Przejdź do treści

Cosmos 3 Super Image to Video

Integracja

Identyfikator modelu 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"

Pliki takie jak przykład: 0,40 $ 400 kredytów API · ≈ 43,03 ₽ Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
NVIDIA Obraz na wideo Synchronizacja ruchu ust #stylized#transform#lipsync

Animuje obraz pierwszej klatki do postaci wideo, z opcjonalnym rozszerzaniem promptu i agentową pętlą udoskonalania

NVIDIA · Wideo

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 88 / 4096

Tekstowe instrukcje generowania wideo: określ, co zawiera scena i jaki ruch ma przedstawiać.

•wymagane image_url
Upuść plik lub

URL obrazu używanego do określenia pierwszej klatki wideo.

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

Wymiary wideo żądane przed automatycznym dostosowaniem. Aby uzyskać obsługiwany rozmiar, system ogranicza żądanie i wybiera najbliższy poziom NVIDIA — 256p, 480p lub 720p — oraz obsługiwane proporcje.

domyślnie 2

Górny limit etapów promptu przy włączonym generowaniu agentowym.

domyślnie 2

Liczba kandydatów wideo na iterację w pętli agentowej, określająca, ile wideo konkuruje w ocenie, zanim najlepsze przejdzie do przepisywania promptu.

domyślnie 189

Liczba klatek do wygenerowania; jej zwiększenie tworzy dłuższe wideo.

domyślnie 24

Liczba klatek na sekundę wynikowego wideo, mierzona w klatkach na sekundę.

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

Negatywny prompt zniechęcający do treści takich jak niepożądany ruch lub artefakty. Pominięcie parametru używa zalecanego przez NVIDIA negatywnego promptu dla i2v, a pusty ciąg wyłącza prowadzenie negatywne.

domyślnie 28

Liczba kroków odszumiania, gdzie większa liczba oznacza dłuższe przetwarzanie, ale lepszą jakość.

domyślnie 6

Siła wskazówek bez klasyfikatora.

Ziarno sterujące powtarzalnością: identyczny prompt i ziarno tworzą identyczne wideo, gdy wersja modelu się nie zmieniła.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Cosmos 3 Super Image to Video

Używa `image_url` jako klatki początkowej oraz `prompt` o długości do 4096 znaków. `num_frames` wynosi maksymalnie 189, a `frames_per_second` od 4 do 60. Rozszerzanie promptu jest domyślnie włączone, a `enable_agentic_generation` uruchamia iteracyjne generowanie kandydatów z krytyką. Dostępne są również `negative_prompt`, `guidance_scale` i `num_inference_steps` do 50.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
≤ 4096 znaków
Tekstowe instrukcje generowania wideo: określ, co zawiera scena i jaki ruch ma przedstawiać.
image_urlwymagane image
Typurl · image
URL obrazu używanego do określenia pierwszej klatki wideo.
negative_promptopcjonalne
Typstring
DomyślneThe 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.
≤ 2048 znaków
Negatywny prompt zniechęcający do treści takich jak niepożądany ruch lub artefakty. Pominięcie parametru używa zalecanego przez NVIDIA negatywnego promptu dla i2v, a pusty ciąg wyłącza prowadzenie negatywne.
enable_prompt_expansionopcjonalne
Typboolean
Domyślnetrue
Rozszerzanie promptu, które po ustawieniu true używa Cosmos3-Nano Reasoner do utworzenia formatu dense-caption stosowanego do trenowania Cosmos3; ten VLM analizuje pierwszą klatkę. COSMOS_PROMPT_UPSAMPLER_BASE_URL wybiera skonfigurowaną usługę Reasoner, a w przeciwnym razie aplikacja uruchamia ją lokalnie. Niepowodzenie rozszerzania pozostawia niezmodyfikowany prompt.
enable_agentic_generationopcjonalne
Typboolean
Domyślnefalse
Iteracyjne generowanie agentowe Cosmos, znacznie wolniejsze i droższe niż pojedyncze generowanie, ponieważ każdy kandydat wymaga pełnego renderowania. Pętla rozszerza prompt, generuje kandydatów wideo, używa VLM do oceny próbkowanych klatek i przepisuje prompt.
agentic_max_iterationsopcjonalne
Typinteger
Domyślne2
1 – 3
Górny limit etapów promptu przy włączonym generowaniu agentowym.
agentic_samples_per_iterationopcjonalne
Typinteger
Domyślne2
1 – 3
Liczba kandydatów wideo na iterację w pętli agentowej, określająca, ile wideo konkuruje w ocenie, zanim najlepsze przejdzie do przepisywania promptu.
agentic_early_stopopcjonalne
Typboolean
Domyślnetrue
Sterowanie wcześniejszym zakończeniem, które uznaje wynik krytyka powyżej ścisłego progu jakości za wystarczający do zakończenia pętli agentowej.
image_sizeopcjonalne
Typobject
Domyślne{"height":480,"width":832}
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Wymiary wideo żądane przed automatycznym dostosowaniem. Aby uzyskać obsługiwany rozmiar, system ogranicza żądanie i wybiera najbliższy poziom NVIDIA — 256p, 480p lub 720p — oraz obsługiwane proporcje.
num_framesopcjonalne
Typinteger
Domyślne189
5 – 189
Liczba klatek do wygenerowania; jej zwiększenie tworzy dłuższe wideo.
frames_per_secondopcjonalne
Typinteger
Domyślne24
4 – 60
Liczba klatek na sekundę wynikowego wideo, mierzona w klatkach na sekundę.
num_inference_stepsopcjonalne
Typinteger
Domyślne28
1 – 50
Liczba kroków odszumiania, gdzie większa liczba oznacza dłuższe przetwarzanie, ale lepszą jakość.
guidance_scaleopcjonalne
Typnumber
Domyślne6
0 – 20
Siła wskazówek bez klasyfikatora.
seedopcjonalne
Typinteger | null
Ziarno sterujące powtarzalnością: identyczny prompt i ziarno tworzą identyczne wideo, gdy wersja modelu się nie zmieniła.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Sterowanie moderacją podanego obrazu i promptu, którego wyłączenie jest dozwolone tylko dla autoryzowanych kont. Żądania bez autoryzacji są sprawdzane niezależnie od ustawienia.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Wideo utworzone przez model.
seed
integerWartość ziarna stosowana podczas generowania.

Więcej modeli: Obraz na wideo

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/nvidia/cosmos-3-super/image-to-video.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt