Zhipu AI: CogVideoX 3

CogVideoX 3 cria vídeo a partir de texto, de uma imagem ou de um par de fotogramas inicial e final no processo documentado pelo fabricante. Suporta sequências de cinco ou dez segundos, vários tamanhos de saída até 4K, 30 ou 60 fps e efeitos sonoros gerados opcionais.

Ailoot Ultra · Vídeo POST /v1/videos cogvideox-3

Sobre o modelo

Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.

CogVideoX 3 é o modelo de vídeo da Zhipu AI com geração documentada de texto para vídeo, de imagem para vídeo e a partir de fotogramas inicial e final. O fabricante destaca estabilidade dos fotogramas, cumprimento das instruções e estilos visuais realistas ou tridimensionais. Escolha texto quando a cena começa como uma descrição escrita, uma imagem quando a base visual já existe ou duas imagens dos extremos quando a sequência precisa de vistas inicial e final definidas.

Para uma descrição textual, indique o sujeito e uma ação legível. Especifique o cenário, o ponto de vista e as relações físicas importantes, para que a cena possa ser avaliada em relação a uma intenção clara. Uma personagem a apanhar um objeto precisa de uma sequência diferente da de uma câmara que revela esse objeto. Descreva ambos apenas quando a relação entre eles for importante para o plano.

Para uma sequência baseada numa imagem, prepare a referência para que as características distintivas do sujeito sejam visíveis. O fabricante aceita imagens PNG, JPEG e JPG não superiores a 5 MB, fornecidas através de URL ou dados de imagem codificados. Conserve a referência real com o resultado gerado, para que a aparência e o enquadramento possam ser comparados com a fonte, e não com uma versão recordada.

O modo do fabricante com fotogramas dos extremos aceita duas imagens por ordem: a primeira estabelece o fotograma inicial e a segunda o final. Prepare-as como os dois estados pretendidos de um plano. Descreva a transição ou a ação que os liga e examine se o sujeito permanece coerente entre os extremos. Um par de boas imagens estáticas não mostra, por si só, que o movimento intermédio se adequa à história pretendida.

O prompt pode conter até 512 caracteres. Utilize o texto disponível para a ação, a sua direção e os detalhes visuais que distinguem um resultado bem-sucedido. Mantenha a descrição centrada no que deve acontecer no ecrã. Quando as imagens de entrada já estabelecem a aparência do sujeito, descreva o movimento e os tempos que precisam de se desenvolver entre essas imagens ou a partir delas.

O fabricante documenta saída de cinco ou dez segundos, com cinco segundos por predefinição, e 30 ou 60 fotogramas por segundo. Os tamanhos suportados incluem 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 e 3840×2160. Escolha o tamanho e a duração para o destino e examine o vídeo concluído quanto ao enquadramento e ao ritmo da ação real.

Os modos de qualidade e velocidade são documentados separadamente da definição opcional dos efeitos sonoros de IA. Conserve estas escolhas com o prompt, as imagens e o resultado. As capacidades visuais e de entrada do fabricante descrevem o modelo; os controlos disponíveis num método de geração específico são fornecidos pelas especificações desse método. Preserve as definições realmente utilizadas ao comparar planos candidatos.

Conserve o identificador da tarefa original até o vídeo estar concluído e guarde o vídeo devolvido para edição. Examine toda a sequência, incluindo a aparência do sujeito durante movimentos amplos, as interações com objetos da cena e a composição final. Para trabalho com fotogramas dos extremos, examine ambos os extremos e a transição entre eles. Reveja a discrepância visual específica conservando as referências e o plano bem-sucedidos e compare os vídeos concluídos, e não apenas as suas imagens de pré-visualização.

Ailoot Ultra · Vídeo POST /v1/videos cogvideox-3

cogvideox-3

Zhipu AI /cogvideox-3

Introdução

Entradas aceites: Texto
Resultados: Vídeo

Disponível no Ailoot · entradas e métodos

Ailoot Ultra · Vídeo POST /v1/videos

Entrada: text
Saída: video

Campo	Tipo	Requisito	Valores e limites	Predefinição
Campo`model`	Tipo`string`	RequisitoObrigatório	Valores e limites cogvideox-3 Condições: Utilize o seletor exato de modelos da Ailoot.	Predefinição—
Campo`prompt`	Tipo`string`	RequisitoObrigatório	Valores e limites Condições: Descreva a cena e o movimento.	Predefinição—
Campo`quality`	Tipo`boolean`	RequisitoOpcional	Valores e limites Condições: Indicador opcional de qualidade; este esquema selecionado não fornece um enum compatível nem um valor predefinido.	Predefinição—
Campo`with_audio`	Tipo`boolean`	RequisitoOpcional	Valores e limites Condições: Gere efeitos sonoros com IA quando ativado.	Predefiniçãofalse
Campo`size`	Tipo`string`	RequisitoOpcional	Valores e limites Condições: Forneça a cadeia size documentada ao selecionar dimensões explícitas.	Predefinição—
Campo`fps`	Tipo`string`	RequisitoOpcional	Valores e limites 30, 60 Condições: Neste método nativo selecionado, a frequência de fotogramas é representada como uma cadeia de carateres.	Predefinição30
Campo`duration`	Tipo`string`	RequisitoOpcional	Valores e limites 5, 10 Condições: Neste método nativo selecionado, a duração em segundos é representada como uma cadeia de carateres.	Predefinição5

