TL;DR: Kenerate AI ist ein kreativer Arbeitsbereich, der Bild-, Video-, Bearbeitungs-, Audio-, 3D- und Agentenfunktionen kombiniert.

Kenerate AI vereint Kreativtools in einem Workspace. Entwickler sollten zunächst zwischen den nativen Zugangsoptionen — einschließlich MCP/CLI und Enterprise-API-Zugang — und einer separaten CometAPI-Integration unterscheiden. Dieser Leitfaden behandelt Zugangs- und Kostenplanung, Umgebungssetup, Bildgenerierung, Antwortverarbeitung, Bildbearbeitung und asynchrone Videoproduktion. Folgen Sie den Beispielen, um mit Python 3.10+, einem CometAPI-Schlüssel und ausreichendem Guthaben ein Originalbild, eine bearbeitete Variante und einen fertigen Clip zu speichern.

Wichtigste Punkte

• Kenerate AI ist ein Multi-Model-Kreativdienst, nicht ein einzelnes Foundation Model.
• Kenerate bietet MCP/CLI-Zugang sowie Enterprise-API-Onboarding; wählen Sie den Weg, der zu Ihrer Anwendung und Ihrem Konto passt.
• Verwenden Sie konkrete Modell-IDs und routenspezifische Parameter, wenn Sie eine separate CometAPI-Integration aufbauen.
• Speichern Sie Bild-Bytes nach der Generierung; bewahren Sie eine Video-Task-ID auf, damit das Polling ohne erneute Job-Einreichung fortgesetzt werden kann.
• CometAPI bietet eine separate Entwickler-Integration für unterstützte Bild-/Video-Modelle — mit separaten Zugangsdaten und Abrechnung.

Was ist Kenerate AI?

Verwenden Sie die Studios von Kenerate für interaktive Kreation. Entwickler können außerdem die offiziellen MCP/CLI-Tools nutzen oder den Support bezüglich Enterprise-API-Zugang kontaktieren. Der Abschnitt „Zugang“ unten erläutert diese Optionen; die Python-Beispiele später in diesem Leitfaden rufen CometAPI separat auf.

Kenerate AI und CometAPI sind getrennte Dienste.

Der untenstehende Code ruft CometAPI direkt auf. Er meldet sich nicht bei Kenerate an, automatisiert kein Kenerate-Studio und verbraucht keine Kenerate-Credits. Er repliziert eine eng definierte kreative Aufgabe mit einem unterstützten Modell, ohne identische Studio-Presets oder -Outputs zu beanspruchen.

Offizielles Produktbild-Beispiel aus der Kenerate-Galerie. Dies veranschaulicht einen kreativen Anwendungsfall; es ist nicht die Ausgabe des unten stehenden API-Codes.

Wie beeinflusst die Kenerate-AI-Preisgestaltung die API-Kostenplanung?

Kenerate wirbt mit 25 Starter-Credits und einmaligen Credit-Paketen ab 15 $. Die Abrechnungs-FAQ besagt, dass gekaufte Credits nicht verfallen und die Videogenerierung ein gekauftes Credit-Paket erfordert. Dies sind Studio-Abrechnungsbedingungen, kein Angebot für den Enterprise-API-Zugang.

CometAPI verwendet separate Zugangsdaten und Abrechnung. Prüfen Sie vor einem Test oder Batch das gewählte Modell und die Anfrageeinstellungen anhand der Kostenabschätzung, setzen Sie ein Job-Limit und kontrollieren Sie die erfasste Nutzung. Kenerate-Credits bestimmen nicht die Kosten von CometAPI-Anfragen.

Wie greifen Sie auf Kenerate AI zu?

Über MCP oder CLI verbinden

Die offizielle MCP/CLI-Setup-Seite von Kenerate bietet einen nativen Entwicklerzugang. Der Remote-MCP-Server lautet https://mcp.kenerateai.com/mcp. Fügen Sie den Server in einem kompatiblen Client hinzu und schließen Sie die Kenerate-Anmeldung dort ab, wo sie unterstützt wird; folgen Sie der Setup-Seite für CLI-Installation und Authentifizierung. Diese Tools verwenden Ihr Kenerate-Konto, nicht einen CometAPI-Schlüssel.

Bei Bedarf Enterprise-API-Zugang anfordern

Die offizielle FAQ beschreibt außerdem API-Zugang für Enterprise-Partner über den Support. Fordern Sie für diesen Weg Endpunkt-Dokumentation, Authentifizierung, unterstützte Operationen, Quoten und Abrechnungsbedingungen an. Enterprise-Onboarding sollte nicht als einzige native Integrationsoption dargestellt werden.

