CogVideoX 2 è il modello di generazione video di Zhipu AI per una descrizione scritta della scena o un’immagine fornita. Il testo stabilisce il soggetto, l’ambientazione e l’azione; un’immagine può fornire la base visiva della sequenza generata. Usate l’input che rappresenta meglio i materiali già disponibili per l’inquadratura, poi descrivete il movimento visibile che il video finito deve contenere.
Per la creazione a partire dal testo, definite un evento coerente. Una persona che apre la porta di un laboratorio, una piccola barca che passa accanto a un molo o un oggetto che ruota sotto una luce stabile danno ciascuno all’inquadratura uno scopo leggibile. Indicate le caratteristiche importanti del soggetto, il punto di vista e la direzione del movimento. Scegliete una conclusione utilizzabile nel montaggio previsto, anziché lasciare indefinita la composizione finale della scena.
Per la creazione a partire da un’immagine, preparate una vista chiara del soggetto e descrivete come la scena debba muoversi da quel punto di partenza. Il produttore accetta riferimenti PNG, JPEG e JPG fino a 5 MB, forniti tramite URL dell’immagine o dati immagine codificati. Mantenete visibili nel riferimento i bordi importanti, i tratti del viso e i dettagli dell’oggetto e lasciate nella composizione spazio per l’azione richiesta.
Il produttore limita il prompt scritto a 512 caratteri. Usate questo spazio per i dettagli decisivi: soggetto, azione, ambientazione e punto di vista. Una breve descrizione che spiega quale oggetto si muove e che cosa resta fermo è più facile da valutare di un elenco di aggettivi stilistici generici. Se il risultato manca l’obiettivo, rivedete l’istruzione collegata al problema osservato di movimento o inquadratura.
Le dimensioni di output pubblicate comprendono formati quadrati, orizzontali e verticali, con scelte che vanno da 720×480 a 3840×2160 pixel. Il produttore documenta anche 30 o 60 fotogrammi al secondo. Selezionate il formato e la frequenza dei fotogrammi per la destinazione prima della generazione, poi esaminate il filmato effettivo per verificare se il soggetto e i dettagli importanti rimangano leggibili in quell’inquadratura.
Qualità e velocità sono modalità di output nominate nel processo del produttore. Gli effetti sonori facoltativi generati dall’IA sono controllati separatamente dalla descrizione visiva. Conservate la modalità selezionata e l’impostazione degli effetti sonori insieme al prompt e all’eventuale immagine di riferimento, affinché i diversi filmati candidati possano essere confrontati usando le loro impostazioni di generazione effettive.
La generazione è asincrona: viene restituito un identificatore dell’attività prima che il video finito sia disponibile. Conservatelo durante la verifica dei risultati e mantenete tutti i file video completati associati all’operazione. Salvate il filmato stesso per il montaggio, insieme all’immagine sorgente quando usata, anziché dipendere da una posizione temporanea del risultato o da un fotogramma di anteprima.
Esaminate l’intera sequenza per verificarne continuità, tempi e azione richiesta. Un’inquadratura di prodotto richiede forma e dettagli dei materiali stabili durante il movimento; un’inquadratura di un personaggio richiede aspetto e gesti coerenti. Verificate la composizione finale e gli eventuali suoni generati rispetto allo scopo dell’inquadratura. Conservate gli elementi riusciti della scena quando correggete una discrepanza concreta e usate le stesse condizioni di visione per confrontare il video originale e quello rivisto.
", "aboutText": "CogVideoX 2 è il modello di generazione video di Zhipu AI per una descrizione scritta della scena o un’immagine fornita. Il testo stabilisce il soggetto, l’ambientazione e l’azione; un’immagine può fornire la base visiva della sequenza generata. Usate l’input che rappresenta meglio i materiali già disponibili per l’inquadratura, poi descrivete il movimento visibile che il video finito deve contenere.\n\nPer la creazione a partire dal testo, definite un evento coerente. Una persona che apre la porta di un laboratorio, una piccola barca che passa accanto a un molo o un oggetto che ruota sotto una luce stabile danno ciascuno all’inquadratura uno scopo leggibile. Indicate le caratteristiche importanti del soggetto, il punto di vista e la direzione del movimento. Scegliete una conclusione utilizzabile nel montaggio previsto, anziché lasciare indefinita la composizione finale della scena.\n\nPer la creazione a partire da un’immagine, preparate una vista chiara del soggetto e descrivete come la scena debba muoversi da quel punto di partenza. Il produttore accetta riferimenti PNG, JPEG e JPG fino a 5 MB, forniti tramite URL dell’immagine o dati immagine codificati. Mantenete visibili nel riferimento i bordi importanti, i tratti del viso e i dettagli dell’oggetto e lasciate nella composizione spazio per l’azione richiesta.\n\nIl produttore limita il prompt scritto a 512 caratteri. Usate questo spazio per i dettagli decisivi: soggetto, azione, ambientazione e punto di vista. Una breve descrizione che spiega quale oggetto si muove e che cosa resta fermo è più facile da valutare di un elenco di aggettivi stilistici generici. Se il risultato manca l’obiettivo, rivedete l’istruzione collegata al problema osservato di movimento o inquadratura.