Video Modelskling-ai

معرفی و مستندات مدل هوش مصنوعی v2-master-image-to-video

مستندات مدل v2-master-image-to-video از kling-ai، ارائه شده توسط ای ای کار (AI-KAR)

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند. برای دریافت بهترین نتیجه، توصیه می‌شود از توضیحات متنی انگلیسی استفاده کنید.

معرفی مدل v2-master-image-to-video

مدل v2-master-image-to-video از kling-ai یک مدل پیشرفته تولید ویدیو است که با استفاده از یک تصویر و یک توضیح متنی (prompt)، ویدیویی با کیفیت بالا تولید می‌کند. این مدل، که توسط ای ای کار (AI-KAR) ارائه شده است، نسبت به نسخه قبلی (v1.6) بهبودهای چشمگیری داشته و نتایج بصری جذاب‌تر و پویاتری ارائه می‌دهد. این مدل قادر است تا با درک دقیق‌تر از prompt ارائه شده، ویدیوهایی تولید کند که به خوبی با توضیحات متنی همخوانی داشته باشند.

کاربردهای مدل:

  • تبدیل تصاویر ثابت به ویدیوهای پویا: با استفاده از این مدل، می‌توانید یک تصویر ثابت را به یک ویدیوی کوتاه و جذاب تبدیل کنید. این قابلیت برای تولید محتوای تبلیغاتی، آموزشی و سرگرمی بسیار مفید است.
  • ایجاد ویدیوهای سفارشی با توضیحات متنی: با ارائه یک تصویر و یک توضیح متنی دقیق، می‌توانید ویدیویی تولید کنید که دقیقاً مطابق با نیازهای شما باشد. این امکان برای تولید محتوای خاص و منحصر به فرد بسیار ارزشمند است.
  • بهبود کیفیت ویدیوهای تولید شده: مدل v2-master-image-to-video نسبت به نسخه‌های قبلی، کیفیت بالاتری از ویدیوها را ارائه می‌دهد. این بهبود شامل افزایش وضوح، بهبود رنگ‌ها و افزایش پویایی ویدیوها می‌شود.
  • استفاده در پروژه‌های خلاقانه: این مدل می‌تواند در پروژه‌های خلاقانه‌ای مانند تولید فیلم‌های کوتاه، موزیک ویدیوها و انیمیشن‌ها مورد استفاده قرار گیرد. با استفاده از این مدل، می‌توانید ایده‌های خود را به واقعیت تبدیل کنید و ویدیوهایی جذاب و دیدنی تولید کنید.

نحوه کارکرد مدل:

  1. ارسال درخواست تولید ویدیو: ابتدا باید یک درخواست تولید ویدیو به سرور ارسال کنید. این درخواست شامل یک تصویر و یک توضیح متنی است.
  2. دریافت شناسه تولید: پس از ارسال درخواست، سرور یک شناسه تولید (generation ID) به شما برمی‌گرداند. این شناسه برای پیگیری وضعیت تولید ویدیو استفاده می‌شود.
  3. بررسی وضعیت تولید ویدیو: با استفاده از شناسه تولید، می‌توانید وضعیت تولید ویدیو را بررسی کنید. این کار با ارسال یک درخواست به سرور و دریافت پاسخ انجام می‌شود.
  4. دریافت ویدیوی تولید شده: پس از اتمام تولید ویدیو، سرور یک URL به شما برمی‌گرداند که می‌توانید از طریق آن ویدیوی تولید شده را دانلود کنید.

مزایای استفاده از مدل v2-master-image-to-video:

  • کیفیت بالای ویدیوهای تولید شده
  • درک دقیق از توضیحات متنی
  • سرعت بالای تولید ویدیو
  • سهولت استفاده

با استفاده از مدل v2-master-image-to-video، می‌توانید به راحتی ویدیوهای جذاب و با کیفیتی تولید کنید و ایده‌های خلاقانه خود را به واقعیت تبدیل کنید. این مدل یک ابزار قدرتمند برای تولید محتوای ویدیویی است که می‌تواند در زمینه‌های مختلف مورد استفاده قرار گیرد.

مشخصات فنی (API References)

پارامترنوعتوضیحات و مقادیر
model
stringRequired
مدل مورد استفاده برای تولید ویدیو. مقدار ثابت: klingai/v2-master-image-to-video
مقادیر مجاز (کلیک برای کپی):
image_url
stringRequired
یک لینک مستقیم به یک تصویر آنلاین یا یک تصویر محلی کدگذاری شده با Base64 که به عنوان پایه بصری یا اولین فریم برای ویدیو استفاده خواهد شد.
prompt
string
توضیحات متنی صحنه، موضوع یا عملی که باید در ویدیو تولید شود.
type
string
نوع تولید ویدیو.
مقادیر مجاز (کلیک برای کپی):
static_mask
string
URL تصویر برای ناحیه کاربرد برس استاتیک (تصویر ماسک ایجاد شده توسط کاربران با استفاده از برس حرکتی).
dynamic_masks
object[]
لیست ماسک‌های پویا. حداکثر 6 عدد.
camera_control
object
پارامترهای پیشرفته کنترل دوربین.
negative_prompt
string
توضیحات عناصری که باید در ویدیوی تولید شده از آنها اجتناب شود.
duration
integer
طول ویدیوی خروجی بر حسب ثانیه.
مقادیر مجاز (کلیک برای کپی):
cfg_scale
number
مقیاس CFG (Classifier Free Guidance) معیاری است از اینکه چقدر می‌خواهید مدل به prompt شما پایبند باشد. مقدار پیش‌فرض: 0.5
external_task_id
string
شناسه وظیفه سفارشی.
generation_id
stringRequired
شناسه تولید ویدیو.

نمونه کدهای درخواست

نکته مهم برای توسعه‌دهندگان:

برای احراز هویت، حتما کلید API خود را جایگزین YOUR_API_KEY کنید. هدر Authorization الزامی است.

import requests
import time
base_url = "https://api.ai-kar.com/v1"
api_key = "<YOUR_AI-KARAPI_KEY>"
# Creating and sending a video generation task to the server
def generate_video():
    url = f"{base_url}/generate/video/kling/generation"
    headers = {
        "Authorization": f"Bearer {api_key}",
    }
    data = {
        "model": "klingai/v2-master-image-to-video",
        "prompt": "Mona Lisa puts on glasses with her hands.",
        "image_url": "https://s2-111386.kwimgs.com/bs2/mmu-aiplatform-temp/kling/20240620/1.jpeg",
        "duration": "5",
    }
    response = requests.post(url, json=data, headers=headers)
    if response.status_code >= 400:
        print(f"Error: {response.status_code} - {response.text}")
    else:
        response_data = response.json()
        return response_data
# Requesting the result of the task from the server using the generation_id
def get_video(gen_id):
    url = f"{base_url}/generate/video/kling/generation"
    params = {
        "generation_id": gen_id,
    }
    # Insert your AI-KAR API Key instead of <YOUR_AI-KARAPI_KEY>:
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }
    response = requests.get(url, params=params, headers=headers)
    # print("Generation:", response.json())
    return response.json()
def main():
    # Running video generation and getting a task id
    gen_response = generate_video()
    gen_id = gen_response.get("id")
    print("Gen_ID:  ", gen_id)
    # Trying to retrieve the video from the server every 10 sec
    if gen_id:
        start_time = time.time()
        timeout = 1000
        while time.time() - start_time < timeout:
            response_data = get_video(gen_id)
            if response_data is None:
                print("Error: No response from API")
                break
            status = response_data.get("status")
            print("Status:", status)
            if status == "waiting" or status == "active" or  status == "queued" or status == "generating":
                print("Still waiting... Checking again in 10 seconds.")
                time.sleep(10)
            else:
                print("Processing complete:/n", response_data)
                return response_data
        print("Timeout reached. Stopping.")
        return None
if __name__ == "__main__":
    main()

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)
{
  "id": "60ac7c34-3224-4b14-8e7d-0aa0db708325",
  "status": "completed",
  "video": {
    "url": "#",
    "duration": 8
  },
  "duration": 8,
  "error": null,
  "meta": {
    "usage": {
      "tokens_used": 120000
    }
  }
}