Wie richten Sie einen separaten CometAPI-Workflow ein?

Konto und Zugangsdaten

Erstellen Sie ein CometAPI-Konto und generieren Sie einen Schlüssel gemäß den API-Schlüsseleinrichtungsanweisungen. Bewahren Sie den Schlüssel auf Ihrem Server oder Entwicklungsrechner auf. Die folgenden Bash-Befehle installieren den HTTP-Client und lesen den Schlüssel ein, ohne ihn anzuzeigen. Windows-Nutzer können sie in WSL oder Git Bash ausführen.

python -m pip install requests
read -rsp "CometAPI API key: " COMETAPI_KEY
export COMETAPI_KEY
printf '\n'

Eine kleine, spezifische erste Anfrage

Verwenden Sie zunächst einen Prompt und eine Ausgabe, bevor Sie optionale Steuerungen hinzufügen. Für den Bild-Workflow können Entwickler die GPT Image 2 API in CometAPI nutzen. Der Video-Workflow verwendet die Kling Video API in CometAPI mit dem routenspezifischen model_name-Wert aus dem Developer-Quickstart. Ein Studio-Label ist kein Ersatz für einen API-Bezeichner.

Vergleichen Sie die CometAPI-Beispiele

CometAPI dokumentiert die Bildanfrage- und Ausgabefelder sowie die Videoeinreichungs- und Polling-Routen getrennt. Behandeln Sie Zugangsdaten, Route, Body und Ergebnis-Parsing als eine vollständige Integration.

Kann man das OpenAI-SDK mit CometAPI verwenden?

Ja, für unterstützte OpenAI-kompatible Routen. Das SDK-Leitfaden von CometAPI verwendet einen CometAPI-Schlüssel und die Basis-URL https://api.cometapi.com/v1. Das OpenAI Python SDK unterstützt eine benutzerdefinierte base_url. Installieren Sie das SDK separat, falls Sie es verwenden; die unten ausführbaren Bild- und Video-Skripte nutzen requests.

python -m pip install openai

import os
from openai import OpenAI

client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1",
)

Client configuration only: no generation request is submitted here.

Die Kompatibilität bezieht sich auf den dokumentierten Endpunkt, Felder und die Antwortstruktur. Sie macht nicht jede Provider-Route austauschbar. Der Image-Quickstart unterstützt client.images.generate; das Kling-Beispiel unten verwendet die providerspezifische Route /kling/v1/videos/text2video und den Task-Vertrag. Folgen Sie dem passenden [Image-](https://apidoc.cometapi.com/quickstarts/image/gpt-image-api) oder [Kling-](https://apidoc.cometapi.com/quickstarts/video/kling-api) Quickstart, statt einen generischen SDK-Videocall zu ersetzen.

## Wie generieren und speichern Sie ein Bild mit CometAPI?

### Bildeinstellungen wählen

Verwenden Sie für den ersten Bildtest gpt-image-2, size="1024x1024", quality="low" und output_format="jpeg". Speichern Sie das Ergebnis mit einer passenden Dateiendung. Beschreiben Sie Produkt, Hintergrund und Beleuchtung klar. Diese Bild-Route verwendet das Feld model und liefert Bildbytes in data[0].b64_json.

### Bild generieren und speichern

CometAPI dokumentiert die Bilderzeugung mit [gpt-image-2](https://apidoc.cometapi.com/quickstarts/image/gpt-image-api) und Base64-Ausgabe. Dieses Beispiel sendet eine synchrone Anfrage und speichert die zurückgegebenen Bytes als JPEG. Speichern Sie es als generate_image.py und führen Sie nach dem Setzen der Umgebungsvariable python generate_image.py aus.

import base64
import os
from pathlib import Path
import requests

response = requests.post(
"https://api.cometapi.com/v1/images/generations",
headers={"Authorization": f"Bearer {os.environ['COMETAPI_KEY']}"},
json={
"model": "gpt-image-2",
"prompt": "A ceramic cup on marble, realistic product lighting",
"quality": "low",
"size": "1024x1024",
"output_format": "jpeg",
},
timeout=(10, 180),
)
response.raise_for_status()
payload = response.json()
items = payload.get("data", [])
if not items or not items[0].get("b64_json"):
raise RuntimeError("No image bytes returned; inspect the response schema.")
image_bytes = base64.b64decode(items[0]["b64_json"], validate=True)
if not image_bytes:
raise RuntimeError("The returned image is empty.")
output = Path("product-image.jpeg")
output.write_bytes(image_bytes)
print(f"Saved {output} ({len(image_bytes)} bytes)")

### Gespeichertes Bild prüfen

Bestätigen Sie zunächst, dass product-image.jpeg existiert und sich in einem Bildbetrachter öffnen lässt. Prüfen Sie anschließend, ob Motiv, Bildaufbau und Produktdetails zum Prompt passen. Untersuchen Sie Motiv und Komposition, bevor Sie den Prompt ändern. Ein HTTP-200-Status bestätigt, dass die Anfrage erfolgreich war, dennoch müssen Sie die zurückgegebenen Daten validieren und das Bild prüfen. Wenn eine Antwort einen Fehler oder ein anderes Schema enthält, untersuchen Sie dies, bevor Sie den Decoder ändern; speichern Sie den JSON-Text nicht mit einer Bild-Endung.

Belassen Sie das Originalbild unverändert für spätere Bearbeitungen. Stimmen Sie die Dateiendung mit dem angeforderten output_format ab, und prüfen Sie wichtige Texte oder Produktdetails visuell. Wenn Sie Modelle wechseln, prüfen Sie den Response-Vertrag, bevor Sie diesen Base64-Decoder wiederverwenden.

### Ein generiertes oder lokales Bild bearbeiten

Laden Sie die Quelldatei als Multipart-Daten hoch. Beschreiben Sie die gewünschte Änderung und die zu bewahrenden Details; behalten Sie die Originaldatei und speichern Sie jedes freigegebene Ergebnis unter einem neuen Namen.

Für den separaten CometAPI-Workflow [akzeptiert der image-edit-Endpunkt Multipart-Uploads](https://apidoc.cometapi.com/api/image/openai/image-editing). Speichern Sie dieses eigenständige Skript als edit_image.py neben product-image.jpeg aus dem Generierungsschritt und führen Sie dann python edit_image.py aus. Der Prompt fordert eine einzige Änderung an der Farbe der Tasse an, und das Skript speichert das Ergebnis als product-image-edited.jpeg.

import base64
import os
from pathlib import Path
import requests

source = Path("product-image.jpeg")
with source.open("rb") as image_file:
response = requests.post(
"https://api.cometapi.com/v1/images/edits",
headers={"Authorization": f"Bearer {os.environ['COMETAPI_KEY']}"},
files={"image": (source.name, image_file, "image/jpeg")},
data={
"model": "gpt-image-2",
"prompt": "Change only the cup color to matte black. Preserve its shape, background and lighting.",
"quality": "low",
"output_format": "jpeg",
},
timeout=(10, 240),
)
response.raise_for_status()
items = response.json().get("data", [])
if not items or not items[0].get("b64_json"):
raise RuntimeError("No edited image returned; inspect the response.")
edited_bytes = base64.b64decode(items[0]["b64_json"], validate=True)
if not edited_bytes:
raise RuntimeError("The edited image is empty.")
Path("product-image-edited.jpeg").write_bytes(edited_bytes)
print("Saved product-image-edited.jpeg")

#### Verwendung eines lokalen Referenzbildes

Um stattdessen ein vorhandenes Produktfoto zu bearbeiten, setzen Sie source auf diese Datei. Setzen Sie den Upload-MIME-Typ entsprechend seinem tatsächlichen Format, z. B. image/png für eine PNG. Das angeforderte output_format kann unabhängig vom Quellformat jpeg bleiben. Lassen Sie requests den Multipart-Content-Type-Header erzeugen; das manuelle Erzwingen von application/json würde den Datei-Upload zerstören.

Referenzbilder helfen bei der Konsistenz, garantieren jedoch keine exakte Bewahrung von Logos oder Produktgeometrie. Behalten Sie einen manuellen Freigabeschritt für kommerzielle Produktangaben bei.

#### Eine Bearbeitung fortsetzen

Für eine weitere Bearbeitung laden Sie die freigegebene Ausgabe als nächste Quelle hoch und formulieren die nächste Anweisung. Bewahren Sie jede Version unter einem anderen Dateinamen auf. Prüfen Sie sowohl die angeforderte Änderung als auch die Elemente, die unverändert bleiben sollen, bevor Sie fortfahren.

## Wie reichen Sie ein Kling-Video mit CometAPI ein und rufen es ab?

### Einen Video-Task einreichen

Der [Kling](https://apidoc.cometapi.com/quickstarts/video/kling-api)-Text-zu-Video-Quickstart verwendet einen asynchronen Task: einmal einreichen, ID aufbewahren und die passende Route abfragen. Das Beispiel unten verwendet model_name="kling-v3", mode="std", duration="5" und sound="off". Diese Werte gelten für diese CometAPI-Kling-Route. Beschreiben Sie eine klare Subjektaktion und die beabsichtigte Kamerabewegung.

Verwenden Sie model_name für diese providerspezifische Route und belassen Sie mode="std", duration="5" und sound="off" für den ersten Test. Speichern Sie die zurückgegebene task_id sofort. Dies ist eine Text-zu-Video-Anfrage; Bildreferenzen erfordern die dokumentierte Image-to-Video-Route.

Speichern Sie den Code als generate_video.py. Führen Sie python generate_video.py aus, um einen Task zu erstellen. Führen Sie nach einer Polling-Unterbrechung python generate_video.py TASK_ID mit der gespeicherten ID aus, um fortzufahren. Der [Task-Abrufvertrag](https://apidoc.cometapi.com/api/video/kling/individual-queries) dokumentiert die Ergebnis-URL und unterstützt sowohl einen Daten-Wrapper als auch ein direktes Task-Objekt.

### Task pollen und Ergebnis herunterladen

Eine Videoerstellungsantwort liefert eine Task-ID, nicht eine fertige Mediendatei. Speichern Sie die ID beim Job, prüfen Sie task_status beim Abruf und laden Sie das Ergebnis erst nach Erfolg herunter. Das vollständige Video-Skript unten behandelt Einreichung, Polling, Fehlschlag und Download; sein Resume-Modus nutzt denselben Job weiter.

Rufen Sie den bestehenden Task mit GET /kling/v1/videos/text2video/{task_id} ab. Warten Sie auf task_status="succeed", bevor Sie task_result.videos[0].url lesen; behandeln Sie "failed" als Fehler. Ein lokaler Polling-Timeout sollte die Task-ID bewahren, damit der Abruf fortgesetzt werden kann, ohne eine weitere Generierung zu starten.

import json
import os
import sys
import time
from pathlib import Path
import requests

route = "https://api.cometapi.com/kling/v1/videos/text2video"
headers = {"Authorization": f"Bearer {os.environ['COMETAPI_KEY']}"}

def read_task(response):
response.raise_for_status()
body = response.json()
if body.get("code") not in (None, 0):
raise RuntimeError(f"API error: {body.get('message', body.get('code'))}")
return body.get("data", body)

if len(sys.argv) > 1:
task_id = sys.argv[1]
else:
created = read_task(requests.post(
route, headers=headers,
json={
"model_name": "kling-v3",
"prompt": "A wristwatch on dark marble. Slow lateral camera motion, soft light, no cuts.",
"mode": "std", "duration": "5", "sound": "off",
}, timeout=(10, 60),
))
task_id = created["task_id"]
Path("video-task-id.txt").write_text(task_id, encoding="utf-8")
print(f"Task ID: {task_id}", flush=True)

deadline = time.monotonic() + 600
while time.monotonic() < deadline:
task = read_task(requests.get(
f"{route}/{task_id}", headers=headers, timeout=(10, 30),
))
state = task["task_status"]
if state == "failed":
raise RuntimeError(task.get("task_status_msg") or "Video task failed")
if state == "succeed":
Path("video-result.json").write_text(json.dumps(task), encoding="utf-8")
asset_url = task["task_result"]["videos"][0]["url"]
with requests.get(asset_url, stream=True, timeout=(10, 120)) as asset:
asset.raise_for_status()
with Path("product-video.mp4").open("wb") as output:
for chunk in asset.iter_content(chunk_size=1024 * 1024):
if chunk:
output.write(chunk)
print("Saved product-video.mp4")
break
time.sleep(5)
else:
raise TimeoutError(f"Polling stopped. Resume with task ID {task_id}.")

### Abschluss und Wiederherstellung

Öffnen Sie product-video.mp4 und bestätigen Sie, dass es durchläuft. Das Skript speichert das Task-Ergebnis vor dem Download, sodass ein Download-Fehler keine erneute Clip-Erstellung erfordert. Sein lokales Polling-Deadline beendet das Warten; der Remote-Task wird nicht abgebrochen. Bewahren Sie die ID auf und setzen Sie den Abruf fort. Der Asset-Download verwendet bewusst eine separate, nicht authentifizierte Anfrage, damit der CometAPI-Schlüssel nicht an den Media-Host gesendet wird.

Das Video-Beispiel verwendet Texteingaben. Ein freigegebenes Bild kann nicht angehängt werden, indem man auf dieser Route ein erfundenes reference_image-Feld nutzt; Image-to-Video erfordert den dokumentierten Bild-Workflow des ausgewählten Providers.

## Wie erweitern Sie einen CometAPI-Workflow für den Produktionseinsatz?

### Job-Datensätze und wiederverwendbare Assets

Speichern Sie Prompt, Konfiguration, Quell-Asset, Task-ID und Ausgabepfad jeweils unter einem Anwendungsjob. Bewahren Sie Bildrevisionen getrennt auf, damit Nutzer zu einer freigegebenen Version zurückkehren können. Speichern Sie beim Video die Task-ID, bevor der Request-Handler endet, und lassen Sie einen Worker den Abruf übernehmen.

### Callbacks und Abgleich

Für asynchrone Videolieferung folgen Sie CometAPIs [Polling- und Webhook-Empfehlungen](https://apidoc.cometapi.com/guides/webhook-and-polling-for-video-generation). Ergänzen Sie Callbacks erst, wenn das grundlegende Polling funktioniert, und gestalten Sie doppelte Benachrichtigungen idempotent. Bewahren Sie einen Abrufpfad für Jobs, deren Callback verzögert ist oder fehlt.

## Wie sollten Sie Fehler in einem CometAPI-Workflow behandeln?

Wenden Sie die [dokumentierten API-Fehler- und Retry-Richtlinien](https://apidoc.cometapi.com/guides/error-codes-and-retry-strategy) beim Aufbau dieses CometAPI-Workflows an. Trennen Sie zunächst eine ungültige Anfrage von einem temporären Transportfehler. Bewahren Sie Response-Status, Request-IDs und Task-IDs in Serverlogs auf, ohne geheime Schlüssel zu protokollieren.

* Authentifizierungsfehler: Schlüssel, Kontozugriff und Zielhost prüfen, bevor Sie erneut versuchen.
* Nicht unterstützter Parameter: Zur kleinsten dokumentierten Anfrage zurückkehren, dann optional jeweils ein Feld hinzufügen.
* Ratenlimit oder temporärer Polling-Fehler: Mit begrenztem Backoff warten und die bestehende Task-Abfrage fortsetzen.
* Erstellungstimeout: Ermitteln, ob die erste Anfrage einen Job erzeugt hat, bevor Sie erneut einreichen. Das Wiederholen einer Generierung kann zusätzliche Kosten verursachen.
* Fehlgeschlagener Output-Download: Das gespeicherte Task-Ergebnis verwenden oder den bestehenden Task erneut abrufen, statt eine neue Generierung zu starten.

## Fazit

Wählen Sie zuerst den Dienst und die Zugangsroute. Beginnen Sie bei Kenerate mit dem offiziellen MCP/CLI-Setup oder besprechen Sie Anforderungen an den Enterprise-API-Zugang mit dem Support. Für eine separate CometAPI-Implementierung konfigurieren Sie den Schlüssel, folgen der Image- oder Kling-Route, prüfen gespeicherte Ausgaben und behalten Video-Task-IDs zur Wiederherstellung. Ein sinnvolles erstes Ziel sind ein gültiges lokales Bild, eine bearbeitete Variante und ein abspielbares Video.

## FAQ

### Kann dieser CometAPI-Workflow vollständig im Browser laufen?

Ein Browser kann Prompts und Fortschritt anzeigen, aber ein öffentliches Frontend sollte keinen geheimen API-Schlüssel enthalten. Platzieren Sie Generierungsanfragen und Task-Tracking hinter Ihrem Backend, authentifizieren Sie den Nutzer dort und geben Sie nur das für die Oberfläche notwendige Ergebnis oder den Fortschritt zurück. Eine separate CometAPI-Implementierung sollte dieselbe Trennung einhalten.

### Was sollte ein Team vor dem Enterprise-Onboarding bei Kenerate AI anfordern?

Bitten Sie um die native API-Dokumentation und eine schriftliche Beschreibung der Modelle und Operationen, die Ihrem Konto zur Verfügung stehen. Klären Sie außerdem Authentifizierung, Quoten, Abrechnung, Task-Aufbewahrung und Support-Verantwortung. Eine Studio-Demonstration belegt eine kreative Fähigkeit, aber nicht das Request-Schema oder die Servicebedingungen, die Ihre Anwendung erhalten wird.

### Erzeugt derselbe Kenerate-AI-Prompt identische API-Ausgaben?

Verlassen Sie sich nicht darauf. Gleichen Sie zunächst die genaue Modellversion, Eingabe-Assets und die verfügbaren Generierungseinstellungen ab. Ein Studio kann Defaults oder Verarbeitungsschritte hinzufügen, die Ihre API-Anfrage nicht reproduziert. Bewahren Sie Briefing und freigegebene Referenzassets auf und prüfen Sie die neue Ausgabe anhand der tatsächlichen Lieferanforderungen, statt Pixelidentität zu erwarten.