本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Luma AI 模型
<a name="model-parameters-luma"></a>

此部分介绍 Luma AI 模型的请求参数和响应字段。使用此信息通过操作对 Luma AI 模型进行推理调用。[StartAsyncInvoke](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_StartAsyncInvoke.html)此部分还包括 Python 代码示例，这些示例展示了如何调用 Luma AI 模型。要在推理操作中使用模型，您需要相关模型的模型 ID。
+ 模型 ID：luma.ray-v2:0
+ 模型名称：Luma Ray 2
+ 文本转视频模型

Luma AI 模型使用 Async 异步处理模型提示 [StartAsyncInvoke](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_StartAsyncInvoke.html)， APIs 包括、[GetAsyncInvoke](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_GetAsyncInvoke.html)和。[ListAsyncInvokes](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_ListAsyncInvokes.html)

Luma AI 模型通过执行以下步骤来处理提示。
+ 用户使用提示模型[StartAsyncInvoke](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_StartAsyncInvoke.html)。
+ 等到 InvokeJob 完成。您可以使用 `GetAsyncInvoke` 或 `ListAsyncInvokes` 来检查作业完成状态。
+ 模型输出将置于指定的输出 Amazon S3 存储桶中。

有关将 Luma AI 模型与配合使用的更多信息 APIs，请参阅[视频生成](https://docs.lumalabs.ai/docs/video-generation)。

Luma AI 推理调用。

```
POST /async-invoke HTTP/1.1
Content-type: application/json
{
  "modelId": "luma.ray-v2:0",
  "modelInput": {
    "prompt": "your input text here",
    "aspect_ratio": "16:9",
    "loop": false,
    "duration": "5s",
    "resolution": "720p"
  },
  "outputDataConfig": {
    "s3OutputDataConfig": {
      "s3Uri": "s3://your-bucket-name"
    }
  }
}
```

**字段**
+ **prompt** –（字符串）输出视频中所需的内容（长度为 1 到 5000 个字符）。
+ **aspect\$1ratio** –（枚举）输出视频的宽高比（“1:1”、“16:9”、“9:16”、“4:3”、“3:4”、“21:9”、“9:21”）。
+ **loop** –（布尔值）是否循环播放输出视频。
+ **duration** –（枚举）输出视频的时长（“5s”、“9s”）。
+ **resolution** –（枚举）输出视频的分辨率（“540p”、“720p”）。

该 MP4 文件将按照响应中的配置存储在 Amazon S3 存储桶中。

## Text-to-Video 世代
<a name="luma-text-to-video"></a>

使用 Luma Ray 2 模型根据文本提示生成视频。该模型支持各种自定义选项，包括宽高比、时长、分辨率和循环播放。

**基本 Text-to-Video请求**

```
{
  "modelId": "luma.ray-v2:0",
  "modelInput": {
    "prompt": "an old lady laughing underwater, wearing a scuba diving suit"
  },
  "outputDataConfig": {
    "s3OutputDataConfig": {
      "s3Uri": "s3://your-bucket-name"
    }
  }
}
```

** Text-to-Video带选项的进阶版**

```
{
  "modelId": "luma.ray-v2:0",
  "modelInput": {
    "prompt": "an old lady laughing underwater, wearing a scuba diving suit",
    "aspect_ratio": "16:9",
    "loop": true,
    "duration": "5s",
    "resolution": "720p"
  },
  "outputDataConfig": {
    "s3OutputDataConfig": {
      "s3Uri": "s3://your-bucket-name"
    }
  }
}
```

**其他 Text-to-Video示例**

包含 resolution 和 duration 参数的示例。

```
{
  "modelId": "luma.ray-v2:0",
  "modelInput": {
    "prompt": "a car",
    "resolution": "720p",
    "duration": "5s"
  },
  "outputDataConfig": {
    "s3OutputDataConfig": {
      "s3Uri": "s3://your-bucket-name"
    }
  }
}
```

## Image-to-Video 世代
<a name="luma-image-to-video"></a>

通过提供关键帧，将静态图像转换为动态视频。您可以指定起始帧和/或结束帧来控制视频生成过程。

** Image-to-Video带起始帧的基础版**

```
{
  "modelId": "luma.ray-v2:0",
  "modelInput": {
    "prompt": "A tiger walking in snow",
    "keyframes": {
      "frame0": {
        "type": "image",
        "source": {
          "type": "base64",
          "media_type": "image/jpeg",
          "data": "iVBORw0KGgoAAAANSUhEUgAAAAgAAAAIAQMAAAD+wSzIAAAABlBMVEX///+/v7+jQ3"
        }
      }
    }
  },
  "outputDataConfig": {
    "s3OutputDataConfig": {
      "s3Uri": "s3://your-bucket-name"
    }
  }
}
```

**Image-to-Video 包括起始帧和结束帧**

```
{
  "modelId": "luma.ray-v2:0",
  "modelInput": {
    "prompt": "A tiger walking in snow",
    "keyframes": {
      "frame0": {
        "type": "image",
        "source": {
          "type": "base64",
          "media_type": "image/jpeg",
          "data": "iVBORw0KGgoAAAANSUhEUgAAAAgAAAAIAQMAAAD+wSzIAAAABlBMVEX///+/v7+jQ3"
        }
      },
      "frame1": {
        "type": "image",
        "source": {
          "type": "base64",
          "media_type": "image/jpeg",
          "data": "iVBORw0KGgoAAAANSUhEUgAAAAgAAAAIAQMAAAD+wSzIAAAABlBMVEX///+/v7+jQ3"
        }
      }
    },
    "loop": false,
    "aspect_ratio": "16:9"
  },
  "outputDataConfig": {
    "s3OutputDataConfig": {
      "s3Uri": "s3://your-bucket-name"
    }
  }
}
```

**的附加参数 Image-to-Video**
+ **keyframes** —（对象）定义开始（frame0） and/or 结束（frame1）关键帧
  + **frame0** – 起始关键帧图像
  + **frame1** – 结束关键帧图像
  + **type** – 必须是“image”
  + **source** – 图像来源

## 问题排查
<a name="luma-troubleshooting"></a>

使用 Luma AI 模型时遇到的常见问题及其解决方案：
+ **作业状态“失败”**- 检查您的 S3 存储桶是否拥有适当的写入权限，且该存储桶与您的 Bedrock 服务位于同一区域。
+ **图片网址访问错误**-确保图片 URLs 可公开访问并使用 HTTPS。图像必须为支持的格式（JPEG、PNG）。
+ **参数无效错误** - 验证宽高比数值是否与支持的选项（“1:1”、“16:9”、“9:16”、“4:3”、“3:4”、“21:9”、“9:21”）匹配，且时长为“5s”或“9s”。
+ **超时问题** - 使用 `GetAsyncInvoke` 检查作业状态，而不是同步等待。视频生成可能需要几分钟时间。
+ **提示长度错误** - 将提示保持在 1-5000 个字符之间。超过此长度的提示将被拒绝。

## 性能说明
<a name="luma-performance"></a>

关于 Luma AI 模型性能与限制的重要注意事项：
+ **处理时间** - 视频生成时间因内容复杂度而异，通常，5 秒视频需 2-5 分钟，9 秒视频需 4-8 分钟。
+ **图像要求** - 输入图像需具备高质量，最低分辨率为 512×512 像素。支持的最大图像尺寸为 4096×4096 像素。
+ **输出视频大小** - 生成的视频大小范围为 5-50 MB，具体取决于时长、分辨率及内容复杂度。
+ **速率限制** - 异步 API 调用受服务配额的限制。监控您的使用量，在需要时可请求提高配额。
+ **S3 存储** - 确保有足够的 S3 存储容量用于存放输出视频，并考虑通过生命周期策略来优化成本。

## 相关文档
<a name="luma-cross-references"></a>

有关更多信息和相关服务：
+ **Amazon S3 配置** - 为输出存储[创建 S3 存储桶](https://docs.aws.amazon.com/s3/latest/userguide/creating-buckets-s3.html)和[存储桶策略](https://docs.aws.amazon.com/s3/latest/userguide/bucket-policies.html)。
+ **异步 API 操作**-[StartAsyncInvoke[GetAsyncInvoke](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_GetAsyncInvoke.html)](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_StartAsyncInvoke.html)、和 [ListAsyncInvokes](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_ListAsyncInvokes.html)API 参考。
+ **服务配额** - [Amazon Bedrock 的配额](quotas.md)，用于 Bedrock 服务配额限制以及配额提高请求。
+ **视频处理最佳实践** - [使用模型推理提交提示并生成响应](inference.md)，提供一般模型推理指导。
+ **Luma AI 文档** – [Luma Labs 视频生成文档](https://docs.lumalabs.ai/docs/video-generation)，详细介绍了模型功能及高级特性。