CogVideoX 3 è il modello video di Zhipu AI con generazione documentata da testo a video, da immagine a video e da fotogrammi iniziale e finale. Il produttore evidenzia la stabilità dei fotogrammi, il rispetto delle istruzioni e stili visivi realistici o tridimensionali. Scegliete il testo quando la scena nasce come descrizione scritta, un’immagine quando la base visiva esiste già o due immagini degli estremi quando la sequenza richiede una vista iniziale e finale definite.
Per una descrizione testuale, indicate il soggetto e un’azione leggibile. Precisate l’ambientazione, il punto di vista e le relazioni fisiche importanti, affinché la scena possa essere valutata rispetto a un’intenzione chiara. Un personaggio che raccoglie un oggetto richiede una sequenza diversa da una camera che rivela quell’oggetto. Descrivete entrambi soltanto quando la loro relazione conta per l’inquadratura.
Per una sequenza basata su immagini, preparate il riferimento in modo che le caratteristiche distintive del soggetto siano visibili. Il produttore accetta immagini PNG, JPEG e JPG non superiori a 5 MB, fornite tramite URL o dati immagine codificati. Conservate il riferimento effettivo insieme al risultato generato, affinché aspetto e inquadratura possano essere confrontati con la fonte, anziché con una versione ricordata.
La modalità del produttore basata sui fotogrammi degli estremi accetta due immagini in ordine: la prima stabilisce il fotogramma iniziale e la seconda quello finale. Preparatele come i due stati desiderati di un’unica inquadratura. Descrivete la transizione o l’azione che li collega, poi esaminate se il soggetto rimanga coerente tra gli estremi. Una coppia di buone immagini fisse non dimostra da sola che il movimento intermedio sia adatto alla storia desiderata.
Il prompt può contenere fino a 512 caratteri. Usate il testo disponibile per l’azione, la sua direzione e i dettagli visivi che distinguono un risultato riuscito. Mantenete la descrizione concentrata su ciò che deve accadere sullo schermo. Quando le immagini di input stabiliscono già l’aspetto del soggetto, descrivete il movimento e i tempi che devono svilupparsi tra quelle immagini o a partire da esse.
Il produttore documenta output di cinque o dieci secondi, con cinque secondi come valore predefinito, e 30 o 60 fotogrammi al secondo. Le dimensioni supportate comprendono 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 e 3840×2160. Scegliete dimensioni e durata per la destinazione, poi esaminate il filmato completato per l’inquadratura e il ritmo dell’azione effettiva.
Le modalità qualità e velocità sono documentate separatamente dall’impostazione facoltativa degli effetti sonori dell’IA. Conservate queste scelte insieme al prompt, alle immagini e al risultato. Le capacità visive e di input del produttore descrivono il modello; i controlli disponibili per un particolare metodo di generazione sono forniti dalle specifiche di quel metodo. Preservate le impostazioni effettivamente usate quando confrontate inquadrature candidate.
Conservate l’identificatore dell’attività originale fino al completamento del video e salvate il filmato restituito per il montaggio. Esaminate l’intera sequenza, includendo l’aspetto del soggetto durante grandi movimenti, le interazioni con gli oggetti della scena e la composizione finale. Per il lavoro basato sui fotogrammi degli estremi, esaminate entrambi gli estremi e la transizione tra loro. Rivedete la discrepanza visiva specifica conservando i riferimenti riusciti e il piano dell’inquadratura e confrontate i video completati, anziché soltanto le immagini di anteprima.
", "aboutText": "CogVideoX 3 è il modello video di Zhipu AI con generazione documentata da testo a video, da immagine a video e da fotogrammi iniziale e finale. Il produttore evidenzia la stabilità dei fotogrammi, il rispetto delle istruzioni e stili visivi realistici o tridimensionali. Scegliete il testo quando la scena nasce come descrizione scritta, un’immagine quando la base visiva esiste già o due immagini degli estremi quando la sequenza richiede una vista iniziale e finale definite.\n\nPer una descrizione testuale, indicate il soggetto e un’azione leggibile. Precisate l’ambientazione, il punto di vista e le relazioni fisiche importanti, affinché la scena possa essere valutata rispetto a un’intenzione chiara. Un personaggio che raccoglie un oggetto richiede una sequenza diversa da una camera che rivela quell’oggetto. Descrivete entrambi soltanto quando la loro relazione conta per l’inquadratura.\n\nPer una sequenza basata su immagini, preparate il riferimento in modo che le caratteristiche distintive del soggetto siano visibili. Il produttore accetta immagini PNG, JPEG e JPG non superiori a 5 MB, fornite tramite URL o dati immagine codificati. Conservate il riferimento effettivo insieme al risultato generato, affinché aspetto e inquadratura possano essere confrontati con la fonte, anziché con una versione ricordata.\n\nLa modalità del produttore basata sui fotogrammi degli estremi accetta due immagini in ordine: la prima stabilisce il fotogramma iniziale e la seconda quello finale. Preparatele come i due stati desiderati di un’unica inquadratura. Descrivete la transizione o l’azione che li collega, poi esaminate se il soggetto rimanga coerente tra gli estremi. Una coppia di buone immagini fisse non dimostra da sola che il movimento intermedio sia adatto alla storia desiderata.\n\nIl prompt può contenere fino a 512 caratteri. Usate il testo disponibile per l’azione, la sua direzione e i dettagli visivi che distinguono un risultato riuscito. Mantenete la descrizione concentrata su ciò che deve accadere sullo schermo. Quando le immagini di input stabiliscono già l’aspetto del soggetto, descrivete il movimento e i tempi che devono svilupparsi tra quelle immagini o a partire da esse.\n\nIl produttore documenta output di cinque o dieci secondi, con cinque secondi come valore predefinito, e 30 o 60 fotogrammi al secondo. Le dimensioni supportate comprendono 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 e 3840×2160. Scegliete dimensioni e durata per la destinazione, poi esaminate il filmato completato per l’inquadratura e il ritmo dell’azione effettiva.\n\nLe modalità qualità e velocità sono documentate separatamente dall’impostazione facoltativa degli effetti sonori dell’IA. Conservate queste scelte insieme al prompt, alle immagini e al risultato. Le capacità visive e di input del produttore descrivono il modello; i controlli disponibili per un particolare metodo di generazione sono forniti dalle specifiche di quel metodo. Preservate le impostazioni effettivamente usate quando confrontate inquadrature candidate.\n\nConservate l’identificatore dell’attività originale fino al completamento del video e salvate il filmato restituito per il montaggio. Esaminate l’intera sequenza, includendo l’aspetto del soggetto durante grandi movimenti, le interazioni con gli oggetti della scena e la composizione finale. Per il lavoro basato sui fotogrammi degli estremi, esaminate entrambi gli estremi e la transizione tra loro. Rivedete la discrepanza visiva specifica conservando i riferimenti riusciti e il piano dell’inquadratura e confrontate i video completati, anziché soltanto le immagini di anteprima.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b23191ca2ae596ba55b63f8c4c7743f1335acbd1cad0c3048a2736e2bedf4032", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "cogvideox-3CogVideoX 3 crea video da testo, da un’immagine o da una coppia di fotogrammi iniziale e finale nel processo documentato dal produttore. Supporta sequenze di cinque o dieci secondi, diverse dimensioni di output fino a 4K, 30 o 60 fps ed effetti sonori generati facoltativi.
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 3 è il modello video di Zhipu AI con generazione documentata da testo a video, da immagine a video e da fotogrammi iniziale e finale. Il produttore evidenzia la stabilità dei fotogrammi, il rispetto delle istruzioni e stili visivi realistici o tridimensionali. Scegliete il testo quando la scena nasce come descrizione scritta, un’immagine quando la base visiva esiste già o due immagini degli estremi quando la sequenza richiede una vista iniziale e finale definite.
Per una descrizione testuale, indicate il soggetto e un’azione leggibile. Precisate l’ambientazione, il punto di vista e le relazioni fisiche importanti, affinché la scena possa essere valutata rispetto a un’intenzione chiara. Un personaggio che raccoglie un oggetto richiede una sequenza diversa da una camera che rivela quell’oggetto. Descrivete entrambi soltanto quando la loro relazione conta per l’inquadratura.
Per una sequenza basata su immagini, preparate il riferimento in modo che le caratteristiche distintive del soggetto siano visibili. Il produttore accetta immagini PNG, JPEG e JPG non superiori a 5 MB, fornite tramite URL o dati immagine codificati. Conservate il riferimento effettivo insieme al risultato generato, affinché aspetto e inquadratura possano essere confrontati con la fonte, anziché con una versione ricordata.
La modalità del produttore basata sui fotogrammi degli estremi accetta due immagini in ordine: la prima stabilisce il fotogramma iniziale e la seconda quello finale. Preparatele come i due stati desiderati di un’unica inquadratura. Descrivete la transizione o l’azione che li collega, poi esaminate se il soggetto rimanga coerente tra gli estremi. Una coppia di buone immagini fisse non dimostra da sola che il movimento intermedio sia adatto alla storia desiderata.
Il prompt può contenere fino a 512 caratteri. Usate il testo disponibile per l’azione, la sua direzione e i dettagli visivi che distinguono un risultato riuscito. Mantenete la descrizione concentrata su ciò che deve accadere sullo schermo. Quando le immagini di input stabiliscono già l’aspetto del soggetto, descrivete il movimento e i tempi che devono svilupparsi tra quelle immagini o a partire da esse.
Il produttore documenta output di cinque o dieci secondi, con cinque secondi come valore predefinito, e 30 o 60 fotogrammi al secondo. Le dimensioni supportate comprendono 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 e 3840×2160. Scegliete dimensioni e durata per la destinazione, poi esaminate il filmato completato per l’inquadratura e il ritmo dell’azione effettiva.
Le modalità qualità e velocità sono documentate separatamente dall’impostazione facoltativa degli effetti sonori dell’IA. Conservate queste scelte insieme al prompt, alle immagini e al risultato. Le capacità visive e di input del produttore descrivono il modello; i controlli disponibili per un particolare metodo di generazione sono forniti dalle specifiche di quel metodo. Preservate le impostazioni effettivamente usate quando confrontate inquadrature candidate.
Conservate l’identificatore dell’attività originale fino al completamento del video e salvate il filmato restituito per il montaggio. Esaminate l’intera sequenza, includendo l’aspetto del soggetto durante grandi movimenti, le interazioni con gli oggetti della scena e la composizione finale. Per il lavoro basato sui fotogrammi degli estremi, esaminate entrambi gli estremi e la transizione tra loro. Rivedete la discrepanza visiva specifica conservando i riferimenti riusciti e il piano dell’inquadratura e confrontate i video completati, anziché soltanto le immagini di anteprima.
POST /v1/videostextvideo| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti cogvideox-3 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 $0.3 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 $0.3 stima prima della generazione Questa stima non è un addebito aggiuntivo né una tariffa fissa per la generazione completata. |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncat > request.json <<'JSON'\n{\n "model": "cogvideox-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}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-3
/v1/videos/generations