Op den Inhalt sprangen

Cosmos 3 Super Image to Video

Integréieren

Modell-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"

Dateie wéi am Beispill: 0,40 $ 400 API-Kreditter · ≈ 43,03 ₽ Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
NVIDIA Bild zu Video Lipsync #stylized#transform

Animéiert e Bild vum éischte Frame zu engem Video, mat optionaler Prompt-Erweiderung an enger agentescher Verfeinerungsschläif

NVIDIA · Video

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch 88 / 4096

Textuell Instruktioune fir d'Video-Generatioun: gitt un, wat d'Szen enthält a wéi eng Beweegung se weise soll.

•obligatoresch image_url
Fichier erofzéien, oder

Bild-URL, déi benotzt gëtt, fir den éischte Frame vum Video ze konditionéieren.

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

Videodimensiounen, déi virun der automatescher Upassung ugefrot ginn. Fir eng ënnerstëtzt Gréisst ze kréien, begrenzt de System d'Ufro a wielt déi nooste NVIDIA-Tier — 256p, 480p oder 720p — an en ënnerstëtzt Bildformat.

Standard 2

Uewergrenz fir d'Zuel vun de Prompt-Etappe bei aktivéierter agentescher Generatioun.

Standard 2

Zuel vu Videokandidaten pro Iteratioun an der agentescher Schläif; si bestëmmt, wéi vill Videoen an der Evaluatioun konkurréieren, ier dee beschte fir d'Ëmschreiwe vum Prompt virugeet.

Standard 189

Frame-Zuel fir d'Generatioun; eng Erhéijung produzéiert e méi laange Video.

Standard 24

Output-Video-Frame-Rate, a Frames pro Sekonn gemooss.

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

Negativen Prompt, fir Inhalter wéi ongewollte Beweegungen oder Artefakter ze vermeiden. Wann en ewechgelooss gëtt, gëtt den NVIDIA-empfohlene negativen Prompt fir i2v benotzt; en eidele String deaktivéiert negativ Guidance.

Standard 28

Unzuel vun den Entnoise-Schrëtt; méi Schrëtt bedeite méi laang Veraarbechtung, awer besser Qualitéit.

Standard 6

Stäerkt vun der classifier-free Guidance.

Seed fir d'Widderhuelbarkeet: en identesche Prompt an e identesche Seed produzéieren en identesche Video, wann d'Modellversioun onverännert ass.

POST /run/nvidia/cosmos-3-super/image-to-video?wait=20 Präis → 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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Cosmos 3 Super Image to Video

Benotzt `image_url` als Ufanksframe an e `prompt` vu bis zu 4096 Zeechen. `num_frames` geet bis 189 a `frames_per_second` vun 4 bis 60. D'Prompt-Erweiderung ass standardméisseg aktivéiert, an `enable_agentic_generation` leeft iterativ Kandidaten mat Kritik duerch. Zousätzlech ginn `negative_prompt`, `guidance_scale` an `num_inference_steps` bis 50 ugebueden.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
≤ 4.096 Zeechen
Textuell Instruktioune fir d'Video-Generatioun: gitt un, wat d'Szen enthält a wéi eng Beweegung se weise soll.
image_urlobligatoresch image
Typurl · image
Bild-URL, déi benotzt gëtt, fir den éischte Frame vum Video ze konditionéieren.
negative_promptoptional
Typstring
StandardThe 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 Zeechen
Negativen Prompt, fir Inhalter wéi ongewollte Beweegungen oder Artefakter ze vermeiden. Wann en ewechgelooss gëtt, gëtt den NVIDIA-empfohlene negativen Prompt fir i2v benotzt; en eidele String deaktivéiert negativ Guidance.
enable_prompt_expansionoptional
Typboolean
Standardtrue
Prompt-Erweiderung, déi bei true Cosmos3-Nano Reasoner benotzt, fir d'Dense-Caption-Format ze produzéieren, mat deem Cosmos3 trainéiert gëtt; dëse VLM ënnersicht den éischte Frame. COSMOS_PROMPT_UPSAMPLER_BASE_URL wielt e konfiguréiert Reasoner-Service; soss start d'App een lokal. Wann d'Erweiderung feelerschléit, gëtt den onverännerten Prompt weider benotzt.
enable_agentic_generationoptional
Typboolean
Standardfalse
Iterativ agentesch Cosmos-Generatioun, däitlech méi lues a méi deier wéi eng eemoleg Generatioun, well all Kandidat komplett gerendert gëtt. D'Schläif erweidert de Prompt, generéiert Videokandidaten, benotzt e VLM fir gesampelte Frames ze bewäerten, a schreift de Prompt ëm.
agentic_max_iterationsoptional
Typinteger
Standard2
1 – 3
Uewergrenz fir d'Zuel vun de Prompt-Etappe bei aktivéierter agentescher Generatioun.
agentic_samples_per_iterationoptional
Typinteger
Standard2
1 – 3
Zuel vu Videokandidaten pro Iteratioun an der agentescher Schläif; si bestëmmt, wéi vill Videoen an der Evaluatioun konkurréieren, ier dee beschte fir d'Ëmschreiwe vum Prompt virugeet.
agentic_early_stopoptional
Typboolean
Standardtrue
Kontroll fir de fréie Stopp, déi e Kritiker-Score iwwer der strenger Qualitéitsschwell als genuch behandelt, fir d'agentesch Schläif ofzeschléissen.
image_sizeoptional
Typobject
Standard{"height":480,"width":832}
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Videodimensiounen, déi virun der automatescher Upassung ugefrot ginn. Fir eng ënnerstëtzt Gréisst ze kréien, begrenzt de System d'Ufro a wielt déi nooste NVIDIA-Tier — 256p, 480p oder 720p — an en ënnerstëtzt Bildformat.
num_framesoptional
Typinteger
Standard189
5 – 189
Frame-Zuel fir d'Generatioun; eng Erhéijung produzéiert e méi laange Video.
frames_per_secondoptional
Typinteger
Standard24
4 – 60
Output-Video-Frame-Rate, a Frames pro Sekonn gemooss.
num_inference_stepsoptional
Typinteger
Standard28
1 – 50
Unzuel vun den Entnoise-Schrëtt; méi Schrëtt bedeite méi laang Veraarbechtung, awer besser Qualitéit.
guidance_scaleoptional
Typnumber
Standard6
0 – 20
Stäerkt vun der classifier-free Guidance.
seedoptional
Typinteger | null
Seed fir d'Widderhuelbarkeet: en identesche Prompt an e identesche Seed produzéieren en identesche Video, wann d'Modellversioun onverännert ass.
enable_safety_checkeroptional
Typboolean
Standardtrue
Moderatiounskontroll fir dat uginnent Bild an de Prompt; d'Deaktivéierung ass nëmme fir autoriséiert Konten erlaabt. Ufroën ouni Autorisatioun ginn onofhängeg vun dëser Astellung gepréift.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Video, dee vum Modell produzéiert gëtt.
seed
integerSeed-Wäert, deen während der Generatioun applizéiert gouf.

Méi Modeller: Bild zu Video

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/nvidia/cosmos-3-super/image-to-video.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt