une séquence fondée sur une image, préparez la référence afin que les caractéristiques distinctives du sujet soient visibles. L’éditeur accepte des images PNG, JPEG et JPG ne dépassant pas 5 MB, fournies par une URL ou des données d’image encodées. Conservez la référence réelle avec le résultat généré pour comparer l’apparence et le cadrage à la source, plutôt qu’au souvenir que vous en avez.
Le mode d’images d’extrémité de l’éditeur accepte deux images dans l’ordre : la première définit l’image d’ouverture et la seconde l’image de fin. Préparez-les comme les deux états souhaités d’un même plan. Décrivez la transition ou l’action qui les relie, puis vérifiez si le sujet reste cohérent entre ces extrémités. Deux bonnes images fixes ne prouvent pas à elles seules que le mouvement intermédiaire correspond au récit souhaité.
Le prompt peut contenir jusqu’à 512 caractères. Utilisez le texte disponible pour l’action, sa direction et les détails visuels qui caractérisent un résultat réussi. Centrez la description sur ce qui doit se passer à l’écran. Lorsque les images d’entrée définissent déjà l’apparence du sujet, décrivez le mouvement et le rythme qui doivent se développer entre ces images ou à partir d’elles.
L’éditeur documente une sortie de cinq ou dix secondes, avec cinq secondes par défaut, et 30 ou 60 images par seconde. Les dimensions prises en charge comprennent 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 et 3840×2160. Choisissez les dimensions et la durée en fonction de la destination, puis examinez le clip terminé pour vérifier le cadrage et le rythme de l’action réelle.
Les modes de qualité et de vitesse sont documentés séparément du réglage facultatif des effets sonores par IA. Conservez ces choix avec le prompt, les images et le résultat. Les capacités visuelles et d’entrée publiées par l’éditeur décrivent le modèle ; les paramètres disponibles pour une méthode de génération particulière sont définis par le contrat de cette méthode. Préservez les paramètres réellement utilisés lorsque vous comparez des plans candidats.
Conservez l’identifiant d’origine de la tâche jusqu’à la fin de la vidéo et enregistrez les séquences renvoyées pour le montage. Examinez toute la séquence, notamment l’apparence du sujet pendant les mouvements amples, les interactions avec les objets de la scène et la composition finale. Pour un travail avec des images d’extrémité, vérifiez les deux extrémités et la transition entre elles. Corrigez l’écart visuel précis en conservant les références et le découpage du plan qui fonctionnent, et comparez les vidéos terminées plutôt que leurs seules images d’aperçu.
POST /v1/videostextvideo| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites cogvideox-3 Conditions: Utilisez le sélecteur exact de modèle Ailoot. | Par défaut— |
Champprompt | Typestring | ExigenceObligatoire | Valeurs et limites Conditions: Décrivez la scène et le mouvement. | Par défaut— |
Champquality | Typeboolean | ExigenceFacultatif | Valeurs et limites Conditions: Indicateur facultatif de qualité ; le schéma sélectionné ne fournit aucune énumération compatible ni valeur par défaut. | Par défaut— |
Champwith_audio | Typeboolean | ExigenceFacultatif | Valeurs et limites Conditions: Génère des effets sonores par IA lorsque cette option est activée. | Par défautfalse |
Champsize | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: Fournissez la chaîne size documentée lorsque vous sélectionnez des dimensions explicites. | Par défaut— |
Champfps | Typestring | ExigenceFacultatif | Valeurs et limites 30, 60 Conditions: La fréquence d’images est représentée par une chaîne sur cette méthode native sélectionnée. | Par défaut30 |
Champduration | Typestring | ExigenceFacultatif | Valeurs et limites 5, 10 Conditions: La durée en secondes est représentée par une chaîne sur cette méthode native sélectionnée. | Par défaut5 |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, prompt |
Paramètreoptional | Contratquality, with_audio, size, fps, duration |
Paramètrematerial_types | Contrattext |
Paramètreconditions | ContratUtilisez le sélecteur exact de modèle Ailoot., Décrivez la scène et le mouvement., Indicateur facultatif de qualité ; le schéma sélectionné ne fournit aucune énumération compatible ni valeur par défaut., Génère des effets sonores par IA lorsque cette option est activée., Fournissez la chaîne size documentée lorsque vous sélectionnez des dimensions explicites., La fréquence d’images est représentée par une chaîne sur cette méthode native sélectionnée., La durée en secondes est représentée par une chaîne sur cette méthode native sélectionnée. |
Alias de méthode : /v1/videos/generations
Cycle de vie : 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}
Les tarifs affichés servent à estimer le coût avant la génération. Le montant final est calculé à partir du coût enregistré pour la génération d’origine. La durée mesurée du résultat et les quantités prévisionnelles ne constituent pas la quantité finale facturable.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Quantité prévisionnelle | Quantité facturée | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base par jeton | Barème tarifaireTarif de base | Quantité prévisionnelle— | Quantité facturée— | Coût Entrée · Tokens en entrée · Estimation à des fins de comparaison uniquement — / 1K tokens Sortie · Tokens en sortie · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Lecture du cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache, 1 h · Estimation à des fins de comparaison uniquement — / 1K tokens |
| ConfigurationPar requête | Barème tarifaire— | Quantité prévisionnelle— | Quantité facturéeune requête | Coût Entrée · Estimation à des fins de comparaison uniquement $0.3 par requête |
| ConfigurationCoût de génération estimé | Barème tarifaire— | Quantité prévisionnelleEstimation pour une génération | Quantité facturée— | Coût Sortie · Coût estimé de génération · Estimation à des fins de comparaison uniquement $0.3 estimation avant génération Cette estimation ne constitue ni des frais supplémentaires ni un tarif fixe pour la génération terminée. |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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}Enregistrez chaque vidéo terminée ou fichier renvoyé ; récupérez chaque URL de ressource effectivement renvoyée.
Conservez la réponse et les en-têtes complets, les identifiants d’origine, chaque sortie réelle et tous les champs d’utilisation et de comptabilisation. Enregistrez chaque ressource unique vous appartenant et conservez chaque rôle qui y fait référence.
Conservez l’id public renvoyé pour la tâche ou l’opération ainsi que tous les en-têtes. Consultez uniquement la tâche d’origine ; unknown ou result_pending_check n’autorise pas une nouvelle création.
| Champ | Type |
|---|---|
Champid | Typestring |
Champpolling_url | Typestring |
Champprovider_task_id | Typestring |
Champid | Typestring |
Champtask_status | Typestring |
Champvideo_result[].url | Typestring |
Ailoot Ultra cogvideox-3
/v1/videos/generations