কনটেন্টে যান

Cosmos 3 Super Image to Video

ইন্টিগ্রেট করুন

মডেল id nvidia/cosmos-3-super/image-to-video
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/nvidia/cosmos-3-super/image-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

উদাহরণের মতো ফাইল: ০.৪০$ ৪০০ API ক্রেডিট · ≈ ৪২.৯৩₽ চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান
NVIDIA ছবি থেকে ভিডিও লিপসিঙ্ক #stylized#transform#lipsync

প্রথম-ফ্রেমের একটি ছবিকে ভিডিওতে অ্যানিমেট করে, ঐচ্ছিক প্রম্পট সম্প্রসারণ ও এজেন্টিক পরিমার্জন লুপসহ

NVIDIA · ভিডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক 88 / 4096

টেক্সটে ভিডিও-জেনারেশন নির্দেশনা: দৃশ্যে কী থাকবে এবং কী গতি দেখাতে হবে তা নির্দিষ্ট করুন।

•আবশ্যক image_url
একটি ফাইল ড্রপ করুন, অথবা

ভিডিওর প্রথম ফ্রেম নির্ধারণে ব্যবহৃত ছবির URL।

image_size ডিফল্ট {"height":480,"width"...

স্বয়ংক্রিয় সমন্বয়ের আগে অনুরোধ করা ভিডিওর মাত্রা। সমর্থিত আকার পেতে সিস্টেমটি রিকোয়েস্ট সীমাবদ্ধ করে এবং নিকটতম NVIDIA tier—256p, 480p, বা 720p—ও সমর্থিত অ্যাসপেক্ট রেশিও নির্বাচন করে।

ডিফল্ট 2

agentic জেনারেশন সক্রিয় থাকা অবস্থায় প্রম্পটের ধাপগুলোর সর্বোচ্চ সীমা।

ডিফল্ট 2

agentic লুপে প্রতি পুনরাবৃত্তিতে ভিডিও প্রার্থীর সংখ্যা, যা নির্ধারণ করে সেরা প্রার্থী প্রম্পট পুনর্লিখনে যাওয়ার আগে মূল্যায়নে কতটি ভিডিও প্রতিযোগিতা করবে।

ডিফল্ট 189

জেনারেশনের জন্য ফ্রেমের সংখ্যা; এটি বাড়ালে দীর্ঘতর ভিডিও তৈরি হয়।

ডিফল্ট 24

আউটপুট ভিডিওর ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে পরিমাপ করা হয়।

অ্যাডভান্সড negative_prompt · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · agentic_early_stop · enable_safety_checker
0 / 2048

অনাকাঙ্ক্ষিত গতি বা artifact-এর মতো বিষয় নিরুৎসাহিত করার নেগেটিভ প্রম্পট। এটি বাদ দিলে i2v-এর জন্য NVIDIA-এর প্রস্তাবিত নেগেটিভ প্রম্পট ব্যবহৃত হয়, আর খালি স্ট্রিং নেগেটিভ গাইডেন্স নিষ্ক্রিয় করে।

ডিফল্ট 28

ডিনয়েজিং ধাপের সংখ্যা; সংখ্যা বাড়লে প্রসেসিং সময় বাড়ে, তবে গুণমান উন্নত হয়।

ডিফল্ট 6

classifier-free guidance-এর strength।

পুনরাবৃত্তিযোগ্যতা নিয়ন্ত্রণকারী seed: মডেল সংস্করণ অপরিবর্তিত থাকলে অভিন্ন প্রম্পট ও seed অভিন্ন ভিডিও তৈরি করে।

POST /run/nvidia/cosmos-3-super/image-to-video?wait=20 মূল্য → ০.৪০$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/nvidia/cosmos-3-super/image-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Cosmos 3 Super Image to Video সম্পর্কে

শুরুর ফ্রেম হিসেবে একটি `image_url` এবং সর্বোচ্চ 4096 অক্ষরের `prompt` ব্যবহার করে। `num_frames` সর্বোচ্চ 189 এবং `frames_per_second` 4 থেকে 60 পর্যন্ত। প্রম্পট সম্প্রসারণ ডিফল্টভাবে চালু থাকে, আর `enable_agentic_generation` সমালোচনাসহ পুনরাবৃত্তিমূলক প্রার্থী তৈরি করে। এছাড়া `negative_prompt`, `guidance_scale` এবং সর্বোচ্চ 50-এর `num_inference_steps` দেওয়া যায়।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
promptআবশ্যক
ধরনstring
≤ ৪,০৯৬টি অক্ষর
টেক্সটে ভিডিও-জেনারেশন নির্দেশনা: দৃশ্যে কী থাকবে এবং কী গতি দেখাতে হবে তা নির্দিষ্ট করুন।
image_urlআবশ্যক image
ধরনurl · image
ভিডিওর প্রথম ফ্রেম নির্ধারণে ব্যবহৃত ছবির URL।
negative_promptঐচ্ছিক
ধরনstring
ডিফল্টThe video captures a series of frames showing macroblocking artifacts, chromatic aberration, high-frequency noise, and rolling shutter distortion. It includes static with no motion, motion blur, over-saturation, shaky footage, low resolution, grainy texture, pixelated images, poorly lit areas, underexposed and overexposed scenes, poor color balance, washed out colors, choppy sequences, jerky movements, low frame rate, bit-depth compression artifacts, color banding, unnatural transitions, outdated special effects, fake elements, unconvincing visuals, poorly edited content, jump cuts, hard cut, visual noise, and flickering. It features moiré patterns, edge halos, and temporal aliasing. Furthermore, the content defies common sense, generating illogical scenarios, nonsensical entities, absurd character behaviors, and conceptual paradoxes that violate basic human reasoning and everyday reality. The video looks like a surreal or glitchy hallucination. Overall, the video is of poor quality.
≤ ২,০৪৮টি অক্ষর
অনাকাঙ্ক্ষিত গতি বা artifact-এর মতো বিষয় নিরুৎসাহিত করার নেগেটিভ প্রম্পট। এটি বাদ দিলে i2v-এর জন্য NVIDIA-এর প্রস্তাবিত নেগেটিভ প্রম্পট ব্যবহৃত হয়, আর খালি স্ট্রিং নেগেটিভ গাইডেন্স নিষ্ক্রিয় করে।
enable_prompt_expansionঐচ্ছিক
ধরনboolean
ডিফল্টtrue
true হলে Cosmos3-Nano Reasoner ব্যবহার করে Cosmos3 প্রশিক্ষণে ব্যবহৃত dense-caption ফরম্যাট তৈরি করা প্রম্পট সম্প্রসারণ; এই VLM প্রথম ফ্রেম পরীক্ষা করে। COSMOS_PROMPT_UPSAMPLER_BASE_URL একটি কনফিগার করা Reasoner সার্ভিস নির্বাচন করে; অন্যথায় অ্যাপটি একটি স্থানীয় সার্ভিস চালু করে। সম্প্রসারণ ব্যর্থ হলে অপরিবর্তিত প্রম্পট ব্যবহৃত হয়।
enable_agentic_generationঐচ্ছিক
ধরনboolean
ডিফল্টfalse
Iterative Cosmos agentic জেনারেশন, একবার জেনারেট করার তুলনায় উল্লেখযোগ্যভাবে ধীর ও ব্যয়বহুল, কারণ প্রতিটি প্রার্থীকে সম্পূর্ণ রেন্ডার করতে হয়। লুপটি প্রম্পট আপস্যাম্পল করে, ভিডিও প্রার্থী জেনারেট করে, একটি VLM দিয়ে নমুনাকৃত ফ্রেমের সমালোচনা করায় এবং প্রম্পট পুনর্লিখন করে।
agentic_max_iterationsঐচ্ছিক
ধরনinteger
ডিফল্ট2
১ – ৩
agentic জেনারেশন সক্রিয় থাকা অবস্থায় প্রম্পটের ধাপগুলোর সর্বোচ্চ সীমা।
agentic_samples_per_iterationঐচ্ছিক
ধরনinteger
ডিফল্ট2
১ – ৩
agentic লুপে প্রতি পুনরাবৃত্তিতে ভিডিও প্রার্থীর সংখ্যা, যা নির্ধারণ করে সেরা প্রার্থী প্রম্পট পুনর্লিখনে যাওয়ার আগে মূল্যায়নে কতটি ভিডিও প্রতিযোগিতা করবে।
agentic_early_stopঐচ্ছিক
ধরনboolean
ডিফল্টtrue
Early-stop নিয়ন্ত্রণ, যা strict quality threshold-এর ওপরে critic score-কে agentic লুপ শেষ করার জন্য যথেষ্ট বলে গণ্য করে।
image_sizeঐচ্ছিক
ধরনobject
ডিফল্ট{"height":480,"width":832}
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
স্বয়ংক্রিয় সমন্বয়ের আগে অনুরোধ করা ভিডিওর মাত্রা। সমর্থিত আকার পেতে সিস্টেমটি রিকোয়েস্ট সীমাবদ্ধ করে এবং নিকটতম NVIDIA tier—256p, 480p, বা 720p—ও সমর্থিত অ্যাসপেক্ট রেশিও নির্বাচন করে।
num_framesঐচ্ছিক
ধরনinteger
ডিফল্ট189
৫ – ১৮৯
জেনারেশনের জন্য ফ্রেমের সংখ্যা; এটি বাড়ালে দীর্ঘতর ভিডিও তৈরি হয়।
frames_per_secondঐচ্ছিক
ধরনinteger
ডিফল্ট24
৪ – ৬০
আউটপুট ভিডিওর ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে পরিমাপ করা হয়।
num_inference_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট28
১ – ৫০
ডিনয়েজিং ধাপের সংখ্যা; সংখ্যা বাড়লে প্রসেসিং সময় বাড়ে, তবে গুণমান উন্নত হয়।
guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট6
০ – ২০
classifier-free guidance-এর strength।
seedঐচ্ছিক
ধরনinteger | null
পুনরাবৃত্তিযোগ্যতা নিয়ন্ত্রণকারী seed: মডেল সংস্করণ অপরিবর্তিত থাকলে অভিন্ন প্রম্পট ও seed অভিন্ন ভিডিও তৈরি করে।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
সরবরাহ করা ছবি ও প্রম্পটের moderation নিয়ন্ত্রণ, যা নিষ্ক্রিয় করা কেবল অনুমোদিত অ্যাকাউন্টের জন্য অনুমোদিত। অনুমোদনহীন রিকোয়েস্ট সেটিং যাই হোক না কেন যাচাইয়ের আওতায় পড়ে।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "nvidia/cosmos-3-super/image-to-video",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 400,
    "usd": "0.40",
    "charged": 400,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200,
      "width": 1024,
      "height": 768,
      "fps": 1.0,
      "duration": 5,
      "num_frames": 1
    },
    "seed": 42
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}মডেল দ্বারা উৎপাদিত ভিডিও।
seed
integerজেনারেশনের সময় প্রয়োগ করা সিডের মান।

আরও মডেল: ছবি থেকে ভিডিও

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/nvidia/cosmos-3-super/image-to-video.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt