CogVideoX 3 er Zhipu AIs videomodell med dokumentert tekst-til-video-, bilde-til-video- og første-og-siste-bilde-generering. Produsenten fremhever bildestabilitet, instruksjonsfølging og realistiske eller tredimensjonale visuelle stiler. Velg tekst når scenen begynner som en skriftlig beskrivelse, ett bilde når det visuelle grunnlaget allerede finnes, eller to endepunktbilder når sekvensen trenger en definert åpnings- og sluttvisning.
For en tekstbeskrivelse oppgis motivet og én lesbar handling. Beskriv miljø, synsvinkel og viktige fysiske forhold, slik at scenen kan vurderes mot en tydelig hensikt. En figur som plukker opp et objekt, trenger en annen sekvens enn et kamera som avdekker objektet. Beskriv begge bare når forholdet mellom dem er viktig for opptaket.
For en bildebasert sekvens klargjøres referansen slik at motivets særtrekk er synlige. Produsenten godtar PNG-, JPEG- og JPG-bilder på høyst 5 MB, oppgitt som URL eller kodede bildedata. Behold selve referansen sammen med det genererte resultatet, slik at utseende og utsnitt kan sammenlignes med kilden fremfor en husket versjon av den.
Produsentens endepunktbildemodus godtar to bilder i rekkefølge: det første etablerer åpningsbildet og det andre sluttbildet. Klargjør dem som de to tiltenkte tilstandene i ett opptak. Beskriv overgangen eller handlingen som forbinder dem, og vurder deretter om motivet forblir sammenhengende mellom endepunktene. Et par gode stillbilder viser ikke i seg selv at bevegelsen imellom passer den ønskede historien.
Prompten kan inneholde opptil 512 tegn. Bruk teksten til handlingen, retningen og de visuelle detaljene som kjennetegner et vellykket resultat. Hold beskrivelsen rettet mot det som skal skje på skjermen. Når inndatabildene allerede etablerer motivets utseende, beskriv bevegelsen og timingen som skal utvikle seg mellom eller fra bildene.
Produsenten dokumenterer utdata på fem eller ti sekunder, med fem sekunder som standard, og 30 eller 60 bilder per sekund. Støttede størrelser omfatter 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 og 3840×2160. Velg størrelse og timing for bruksstedet, og undersøk deretter det ferdige klippet for utsnitt og tempoet i den faktiske handlingen.
Kvalitets- og hastighetsmoduser dokumenteres separat fra den valgfrie KI-lydeffektinnstillingen. Behold disse valgene sammen med prompt, bilder og resultat. Produsentens visuelle egenskaper og inndataegenskaper beskriver modellen; tilgjengelige kontroller for en bestemt genereringsmetode angis av kontrakten for den metoden. Behold innstillingene som faktisk ble brukt, når kandidatopptak sammenlignes.
Behold den opprinnelige oppgaveidentiteten til videoen er ferdig, og lagre det returnerte materialet for redigering. Vurder hele sekvensen, inkludert motivets utseende under store bevegelser, samspill med sceneobjekter og sluttkomposisjonen. For arbeid med endepunktbilder undersøkes begge endepunktene og overgangen mellom dem. Revider det konkrete visuelle avviket, behold vellykkede referanser og opptaksplanen, og sammenlign ferdige videoer fremfor bare forhåndsvisningsbildene.
", "aboutText": "CogVideoX 3 er Zhipu AIs videomodell med dokumentert tekst-til-video-, bilde-til-video- og første-og-siste-bilde-generering. Produsenten fremhever bildestabilitet, instruksjonsfølging og realistiske eller tredimensjonale visuelle stiler. Velg tekst når scenen begynner som en skriftlig beskrivelse, ett bilde når det visuelle grunnlaget allerede finnes, eller to endepunktbilder når sekvensen trenger en definert åpnings- og sluttvisning.\n\nFor en tekstbeskrivelse oppgis motivet og én lesbar handling. Beskriv miljø, synsvinkel og viktige fysiske forhold, slik at scenen kan vurderes mot en tydelig hensikt. En figur som plukker opp et objekt, trenger en annen sekvens enn et kamera som avdekker objektet. Beskriv begge bare når forholdet mellom dem er viktig for opptaket.\n\nFor en bildebasert sekvens klargjøres referansen slik at motivets særtrekk er synlige. Produsenten godtar PNG-, JPEG- og JPG-bilder på høyst 5 MB, oppgitt som URL eller kodede bildedata. Behold selve referansen sammen med det genererte resultatet, slik at utseende og utsnitt kan sammenlignes med kilden fremfor en husket versjon av den.\n\nProdusentens endepunktbildemodus godtar to bilder i rekkefølge: det første etablerer åpningsbildet og det andre sluttbildet. Klargjør dem som de to tiltenkte tilstandene i ett opptak. Beskriv overgangen eller handlingen som forbinder dem, og vurder deretter om motivet forblir sammenhengende mellom endepunktene. Et par gode stillbilder viser ikke i seg selv at bevegelsen imellom passer den ønskede historien.\n\nPrompten kan inneholde opptil 512 tegn. Bruk teksten til handlingen, retningen og de visuelle detaljene som kjennetegner et vellykket resultat. Hold beskrivelsen rettet mot det som skal skje på skjermen. Når inndatabildene allerede etablerer motivets utseende, beskriv bevegelsen og timingen som skal utvikle seg mellom eller fra bildene.\n\nProdusenten dokumenterer utdata på fem eller ti sekunder, med fem sekunder som standard, og 30 eller 60 bilder per sekund. Støttede størrelser omfatter 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 og 3840×2160. Velg størrelse og timing for bruksstedet, og undersøk deretter det ferdige klippet for utsnitt og tempoet i den faktiske handlingen.\n\nKvalitets- og hastighetsmoduser dokumenteres separat fra den valgfrie KI-lydeffektinnstillingen. Behold disse valgene sammen med prompt, bilder og resultat. Produsentens visuelle egenskaper og inndataegenskaper beskriver modellen; tilgjengelige kontroller for en bestemt genereringsmetode angis av kontrakten for den metoden. Behold innstillingene som faktisk ble brukt, når kandidatopptak sammenlignes.\n\nBehold den opprinnelige oppgaveidentiteten til videoen er ferdig, og lagre det returnerte materialet for redigering. Vurder hele sekvensen, inkludert motivets utseende under store bevegelser, samspill med sceneobjekter og sluttkomposisjonen. For arbeid med endepunktbilder undersøkes begge endepunktene og overgangen mellom dem. Revider det konkrete visuelle avviket, behold vellykkede referanser og opptaksplanen, og sammenlign ferdige videoer fremfor bare forhåndsvisningsbildene.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "946b3a37ae9ad8404e01790ec79d3c8a547a5be89108993d9e975fdd178f95d3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "cogvideox-3CogVideoX 3 lager video fra tekst, et bilde eller et par med første og siste bilde i produsentens dokumenterte prosess. Den støtter sekvenser på fem eller ti sekunder, flere utdatastørrelser opptil 4K, 30 eller 60 fps og valgfrie genererte lydeffekter.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
CogVideoX 3 er Zhipu AIs videomodell med dokumentert tekst-til-video-, bilde-til-video- og første-og-siste-bilde-generering. Produsenten fremhever bildestabilitet, instruksjonsfølging og realistiske eller tredimensjonale visuelle stiler. Velg tekst når scenen begynner som en skriftlig beskrivelse, ett bilde når det visuelle grunnlaget allerede finnes, eller to endepunktbilder når sekvensen trenger en definert åpnings- og sluttvisning.
For en tekstbeskrivelse oppgis motivet og én lesbar handling. Beskriv miljø, synsvinkel og viktige fysiske forhold, slik at scenen kan vurderes mot en tydelig hensikt. En figur som plukker opp et objekt, trenger en annen sekvens enn et kamera som avdekker objektet. Beskriv begge bare når forholdet mellom dem er viktig for opptaket.
For en bildebasert sekvens klargjøres referansen slik at motivets særtrekk er synlige. Produsenten godtar PNG-, JPEG- og JPG-bilder på høyst 5 MB, oppgitt som URL eller kodede bildedata. Behold selve referansen sammen med det genererte resultatet, slik at utseende og utsnitt kan sammenlignes med kilden fremfor en husket versjon av den.
Produsentens endepunktbildemodus godtar to bilder i rekkefølge: det første etablerer åpningsbildet og det andre sluttbildet. Klargjør dem som de to tiltenkte tilstandene i ett opptak. Beskriv overgangen eller handlingen som forbinder dem, og vurder deretter om motivet forblir sammenhengende mellom endepunktene. Et par gode stillbilder viser ikke i seg selv at bevegelsen imellom passer den ønskede historien.
Prompten kan inneholde opptil 512 tegn. Bruk teksten til handlingen, retningen og de visuelle detaljene som kjennetegner et vellykket resultat. Hold beskrivelsen rettet mot det som skal skje på skjermen. Når inndatabildene allerede etablerer motivets utseende, beskriv bevegelsen og timingen som skal utvikle seg mellom eller fra bildene.
Produsenten dokumenterer utdata på fem eller ti sekunder, med fem sekunder som standard, og 30 eller 60 bilder per sekund. Støttede størrelser omfatter 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 og 3840×2160. Velg størrelse og timing for bruksstedet, og undersøk deretter det ferdige klippet for utsnitt og tempoet i den faktiske handlingen.
Kvalitets- og hastighetsmoduser dokumenteres separat fra den valgfrie KI-lydeffektinnstillingen. Behold disse valgene sammen med prompt, bilder og resultat. Produsentens visuelle egenskaper og inndataegenskaper beskriver modellen; tilgjengelige kontroller for en bestemt genereringsmetode angis av kontrakten for den metoden. Behold innstillingene som faktisk ble brukt, når kandidatopptak sammenlignes.
Behold den opprinnelige oppgaveidentiteten til videoen er ferdig, og lagre det returnerte materialet for redigering. Vurder hele sekvensen, inkludert motivets utseende under store bevegelser, samspill med sceneobjekter og sluttkomposisjonen. For arbeid med endepunktbilder undersøkes begge endepunktene og overgangen mellom dem. Revider det konkrete visuelle avviket, behold vellykkede referanser og opptaksplanen, og sammenlign ferdige videoer fremfor bare forhåndsvisningsbildene.
POST /v1/videostextvideo| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser cogvideox-3 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 $0.3 per forespørsel |
| KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Faktureringsmengde— | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning $0.3 estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncat > request.json <<'JSON'\n{\n "model": "cogvideox-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}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-3
/v1/videos/generations