Interfejs API Veo 3 to zgodny z protokołem REST punkt końcowy w usłudze Google Vertex AI, który umożliwia deweloperom generowanie zsynchronizowanych klipów wideo i audio o wysokiej rozdzielczości na podstawie komunikatów tekstowych lub graficznych — wraz z wbudowanymi filtrami bezpieczeństwa i niewidocznym znakiem wodnym — w ramach jednego żądania.
Google DeepMind Wideo 3 reprezentuje najnowocześniejszą technologię generowanie tekstu na wideo, co oznacza pierwszy raz, gdy model sztucznej inteligencji generatywnej na dużą skalę płynnie się synchronizuje wideo wysokiej jakości w towarzyszący dźwięk—w tym dialogi, efekty dźwiękowe i dźwięki otoczenia.
rdzeń Funkcje i możliwości
- 8-sekundowe klipy wideo:Generuje sekwencje trwające do ośmiu sekund z płynnymi przejściami ujęć i łączeniem.
- Zintegrowana generacja dźwięku:Produkuje dialogi, dźwięki otoczenia, efekty dźwiękowe i muzykę w tle w jednym przejściu.
- Wyjście wysokiej rozdzielczości:Obsługuje rozdzielczości do 4K (3840 × 2160) ze spójnym oświetleniem, realistyczną fizyką i szczegółowymi teksturami sceny.
- Wejścia multimodalne:Akceptuje oba tekst na wideo oraz obraz do wideo monity, umożliwiające wszechstronne, kreatywne przepływy pracy.
Dzięki tym możliwościom twórcy mogą tworzyć narracje zbliżone do kinowych, bez konieczności oddzielnej postprodukcji dźwięku lub skomplikowanych procesów edycji.
Dane Techniczne
Architektura Veo 3 wykorzystuje transformator multimodalny przeszkolony miliony filmów na YouTube. Jego struktura kodera-dekodera przetwarza monity tekstowe za pomocą warstwa tokenizacji wideo, generując cechy czasoprzestrzenne, które napędzają moduł syntezy wizualnej. Jednocześnie, gałąź syntezy audio produkuje wyrównane wyjścia dźwiękowe. A mechanizm uwagi międzymodalnej zapewnia to wizualny oraz audio modalności pozostają ściśle powiązane, co zmniejsza artefakty desynchronizacji. Szkolenie zaangażowane miliardy aktualizacji parametrów, zoptymalizowane poprzez klastry GPU o mieszanej precyzji w Google Cloud Sztuczna inteligencja wierzchołków Platforma .
Wydajność wzorcowa
W testach wewnętrznych Veo 3 wykazało:
- PSNR (Szczytowy stosunek sygnału do szumu) 38 dB w standardowych zestawach danych wideo, przewyższając Veo 2 o 4 dB.
- SIM (Wskaźnik podobieństwa strukturalnego) wyniki 0.92, co wskazuje na wysoką wierność wizualną.
- Błąd synchronizacji dźwięku i obrazu poniżej 15 milisekunda, zapewniając niezauważalne opóźnienie między dźwiękiem i ruchem.
- Prędkość wnioskowania: ~12 klatek na sekundę na procesorze graficznym NVIDIA A100, co pozwala na generowanie krótkich klipów niemal w czasie rzeczywistym.
Te wskaźniki plasują Veo 3 na czele generatywnej sztucznej inteligencji wideo, przyćmiewając współczesne rozwiązania, takie jak niedawne modele wideo Sory i Meta, zarówno pod względem jakość oraz synchronizacja.
Wersje modeli i ewolucja
- Wideo 1 (maj 2024 r.): Wprowadzony na konferencji Google I/O 2024, zaprezentowany Wideo ciche 1080p generacji w ciągu jednej minuty.
- Wideo 2 (grudzień 2024): Zaktualizowano do Obsługa 4K i ulepszone dynamika fizyczna zrozumienie.
- Wideo 3 (maj 2025): Dodano synteza dźwięku, Zwiększony realizm, Wyjście 4K, co stanowi znaczący krok naprzód generacja multimodalna.
Jak wywołać Veo 3 API z CometAPI
Veo 3 Ceny API w CometAPI, niższe od cen oficjalnych:
| Nazwa modelu | Cena |
|---|---|
| veo3-pro | $2 |
| veo3-szybki | $0.4 |
| veo3 | $2 |
| ramki veo3-pro | $0.4 |
veo3,veo3-pro,veo3-fast,veo3-pro-frames:To najnowszy model generowania wideo oficjalnie uruchomiony przez Google. Wygenerowane filmy mają dźwięk. To jedyny model wideo z dźwiękiem na świecie. veo3-pro-frames obsługuje pierwszy tryb ramki. Ten model podąża za formatem standardu OpenAI Chat
Wymagane kroki
- Zaloguj się do pl.com. Jeśli jeszcze nie jesteś naszym użytkownikiem, zarejestruj się najpierw
- Pobierz klucz API uwierzytelniania dostępu do interfejsu. Kliknij „Dodaj token” przy tokenie API w centrum osobistym, pobierz klucz tokena: sk-xxxxx i prześlij.
- Uzyskaj adres URL tej witryny:
https://api.cometapi.com/
Przykład kodu
- Wybierz "
veo3-pro”etc endpoint do wysłania żądania API i ustawienia treści żądania. Metoda żądania i treść żądania są pobierane z naszej witryny internetowej API doc. Nasza witryna internetowa udostępnia również test Apifox dla Twojej wygody. - Zmodyfikuj BASE_URL w swojej aplikacji na adres naszego interfejsu.Adres URL jest ustalany na podstawie konkretnych potrzeb aplikacji.
- Zastępować za pomocą aktualnego klucza CometAPI ze swojego konta.
Jeśli masz jakiekolwiek pytania dotyczące rozmowy lub chcesz nam coś zasugerować, skontaktuj się z nami za pośrednictwem mediów społecznościowych i adresu e-mail wsparcie@cometapi.com.
Przykłady zastosowań:
Prześlij zadanie generowania wideo (Dokument: dostępny tutaj): https://api.cometapi.com/veo/v1/video/create
Zapytanie o status generowania wideo: https://api.cometapi.com/veo/v1/video/query/{taskId}
Przykład użycia kodu API CometAPI
import requests
def main():
url = " https://api.cometapi.com/veo/v1/video/create"
payload = {
"model": "veo3-pro",
"prompt": "A DJ on the stand is playing, around a World War II battlefield, lots of explosions, thousands of dancing soldiers, between tanks shooting, barbed wire fences, lots of smoke and fire, black and white old video: hyper realistic, photorealistic, photography, super detailed, very sharp, on a very white background",
}
headers = {"Authorization": "Bearer ", "Content-Type": "application/json"}
response = requests.post(url, json=payload, headers=headers)
print("Generation:", response.json())
if name == "main":
main()
Zobacz także 3 metody korzystania z Google Veo 3 w 2025 r.