Léim chuig an ábhar

Cosmos 3 Super Image to Video

Comhtháthú

Aitheantas na samhla 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"

Comhaid cosúil leis an sampla: $0.40 400 gcreidmheas API · ≈ ₽42.93 déantar do chuid comhad a thomhas roimh an rith Rith ar an leathanach seo

Faigh eochair API
NVIDIA Íomhá go Físeán Sioncronú liopaí #stylized#transform#lipsync

Beochanann sé íomhá den chéad fhráma ina físeán, le leathnú roghnach leide agus lúb mhionchoigeartaithe gníomhaí

NVIDIA · Físeán

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach 88 / 4096

Treoracha giniúna físeáin i dtéacs: sonraigh a bhfuil sa radharc agus an ghluaiseacht atá le taispeáint aige.

•riachtanach image_url
Scaoil comhad, nó

URL íomhá a úsáidtear chun an chéad fhráma den fhíseán a riochtú.

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

Toisí físeáin iarrtha roimh choigeartú uathoibríoch. Chun méid tacaithe a fháil, teorannaíonn an córas an t-iarratas agus roghnaíonn sé an tsraith NVIDIA is gaire—256p, 480p nó 720p—agus cóimheas gné tacaithe.

réamhshocrú 2

Uasteorainn ar chéimeanna leide nuair atá giniúint ghníomhaireach cumasaithe.

réamhshocrú 2

Líon iarrthóirí físeáin in aghaidh atriall don lúb ghníomhaireach, a chinneann cé mhéad físeán a théann san iomaíocht sa mheasúnú sula leanann an ceann is fearr ar aghaidh chuig athscríobh na leide.

réamhshocrú 189

Líon frámaí don ghiniúint; cruthaíonn méadú air físeán níos faide.

réamhshocrú 24

Ráta fráma físeáin aschuir, tomhaiste i bhfrámaí sa soicind.

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

Leid dhiúltach chun ábhar amhail gluaiseacht nó déantáin nach dteastaíonn a sheachaint. Mura soláthraítear í, úsáidtear leid dhiúltach mholta NVIDIA le haghaidh i2v; díchumasaíonn teaghrán folamh an treoir dhiúltach.

réamhshocrú 28

Líon na gcéimeanna dí- torainn, áit a mbíonn próiseáil níos faide mar thoradh ar líon níos airde ar mhaithe le cáilíocht níos fearr.

réamhshocrú 6

Neart na treorach gan aicmitheoir.

Síl a rialaíonn in-atáirgtheacht: cruthaíonn leid agus síl chomhionann físeán comhionann nuair nach n-athraítear leagan na samhla.

POST /run/nvidia/cosmos-3-super/image-to-video?wait=20 luachan → $0.40
# 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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Cosmos 3 Super Image to Video

Úsáideann sé `image_url` mar fhráma tosaigh agus `prompt` suas le 4096 carachtar. Téann `num_frames` suas go 189 agus `frames_per_second` ó 4 go 60. Bíonn leathnú na leide cumasaithe de réir réamhshocraithe, agus ritheann `enable_agentic_generation` iarrthóirí atriallacha le cáineadh. Cuireann sé `negative_prompt`, `guidance_scale` agus `num_inference_steps` suas le 50 ar fáil freisin.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
promptriachtanach
Cineálstring
≤ 4,096 gcarachtar
Treoracha giniúna físeáin i dtéacs: sonraigh a bhfuil sa radharc agus an ghluaiseacht atá le taispeáint aige.
image_urlriachtanach image
Cineálurl · image
URL íomhá a úsáidtear chun an chéad fhráma den fhíseán a riochtú.
negative_promptroghnach
Cineálstring
RéamhshocrúThe 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.
≤ 2,048 gcarachtar
Leid dhiúltach chun ábhar amhail gluaiseacht nó déantáin nach dteastaíonn a sheachaint. Mura soláthraítear í, úsáidtear leid dhiúltach mholta NVIDIA le haghaidh i2v; díchumasaíonn teaghrán folamh an treoir dhiúltach.
enable_prompt_expansionroghnach
Cineálboolean
Réamhshocrútrue
Leathnú leid a úsáideann Cosmos3-Nano Reasoner nuair is true é chun formáid dense-caption a tháirgeadh a úsáidtear chun Cosmos3 a oiliúint; scrúdaíonn an VLM seo an chéad fhráma. Roghnaíonn COSMOS_PROMPT_UPSAMPLER_BASE_URL seirbhís chumraithe Reasoner; murach sin, seolann an aip ceann go háitiúil. Má theipeann ar an leathnú, úsáidtear an leid neamhathraithe.
enable_agentic_generationroghnach
Cineálboolean
Réamhshocrúfalse
Giniúint ghníomhaireach atriallach Cosmos, i bhfad níos moille agus níos costasaí ná giniúint aonair toisc go n-éilíonn gach iarrthóir rindreáil iomlán. Uasmhéadaíonn an lúb an leid, gineann sé iarrthóirí físeáin, úsáideann sé VLM chun frámaí sampláilte a cháineadh, agus athscríobhann sé an leid.
agentic_max_iterationsroghnach
Cineálinteger
Réamhshocrú2
1 – 3
Uasteorainn ar chéimeanna leide nuair atá giniúint ghníomhaireach cumasaithe.
agentic_samples_per_iterationroghnach
Cineálinteger
Réamhshocrú2
1 – 3
Líon iarrthóirí físeáin in aghaidh atriall don lúb ghníomhaireach, a chinneann cé mhéad físeán a théann san iomaíocht sa mheasúnú sula leanann an ceann is fearr ar aghaidh chuig athscríobh na leide.
agentic_early_stoproghnach
Cineálboolean
Réamhshocrútrue
Rialú stad luath a mheasann gur leor scór criticeora os cionn na tairsí diana cáilíochta chun deireadh a chur leis an lúb ghníomhaireach.
image_sizeroghnach
Cineálobject
Réamhshocrú{"height":480,"width":832}
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Toisí físeáin iarrtha roimh choigeartú uathoibríoch. Chun méid tacaithe a fháil, teorannaíonn an córas an t-iarratas agus roghnaíonn sé an tsraith NVIDIA is gaire—256p, 480p nó 720p—agus cóimheas gné tacaithe.
num_framesroghnach
Cineálinteger
Réamhshocrú189
5 – 189
Líon frámaí don ghiniúint; cruthaíonn méadú air físeán níos faide.
frames_per_secondroghnach
Cineálinteger
Réamhshocrú24
4 – 60
Ráta fráma físeáin aschuir, tomhaiste i bhfrámaí sa soicind.
num_inference_stepsroghnach
Cineálinteger
Réamhshocrú28
1 – 50
Líon na gcéimeanna dí- torainn, áit a mbíonn próiseáil níos faide mar thoradh ar líon níos airde ar mhaithe le cáilíocht níos fearr.
guidance_scaleroghnach
Cineálnumber
Réamhshocrú6
0 – 20
Neart na treorach gan aicmitheoir.
seedroghnach
Cineálinteger | null
Síl a rialaíonn in-atáirgtheacht: cruthaíonn leid agus síl chomhionann físeán comhionann nuair nach n-athraítear leagan na samhla.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Rialú modhnóireachta don íomhá agus don leid soláthraithe, agus ní cheadaítear é a dhíchumasú ach do chuntais údaraithe. Déantar seiceálacha ar iarratais gan údarú beag beann ar an socrú.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}An físeán a tháirg an tsamhail.
seed
integerLuach síl a chuirtear i bhfeidhm le linn giniúna.

Tuilleadh samhlacha: Íomhá go Físeán

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/nvidia/cosmos-3-super/image-to-video.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt