رفتن به محتوا

Cosmos 3 Super Image to Video

یکپارچه‌سازی

شناسه مدل 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۴۰⁩ ۴۰۰ اعتبار API · ≈ ⁨‎₽۴۳٫۰۳⁩ فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
NVIDIA تصویر به ویدیو همگام‌سازی لب #stylized#transform#lipsync

تصویر فریم نخست را به ویدئو متحرک تبدیل می‌کند، با گسترش اختیاری پرامپت و حلقه پالایش عامل‌محور

NVIDIA · ویدیو

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی 88 / 4096

دستورهای متنی تولید ویدیو: محتوای صحنه و حرکتی را که باید نشان دهد مشخص کنید.

•الزامی image_url
یک فایل بیندازید، یا

URL تصویری که برای شرطی‌سازی فریم اول ویدیو استفاده می‌شود.

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

ابعاد ویدیوی درخواستی پیش از تنظیم خودکار. برای دریافت اندازه پشتیبانی‌شده، سیستم درخواست را محدود می‌کند و نزدیک‌ترین سطح NVIDIA یعنی 256p، 480p یا 720p و نسبت تصویر پشتیبانی‌شده را انتخاب می‌کند.

پیش‌فرض 2

حد بالای مراحل پرامپت با فعال بودن تولید عامل‌محور.

پیش‌فرض 2

تعداد نامزدهای ویدیو در هر تکرار حلقه عامل‌محور؛ مشخص می‌کند پیش از بازنویسی پرامپت، چند ویدیو در ارزیابی رقابت کنند.

پیش‌فرض 189

تعداد فریم برای تولید؛ افزایش آن ویدیوی طولانی‌تری تولید می‌کند.

پیش‌فرض 24

نرخ فریم ویدیوی خروجی، برحسب فریم در ثانیه.

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

پرامپت منفی برای جلوگیری از محتوایی مانند حرکت ناخواسته یا مصنوعات. حذف آن از پرامپت منفی پیشنهادی NVIDIA برای i2v استفاده می‌کند، درحالی‌که رشته خالی راهنمایی منفی را غیرفعال می‌کند.

پیش‌فرض 28

تعداد گام‌های حذف نویز؛ با افزایش تعداد، زمان پردازش بیشتر و کیفیت بهتر می‌شود.

پیش‌فرض 6

قدرت راهنمایی بدون طبقه‌بند.

seed کنترل‌کننده تکرارپذیری: وقتی نسخه مدل تغییر نکرده باشد، پرامپت و seed یکسان ویدیویی یکسان تولید می‌کنند.

POST /run/nvidia/cosmos-3-super/image-to-video?wait=20 قیمت → ⁨‎$۰٫۴۰⁩
# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Cosmos 3 Super Image to Video

