CogVideoX 2 er Zhipu AIs videogenereringsmodell for en skriftlig scenebeskrivelse eller et oppgitt bilde. Teksten etablerer motiv, miljø og handling; et bilde kan gi det visuelle grunnlaget for den genererte sekvensen. Bruk inndataene som best representerer materialet som allerede finnes for opptaket, og beskriv deretter den synlige bevegelsen den ferdige videoen skal inneholde.
For tekststyrt skaping defineres én sammenhengende hendelse. En person som åpner en verksteddør, en liten båt som passerer en brygge, eller et objekt som dreier i jevnt lys, gir alle opptaket et lesbart formål. Oppgi viktige motivtrekk, synsvinkel og bevegelsesretning. Velg en avslutning som kan brukes i den planlagte redigeringen, fremfor å la scenens sluttkomposisjon være uspesifisert.
For bildebasert skaping klargjøres en tydelig visning av motivet og en beskrivelse av hvordan scenen skal bevege seg videre fra den. Produsenten godtar PNG-, JPEG- og JPG-referanser på opptil 5 MB, oppgitt som bilde-URL eller kodede bildedata. Hold viktige kanter, ansiktstrekk og objektdetaljer synlige i referansen, og la komposisjonen ha plass til den ønskede handlingen.
Produsenten begrenser den skriftlige prompten til 512 tegn. Bruk plassen til avgjørende detaljer: motiv, handling, miljø og synsvinkel. En kort beskrivelse som forklarer hvilket objekt som beveger seg og hva som forblir stille, er lettere å vurdere enn en liste med generelle stiladjektiver. Hvis resultatet ikke når målet, revider instruksjonen knyttet til det observerte bevegelses- eller utsnittproblemet.
De publiserte utdatastørrelsene omfatter kvadratiske, liggende og stående formater, med valg fra 720×480 til 3840×2160 piksler. Produsenten dokumenterer også 30 eller 60 bilder per sekund. Velg form og bildefrekvens for bruksstedet før generering, og undersøk deretter selve klippet for å se om motivet og viktige detaljer fortsatt er tydelige i dette utsnittet.
Kvalitet og hastighet er navngitte utdatamoduser i produsentens prosess. Valgfrie KI-genererte lydeffekter styres separat fra den visuelle beskrivelsen. Behold valgt modus og lydeffektinnstilling sammen med prompten og eventuelt referansebilde, slik at ulike kandidatklipp kan sammenlignes ved hjelp av de faktiske genereringsinnstillingene.
Generering er asynkron: en oppgaveidentitet returneres før den ferdige videoen er tilgjengelig. Behold identiteten gjennom resultatkontrollen og alle ferdige videofiler knyttet til operasjonen. Lagre selve klippet for redigering, sammen med kildebildet når det brukes, fremfor å være avhengig av en midlertidig resultatplassering eller et forhåndsvisningsbilde.
Vurder hele sekvensen for kontinuitet, timing og ønsket handling. Et produktopptak trenger stabil form og materialdetaljer gjennom bevegelsen; et figuropptak trenger et sammenhengende utseende og gester. Kontroller sluttkomposisjonen og eventuell generert lyd mot opptakets formål. Behold vellykkede sceneelementer når et konkret avvik revideres, og bruk de samme visningsforholdene til å sammenligne originalvideoen og den reviderte videoen.
", "aboutText": "CogVideoX 2 er Zhipu AIs videogenereringsmodell for en skriftlig scenebeskrivelse eller et oppgitt bilde. Teksten etablerer motiv, miljø og handling; et bilde kan gi det visuelle grunnlaget for den genererte sekvensen. Bruk inndataene som best representerer materialet som allerede finnes for opptaket, og beskriv deretter den synlige bevegelsen den ferdige videoen skal inneholde.\n\nFor tekststyrt skaping defineres én sammenhengende hendelse. En person som åpner en verksteddør, en liten båt som passerer en brygge, eller et objekt som dreier i jevnt lys, gir alle opptaket et lesbart formål. Oppgi viktige motivtrekk, synsvinkel og bevegelsesretning. Velg en avslutning som kan brukes i den planlagte redigeringen, fremfor å la scenens sluttkomposisjon være uspesifisert.\n\nFor bildebasert skaping klargjøres en tydelig visning av motivet og en beskrivelse av hvordan scenen skal bevege seg videre fra den. Produsenten godtar PNG-, JPEG- og JPG-referanser på opptil 5 MB, oppgitt som bilde-URL eller kodede bildedata. Hold viktige kanter, ansiktstrekk og objektdetaljer synlige i referansen, og la komposisjonen ha plass til den ønskede handlingen.\n\nProdusenten begrenser den skriftlige prompten til 512 tegn. Bruk plassen til avgjørende detaljer: motiv, handling, miljø og synsvinkel. En kort beskrivelse som forklarer hvilket objekt som beveger seg og hva som forblir stille, er lettere å vurdere enn en liste med generelle stiladjektiver. Hvis resultatet ikke når målet, revider instruksjonen knyttet til det observerte bevegelses- eller utsnittproblemet.\n\nDe publiserte utdatastørrelsene omfatter kvadratiske, liggende og stående formater, med valg fra 720×480 til 3840×2160 piksler. Produsenten dokumenterer også 30 eller 60 bilder per sekund. Velg form og bildefrekvens for bruksstedet før generering, og undersøk deretter selve klippet for å se om motivet og viktige detaljer fortsatt er tydelige i dette utsnittet.\n\nKvalitet og hastighet er navngitte utdatamoduser i produsentens prosess. Valgfrie KI-genererte lydeffekter styres separat fra den visuelle beskrivelsen. Behold valgt modus og lydeffektinnstilling sammen med prompten og eventuelt referansebilde, slik at ulike kandidatklipp kan sammenlignes ved hjelp av de faktiske genereringsinnstillingene.\n\nGenerering er asynkron: en oppgaveidentitet returneres før den ferdige videoen er tilgjengelig. Behold identiteten gjennom resultatkontrollen og alle ferdige videofiler knyttet til operasjonen. Lagre selve klippet for redigering, sammen med kildebildet når det brukes, fremfor å være avhengig av en midlertidig resultatplassering eller et forhåndsvisningsbilde.\n\nVurder hele sekvensen for kontinuitet, timing og ønsket handling. Et produktopptak trenger stabil form og materialdetaljer gjennom bevegelsen; et figuropptak trenger et sammenhengende utseende og gester. Kontroller sluttkomposisjonen og eventuell generert lyd mot opptakets formål. Behold vellykkede sceneelementer når et konkret avvik revideres, og bruk de samme visningsforholdene til å sammenligne originalvideoen og den reviderte videoen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9ea93d18d40a942154eea9ea31917b633faefd27db38f391fba183eb640343f6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "cogvideox-2CogVideoX 2 genererer video fra en tekstbeskrivelse eller et oppgitt bilde. Produsenten dokumenterer valgbare bildestørrelser, 30 eller 60 fps, kvalitets- eller hastighetsmoduser og valgfrie genererte lydeffekter for å forme en kort visuell scene.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
CogVideoX 2 er Zhipu AIs videogenereringsmodell for en skriftlig scenebeskrivelse eller et oppgitt bilde. Teksten etablerer motiv, miljø og handling; et bilde kan gi det visuelle grunnlaget for den genererte sekvensen. Bruk inndataene som best representerer materialet som allerede finnes for opptaket, og beskriv deretter den synlige bevegelsen den ferdige videoen skal inneholde.
For tekststyrt skaping defineres én sammenhengende hendelse. En person som åpner en verksteddør, en liten båt som passerer en brygge, eller et objekt som dreier i jevnt lys, gir alle opptaket et lesbart formål. Oppgi viktige motivtrekk, synsvinkel og bevegelsesretning. Velg en avslutning som kan brukes i den planlagte redigeringen, fremfor å la scenens sluttkomposisjon være uspesifisert.
For bildebasert skaping klargjøres en tydelig visning av motivet og en beskrivelse av hvordan scenen skal bevege seg videre fra den. Produsenten godtar PNG-, JPEG- og JPG-referanser på opptil 5 MB, oppgitt som bilde-URL eller kodede bildedata. Hold viktige kanter, ansiktstrekk og objektdetaljer synlige i referansen, og la komposisjonen ha plass til den ønskede handlingen.
Produsenten begrenser den skriftlige prompten til 512 tegn. Bruk plassen til avgjørende detaljer: motiv, handling, miljø og synsvinkel. En kort beskrivelse som forklarer hvilket objekt som beveger seg og hva som forblir stille, er lettere å vurdere enn en liste med generelle stiladjektiver. Hvis resultatet ikke når målet, revider instruksjonen knyttet til det observerte bevegelses- eller utsnittproblemet.
De publiserte utdatastørrelsene omfatter kvadratiske, liggende og stående formater, med valg fra 720×480 til 3840×2160 piksler. Produsenten dokumenterer også 30 eller 60 bilder per sekund. Velg form og bildefrekvens for bruksstedet før generering, og undersøk deretter selve klippet for å se om motivet og viktige detaljer fortsatt er tydelige i dette utsnittet.
