Skapa detaljerade videobeskrivningar med Molmo2. Välj låg, medelhög eller hög detaljnivå för tidsbaserade scenbeskrivningar och visuella sammanfattningar. Betala per 5 sekunder.
Skapa detaljerade videobeskrivningar med Molmo2. Välj låg, medelhög eller hög detaljnivå för tidsbaserade scenbeskrivningar och visuella sammanfattningar. Betala per 5 sekunder.
Om denna modell
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.
Kostnadsanalys
| Leverantör | Kostnad | Anteckningar |
|---|---|---|
| muapiapp | $0.006 minimum; $0.010 per 5s | Varaktighetsbaserad debitering med en minimilängd på tre sekunder och en maximal längd på 120 sekunder. |
Varaktighetsbaserad debitering med en minimilängd på tre sekunder och en maximal längd på 120 sekunder.
** Konkurrentens prissättning beräknas baserat på liknande modellarkitekturer och användningsnivåer.
Konfigurationsschema
| Parameter | Typ | Beskrivning | Standard |
|---|---|---|---|
| video url | string | Public video URL to caption. Supports common video formats and a maximum duration of 2 minutes. | https://interactive-examples.mdn.mozilla.net/media/cc0-videos/flower.mp4 |
| Detail Level | Enum (3 alternativ) | Caption detail: low for a brief summary, medium for a balanced description, or high for comprehensive temporal and visual detail. | medium |
Public video URL to caption. Supports common video formats and a maximum duration of 2 minutes.
https://interactive-examples.mdn.mozilla.net/media/cc0-videos/flower.mp4Caption detail: low for a brief summary, medium for a balanced description, or high for comprehensive temporal and visual detail.
mediumUtvecklardokumentation
Skicka en POST-begäran till /api/v1/molmo2-video-captioner med en offentlig video_url och valfritt detail_level: low, medium eller high. API:et returnerar ett request_id. Fråga /api/v1/predictions/{id}/result upprepade gånger tills status är completed, eller ange en webhook-URL för asynkron leverans.
curl -X POST "https://api.muapi.ai/api/v1/molmo2-video-captioner"
-H "x-api-key: YOUR_API_KEY"
-H "Content-Type: application/json"
-d '{
"video_url": "https://example.com/video.mp4",
"detail_level": "medium"
}'
När begäran är klar finns den genererade bildtexten i outputs-arrayen. Klipp kan vara upp till 120 sekunder långa.
Vanliga frågor
Modellen returnerar en skriven bildtext som beskriver videons motiv, objekt, handlingar, scenbyten, kamerarörelser och relevant visuell kontext.
Ange en offentligt åtkomlig video-URL i video_url. Vanliga videoformat stöds och den maximala indatalängden är två minuter.
Låg ger en kort sammanfattning, medelhög ger en balanserad beskrivning och hög ger en mer heltäckande redogörelse för handlingar över tid och visuella detaljer.
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.
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.
Ja. Modellen finns som en arbetsflödesnod med textutdata, så bildtexten kan skickas vidare till efterföljande steg för textproduktion, sökning, klassificering eller publicering.