\n\nLe dimensioni di output pubblicate comprendono formati quadrati, orizzontali e verticali, con scelte che vanno da 720×480 a 3840×2160 pixel. Il produttore documenta anche 30 o 60 fotogrammi al secondo. Selezionate il formato e la frequenza dei fotogrammi per la destinazione prima della generazione, poi esaminate il filmato effettivo per verificare se il soggetto e i dettagli importanti rimangano leggibili in quell’inquadratura.\n\nQualità e velocità sono modalità di output nominate nel processo del produttore. Gli effetti sonori facoltativi generati dall’IA sono controllati separatamente dalla descrizione visiva. Conservate la modalità selezionata e l’impostazione degli effetti sonori insieme al prompt e all’eventuale immagine di riferimento, affinché i diversi filmati candidati possano essere confrontati usando le loro impostazioni di generazione effettive.\n\nLa generazione è asincrona: viene restituito un identificatore dell’attività prima che il video finito sia disponibile. Conservatelo durante la verifica dei risultati e mantenete tutti i file video completati associati all’operazione. Salvate il filmato stesso per il montaggio, insieme all’immagine sorgente quando usata, anziché dipendere da una posizione temporanea del risultato o da un fotogramma di anteprima.\n\nEsaminate l’intera sequenza per verificarne continuità, tempi e azione richiesta. Un’inquadratura di prodotto richiede forma e dettagli dei materiali stabili durante il movimento; un’inquadratura di un personaggio richiede aspetto e gesti coerenti. Verificate la composizione finale e gli eventuali suoni generati rispetto allo scopo dell’inquadratura. Conservate gli elementi riusciti della scena quando correggete una discrepanza concreta e usate le stesse condizioni di visione per confrontare il video originale e quello rivisto.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a41cb0b3ac39666542bf35a9f05a92f27cedb6465fb5381afaea4c91cb383b90", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "cogvideox-2CogVideoX 2 genera video da una descrizione testuale o da un’immagine fornita. Il produttore documenta dimensioni dei fotogrammi selezionabili, 30 o 60 fps, modalità qualità o velocità ed effetti sonori generati facoltativi per dare forma a una breve scena visiva.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
CogVideoX 2 è il modello di generazione video di Zhipu AI per una descrizione scritta della scena o un’immagine fornita. Il testo stabilisce il soggetto, l’ambientazione e l’azione; un’immagine può fornire la base visiva della sequenza generata. Usate l’input che rappresenta meglio i materiali già disponibili per l’inquadratura, poi descrivete il movimento visibile che il video finito deve contenere.
Per la creazione a partire dal testo, definite un evento coerente. Una persona che apre la porta di un laboratorio, una piccola barca che passa accanto a un molo o un oggetto che ruota sotto una luce stabile danno ciascuno all’inquadratura uno scopo leggibile. Indicate le caratteristiche importanti del soggetto, il punto di vista e la direzione del movimento. Scegliete una conclusione utilizzabile nel montaggio previsto, anziché lasciare indefinita la composizione finale della scena.
Per la creazione a partire da un’immagine, preparate una vista chiara del soggetto e descrivete come la scena debba muoversi da quel punto di partenza. Il produttore accetta riferimenti PNG, JPEG e JPG fino a 5 MB, forniti tramite URL dell’immagine o dati immagine codificati. Mantenete visibili nel riferimento i bordi importanti, i tratti del viso e i dettagli dell’oggetto e lasciate nella composizione spazio per l’azione richiesta.
Il produttore limita il prompt scritto a 512 caratteri. Usate questo spazio per i dettagli decisivi: soggetto, azione, ambientazione e punto di vista. Una breve descrizione che spiega quale oggetto si muove e che cosa resta fermo è più facile da valutare di un elenco di aggettivi stilistici generici. Se il risultato manca l’obiettivo, rivedete l’istruzione collegata al problema osservato di movimento o inquadratura.
Le dimensioni di output pubblicate comprendono formati quadrati, orizzontali e verticali, con scelte che vanno da 720×480 a 3840×2160 pixel. Il produttore documenta anche 30 o 60 fotogrammi al secondo. Selezionate il formato e la frequenza dei fotogrammi per la destinazione prima della generazione, poi esaminate il filmato effettivo per verificare se il soggetto e i dettagli importanti rimangano leggibili in quell’inquadratura.
Qualità e velocità sono modalità di output nominate nel processo del produttore. Gli effetti sonori facoltativi generati dall’IA sono controllati separatamente dalla descrizione visiva. Conservate la modalità selezionata e l’impostazione degli effetti sonori insieme al prompt e all’eventuale immagine di riferimento, affinché i diversi filmati candidati possano essere confrontati usando le loro impostazioni di generazione effettive.
La generazione è asincrona: viene restituito un identificatore dell’attività prima che il video finito sia disponibile. Conservatelo durante la verifica dei risultati e mantenete tutti i file video completati associati all’operazione. Salvate il filmato stesso per il montaggio, insieme all’immagine sorgente quando usata, anziché dipendere da una posizione temporanea del risultato o da un fotogramma di anteprima.
Esaminate l’intera sequenza per verificarne continuità, tempi e azione richiesta. Un’inquadratura di prodotto richiede forma e dettagli dei materiali stabili durante il movimento; un’inquadratura di un personaggio richiede aspetto e gesti coerenti. Verificate la composizione finale e gli eventuali suoni generati rispetto allo scopo dell’inquadratura. Conservate gli elementi riusciti della scena quando correggete una discrepanza concreta e usate le stesse condizioni di visione per confrontare il video originale e quello rivisto.
POST /v1/videostextvideo| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti cogvideox-2 Condizioni: Usa il selettore esatto del modello Ailoot. | Predefinito— |
Campoprompt | Tipostring | RequisitoObbligatorio | Valori e limiti Condizioni: Descrivi la scena e il movimento. | Predefinito— |
Campoquality | Tipoboolean | RequisitoFacoltativo | Valori e limiti Condizioni: Opzione di qualità facoltativa; questo schema selezionato non fornisce un'enumerazione compatibile o un valore predefinito. | Predefinito— |
Campowith_audio | Tipoboolean | RequisitoFacoltativo | Valori e limiti Condizioni: Genera effetti sonori con l'IA quando l'opzione è attiva. | Predefinitofalse |
Camposize | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: Fornisci la stringa di dimensione documentata quando selezioni dimensioni esplicite. | Predefinito— |
Campofps | Tipostring | RequisitoFacoltativo | Valori e limiti 30, 60 Condizioni: In questo metodo nativo selezionato, la frequenza dei fotogrammi è rappresentata come stringa. | Predefinito30 |
Campoduration | Tipostring | RequisitoFacoltativo | Valori e limiti 5, 10 Condizioni: In questo metodo nativo selezionato, la durata in secondi è rappresentata come stringa. | Predefinito5 |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, prompt |
Parametrooptional | Contrattoquality, with_audio, size, fps, duration |
Parametromaterial_types | Contrattotext |
Parametroconditions | ContrattoUsa il selettore esatto del modello Ailoot., Descrivi la scena e il movimento., Opzione di qualità facoltativa; questo schema selezionato non fornisce un'enumerazione compatibile o un valore predefinito., Genera effetti sonori con l'IA quando l'opzione è attiva., Fornisci la stringa di dimensione documentata quando selezioni dimensioni esplicite., In questo metodo nativo selezionato, la frequenza dei fotogrammi è rappresentata come stringa., In questo metodo nativo selezionato, la durata in secondi è rappresentata come stringa. |
Alias del metodo: /v1/videos/generations
Ciclo di vita: 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}
Le tariffe visualizzate stimano il costo prima della generazione. L'addebito finale viene calcolato in base al costo registrato per la generazione originale. La durata misurata dell'output e le quantità previste non costituiscono la quantità finale fatturabile.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Quantità prevista | Quantità fatturata | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Quantità prevista— | Quantità fatturata— | Costo Input · Token in input · Stima solo a fini di confronto — / 1K token Output · Token in output · Stima solo a fini di confronto — / 1K token Input · Lettura dalla cache · Stima solo a fini di confronto — / 1K token Input · Scrittura nella cache · Stima solo a fini di confronto — / 1K token Input · Scrittura nella cache, 1 ora · Stima solo a fini di confronto — / 1K token |
| ConfigurazionePer richiesta | Listino delle tariffe— | Quantità prevista— | Quantità fatturatauna richiesta | Costo Input · Stima solo a fini di confronto $0.2 per richiesta |
| ConfigurazioneCosto stimato della generazione | Listino delle tariffe— | Quantità previstastima per una generazione | Quantità fatturata— | Costo Output · Costo di generazione stimato · Stima solo a fini di confronto $0.2 stima prima della generazione Questa stima non è un addebito aggiuntivo né una tariffa fissa per la generazione completata. |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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}Salva ogni video completato o file restituito; recupera ogni URL di risorsa effettivamente restituito.
Conserva la risposta completa e le intestazioni, gli identificatori originali, ogni risultato effettivo e tutti i campi di utilizzo e contabilizzazione. Salva ogni risorsa univoca di tua proprietà e conserva ogni ruolo che vi fa riferimento.
Conserva l'id pubblico dell'attività o dell'operazione restituito e tutte le intestazioni. Consulta solo l'attività originale; unknown o result_pending_check non autorizza un'altra creazione.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campopolling_url | Tipostring |
Campoprovider_task_id | Tipostring |
Campoid | Tipostring |
Campotask_status | Tipostring |
Campovideo_result[].url | Tipostring |
Ailoot Ultra cogvideox-2
/v1/videos/generations