Kvalitet og hastighet er navngitte utdatamoduser i produsentens prosess. Valgfrie KI-genererte lydeffekter styres separat fra den visuelle beskrivelsen. Behold valgt modus og lydeffektinnstilling sammen med prompten og eventuelt referansebilde, slik at ulike kandidatklipp kan sammenlignes ved hjelp av de faktiske genereringsinnstillingene.
Generering er asynkron: en oppgaveidentitet returneres før den ferdige videoen er tilgjengelig. Behold identiteten gjennom resultatkontrollen og alle ferdige videofiler knyttet til operasjonen. Lagre selve klippet for redigering, sammen med kildebildet når det brukes, fremfor å være avhengig av en midlertidig resultatplassering eller et forhåndsvisningsbilde.
Vurder hele sekvensen for kontinuitet, timing og ønsket handling. Et produktopptak trenger stabil form og materialdetaljer gjennom bevegelsen; et figuropptak trenger et sammenhengende utseende og gester. Kontroller sluttkomposisjonen og eventuell generert lyd mot opptakets formål. Behold vellykkede sceneelementer når et konkret avvik revideres, og bruk de samme visningsforholdene til å sammenligne originalvideoen og den reviderte videoen.
POST /v1/videostextvideo| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser cogvideox-2 Vilkår: Bruk den eksakte modellvelgeren for Ailoot. | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser Vilkår: Beskriv scenen og bevegelsen. | Standard— |
Feltquality | Typeboolean | KravValgfritt | Verdier & grenser Vilkår: Valgfritt kvalitetsflagg; dette valgte skjemaet oppgir ingen kompatibel enum eller standardverdi. | Standard— |
Feltwith_audio | Typeboolean | KravValgfritt | Verdier & grenser Vilkår: Generer KI-lydeffekter når funksjonen er aktivert. | Standardfalse |
Feltsize | Typestring | KravValgfritt | Verdier & grenser Vilkår: Oppgi den dokumenterte størrelsesstrengen når du velger eksplisitte mål. | Standard— |
Feltfps | Typestring | KravValgfritt | Verdier & grenser 30, 60 Vilkår: Bildefrekvensen representeres som en streng i denne valgte opprinnelige metoden. | Standard30 |
Feltduration | Typestring | KravValgfritt | Verdier & grenser 5, 10 Vilkår: Varighet i sekunder representeres som en streng i denne valgte opprinnelige metoden. | Standard5 |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, prompt |
Parameteroptional | Avtalequality, with_audio, size, fps, duration |
Parametermaterial_types | Avtaletext |
Parameterconditions | AvtaleBruk den eksakte modellvelgeren for Ailoot., Beskriv scenen og bevegelsen., Valgfritt kvalitetsflagg; dette valgte skjemaet oppgir ingen kompatibel enum eller standardverdi., Generer KI-lydeffekter når funksjonen er aktivert., Oppgi den dokumenterte størrelsesstrengen når du velger eksplisitte mål., Bildefrekvensen representeres som en streng i denne valgte opprinnelige metoden., Varighet i sekunder representeres som en streng i denne valgte opprinnelige metoden. |
Metodealiaser: /v1/videos/generations
Livssyklus: 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}
De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Forventet mengde | Faktureringsmengde | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet mengde— | Faktureringsmengde— | Kostnad Inndata · Inngående tokener · Estimat kun for sammenligning — / 1K tokener Utdata · Utgående tokener · Estimat kun for sammenligning — / 1K tokener Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning — / 1K tokener |
| KonfigurasjonPer forespørsel | Prisplan— | Forventet mengde— | Faktureringsmengdeén forespørsel | Kostnad Inndata · Estimat kun for sammenligning $0.2 per forespørsel |
| KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Faktureringsmengde— | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning $0.2 estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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}Lagre hver ferdige video eller returnerte fil; hent hver faktisk returnerte ressurs-URL.
Behold hele svaret og alle svarhoder, opprinnelige identifikatorer, alle faktiske utdata og alle felt for forbruk og avregning. Lagre hver unike ressurs du eier, og behold alle roller som viser til den.
Behold den returnerte offentlige oppgave- eller operasjons-ID-en og alle svarhoder. Les bare den opprinnelige oppgaven; unknown eller result_pending_check gir ikke tillatelse til en ny opprettelse.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltpolling_url | Typestring |
Feltprovider_task_id | Typestring |
Feltid | Typestring |
Felttask_status | Typestring |
Feltvideo_result[].url | Typestring |
Ailoot Ultra cogvideox-2
/v1/videos/generations