Zhipu AI: CogVideoX 2

CogVideoX 2 generuje wideo z opisu tekstowego lub dostarczonego obrazu. Producent dokumentuje wybór rozmiarów klatki, 30 lub 60 fps, tryby jakości lub szybkości i opcjonalne generowane efekty dźwiękowe do kształtowania krótkiej sceny wizualnej.

Ailoot Ultra · Wideo POST /v1/videos cogvideox-2

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

CogVideoX 2 to model generowania wideo firmy Zhipu AI dla pisemnego opisu sceny lub dostarczonego obrazu. Tekst określa główny obiekt, otoczenie i akcję; obraz może stanowić podstawę wizualną generowanej sekwencji. Użyj wejścia najlepiej odzwierciedlającego materiał już dostępny dla ujęcia, a następnie opisz widoczny ruch, który ma zawierać gotowe wideo.

Przy tworzeniu na podstawie tekstu określ jedno spójne zdarzenie. Osoba otwierająca drzwi warsztatu, mała łódź przepływająca obok pomostu lub przedmiot obracający się przy stałym oświetleniu nadają ujęciu czytelny cel. Podaj ważne cechy głównego obiektu, punkt widzenia i kierunek ruchu. Wybierz zakończenie przydatne w zamierzonym montażu, zamiast pozostawiać nieokreśloną końcową kompozycję sceny.

Przy tworzeniu na podstawie obrazu przygotuj wyraźny widok głównego obiektu i opisz rozwój ruchu sceny z tego punktu. Producent przyjmuje referencje PNG, JPEG i JPG do 5 MB, dostarczane przez URL obrazu lub zakodowane dane obrazu. Zachowaj widoczne ważne krawędzie, rysy twarzy i szczegóły przedmiotu w referencji oraz zostaw w kompozycji przestrzeń na żądaną akcję.

Producent ogranicza pisemny prompt do 512 znaków. Wykorzystaj tę przestrzeń na decydujące szczegóły: główny obiekt, akcję, otoczenie i punkt widzenia. Krótki opis wyjaśniający, który przedmiot się porusza, a co pozostaje nieruchome, łatwiej ocenić niż listę ogólnych przymiotników stylistycznych. Jeżeli wynik nie osiąga celu, popraw instrukcję dotyczącą zaobserwowanego problemu z ruchem lub kadrowaniem.

Opublikowane rozmiary wyjścia obejmują formaty kwadratowe, poziome i pionowe, z opcjami od 720×480 do 3840×2160 pikseli. Producent dokumentuje też 30 lub 60 klatek na sekundę. Przed generowaniem wybierz kształt obrazu i liczbę klatek odpowiednie dla miejsca docelowego, a następnie sprawdź rzeczywisty klip, aby ocenić czytelność głównego obiektu i ważnych szczegółów w tym kadrze.

Jakość i szybkość to nazwane tryby wyjścia w procesie producenta. Opcjonalne efekty dźwiękowe generowane przez AI są sterowane osobno od opisu wizualnego. Zachowaj wybrany tryb i ustawienie efektów dźwiękowych przy prompcie oraz ewentualnym obrazie referencyjnym, aby klipy kandydujące można było porównywać według rzeczywistych ustawień generowania.

Generowanie jest asynchroniczne: identyfikator zadania wraca, zanim gotowe wideo będzie dostępne. Zachowaj go podczas sprawdzania wyniku i przechowuj wszystkie ukończone pliki wideo powiązane z operacją. Zapisz sam klip do montażu, wraz z obrazem źródłowym, jeżeli był użyty, zamiast polegać na tymczasowym miejscu wyniku lub klatce podglądu.

Sprawdź całą sekwencję pod kątem ciągłości, czasu i żądanej akcji. Ujęcie produktowe potrzebuje stabilnego kształtu i szczegółów materiału podczas ruchu; ujęcie postaci potrzebuje spójnego wyglądu i gestów. Porównaj końcową kompozycję oraz ewentualny wygenerowany dźwięk z celem ujęcia. Zachowaj udane elementy sceny przy poprawianiu konkretnej niezgodności i porównuj oryginalne oraz poprawione wideo w tych samych warunkach oglądania.

Ailoot Ultra · Wideo POST /v1/videos cogvideox-2

cogvideox-2

Zhipu AI /cogvideox-2

Start

Akceptowane dane wejściowe: Tekst
Wyniki: Wideo

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Wideo POST /v1/videos

Wejście: text
Wyjście: video

Pole	Typ	Wymaganie	Wartości i limity	Domyślnie
Pole`model`	Typ`string`	WymaganieWymagane	Wartości i limity cogvideox-2 Warunki: Użyj dokładnego selektora modelu Ailoot.	Domyślnie—
Pole`prompt`	Typ`string`	WymaganieWymagane	Wartości i limity Warunki: Opisz scenę i ruch.	Domyślnie—
Pole`quality`	Typ`boolean`	WymaganieOpcjonalne	Wartości i limity Warunki: Opcjonalny parametr jakości; wybrany schemat nie określa zgodnego enum ani wartości domyślnej.	Domyślnie—
Pole`with_audio`	Typ`boolean`	WymaganieOpcjonalne	Wartości i limity Warunki: Generuj efekty dźwiękowe AI, gdy ta opcja jest włączona.	Domyślniefalse
Pole`size`	Typ`string`	WymaganieOpcjonalne	Wartości i limity Warunki: Przy wyborze jawnych wymiarów podaj udokumentowany ciąg znaków rozmiaru.	Domyślnie—
Pole`fps`	Typ`string`	WymaganieOpcjonalne	Wartości i limity 30, 60 Warunki: W wybranej metodzie natywnej liczba klatek na sekundę jest reprezentowana jako ciąg znaków.	Domyślnie30
Pole`duration`	Typ`string`	WymaganieOpcjonalne	Wartości i limity 5, 10 Warunki: W wybranej metodzie natywnej czas trwania w sekundach jest reprezentowany jako ciąg znaków.	Domyślnie5

Parametry i cykl życia metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, prompt
Parametr`optional`	Kontraktquality, with_audio, size, fps, duration
Parametr`material_types`	Kontrakttext
Parametr`conditions`	KontraktUżyj dokładnego selektora modelu Ailoot., Opisz scenę i ruch., Opcjonalny parametr jakości; wybrany schemat nie określa zgodnego enum ani wartości domyślnej., Generuj efekty dźwiękowe AI, gdy ta opcja jest włączona., Przy wyborze jawnych wymiarów podaj udokumentowany ciąg znaków rozmiaru., W wybranej metodzie natywnej liczba klatek na sekundę jest reprezentowana jako ciąg znaków., W wybranej metodzie natywnej czas trwania w sekundach jest reprezentowany jako ciąg znaków.

Aliasy metody: /v1/videos/generations

Cykl życia: 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}

Cennik

Jak obliczana jest ostateczna opłata

Wyświetlane stawki służą do oszacowania kosztu przed generowaniem. Ostateczna opłata jest obliczana na podstawie kosztu zarejestrowanego dla pierwotnego generowania. Zmierzony czas trwania wyniku i prognozowane ilości nie stanowią ostatecznej ilości podlegającej rozliczeniu.

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki: Nie określono Gdy wybrany jest tryb szybki
Tryb flex: Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania: Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Szacunkowe stawki do porównania

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

Konfiguracja	Tabela stawek	Przewidywana ilość	Ilość do rozliczenia	Opłata
KonfiguracjaBazowe stawki za tokeny	Tabela stawekStawka podstawowa	Przewidywana ilość—	Ilość do rozliczenia—	Opłata Wejście · Tokeny wejściowe · Szacunek tylko do porównania — / 1K tokenów Wyjście · Tokeny wyjściowe · Szacunek tylko do porównania — / 1K tokenów Wejście · Odczyt cache · Szacunek tylko do porównania — / 1K tokenów Wejście · Zapis do cache · Szacunek tylko do porównania — / 1K tokenów Wejście · Zapis do cache, 1 godz. · Szacunek tylko do porównania — / 1K tokenów
KonfiguracjaZa żądanie	Tabela stawek—	Przewidywana ilość—	Ilość do rozliczeniajedno żądanie	Opłata Wejście · Szacunek tylko do porównania $0.2 za żądanie
KonfiguracjaSzacowany koszt generowania	Tabela stawek—	Przewidywana ilośćszacunek dla jednego generowania	Ilość do rozliczenia—	Opłata Wyjście · Szacowany koszt generowania · Szacunek tylko do porównania $0.2 szacunek przed generowaniem Ten szacunek nie jest dodatkową opłatą ani stałą stawką za ukończone generowanie.

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Wideo

curl · utwórz raz i zachowaj potwierdzenieOdczytaj pierwotne zadanieZapisz każdy ukończony zasób należący do Ciebie

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
cat > request.json <<'JSON'
{
  "model": "cogvideox-2",
  "prompt": "A cat is walking on grass."
}
JSON
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
# Create once; retain id, polling_url, original task identifiers and every header.

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_STATUS'
import json,os,subprocess
from pathlib import Path
from urllib.parse import urljoin,urlsplit
r=json.loads(Path("result.json").read_text())
u=urljoin("https://api.ailoot.ai",r["polling_url"])
p=urlsplit(u)
if p.scheme!="https" or p.netloc!="api.ailoot.ai" or p.username or p.password:
    raise SystemExit("Unexpected returned polling URL; preserve the response")
subprocess.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)
# Read this same original polling_url again while pending.
# Preserve unknown/result_pending_check; do not repeat creation.
PY_STATUS

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_ASSETS'
import json,os,subprocess
from pathlib import Path
from urllib.parse import urljoin,urlsplit
r=json.loads(Path("status.json").read_text())
roles={}
def visit(v,path=""):
    if isinstance(v,dict):
        for k,x in v.items(): visit(x,path+"/"+k)
    elif isinstance(v,list):
        for i,x in enumerate(v): visit(x,path+"/"+str(i))
    elif isinstance(v,str):
        u=urljoin("https://api.ailoot.ai",v); p=urlsplit(u)
        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"):
            roles.setdefault(u,[]).append(path)
visit(r)
if not roles: raise SystemExit("No completed owned assets; retain the original status")
manifest=[]
for i,(u,paths) in enumerate(roles.items()):
    target=Path(f"asset-{i}.bin")
    subprocess.run(["curl","--fail-with-body","--silent","--show-error",u,"-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"],"-o",str(target)],check=True)
    raw=target.read_bytes()
    if not raw: raise SystemExit("Empty asset; retain original status and metadata")
    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"
    name=f"asset-{i}.{ext}"
    if target.name!=name: target.rename(name)
    manifest.append({"file":name,"response_paths":paths,"bytes":len(raw)})
Path("asset-manifest.json").write_text(json.dumps(manifest,indent=2))
print("Saved",len(manifest),"unique owned assets; every response role retained")
PY_ASSETS

Odbieranie i zapisywanie wyników

Ailoot Ultra · Wideo

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}

Zachowaj wszystkie ukończone wyniki

Zapisz każde ukończone wideo lub zwrócony plik; pobierz każdy faktycznie zwrócony URL zasobu.

Zachowaj kompletną odpowiedź i nagłówki, pierwotne identyfikatory, wszystkie rzeczywiste wyniki oraz wszystkie pola użycia i rozliczeń. Zapisz każdy unikalny zasób należący do użytkownika i zachowaj wszystkie role, które na niego wskazują.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj zwrócone publiczne id zadania lub operacji oraz wszystkie nagłówki. Odczytuj wyłącznie pierwotne zadanie; unknown ani result_pending_check nie uprawniają do ponownego utworzenia.

Pola odpowiedzi

Pole	Typ
Pole`id`	Typstring
Pole`polling_url`	Typstring
Pole`provider_task_id`	Typstring
Pole`id`	Typstring
Pole`task_status`	Typstring
Pole`video_result[].url`	Typstring

Aliasy

Aliasy modelu

Ailoot Ultra cogvideox-2

Aliasy ścieżek metod

/v1/videos/generations

Powiązane ID modeli

cogvideox-2

FAQ · Zhipu AI: CogVideoX 2

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/videos · cogvideox-2: text → video
Jakich pól używa żądanie?: POST /v1/videos · cogvideox-2: model, prompt, quality, with_audio, size, fps, duration

Zhipu AI: CogVideoX 2