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.
", "aboutText": "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.\n\nPrzy 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.\n\nPrzy 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.\n\nProducent 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.\n\nOpublikowane 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.\n\nJakość 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.\n\nGenerowanie 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.\n\nSprawdź 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c593e7f5761ade3d03cb7dd94e62f5051d3035533f4825136be7b865305945ac", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "cogvideox-2CogVideoX 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.
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.
POST /v1/videostextvideo| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity cogvideox-2 Warunki: Użyj dokładnego selektora modelu Ailoot. | Domyślnie— |
Poleprompt | Typstring | WymaganieWymagane | Wartości i limity Warunki: Opisz scenę i ruch. | Domyślnie— |
Polequality | Typboolean | WymaganieOpcjonalne | Wartości i limity Warunki: Opcjonalny parametr jakości; wybrany schemat nie określa zgodnego enum ani wartości domyślnej. | Domyślnie— |
Polewith_audio | Typboolean | WymaganieOpcjonalne | Wartości i limity Warunki: Generuj efekty dźwiękowe AI, gdy ta opcja jest włączona. | Domyślniefalse |
Polesize | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: Przy wyborze jawnych wymiarów podaj udokumentowany ciąg znaków rozmiaru. | Domyślnie— |
Polefps | Typstring | WymaganieOpcjonalne | Wartości i limity 30, 60 Warunki: W wybranej metodzie natywnej liczba klatek na sekundę jest reprezentowana jako ciąg znaków. | Domyślnie30 |
Poleduration | Typstring | WymaganieOpcjonalne | Wartości i limity 5, 10 Warunki: W wybranej metodzie natywnej czas trwania w sekundach jest reprezentowany jako ciąg znaków. | Domyślnie5 |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, prompt |
Parametroptional | Kontraktquality, with_audio, size, fps, duration |
Parametrmaterial_types | Kontrakttext |
Parametrconditions | 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}
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.
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 $0.2 szacunek przed generowaniem Ten szacunek nie jest dodatkową opłatą ani stałą stawką za ukończone generowanie. |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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}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.
Zachowaj zwrócone publiczne id zadania lub operacji oraz wszystkie nagłówki. Odczytuj wyłącznie pierwotne zadanie; unknown ani result_pending_check nie uprawniają do ponownego utworzenia.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polepolling_url | Typstring |
Poleprovider_task_id | Typstring |
Poleid | Typstring |
Poletask_status | Typstring |
Polevideo_result[].url | Typstring |
Ailoot Ultra cogvideox-2
/v1/videos/generations