Parâmetros e ciclo de vida do método

Parâmetro	Contrato
Parâmetro`content_type`	Contratoapplication/json
Parâmetro`required`	Contratomodel, prompt
Parâmetro`optional`	Contratoquality, with_audio, size, fps, duration
Parâmetro`material_types`	Contratotext
Parâmetro`conditions`	ContratoUtilize o seletor exato de modelos da Ailoot., Descreva a cena e o movimento., Indicador opcional de qualidade; este esquema selecionado não fornece um enum compatível nem um valor predefinido., Gere efeitos sonoros com IA quando ativado., Forneça a cadeia size documentada ao selecionar dimensões explícitas., Neste método nativo selecionado, a frequência de fotogramas é representada como uma cadeia de carateres., Neste método nativo selecionado, a duração em segundos é representada como uma cadeia de carateres.

Aliases do método: /v1/videos/generations

Ciclo de vida: 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}

Tarifários

Cálculo do custo final

As tarifas apresentadas permitem estimar o custo antes da geração. O montante final cobrado é calculado a partir do custo registado para a geração original. A duração medida do resultado e as quantidades previstas não correspondem à quantidade final faturável.

As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.

Modo rápido: Não especificado Quando o modo rápido está selecionado
Modo flex: Não especificado Quando o modo flex está selecionado
Esforço máximo de raciocínio: Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)

Tarifas estimadas para comparação

Preços por configuração

Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.

Configuração	Tabela de tarifas	Quantidade prevista	Quantidade faturada	Custo
ConfiguraçãoTarifas base por token	Tabela de tarifasTarifa base	Quantidade prevista—	Quantidade faturada—	Custo Entrada · Tokens de entrada · Estimativa apenas para comparação — / 1K tokens Saída · Tokens de saída · Estimativa apenas para comparação — / 1K tokens Entrada · Leitura da cache · Estimativa apenas para comparação — / 1K tokens Entrada · Escrita na cache · Estimativa apenas para comparação — / 1K tokens Entrada · Escrita na cache, 1 hora · Estimativa apenas para comparação — / 1K tokens
ConfiguraçãoPor pedido	Tabela de tarifas—	Quantidade prevista—	Quantidade faturadaum pedido	Custo Entrada · Estimativa apenas para comparação $0.3 por pedido
ConfiguraçãoCusto estimado de geração	Tabela de tarifas—	Quantidade previstaestimativa para uma geração	Quantidade faturada—	Custo Saída · Custo estimado de geração · Estimativa apenas para comparação $0.3 estimativa antes da geração Esta estimativa não é um encargo adicional nem uma tarifa fixa para a geração concluída.

O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →

Exemplos de pedidos

Ailoot Ultra · Vídeo

curl · crie uma única vez e guarde o comprovativoConsulte a tarefa originalGuarde cada recurso concluído que lhe pertence

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
cat > request.json <<'JSON'
{
  "model": "cogvideox-3",
  "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

Receber e guardar os resultados

Ailoot Ultra · Vídeo

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}

Guardar todos os resultados concluídos

Guarde cada vídeo concluído ou ficheiro devolvido; obtenha cada URL de recurso efetivamente devolvido.

Conserve a resposta completa e os cabeçalhos, os identificadores originais, todos os resultados reais e todos os campos de utilização/contabilidade. Guarde cada recurso único pertencente ao utilizador e conserve todas as funções que apontam para ele.

Se for necessário verificar a resposta original

Conserve o id público de tarefa ou operação devolvido e todos os cabeçalhos. Consulte apenas a tarefa original; unknown ou result_pending_check não autoriza uma nova criação.

Campos da resposta

Campo	Tipo
Campo`id`	Tipostring
Campo`polling_url`	Tipostring
Campo`provider_task_id`	Tipostring
Campo`id`	Tipostring
Campo`task_status`	Tipostring
Campo`video_result[].url`	Tipostring

Aliases

Aliases do modelo

Ailoot Ultra cogvideox-3

Aliases dos caminhos dos métodos

/v1/videos/generations

IDs de chamada relacionados

cogvideox-3

FAQ · Zhipu AI: CogVideoX 3

Que entradas e resultados estão disponíveis?: POST /v1/videos · cogvideox-3: text → video
Que campos utiliza o pedido?: POST /v1/videos · cogvideox-3: model, prompt, quality, with_audio, size, fps, duration

Zhipu AI: CogVideoX 3