CogVideoX 3 adalah model video dari Zhipu AI dengan pembuatan dari teks ke video, gambar ke video, serta bingkai pertama dan terakhir yang didokumentasikan. Pembuatnya menekankan kestabilan bingkai, kepatuhan pada instruksi, serta gaya visual realistis atau tiga dimensi. Pilih teks saat adegan bermula dari deskripsi tertulis, satu gambar saat dasar visual sudah ada, atau dua gambar titik awal dan akhir saat rangkaian memerlukan tampilan pembuka serta penutup yang ditentukan.
Untuk deskripsi teks, jelaskan subjek dan satu aksi yang mudah dipahami. Sebutkan latar, sudut pandang, dan hubungan fisik yang penting agar adegan dapat dinilai berdasarkan maksud yang jelas. Karakter yang mengambil objek memerlukan rangkaian berbeda dari kamera yang menyingkap objek tersebut. Jelaskan keduanya hanya jika hubungan di antaranya penting bagi pengambilan gambar.
Untuk rangkaian berbasis gambar, siapkan referensi agar ciri pembeda subjek terlihat. Pembuatnya menerima gambar PNG, JPEG, dan JPG yang tidak lebih besar dari 5 MB, diberikan melalui URL atau data gambar yang dikodekan. Simpan referensi sebenarnya bersama hasil yang dibuat agar penampilan dan pembingkaian dapat dibandingkan dengan sumber, bukan dengan versi yang diingat.
Mode bingkai awal dan akhir pembuatnya menerima dua gambar secara berurutan: gambar pertama menetapkan bingkai pembuka, dan gambar kedua bingkai penutup. Siapkan keduanya sebagai dua keadaan yang dituju dalam satu pengambilan gambar. Jelaskan transisi atau aksi yang menghubungkannya, lalu tinjau apakah subjek tetap konsisten di antara titik awal dan akhir. Sepasang gambar diam yang baik tidak dengan sendirinya menunjukkan bahwa gerakan di antaranya sesuai dengan cerita yang diinginkan.
Prompt dapat berisi hingga 512 karakter. Gunakan teks yang tersedia untuk aksi, arah geraknya, dan detail visual yang membedakan hasil yang berhasil. Jaga agar deskripsi berfokus pada apa yang harus terjadi di layar. Ketika gambar masukan sudah menetapkan penampilan subjek, jelaskan gerak dan pengaturan waktu yang perlu berkembang di antara atau dari gambar tersebut.
Pembuatnya mendokumentasikan keluaran lima atau sepuluh detik, dengan lima detik sebagai default, serta 30 atau 60 bingkai per detik. Ukuran yang didukung mencakup 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080, dan 3840×2160. Pilih ukuran dan pengaturan waktu sesuai tujuan penggunaan, lalu periksa klip yang selesai untuk melihat pembingkaian dan tempo aksi sebenarnya.
Mode kualitas dan kecepatan didokumentasikan secara terpisah dari pengaturan efek suara AI opsional. Simpan pilihan ini bersama prompt, gambar, dan hasil. Kemampuan visual dan masukan yang dijelaskan pembuatnya menggambarkan model; kontrol yang tersedia pada metode pembuatan tertentu ditentukan oleh kontrak metode tersebut. Pertahankan pengaturan yang benar-benar digunakan saat membandingkan kandidat pengambilan gambar.
Pertahankan identitas tugas asli hingga video selesai dan simpan rekaman yang dikembalikan untuk penyuntingan. Tinjau seluruh rangkaian, termasuk penampilan subjek selama gerakan besar, interaksi dengan objek adegan, dan komposisi akhir. Untuk pekerjaan dengan bingkai awal dan akhir, periksa kedua titik tersebut serta transisi di antaranya. Revisi ketidaksesuaian visual yang spesifik sambil mempertahankan referensi dan rencana pengambilan gambar yang berhasil, serta bandingkan video yang selesai, bukan hanya gambar pratinjaunya.
