CogVideoX 3 là mô hình video của Zhipu AI với các quy trình tạo từ văn bản, từ ảnh và từ khung đầu cùng khung cuối được tài liệu hóa. Nhà sản xuất nhấn mạnh độ ổn định khung hình, tuân thủ chỉ dẫn và phong cách hình ảnh chân thực hoặc ba chiều. Chọn văn bản khi cảnh bắt đầu từ yêu cầu viết, một ảnh khi nền tảng hình ảnh đã có, hoặc hai ảnh đầu cuối khi chuỗi hình cần góc nhìn mở đầu và kết thúc xác định.
Với yêu cầu bằng văn bản, mô tả chủ thể và một hành động dễ theo dõi. Nêu bối cảnh, góc nhìn và quan hệ vật lý quan trọng để đánh giá cảnh theo ý định rõ ràng. Nhân vật nhặt vật thể cần chuỗi hình khác với máy quay hé lộ vật thể đó. Chỉ mô tả cả hai khi quan hệ giữa chúng quan trọng với cảnh quay.
Với chuỗi hình dựa trên ảnh, chuẩn bị tham chiếu để các đặc điểm nhận diện của chủ thể nhìn thấy rõ. Nhà sản xuất chấp nhận ảnh PNG, JPEG và JPG không lớn hơn 5 MB, cung cấp qua URL hoặc dữ liệu ảnh mã hóa. Giữ tham chiếu thực tế cùng kết quả tạo để đối chiếu diện mạo và khuôn hình với nguồn, thay vì với phiên bản nhớ lại.
Chế độ khung đầu cuối của nhà sản xuất nhận hai ảnh theo thứ tự: ảnh đầu xác lập khung mở đầu, ảnh sau xác lập khung kết thúc. Chuẩn bị chúng như hai trạng thái dự kiến của cùng cảnh quay. Mô tả chuyển tiếp hoặc hành động kết nối chúng, rồi xem chủ thể có nhất quán giữa hai đầu không. Hai ảnh tĩnh tốt tự chúng không cho thấy chuyển động ở giữa phù hợp với câu chuyện mong muốn.
Prompt có thể chứa tối đa 512 ký tự. Dùng phần văn bản có sẵn cho hành động, hướng của nó và chi tiết hình ảnh phân biệt kết quả thành công. Giữ yêu cầu tập trung vào điều cần xảy ra trên màn hình. Khi ảnh đầu vào đã xác lập diện mạo chủ thể, mô tả chuyển động và thời gian cần phát triển giữa các ảnh hoặc từ các ảnh đó.
Nhà sản xuất tài liệu hóa đầu ra dài năm hoặc mười giây, mặc định năm giây, cùng 30 hoặc 60 khung hình mỗi giây. Các kích thước hỗ trợ gồm 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 và 3840×2160. Chọn kích thước và thời gian theo nơi sử dụng, rồi kiểm tra clip hoàn chỉnh về khuôn hình và nhịp hành động thực tế.
Chế độ chất lượng và tốc độ được tài liệu hóa riêng với thiết lập hiệu ứng âm thanh AI tùy chọn. Giữ các lựa chọn này cùng prompt, ảnh và kết quả. Khả năng hình ảnh và đầu vào của nhà sản xuất mô tả mô hình; các thiết lập có sẵn của một phương thức tạo cụ thể do hợp đồng của phương thức đó cung cấp. Bảo toàn thiết lập thực sự đã dùng khi so sánh các cảnh ứng viên.
Giữ thông tin định danh tác vụ gốc đến khi video hoàn tất và lưu đoạn phim trả về để dựng. Xem toàn bộ chuỗi hình, gồm diện mạo chủ thể trong chuyển động lớn, tương tác với vật thể trong cảnh và bố cục cuối. Khi làm với khung đầu cuối, kiểm tra cả hai đầu và chuyển tiếp ở giữa. Sửa điểm lệch hình ảnh cụ thể, giữ những tham chiếu và kế hoạch cảnh quay đã tốt; so sánh video hoàn chỉnh thay vì chỉ ảnh xem trước.
", "aboutText": "CogVideoX 3 là mô hình video của Zhipu AI với các quy trình tạo từ văn bản, từ ảnh và từ khung đầu cùng khung cuối được tài liệu hóa. Nhà sản xuất nhấn mạnh độ ổn định khung hình, tuân thủ chỉ dẫn và phong cách hình ảnh chân thực hoặc ba chiều. Chọn văn bản khi cảnh bắt đầu từ yêu cầu viết, một ảnh khi nền tảng hình ảnh đã có, hoặc hai ảnh đầu cuối khi chuỗi hình cần góc nhìn mở đầu và kết thúc xác định.\n\nVới yêu cầu bằng văn bản, mô tả chủ thể và một hành động dễ theo dõi. Nêu bối cảnh, góc nhìn và quan hệ vật lý quan trọng để đánh giá cảnh theo ý định rõ ràng. Nhân vật nhặt vật thể cần chuỗi hình khác với máy quay hé lộ vật thể đó. Chỉ mô tả cả hai khi quan hệ giữa chúng quan trọng với cảnh quay.\n\nVới chuỗi hình dựa trên ảnh, chuẩn bị tham chiếu để các đặc điểm nhận diện của chủ thể nhìn thấy rõ. Nhà sản xuất chấp nhận ảnh PNG, JPEG và JPG không lớn hơn 5 MB, cung cấp qua URL hoặc dữ liệu ảnh mã hóa. Giữ tham chiếu thực tế cùng kết quả tạo để đối chiếu diện mạo và khuôn hình với nguồn, thay vì với phiên bản nhớ lại.\n\nChế độ khung đầu cuối của nhà sản xuất nhận hai ảnh theo thứ tự: ảnh đầu xác lập khung mở đầu, ảnh sau xác lập khung kết thúc. Chuẩn bị chúng như hai trạng thái dự kiến của cùng cảnh quay. Mô tả chuyển tiếp hoặc hành động kết nối chúng, rồi xem chủ thể có nhất quán giữa hai đầu không. Hai ảnh tĩnh tốt tự chúng không cho thấy chuyển động ở giữa phù hợp với câu chuyện mong muốn.\n\nPrompt có thể chứa tối đa 512 ký tự. Dùng phần văn bản có sẵn cho hành động, hướng của nó và chi tiết hình ảnh phân biệt kết quả thành công. Giữ yêu cầu tập trung vào điều cần xảy ra trên màn hình. Khi ảnh đầu vào đã xác lập diện mạo chủ thể, mô tả chuyển động và thời gian cần phát triển giữa các ảnh hoặc từ các ảnh đó.\n\nNhà sản xuất tài liệu hóa đầu ra dài năm hoặc mười giây, mặc định năm giây, cùng 30 hoặc 60 khung hình mỗi giây. Các kích thước hỗ trợ gồm 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 và 3840×2160. Chọn kích thước và thời gian theo nơi sử dụng, rồi kiểm tra clip hoàn chỉnh về khuôn hình và nhịp hành động thực tế.\n\nChế độ chất lượng và tốc độ được tài liệu hóa riêng với thiết lập hiệu ứng âm thanh AI tùy chọn. Giữ các lựa chọn này cùng prompt, ảnh và kết quả. Khả năng hình ảnh và đầu vào của nhà sản xuất mô tả mô hình; các thiết lập có sẵn của một phương thức tạo cụ thể do hợp đồng của phương thức đó cung cấp. Bảo toàn thiết lập thực sự đã dùng khi so sánh các cảnh ứng viên.\n\nGiữ thông tin định danh tác vụ gốc đến khi video hoàn tất và lưu đoạn phim trả về để dựng. Xem toàn bộ chuỗi hình, gồm diện mạo chủ thể trong chuyển động lớn, tương tác với vật thể trong cảnh và bố cục cuối. Khi làm với khung đầu cuối, kiểm tra cả hai đầu và chuyển tiếp ở giữa. Sửa điểm lệch hình ảnh cụ thể, giữ những tham chiếu và kế hoạch cảnh quay đã tốt; so sánh video hoàn chỉnh thay vì chỉ ảnh xem trước.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c5998362dfa5f327bec1bdc483adf5c229bf7b3e3029d7693cd44897d5cb3364", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "vi", "methods": [ { "html": "cogvideox-3CogVideoX 3 tạo video từ văn bản, ảnh hoặc cặp khung đầu và cuối trong quy trình được nhà sản xuất tài liệu hóa. Mô hình hỗ trợ chuỗi hình dài năm hoặc mười giây, nhiều kích thước đầu ra đến 4K, 30 hoặc 60 fps và hiệu ứng âm thanh được tạo tùy chọn.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
CogVideoX 3 là mô hình video của Zhipu AI với các quy trình tạo từ văn bản, từ ảnh và từ khung đầu cùng khung cuối được tài liệu hóa. Nhà sản xuất nhấn mạnh độ ổn định khung hình, tuân thủ chỉ dẫn và phong cách hình ảnh chân thực hoặc ba chiều. Chọn văn bản khi cảnh bắt đầu từ yêu cầu viết, một ảnh khi nền tảng hình ảnh đã có, hoặc hai ảnh đầu cuối khi chuỗi hình cần góc nhìn mở đầu và kết thúc xác định.
Với yêu cầu bằng văn bản, mô tả chủ thể và một hành động dễ theo dõi. Nêu bối cảnh, góc nhìn và quan hệ vật lý quan trọng để đánh giá cảnh theo ý định rõ ràng. Nhân vật nhặt vật thể cần chuỗi hình khác với máy quay hé lộ vật thể đó. Chỉ mô tả cả hai khi quan hệ giữa chúng quan trọng với cảnh quay.
Với chuỗi hình dựa trên ảnh, chuẩn bị tham chiếu để các đặc điểm nhận diện của chủ thể nhìn thấy rõ. Nhà sản xuất chấp nhận ảnh PNG, JPEG và JPG không lớn hơn 5 MB, cung cấp qua URL hoặc dữ liệu ảnh mã hóa. Giữ tham chiếu thực tế cùng kết quả tạo để đối chiếu diện mạo và khuôn hình với nguồn, thay vì với phiên bản nhớ lại.
Chế độ khung đầu cuối của nhà sản xuất nhận hai ảnh theo thứ tự: ảnh đầu xác lập khung mở đầu, ảnh sau xác lập khung kết thúc. Chuẩn bị chúng như hai trạng thái dự kiến của cùng cảnh quay. Mô tả chuyển tiếp hoặc hành động kết nối chúng, rồi xem chủ thể có nhất quán giữa hai đầu không. Hai ảnh tĩnh tốt tự chúng không cho thấy chuyển động ở giữa phù hợp với câu chuyện mong muốn.
Prompt có thể chứa tối đa 512 ký tự. Dùng phần văn bản có sẵn cho hành động, hướng của nó và chi tiết hình ảnh phân biệt kết quả thành công. Giữ yêu cầu tập trung vào điều cần xảy ra trên màn hình. Khi ảnh đầu vào đã xác lập diện mạo chủ thể, mô tả chuyển động và thời gian cần phát triển giữa các ảnh hoặc từ các ảnh đó.
Nhà sản xuất tài liệu hóa đầu ra dài năm hoặc mười giây, mặc định năm giây, cùng 30 hoặc 60 khung hình mỗi giây. Các kích thước hỗ trợ gồm 1280×720, 720×1280, 1024×1024, 1920×1080, 1080×1920, 2048×1080 và 3840×2160. Chọn kích thước và thời gian theo nơi sử dụng, rồi kiểm tra clip hoàn chỉnh về khuôn hình và nhịp hành động thực tế.
Chế độ chất lượng và tốc độ được tài liệu hóa riêng với thiết lập hiệu ứng âm thanh AI tùy chọn. Giữ các lựa chọn này cùng prompt, ảnh và kết quả. Khả năng hình ảnh và đầu vào của nhà sản xuất mô tả mô hình; các thiết lập có sẵn của một phương thức tạo cụ thể do hợp đồng của phương thức đó cung cấp. Bảo toàn thiết lập thực sự đã dùng khi so sánh các cảnh ứng viên.
Giữ thông tin định danh tác vụ gốc đến khi video hoàn tất và lưu đoạn phim trả về để dựng. Xem toàn bộ chuỗi hình, gồm diện mạo chủ thể trong chuyển động lớn, tương tác với vật thể trong cảnh và bố cục cuối. Khi làm với khung đầu cuối, kiểm tra cả hai đầu và chuyển tiếp ở giữa. Sửa điểm lệch hình ảnh cụ thể, giữ những tham chiếu và kế hoạch cảnh quay đã tốt; so sánh video hoàn chỉnh thay vì chỉ ảnh xem trước.
POST /v1/videostextvideo| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn cogvideox-3 Điều kiện: Dùng bộ chọn mô hình Ailoot chính xác. | Mặc định— |
Trườngprompt | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Điều kiện: Mô tả cảnh và chuyển động. | Mặc định— |
Trườngquality | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Cờ chất lượng tùy chọn; lược đồ đã chọn này không cung cấp tập giá trị liệt kê hoặc giá trị mặc định tương thích. | Mặc định— |
Trườngwith_audio | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Tạo hiệu ứng âm thanh AI khi được bật. | Mặc địnhfalse |
Trườngsize | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Cung cấp chuỗi size theo tài liệu khi chọn kích thước cụ thể. | Mặc định— |
Trườngfps | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn 30, 60 Điều kiện: Tốc độ khung hình được biểu diễn dưới dạng chuỗi trong phương thức gốc đã chọn này. | Mặc định30 |
Trườngduration | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn 5, 10 Điều kiện: Thời lượng tính bằng giây được biểu diễn dưới dạng chuỗi trong phương thức gốc đã chọn này. | Mặc định5 |
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, prompt |
Tham sốoptional | Hợp đồngquality, with_audio, size, fps, duration |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốconditions | Hợp đồngDùng bộ chọn mô hình Ailoot chính xác., Mô tả cảnh và chuyển động., Cờ chất lượng tùy chọn; lược đồ đã chọn này không cung cấp tập giá trị liệt kê hoặc giá trị mặc định tương thích., Tạo hiệu ứng âm thanh AI khi được bật., Cung cấp chuỗi size theo tài liệu khi chọn kích thước cụ thể., Tốc độ khung hình được biểu diễn dưới dạng chuỗi trong phương thức gốc đã chọn này., Thời lượng tính bằng giây được biểu diễn dưới dạng chuỗi trong phương thức gốc đã chọn này. |
Bí danh phương thức: /v1/videos/generations
Vòng đời: 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}
Các đơn giá hiển thị dùng để ước tính chi phí trước khi tạo. Khoản phí cuối cùng được tính dựa trên chi phí ghi nhận cho lượt tạo gốc. Thời lượng đầu ra đo được và số lượng dự kiến không phải là số lượng cuối cùng dùng để tính phí.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Số lượng dự báo | Lượng dùng để tính phí | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Số lượng dự báo— | Lượng dùng để tính phí— | Phí Đầu vào · Token đầu vào · Ước tính chỉ để so sánh — / 1K token Đầu ra · Token đầu ra · Ước tính chỉ để so sánh — / 1K token Đầu vào · Đọc bộ nhớ đệm · Ước tính chỉ để so sánh — / 1K token Đầu vào · Ghi bộ nhớ đệm · Ước tính chỉ để so sánh — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ · Ước tính chỉ để so sánh — / 1K token |
| Cấu hìnhMỗi yêu cầu | Biểu mức phí— | Số lượng dự báo— | Lượng dùng để tính phímột yêu cầu | Phí Đầu vào · Ước tính chỉ để so sánh $0.3 mỗi yêu cầu |
| Cấu hìnhChi phí tạo ước tính | Biểu mức phí— | Số lượng dự báoước tính cho một lần tạo | Lượng dùng để tính phí— | Phí Đầu ra · Chi phí tạo ước tính · Ước tính chỉ để so sánh $0.3 ước tính trước khi tạo Ước tính này không phải là khoản phí bổ sung hay mức giá cố định cho lượt tạo đã hoàn tất. |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${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}Lưu mọi video đã hoàn tất hoặc tệp trả về; truy xuất từng URL tài nguyên thực tế được trả về.
Giữ lại toàn bộ phản hồi và tiêu đề, các mã định danh gốc, mọi đầu ra thực tế và tất cả trường mức sử dụng/hạch toán. Lưu từng tài sản duy nhất thuộc quyền sở hữu và giữ lại mọi vai trò tham chiếu đến tài sản đó.
Giữ lại id tác vụ hoặc thao tác công khai được trả về và tất cả tiêu đề. Chỉ đọc tác vụ ban đầu; unknown hoặc result_pending_check không cho phép tạo thêm tác vụ.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngpolling_url | Loạistring |
Trườngprovider_task_id | Loạistring |
Trườngid | Loạistring |
Trườngtask_status | Loạistring |
Trườngvideo_result[].url | Loạistring |
Ailoot Ultra cogvideox-3
/v1/videos/generations