Text-zu-Video-API

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

MiniMax H3 / Hailuo 03
Text zu Video

$0.105 /Sekunde

hailuo-03

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

Seedance 2.5
Text zu Video

$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.

FLUX 3
Text zu Video

$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.

Seedance 2
Text zu Video

$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.

Gemini Omni 1.1 Flash
Text zu Video

$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.

Gemini Omni 1.2 Flash
Text zu Video

$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.

Seedance 2.0 Mini
Text zu Video

$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.

FLUX 3 Max
Text zu Video

$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.

Happy Horse 1.1
Text zu Video

$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.

Kling 3.0
Text zu Video

$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.

Kling O3
Text zu Video

$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.

Sora 2 Official
Text zu Video

$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.

Wan 2.7 Video
Text zu Video

$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.

PixVerse V6 Max
Text zu Video

$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.

Wan 3.0
Text zu Video

$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.

Wan 3.0 Video Prime
Text zu Video

$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.

Kling 4.0
Text zu Video

$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.

Kling 4.0 Flash
Text zu Video

$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.

MiniMax H3 Max
Text zu Video

$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.

MiniMax H3 Max Turbo
Text zu Video

$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.

Seedance 2.5 Flash
Text zu Video

$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.

Hailuo 02
Text zu Video

$0.035 /Sekunde

hailuo-02

MiniMax's #2 globally-ranked video model with NCR architecture, ultra-realistic physics, and 1080p cinematic output.

Runway Gen-4.5
Text zu Video

$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.

Veo 3.1
Text zu Video

$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.

Veo 3.1 Official
Text zu Video

$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.

Wan 2.2 Fast
Text zu Video

$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.

Hailuo 2.3
Text zu Video

$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.

Omni Flash
Text zu Video

$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.

Seedance 1.0 Pro
Text zu Video

$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.

Seedance 1.5 Pro
Text zu Video

$0.045 /Video

seedance-1.5-pro

ByteDance's latest video model with synchronized audio generation, flexible aspect ratios, and enhanced motion control.

Wan 2.5
Text zu Video

$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.

Kling 1.6
Text zu Video

$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.

Kling 2.6
Text zu Video

$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.

Wan 2.6
Text zu Video

$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.

Kling 2.5 Turbo Pro
Text zu Video

$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.

Kling 3.0 Turbo
Text zu Video

$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.

Happy Horse
Text zu Video

$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.

ModellProviderTask-TypenPreis
MiniMax H3 / Hailuo 03

hailuo-03

MiniMaxText to Video, Image to Video, Reference to Video$0.105/Sekunde
Seedance 2.5

seedance-2.5

SeedanceText to Video, Image to Video, Video to Video$0.085/abgerechnete Sekunde
FLUX 3

flux-3/text-to-video

Black Forest LabsText to Video, Image to Video$0.17/Sekunde
Seedance 2

seedance-2

SeedanceText to Video, Image to Video, Video to Video$0.045/Sekunde Ausgabe- und Referenzvideo
Gemini Omni 1.1 Flash

gemini-omni-1.1-flash

GoogleText to Video, Image to Video, Video to Video$0.225/Generierung
Gemini Omni 1.2 Flash

gemini-omni-1.2-flash

GoogleText to Video, Image to Video, Reference to Video$0.027/Sekunde
Seedance 2.0 Mini

seedance-2-mini

SeedanceText 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 LabsText to Video, Image to Video$0.17/Sekunde
Happy Horse 1.1

happy-horse-1.1

AlibabaText to Video, Image to Video, Reference to Video$0.11/Sekunde
Kling 3.0

kling-3.0/standard

KlingText to Video, Image to Video$0.135/Sekunde
Kling O3

kling-o3/standard

KlingText to Video, Image to Video, Reference to Video$0.05/Sekunde
Sora 2 Official

sora-2-official

OpenAIText to Video, Image to Video$0.20/Video
Wan 2.7 Video

wan2.7-text-to-video

AlibabaText to Video, Image to Video, Video to Video$0.06/Sekunde
PixVerse V6 Max

pixverse-v6-max

PixVerseText to Video, Image to Video$0.024/Sekunde
Wan 3.0

wan3.0-text-to-video

AlibabaText to Video, Image to Video, Reference to Video$0.05/abgerechnete Sekunde
Wan 3.0 Video Prime

wan3.0-prime-text-to-video

AlibabaText to Video, Image to Video, Reference to Video$0.068/abgerechnete Sekunde
Kling 4.0

kling-4.0

KlingText to Video, Image to Video, Reference to Video$0.085/abgerechnete Sekunde
Kling 4.0 Flash

kling-4.0-flash

KlingText to Video, Image to Video, Reference to Video$0.063/abgerechnete Sekunde
MiniMax H3 Max

h3-max

MiniMaxText to Video, Image to Video, Reference to Video$0.05/Sekunde
MiniMax H3 Max Turbo

h3-max-turbo

MiniMaxText to Video, Image to Video$0.025/Sekunde
Seedance 2.5 Flash

seedance-2.5-flash

SeedanceText to Video, Image to Video, Video to Video$0.058/abgerechnete Sekunde
Hailuo 02

hailuo-02

MiniMaxText to Video, Image to Video$0.035/Sekunde
Runway Gen-4.5

runway-gen-4.5

RunwayText to Video$0.375/Video
Veo 3.1

veo3.1-lite

GoogleText to Video, Image to Video$0.10/Video
Veo 3.1 Official

veo3.1-fast-official

GoogleText to Video, Image to Video$0.018/Sekunde
Wan 2.2 Fast

wan2.2-image-to-video-fast

AlibabaText to Video, Image to Video$0.03/Generierung
Hailuo 2.3

hailuo-2.3

MiniMaxText to Video, Image to Video$0.175/Video
Omni Flash

omni-flash

GoogleText to Video, Image to Video, Video to Video$0.60/Generierung
Seedance 1.0 Pro

seedance-1.0-pro

SeedanceText to Video, Image to Video$0.105/Video
Seedance 1.5 Pro

seedance-1.5-pro

SeedanceText to Video, Image to Video$0.045/Video
Wan 2.5

wan2.5-image-to-video

AlibabaText to Video, Image to Video$0.15/Video
Kling 1.6

kling-1.6/standard

KlingText to Video, Image to Video$0.045/Sekunde
Kling 2.6

kling-2.6

KlingText to Video, Image to Video$0.325/Video
Wan 2.6

wan2.6-text-to-video

AlibabaText to Video, Image to Video, Video to Video$0.40/Video
Kling 2.5 Turbo Pro

kling-2.5-turbo-pro

KlingText to Video, Image to Video$0.21/Video
Kling 3.0 Turbo

kling-3.0-turbo/standard

KlingText to Video, Image to Video$0.085/Sekunde
Happy Horse

happy-horse

AlibabaText 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.