از `image_url` به‌عنوان فریم آغازین و یک `prompt` حداکثر 4096 کاراکتری استفاده می‌کند. `num_frames` حداکثر 189 و `frames_per_second` از 4 تا 60 است. گسترش پرامپت به‌طور پیش‌فرض فعال است و `enable_agentic_generation` نامزدها را به‌صورت تکراری همراه با نقد پالایش می‌کند. `negative_prompt`، `guidance_scale` و `num_inference_steps` تا 50 نیز ارائه می‌شوند.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
≤ ۴٬۰۹۶ نویسه
دستورهای متنی تولید ویدیو: محتوای صحنه و حرکتی را که باید نشان دهد مشخص کنید.
image_urlالزامی image
نوعurl · image
URL تصویری که برای شرطی‌سازی فریم اول ویدیو استفاده می‌شود.
negative_promptاختیاری
نوعstring
پیش‌فرضThe 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.
≤ ۲٬۰۴۸ نویسه
پرامپت منفی برای جلوگیری از محتوایی مانند حرکت ناخواسته یا مصنوعات. حذف آن از پرامپت منفی پیشنهادی NVIDIA برای i2v استفاده می‌کند، درحالی‌که رشته خالی راهنمایی منفی را غیرفعال می‌کند.
enable_prompt_expansionاختیاری
نوعboolean
پیش‌فرضtrue
بسط پرامپت که در صورت true بودن، از Cosmos3-Nano Reasoner برای تولید قالب dense-caption مورد استفاده در آموزش Cosmos3 استفاده می‌کند؛ این VLM فریم اول را بررسی می‌کند. COSMOS_PROMPT_UPSAMPLER_BASE_URL سرویس Reasoner پیکربندی‌شده را انتخاب می‌کند؛ در غیر این صورت برنامه یکی را به‌صورت محلی اجرا می‌کند. شکست بسط باعث می‌شود پرامپت تغییریافته‌نشده استفاده شود.
enable_agentic_generationاختیاری
نوعboolean
پیش‌فرضfalse
تولید عامل‌محور تکرارشونده Cosmos که به‌دلیل رندر کامل هر نامزد، بسیار کندتر و پرهزینه‌تر از یک‌بار تولید است. این حلقه پرامپت را بسط می‌دهد، نامزدهای ویدیو را تولید می‌کند، با استفاده از VLM فریم‌های نمونه‌برداری‌شده را نقد می‌کند و پرامپت را بازنویسی می‌کند.
agentic_max_iterationsاختیاری
نوعinteger
پیش‌فرض2
۱ – ۳
حد بالای مراحل پرامپت با فعال بودن تولید عامل‌محور.
agentic_samples_per_iterationاختیاری
نوعinteger
پیش‌فرض2
۱ – ۳
تعداد نامزدهای ویدیو در هر تکرار حلقه عامل‌محور؛ مشخص می‌کند پیش از بازنویسی پرامپت، چند ویدیو در ارزیابی رقابت کنند.
agentic_early_stopاختیاری
نوعboolean
پیش‌فرضtrue
کنترل توقف زودهنگام که امتیاز منتقد بالاتر از آستانه سخت‌گیرانه کیفیت را برای پایان حلقه عامل‌محور کافی می‌داند.
image_sizeاختیاری
نوعobject
پیش‌فرض{"height":480,"width":832}
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
ابعاد ویدیوی درخواستی پیش از تنظیم خودکار. برای دریافت اندازه پشتیبانی‌شده، سیستم درخواست را محدود می‌کند و نزدیک‌ترین سطح NVIDIA یعنی 256p، 480p یا 720p و نسبت تصویر پشتیبانی‌شده را انتخاب می‌کند.
num_framesاختیاری
نوعinteger
پیش‌فرض189
۵ – ۱۸۹
تعداد فریم برای تولید؛ افزایش آن ویدیوی طولانی‌تری تولید می‌کند.
frames_per_secondاختیاری
نوعinteger
پیش‌فرض24
۴ – ۶۰
نرخ فریم ویدیوی خروجی، برحسب فریم در ثانیه.
num_inference_stepsاختیاری
نوعinteger
پیش‌فرض28
۱ – ۵۰
تعداد گام‌های حذف نویز؛ با افزایش تعداد، زمان پردازش بیشتر و کیفیت بهتر می‌شود.
guidance_scaleاختیاری
نوعnumber
پیش‌فرض6
۰ – ۲۰
قدرت راهنمایی بدون طبقه‌بند.
seedاختیاری
نوعinteger | null
seed کنترل‌کننده تکرارپذیری: وقتی نسخه مدل تغییر نکرده باشد، پرامپت و seed یکسان ویدیویی یکسان تولید می‌کنند.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
کنترل تعدیل برای تصویر و پرامپت ارائه‌شده که غیرفعال‌سازی آن فقط برای حساب‌های مجاز ممکن است. درخواست‌های فاقد مجوز، صرف‌نظر از این تنظیم، بررسی می‌شوند.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}ویدیوی تولیدشده توسط مدل.
seed
integerمقدار Seed اعمال‌شده هنگام تولید.

مدل‌های بیشتر: تصویر به ویدیو

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/nvidia/cosmos-3-super/image-to-video.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt