
KI-APIs für Entwickler
Text-zu-Video-API
Integrieren Sie die KI-Videogenerierung in Ihre Anwendung mit der Text-zu-Video-API PoYo. Vergleichen Sie Videomodelle, Dauer, Auflösung, Audiooptionen und Preise für automatisierte kreative Workflows.
Passende Modelle
37 Modelle

$0.105 /Sekunde
hailuo-03
MiniMax H3 (Hailuo 03) generates native 2K video from text, first/last frames, or image, video, and audio references.

$0.085 /abgerechnete Sekunde
seedance-2.5
ByteDance Seedance 2.5 video generation with 4-30 second output, first and last frame control, up to 50 image, video, and audio references, optional synchronized audio, and 480p, 720p, or 1080p delivery.

$0.17 /Sekunde
flux-3/text-to-video
Black Forest Labs' FLUX 3 video family for text, images, first and last frames, source-video extension, positioned keyframes, and native audio generation.

$0.045 /Sekunde Ausgabe- und Referenzvideo
seedance-2
ByteDance Seedance 2 video generation with text-to-video, image-to-video, multimodal reference-to-video, video-to-video, and audio-to-video workflows using image, video, and audio references with optional native audio.

$0.225 /Generierung
gemini-omni-1.1-flash
Gemini Omni 1.1 Flash API for text-to-video, first and last frame interpolation, reference image generation, and reference-video workflows.

$0.027 /Sekunde
gemini-omni-1.2-flash
Gemini Omni 1.2 Flash API on PoYo. Generate 3–15 second videos at 360p to 4K from text, first and last frames, or up to 10 reference images and 3 reference videos, and edit existing videos up to 15 seconds. From 5.46 credits ($0.0273) per second.

$0.03 /Sekunde Ausgabe- und Referenzvideo
seedance-2-mini
ByteDance Seedance 2.0 Mini video generation for lower-cost text-to-video, image-to-video, and multimodal reference workflows with 480p and 720p output.

$0.17 /Sekunde
flux-3-max/text-to-video
Create 5–20 second videos with FLUX 3 Max from text, one or two images, or up to ten positioned keyframes. Choose 720p or 1080p and generate native synchronized audio.

$0.11 /Sekunde
happy-horse-1.1
Alibaba Happy Horse 1.1 video generation with text-to-video, image-to-video, and reference-to-video workflows.

$0.135 /Sekunde
kling-3.0/standard
Kuaishou's advanced Kling 3.0 video model family with Standard, Pro, and native 4K generation, multi-shot storyboarding, synchronized audio, and element-based consistency.

$0.05 /Sekunde
kling-o3/standard
Kling O3 video generation on PoYo with Standard, Pro, and 4K variants for text-to-video, image-to-video, and reference-to-video workflows.

$0.20 /Video
sora-2-official
OpenAI Sora 2 on PoYo with synced audio, improved physics, optional reference image input, and fixed 4-second, 8-second, 12-second, 16-second, and 20-second tiers.

$0.06 /Sekunde
wan2.7-text-to-video
Wan 2.7 Video models on PoYo for text-to-video, image-to-video, reference-to-video, and edit-video workflows.

$0.024 /Sekunde
pixverse-v6-max
PixVerse V6 Max API on PoYo. Generate 1–15 second videos from text or one image at 360p to 1080p, with optional native dialogue, music and sound effects. From 4.8 credits ($0.024) per second.

$0.05 /abgerechnete Sekunde
wan3.0-text-to-video
Generate videos up to 30 seconds with Wan 3.0 using text, first and last frames, or multimodal references including images, video, audio, documents, and links.

$0.068 /abgerechnete Sekunde
wan3.0-prime-text-to-video
Wan 3.0 Video Prime is Alibaba's Wan 3.0 tier optimized for faster turnaround, with multimodal image, video, audio, document, and public webpage references, videos up to 30 seconds, and optional generated audio.

$0.085 /abgerechnete Sekunde
kling-4.0
Kling 4.0 API on PoYo. Generate 3–30 second videos from text, first and last frames, or image/video references and subjects. Edit source videos at 720p or 1080p.

$0.063 /abgerechnete Sekunde
kling-4.0-flash
Kling 4.0 Flash API on PoYo. Generate fast 3–20 second 720p videos from text, a start frame, or image/video references and subjects, and edit source videos with references.

$0.05 /Sekunde
h3-max
MiniMax H3 Max generates 5–15 second videos from text, first/last frames, or image, video and audio references at 480p, 768p and 1080p.

$0.025 /Sekunde
h3-max-turbo
MiniMax H3 Max Turbo generates 5–15 second videos from text or first/last frames at 480p, 768p and 1080p.

$0.058 /abgerechnete Sekunde
seedance-2.5-flash
ByteDance Seedance 2.5 Flash, the faster, lower-cost tier of Seedance 2.5: up to 30-second 480p or 720p videos with synchronized audio from text, first and last frames, or image, video, and audio references.

$0.035 /Sekunde
hailuo-02
MiniMax's #2 globally-ranked video model with NCR architecture, ultra-realistic physics, and 1080p cinematic output.

$0.375 /Video
runway-gen-4.5
Runway Gen-4.5 is a high-fidelity video model focused on prompt adherence, cinematic motion, visual fidelity, and optional reference image guidance.

$0.10 /Video
veo3.1-lite
Google DeepMind's VEO 3.1 video family with text-to-video, image-to-video, 720p, 1080p, and 4K output options.

$0.018 /Sekunde
veo3.1-fast-official
Official VEO 3.1 video generation with text, image, first/last-frame and reference workflows across fast, lite and quality tiers.

$0.03 /Generierung
wan2.2-image-to-video-fast
Wan 2.2 Fast provides fast text-to-video and image-to-video generation with low-cost 480p and 720p tiers for quick iteration.

$0.175 /Video
hailuo-2.3
MiniMax's Hailuo 2.3 video model for realistic human motion, expressive characters, and text-to-video or first-frame guided generation at 768p and 1080p.

$0.60 /Generierung
omni-flash
Omni Flash API access for text-to-video, image-to-video, three-image reference fusion, and video-input generation workflows.

$0.105 /Video
seedance-1.0-pro
ByteDance's #1 ranked video model with multi-shot storytelling, cinema-grade motion, and bilingual text-to-video generation.

$0.045 /Video
seedance-1.5-pro
ByteDance's latest video model with synchronized audio generation, flexible aspect ratios, and enhanced motion control.

$0.15 /Video
wan2.5-image-to-video
Wan 2.5 combines text-to-video and image-to-video generation with 5-second and 10-second output, synchronized audio support, and multiple size and resolution tiers.

$0.045 /Sekunde
kling-1.6/standard
Kling 1.6 Standard and Pro video generation on PoYo with text, first/last frame, and multi-image element reference workflows.

$0.325 /Video
kling-2.6
Kuaishou's revolutionary video model that simultaneously generates visuals with synchronized dialogue, sound effects, and ambient audio in one pass.

$0.40 /Video
wan2.6-text-to-video
Alibaba's Wan 2.6 video generation family for text-to-video, image-to-video, and video-to-video with multi-shot 1080p output.

$0.21 /Video
kling-2.5-turbo-pro
Kling 2.5 Turbo Pro is a flexible short-form video model with text-to-video, optional frame guidance, smooth motion, cinematic depth, and fixed 5-second and 10-second tiers.

$0.085 /Sekunde
kling-3.0-turbo/standard
Kling 3.0 Turbo is the speed-optimized Kling 3.0 variant for high-volume text-to-video and image-to-video generation with multi-shot storyboarding. Standard (720p) and Pro (1080p) models available.

$0.08 /Sekunde
happy-horse
Alibaba Happy Horse 1.0 video generation and editing with text-to-video, image-to-video, reference-to-video, and video-edit workflows.
Text zu Video Modell-APIs - Preise und Modell-Eignung
Vergleichen Sie Anbieter, unterstützte Eingaben, Ausgabeformate und Preise vor der Modellwahl.
Exakte Task-Übereinstimmung
Modelle erscheinen hier nur, wenn ihre Katalogmetadaten Text to Video enthalten.
Provider-Vergleich
Vergleichen Sie Modellfamilien mehrerer Provider, ohne das Task-Verzeichnis zu verlassen.
API-fähige Pfade
Jede Modellkarte führt zu PoYo-Preisen, Beispielen, Playground und API-Details.
| Modell | Provider | Task-Typen | Preis |
|---|---|---|---|
| MiniMax H3 / Hailuo 03 hailuo-03 | MiniMax | Text to Video, Image to Video, Reference to Video | $0.105/Sekunde |
| Seedance 2.5 seedance-2.5 | Seedance | Text to Video, Image to Video, Video to Video | $0.085/abgerechnete Sekunde |
| FLUX 3 flux-3/text-to-video | Black Forest Labs | Text to Video, Image to Video | $0.17/Sekunde |
| Seedance 2 seedance-2 | Seedance | Text to Video, Image to Video, Video to Video | $0.045/Sekunde Ausgabe- und Referenzvideo |
| Gemini Omni 1.1 Flash gemini-omni-1.1-flash | Text to Video, Image to Video, Video to Video | $0.225/Generierung | |
| Gemini Omni 1.2 Flash gemini-omni-1.2-flash | Text to Video, Image to Video, Reference to Video | $0.027/Sekunde | |
| Seedance 2.0 Mini seedance-2-mini | Seedance | Text to Video, Image to Video, Video to Video | $0.03/Sekunde Ausgabe- und Referenzvideo |
| FLUX 3 Max flux-3-max/text-to-video | Black Forest Labs | Text to Video, Image to Video | $0.17/Sekunde |
| Happy Horse 1.1 happy-horse-1.1 | Alibaba | Text to Video, Image to Video, Reference to Video | $0.11/Sekunde |
| Kling 3.0 kling-3.0/standard | Kling | Text to Video, Image to Video | $0.135/Sekunde |
| Kling O3 kling-o3/standard | Kling | Text to Video, Image to Video, Reference to Video | $0.05/Sekunde |
| Sora 2 Official sora-2-official | OpenAI | Text to Video, Image to Video | $0.20/Video |
| Wan 2.7 Video wan2.7-text-to-video | Alibaba | Text to Video, Image to Video, Video to Video | $0.06/Sekunde |
| PixVerse V6 Max pixverse-v6-max | PixVerse | Text to Video, Image to Video | $0.024/Sekunde |
| Wan 3.0 wan3.0-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.05/abgerechnete Sekunde |
| Wan 3.0 Video Prime wan3.0-prime-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.068/abgerechnete Sekunde |
| Kling 4.0 kling-4.0 | Kling | Text to Video, Image to Video, Reference to Video | $0.085/abgerechnete Sekunde |
| Kling 4.0 Flash kling-4.0-flash | Kling | Text to Video, Image to Video, Reference to Video | $0.063/abgerechnete Sekunde |
| MiniMax H3 Max h3-max | MiniMax | Text to Video, Image to Video, Reference to Video | $0.05/Sekunde |
| MiniMax H3 Max Turbo h3-max-turbo | MiniMax | Text to Video, Image to Video | $0.025/Sekunde |
| Seedance 2.5 Flash seedance-2.5-flash | Seedance | Text to Video, Image to Video, Video to Video | $0.058/abgerechnete Sekunde |
| Hailuo 02 hailuo-02 | MiniMax | Text to Video, Image to Video | $0.035/Sekunde |
| Runway Gen-4.5 runway-gen-4.5 | Runway | Text to Video | $0.375/Video |
| Veo 3.1 veo3.1-lite | Text to Video, Image to Video | $0.10/Video | |
| Veo 3.1 Official veo3.1-fast-official | Text to Video, Image to Video | $0.018/Sekunde | |
| Wan 2.2 Fast wan2.2-image-to-video-fast | Alibaba | Text to Video, Image to Video | $0.03/Generierung |
| Hailuo 2.3 hailuo-2.3 | MiniMax | Text to Video, Image to Video | $0.175/Video |
| Omni Flash omni-flash | Text to Video, Image to Video, Video to Video | $0.60/Generierung | |
| Seedance 1.0 Pro seedance-1.0-pro | Seedance | Text to Video, Image to Video | $0.105/Video |
| Seedance 1.5 Pro seedance-1.5-pro | Seedance | Text to Video, Image to Video | $0.045/Video |
| Wan 2.5 wan2.5-image-to-video | Alibaba | Text to Video, Image to Video | $0.15/Video |
| Kling 1.6 kling-1.6/standard | Kling | Text to Video, Image to Video | $0.045/Sekunde |
| Kling 2.6 kling-2.6 | Kling | Text to Video, Image to Video | $0.325/Video |
| Wan 2.6 wan2.6-text-to-video | Alibaba | Text to Video, Image to Video, Video to Video | $0.40/Video |
| Kling 2.5 Turbo Pro kling-2.5-turbo-pro | Kling | Text to Video, Image to Video | $0.21/Video |
| Kling 3.0 Turbo kling-3.0-turbo/standard | Kling | Text to Video, Image to Video | $0.085/Sekunde |
| Happy Horse happy-horse | Alibaba | Text to Video, Image to Video, Video to Video | $0.08/Sekunde |
Häufige Fragen
Was ist die Text-zu-Video-API?
+
Eine Text-zu-Video-API wandelt eine schriftliche Beschreibung in einen generierten Clip um. Ihre Anwendung gibt die Szene und die unterstützten Einstellungen an und ruft das Video nach der Verarbeitung ab. Es eignet sich für die Erstellung von Aufnahmen, kreatives Prototyping und Produkte, die ihren Benutzern die Erstellung von KI-Videos bieten.
Wie soll ich eine Eingabeaufforderung für eine Videogenerierungs-API schreiben?
+
Beschreiben Sie eine klare Szene: das Motiv, die Aktion, die Einstellung, die Kamerabewegung und den visuellen Stil. Verwenden Sie Bewegungswörter, die innerhalb der ausgewählten Dauer vorkommen können. Vermeiden Sie es, eine ganze Geschichte in einen kurzen Clip zu packen; Teilen Sie verschiedene Aufnahmen in Anfragen auf, die Ihre Anwendung später zusammenstellen kann.
Welches Text-zu-Video-Modell eignet sich am besten für meine Anwendung?
+
Vergleichen Sie Modelle anhand repräsentativer Aufnahmen, anstatt sich auf ein einziges Showcase-Video zu verlassen. Bewerten Sie Bewegung, visuelle Stabilität, sofortige Genauigkeit, Audio- und Verarbeitungszeit sowie den Preis. Halten Sie die Eingabeeinstellungen ähnlich und zeichnen Sie auf, wie viele Versuche einen brauchbaren Clip für Ihre spezifische Anwendung ergeben.
Kann eine Text-zu-Video-API Ton und Dialoge erzeugen?
+
Einige Videomodelle erzeugen natives Audio, während andere stille Clips zurückgeben oder optionale Audiosteuerungen bieten. Überprüfen Sie den spezifischen Endpunkt auf Sprach-, Musik- und Soundeffektverhalten. Wenn eine genaue Erzählung erforderlich ist, sollten Sie erwägen, über Text to Speech einen separaten Voiceover zu erstellen und diesen in Ihren Medienworkflow zu integrieren.
Wie lang darf ein generiertes Video sein?
+
Die Daueroptionen hängen vom Modell und Endpunkt ab. Wählen Sie eine dokumentierte Dauer statt einer willkürlichen Zahl. Erstellen Sie für längere Inhalte einzelne Aufnahmen und stellen Sie diese zusammen oder nutzen Sie Erweiterungsfunktionen, sofern das ausgewählte Modell diese unterstützt. Eine Short-Clip-API erstellt nicht automatisch einen vollständig bearbeiteten Film.
Welche Auflösung und welches Seitenverhältnis soll ich wählen?
+
Wählen Sie eine verfügbare Auflösung und ein Seitenverhältnis, die der endgültigen Platzierung entsprechen. Höhere Abmessungen können die Kosten oder die Verarbeitungszeit erhöhen, ohne dass schwache Bewegungen oder ungenaue Inhalte korrigiert werden. Testen Sie zunächst eine praktische Entwurfskonfiguration und bestätigen Sie dann die endgültigen Ausgabeeinstellungen für das ausgewählte Modell.
Wie kann ich die Konsistenz über mehrere Clips hinweg verbessern?
+
Verwenden Sie klare Betreff- und Stilbeschreibungen wieder, planen Sie Aufnahmen vor der Generierung und vermeiden Sie die Änderung zu vieler Variablen zwischen Anfragen. Wenn Identität oder Erscheinungsbild einem festen Design folgen müssen, wechseln Sie zu unterstützten Bild- oder multimodalen Referenzeingaben. Unabhängig generierte Nur-Text-Clips können sich in Charakteren, Objekten oder Szenerien unterscheiden.
Ist Text-to-Video dasselbe wie das Rendern eines Drehbuchs mit Stock Footage?
+
Nein. Generative Videomodelle synthetisieren neue Clips aus Anweisungen. Das Rendern von Vorlagen, das Zusammenstellen von Untertiteln und die Bearbeitung von Stock Footage sind separate Arbeitsabläufe, die mit generierten Clips kombiniert werden können. Verwenden Sie die Aufgaben- und Modelldokumentation PoYo, um Generierungsfunktionen auszuwählen, die zu Ihrer Pipeline passen.
Wie verwalte ich eine Text-zu-Video-API-Anfrage?
+
Senden Sie das Modell und die unterstützten Eingaben an /api/generate/submit und behalten Sie den zurückgegebenen task_id bei. Fragen Sie /api/generate/status/{task_id} ab oder verwenden Sie callback_url, um Abschlussereignisse zu empfangen. Behalten Sie den Auftragsstatus in Ihrer Anwendung bei, damit bei einer Browseraktualisierung oder einem Client-Timeout nicht der Überblick über eine laufende Videoanforderung verloren geht.
Wie werden die Preise für die Text-zu-Video-API berechnet?
+
Die Videopreise können pro Generation, pro Clip oder pro Sekunde gelten, mit Stufen für Dauer, Auflösung, Qualität und Audio. Vergleichen Sie die tatsächlichen Einstellungen und Abrechnungseinheiten für jedes Modell. Berücksichtigen Sie die Kosten abgelehnter kreativer Entwürfe bei der Schätzung der für eine fertige Produktion erforderlichen Ausgaben.
Warum wird mein Video immer noch verarbeitet oder warum ist die Verarbeitung fehlgeschlagen?
+
Die Videogenerierung kann länger dauern als eine normale HTTP-Anfrage. Überprüfen Sie den Status der gespeicherten Aufgabe, bevor Sie es erneut versuchen, und überprüfen Sie den zurückgegebenen Fehler auf nicht unterstützte Einstellungen, fehlende Eingaben oder Kontoprobleme. Betrachten Sie eine Client-Zeitüberschreitung nicht als Beweis für einen Fehler und erstellen Sie keine doppelten Jobs, während die ursprüngliche Aufgabe ausgeführt wird.
Wo finde ich Video-API-Codebeispiele?
+
Öffnen Sie die ausgewählte Modellseite für die aktuelle API-Dokumentation und Beispiele oder lesen Sie /models/{model-id}/llms.txt. Verwenden Sie diese Felder für Ihren Python-, JavaScript- oder HTTP-Client. Behalten Sie die Anmeldeinformationen auf dem Server und trennen Sie Clip-Generierungsaufträge von der Schnittstelle, die ihren Fortschritt anzeigt.