", "aboutText": "CogVideoX 3 adalah model video dari Zhipu AI dengan pembuatan dari teks ke video, gambar ke video, serta bingkai pertama dan terakhir yang didokumentasikan. Pembuatnya menekankan kestabilan bingkai, kepatuhan pada instruksi, serta gaya visual realistis atau tiga dimensi. Pilih teks saat adegan bermula dari deskripsi tertulis, satu gambar saat dasar visual sudah ada, atau dua gambar titik awal dan akhir saat rangkaian memerlukan tampilan pembuka serta penutup yang ditentukan.\n\nUntuk deskripsi teks, jelaskan subjek dan satu aksi yang mudah dipahami. Sebutkan latar, sudut pandang, dan hubungan fisik yang penting agar adegan dapat dinilai berdasarkan maksud yang jelas. Karakter yang mengambil objek memerlukan rangkaian berbeda dari kamera yang menyingkap objek tersebut. Jelaskan keduanya hanya jika hubungan di antaranya penting bagi pengambilan gambar.\n\nUntuk rangkaian berbasis gambar, siapkan referensi agar ciri pembeda subjek terlihat. Pembuatnya menerima gambar PNG, JPEG, dan JPG yang tidak lebih besar dari 5 MB, diberikan melalui URL atau data gambar yang dikodekan. Simpan referensi sebenarnya bersama hasil yang dibuat agar penampilan dan pembingkaian dapat dibandingkan dengan sumber, bukan dengan versi yang diingat.\n\nMode bingkai awal dan akhir pembuatnya menerima dua gambar secara berurutan: gambar pertama menetapkan bingkai pembuka, dan gambar kedua bingkai penutup. Siapkan keduanya sebagai dua keadaan yang dituju dalam satu pengambilan gambar. Jelaskan transisi atau aksi yang menghubungkannya, lalu tinjau apakah subjek tetap konsisten di antara titik awal dan akhir. Sepasang gambar diam yang baik tidak dengan sendirinya menunjukkan bahwa gerakan di antaranya sesuai dengan cerita yang diinginkan.\n\nPrompt dapat berisi hingga 512 karakter. Gunakan teks yang tersedia untuk aksi, arah geraknya, dan detail visual yang membedakan hasil yang berhasil. Jaga agar deskripsi berfokus pada apa yang harus terjadi di layar. Ketika gambar masukan sudah menetapkan penampilan subjek, jelaskan gerak dan pengaturan waktu yang perlu berkembang di antara atau dari gambar tersebut.\n\nPembuatnya mendokumentasikan keluaran lima atau sepuluh detik, dengan lima detik sebagai default, serta 30 atau 60 bingkai per detik. Ukuran yang didukung mencakup 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080, dan 3840×2160. Pilih ukuran dan pengaturan waktu sesuai tujuan penggunaan, lalu periksa klip yang selesai untuk melihat pembingkaian dan tempo aksi sebenarnya.\n\nMode kualitas dan kecepatan didokumentasikan secara terpisah dari pengaturan efek suara AI opsional. Simpan pilihan ini bersama prompt, gambar, dan hasil. Kemampuan visual dan masukan yang dijelaskan pembuatnya menggambarkan model; kontrol yang tersedia pada metode pembuatan tertentu ditentukan oleh kontrak metode tersebut. Pertahankan pengaturan yang benar-benar digunakan saat membandingkan kandidat pengambilan gambar.\n\nPertahankan identitas tugas asli hingga video selesai dan simpan rekaman yang dikembalikan untuk penyuntingan. Tinjau seluruh rangkaian, termasuk penampilan subjek selama gerakan besar, interaksi dengan objek adegan, dan komposisi akhir. Untuk pekerjaan dengan bingkai awal dan akhir, periksa kedua titik tersebut serta transisi di antaranya. Revisi ketidaksesuaian visual yang spesifik sambil mempertahankan referensi dan rencana pengambilan gambar yang berhasil, serta bandingkan video yang selesai, bukan hanya gambar pratinjaunya.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d36ed80d7eaf3b292a033e0daed673e59a7bcf63c9d51fe39b8c7fee8ae9f1e1", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "cogvideox-3CogVideoX 3 membuat video dari teks, gambar, atau pasangan bingkai pertama dan terakhir dalam alur kerja yang didokumentasikan pembuatnya. Model ini mendukung rangkaian lima atau sepuluh detik, beberapa ukuran keluaran hingga 4K, 30 atau 60 fps, serta efek suara opsional yang dihasilkan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
CogVideoX 3 adalah model video dari Zhipu AI dengan pembuatan dari teks ke video, gambar ke video, serta bingkai pertama dan terakhir yang didokumentasikan. Pembuatnya menekankan kestabilan bingkai, kepatuhan pada instruksi, serta gaya visual realistis atau tiga dimensi. Pilih teks saat adegan bermula dari deskripsi tertulis, satu gambar saat dasar visual sudah ada, atau dua gambar titik awal dan akhir saat rangkaian memerlukan tampilan pembuka serta penutup yang ditentukan.
Untuk deskripsi teks, jelaskan subjek dan satu aksi yang mudah dipahami. Sebutkan latar, sudut pandang, dan hubungan fisik yang penting agar adegan dapat dinilai berdasarkan maksud yang jelas. Karakter yang mengambil objek memerlukan rangkaian berbeda dari kamera yang menyingkap objek tersebut. Jelaskan keduanya hanya jika hubungan di antaranya penting bagi pengambilan gambar.
Untuk rangkaian berbasis gambar, siapkan referensi agar ciri pembeda subjek terlihat. Pembuatnya menerima gambar PNG, JPEG, dan JPG yang tidak lebih besar dari 5 MB, diberikan melalui URL atau data gambar yang dikodekan. Simpan referensi sebenarnya bersama hasil yang dibuat agar penampilan dan pembingkaian dapat dibandingkan dengan sumber, bukan dengan versi yang diingat.
Mode bingkai awal dan akhir pembuatnya menerima dua gambar secara berurutan: gambar pertama menetapkan bingkai pembuka, dan gambar kedua bingkai penutup. Siapkan keduanya sebagai dua keadaan yang dituju dalam satu pengambilan gambar. Jelaskan transisi atau aksi yang menghubungkannya, lalu tinjau apakah subjek tetap konsisten di antara titik awal dan akhir. Sepasang gambar diam yang baik tidak dengan sendirinya menunjukkan bahwa gerakan di antaranya sesuai dengan cerita yang diinginkan.
Prompt dapat berisi hingga 512 karakter. Gunakan teks yang tersedia untuk aksi, arah geraknya, dan detail visual yang membedakan hasil yang berhasil. Jaga agar deskripsi berfokus pada apa yang harus terjadi di layar. Ketika gambar masukan sudah menetapkan penampilan subjek, jelaskan gerak dan pengaturan waktu yang perlu berkembang di antara atau dari gambar tersebut.
Pembuatnya mendokumentasikan keluaran lima atau sepuluh detik, dengan lima detik sebagai default, serta 30 atau 60 bingkai per detik. Ukuran yang didukung mencakup 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080, dan 3840×2160. Pilih ukuran dan pengaturan waktu sesuai tujuan penggunaan, lalu periksa klip yang selesai untuk melihat pembingkaian dan tempo aksi sebenarnya.
Mode kualitas dan kecepatan didokumentasikan secara terpisah dari pengaturan efek suara AI opsional. Simpan pilihan ini bersama prompt, gambar, dan hasil. Kemampuan visual dan masukan yang dijelaskan pembuatnya menggambarkan model; kontrol yang tersedia pada metode pembuatan tertentu ditentukan oleh kontrak metode tersebut. Pertahankan pengaturan yang benar-benar digunakan saat membandingkan kandidat pengambilan gambar.
Pertahankan identitas tugas asli hingga video selesai dan simpan rekaman yang dikembalikan untuk penyuntingan. Tinjau seluruh rangkaian, termasuk penampilan subjek selama gerakan besar, interaksi dengan objek adegan, dan komposisi akhir. Untuk pekerjaan dengan bingkai awal dan akhir, periksa kedua titik tersebut serta transisi di antaranya. Revisi ketidaksesuaian visual yang spesifik sambil mempertahankan referensi dan rencana pengambilan gambar yang berhasil, serta bandingkan video yang selesai, bukan hanya gambar pratinjaunya.
POST /v1/videostextvideo| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan cogvideox-3 Kondisi: Gunakan pemilih model Ailoot yang persis. | Bawaan— |
Kolomprompt | Jenisstring | PersyaratanWajib | Nilai & batasan Kondisi: Jelaskan adegan dan gerakannya. | Bawaan— |
Kolomquality | Jenisboolean | PersyaratanOpsional | Nilai & batasan Kondisi: Penanda kualitas opsional; skema yang dipilih ini tidak memberikan enum atau nilai bawaan yang kompatibel. | Bawaan— |
Kolomwith_audio | Jenisboolean | PersyaratanOpsional | Nilai & batasan Kondisi: Buat efek suara AI saat diaktifkan. | Bawaanfalse |
Kolomsize | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: Berikan string size yang didokumentasikan saat memilih dimensi eksplisit. | Bawaan— |
Kolomfps | Jenisstring | PersyaratanOpsional | Nilai & batasan 30, 60 Kondisi: Laju bingkai direpresentasikan sebagai string pada metode native yang dipilih ini. | Bawaan30 |
Kolomduration | Jenisstring | PersyaratanOpsional | Nilai & batasan 5, 10 Kondisi: Durasi dalam detik direpresentasikan sebagai string pada metode native yang dipilih ini. | Bawaan5 |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, prompt |
Parameteroptional | Kontrakquality, with_audio, size, fps, duration |
Parametermaterial_types | Kontraktext |
Parameterconditions | KontrakGunakan pemilih model Ailoot yang persis., Jelaskan adegan dan gerakannya., Penanda kualitas opsional; skema yang dipilih ini tidak memberikan enum atau nilai bawaan yang kompatibel., Buat efek suara AI saat diaktifkan., Berikan string size yang didokumentasikan saat memilih dimensi eksplisit., Laju bingkai direpresentasikan sebagai string pada metode native yang dipilih ini., Durasi dalam detik direpresentasikan sebagai string pada metode native yang dipilih ini. |
Alias metode: /v1/videos/generations
Siklus hidup: 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}
Tarif yang ditampilkan memperkirakan biaya sebelum pembuatan. Biaya akhir dihitung dari biaya yang tercatat untuk proses pembuatan awal. Durasi keluaran yang terukur dan kuantitas perkiraan bukanlah kuantitas akhir yang ditagihkan.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Jumlah perkiraan | Jumlah penagihan | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Jumlah perkiraan— | Jumlah penagihan— | Biaya Masukan · Token masukan · Perkiraan hanya untuk perbandingan — / 1K token Keluaran · Token keluaran · Perkiraan hanya untuk perbandingan — / 1K token Masukan · Pembacaan cache · Perkiraan hanya untuk perbandingan — / 1K token Masukan · Penulisan cache · Perkiraan hanya untuk perbandingan — / 1K token Masukan · Penulisan cache, 1 jam · Perkiraan hanya untuk perbandingan — / 1K token |
| KonfigurasiPer permintaan | Jadwal tarif— | Jumlah perkiraan— | Jumlah penagihansatu permintaan | Biaya Masukan · Perkiraan hanya untuk perbandingan $0.3 per permintaan |
| KonfigurasiPerkiraan biaya pembuatan | Jadwal tarif— | Jumlah perkiraanestimasi satu kali pembuatan | Jumlah penagihan— | Biaya Keluaran · Perkiraan biaya pembuatan · Perkiraan hanya untuk perbandingan $0.3 estimasi sebelum pembuatan Perkiraan ini bukan biaya tambahan maupun tarif tetap untuk proses pembuatan yang telah selesai. |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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}Simpan setiap video yang selesai atau berkas yang dikembalikan; ambil setiap URL aset yang benar-benar dikembalikan.
Simpan respons dan header secara utuh, pengenal asli, setiap keluaran aktual, dan semua bidang penggunaan/akuntansi. Simpan setiap aset unik milik Ailoot dan pertahankan setiap peran yang menunjuk kepadanya.
Simpan id tugas atau operasi publik yang dikembalikan beserta semua header. Baca hanya tugas awal; unknown atau result_pending_check tidak mengizinkan pembuatan lain.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolompolling_url | Jenisstring |
Kolomprovider_task_id | Jenisstring |
Kolomid | Jenisstring |
Kolomtask_status | Jenisstring |
Kolomvideo_result[].url | Jenisstring |
Ailoot Ultra cogvideox-3
/v1/videos/generations