Vad returnerar Molmo2 Video Captioner?

Modellen returnerar en skriven bildtext som beskriver videons motiv, objekt, handlingar, scenbyten, kamerarörelser och relevant visuell kontext.

Vilka videoindata stöds?

Ange en offentligt åtkomlig video-URL i video_url. Vanliga videoformat stöds och den maximala indatalängden är två minuter.

Vad är skillnaden mellan låg, medelhög och hög detaljnivå?

Låg ger en kort sammanfattning, medelhög ger en balanserad beskrivning och hög ger en mer heltäckande redogörelse för handlingar över tid och visuella detaljer.

Är bildtextbegäran synkron?

Begäran är asynkron. Skicka videon, ta emot ett request_id och fråga resultatendpointen upprepade gånger, eller ange en webhook-URL för att få den färdiga bildtexten.

Hur beräknas priset?

Debiteringen baseras på videons längd och är $0.010 per fem sekunder, med ett minimipris på $0.006 för upp till tre sekunder och en maximal debiterbar längd på 120 sekunder.

Kan jag använda modellen i ett arbetsflöde?

Ja. Modellen finns som en arbetsflödesnod med textutdata, så bildtexten kan skickas vidare till efterföljande steg för textproduktion, sökning, klassificering eller publicering.

Tillbaka till Comparison Hub/Molmo2 Video Captioner Prissättning

Text to Text

Molmo2 Video Captioner API-prissättning

Skapa detaljerade videobeskrivningar med Molmo2. Välj låg, medelhög eller hög detaljnivå för tidsbaserade scenbeskrivningar och visuella sammanfattningar. Betala per 5 sekunder.

Savings Alert80% ↓Billigare än Konkurrent

Om Molmo2 Video Captioner

Molmo2 Video Captioner omvandlar en offentlig video-URL till en detaljerad skriftlig beskrivning som följer vad som händer över tid, inte bara vad som syns i en enskild bildruta. Modellen kan identifiera motiv, objekt, scenbyten, kamerarörelser, interaktioner och viktig visuell kontext. Resultatet passar som alt-text för tillgänglighet, sökbar beskrivning i ett mediebibliotek eller indata till efterföljande kreativa arbetsflöden och automatisering. Välj låg detaljnivå för en kort sammanfattning, medelhög för en balanserad bildtext eller hög för en mer heltäckande redogörelse för handlingar över tid och scenstruktur. Klipp kan vara upp till två minuter långa. API:et returnerar bildtexten asynkront, vilket gör att längre videoanalyser passar väl i produktionspipelines, arbetsflödesnoder och bakgrundsjobb.

Interaktiv sparräknare

Uppskatta månatliga API-utgifter och jämför utvecklarens absoluta besparingar.

Månatliga API-generationer10 000 springer

50025,00050,00075,000100,000+

MuAPI månadskostnad

$60.00

$0.006 minimum; $0.010 per 5s

Konkurrent Kostnad

$300.00

$0.03 per körning

Beräknat månadsbesparingar$240.00

Årliga besparingar$2880.00

Detaljerad prisuppdelning

Leverantör	Beräknad kurs	Anteckningar
muapiapp	$0.006 minimum; $0.010 per 5s	Varaktighetsbaserad debitering med en minimilängd på tre sekunder och en maximal längd på 120 sekunder.

Utvecklarintegreringskodavsnitt

Vanliga frågor om modell

Jämför liknande modeller

Veo 3.1 FLUX Kontext Pro Kling v3.0 Pro Plattformsjämförelse

Är du redo att skala din produktion?

Få omedelbar tillgång till utvecklarnycklar. Integrera dynamiska höghastighetsmodeller på några minuter med våra robusta SDK:er.

Hämta API-nyckel Prova i Playground