API de imagen a vídeo

API de IA para desarrolladores

API de imagen a vídeo

Anime fotografías de productos, retratos y obras de arte con la API de imagen a video PoYo. Compare modelos de video, controles de marco de referencia, movimiento, configuraciones de salida y precios para los flujos de trabajo de los desarrolladores.

Modelos compatibles

Modelos 47

MiniMax H3 / Hailuo 03
Imagen a vídeo

$0.105 /segundo

hailuo-03

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

Seedance 2.5
Imagen a vídeo

$0.085 /segundo facturado

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
Imagen a vídeo

$0.17 /segundo

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
Imagen a vídeo

$0.045 /segundo de salida y vídeo de referencia

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
Imagen a vídeo

$0.225 /generación

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
Imagen a vídeo

$0.027 /segundo

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
Imagen a vídeo

$0.03 /segundo de salida y vídeo de referencia

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
Imagen a vídeo

$0.17 /segundo

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.

Kling 3.0 Motion Control
Imagen a vídeo

$0.045 /segundo

kling-3.0-motion-control

Kling 3.0 Motion Control is a reference-driven motion transfer model that combines one character image and one source video with transparent per-second pricing.

Happy Horse 1.1
Imagen a vídeo

$0.11 /segundo

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
Imagen a vídeo

$0.135 /segundo

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
Imagen a vídeo

$0.05 /segundo

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
Imagen a vídeo

$0.20 /vídeo

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
Imagen a vídeo

$0.06 /segundo

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
Imagen a vídeo

$0.024 /segundo

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.

Vidu Q4
Imagen a vídeo

$0.045 /segundo

vidu-q4

Vidu Q4 API on PoYo. Turn a start image or up to 12 reference images and 3 voice clips into 3-16 second cinematic videos with native audio, multi-shot storytelling and 540p to 4K output. From 9 credits ($0.045) per second.

Wan 3.0
Imagen a vídeo

$0.05 /segundo facturado

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
Imagen a vídeo

$0.068 /segundo facturado

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.

OmniHuman 2.0
Imagen a vídeo

$0.105 /segundo

omnihuman-2.0

OmniHuman 2.0 API on PoYo. Animate one portrait with 4-300 seconds of speech or singing into a 720p talking video with precise lip-sync, natural emotion, gestures and multi-person scenes. 21 credits ($0.105) per output second.

Wan Animate 2
Imagen a vídeo

Próximamente

Wan Animate 2

Alibaba's end-to-end character animation model for direct motion transfer, identity preservation, and text-driven viewpoint control. Coming soon to PoYo.

HeyGen Avatar 6
Imagen a vídeo

$0.05 /segundo

heygen-avatar-6

HeyGen Avatar 6 API on PoYo: turn a photo, an animated character video, or one of 1,248 HeyGen stock avatar looks into a lip-synced talking video in 1080p or 2K, with gestures that follow the speech. From 10 credits ($0.05) per second with Avatar 6 Turbo.

Kling 4.0
Imagen a vídeo

$0.085 /segundo facturado

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
Imagen a vídeo

$0.063 /segundo facturado

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
Imagen a vídeo

$0.05 /segundo

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
Imagen a vídeo

$0.025 /segundo

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
Imagen a vídeo

$0.058 /segundo facturado

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.

Grok Imagine
Imagen a vídeo

$0.03 /imagen

grok-imagine-image

xAI's Aurora-powered visual AI for image generation and video creation with Fun, Normal, and Spicy creative modes.

Hailuo 02
Imagen a vídeo

$0.035 /segundo

hailuo-02

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

Veo 3.1
Imagen a vídeo

$0.10 /vídeo

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
Imagen a vídeo

$0.018 /segundo

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
Imagen a vídeo

$0.03 /generación

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.

Grok Imagine Video 1.5
Imagen a vídeo

$0.072 /segundo

grok-imagine-video-1.5

Grok Imagine Video 1.5 API for text-to-video, single-frame image-to-video, and 1–7 image reference-to-video generation with up to 1080p output.

Hailuo 2.3
Imagen a vídeo

$0.175 /vídeo

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
Imagen a vídeo

$0.60 /generación

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
Imagen a vídeo

$0.105 /vídeo

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
Imagen a vídeo

$0.045 /vídeo

seedance-1.5-pro

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

Wan 2.5
Imagen a vídeo

$0.15 /vídeo

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
Imagen a vídeo

$0.045 /segundo

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 2.1
Imagen a vídeo

$0.15 /vídeo

kling-2.1/standard

Kling 2.1 on PoYo provides Standard and Pro image-to-video modes with 5-second and 10-second clips, start-frame control, and optional end-frame control in Pro.

Kling 2.6
Imagen a vídeo

$0.325 /vídeo

kling-2.6

Kuaishou's revolutionary video model that simultaneously generates visuals with synchronized dialogue, sound effects, and ambient audio in one pass.

Kling Avatar 2.0
Imagen a vídeo

$0.035 /segundo

kling-avatar-2.0/standard

Kling Avatar 2.0 creates audio-driven talking avatar videos from one reference image and one driving audio file, with Standard and Pro quality modes.

Wan 2.6
Imagen a vídeo

$0.40 /vídeo

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
Imagen a vídeo

$0.21 /vídeo

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
Imagen a vídeo

$0.085 /segundo

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.

Wan Animate
Imagen a vídeo

$0.035 /segundo

wan-animate-move

Alibaba's 14B-parameter character animation model that transfers motion from reference videos to static characters with exceptional identity preservation.

Kling 2.6 Motion Control
Imagen a vídeo

$0.04 /segundo

kling-2.6-motion-control

Kuaishou's motion control model that transfers motion from reference videos to character images while maintaining identity and adapting environments.

Happy Horse
Imagen a vídeo

$0.08 /segundo

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.

APIs de modelos de Imagen a vídeo: precios y ajuste del modelo

Compara proveedores, entradas compatibles, formatos de salida y precios antes de elegir un modelo.

Coincidencia exacta de tareas

Los modelos aparecen aquí solo cuando los metadatos de su catálogo incluyen Image to Video.

Comparación de proveedores

Revise las familias de modelos de todos los proveedores sin salir del directorio de tareas.

Rutas listas para API

Cada tarjeta de modelo enlaza con los precios de PoYo, ejemplos, controles del área de juegos y detalles de API.

ModeloProveedorTipos de tareasPrecio
MiniMax H3 / Hailuo 03

hailuo-03

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

seedance-2.5

SeedanceText to Video, Image to Video, Video to Video$0.085/segundo facturado
FLUX 3

flux-3/text-to-video

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

seedance-2

SeedanceText to Video, Image to Video, Video to Video$0.045/segundo de salida y vídeo de referencia
Gemini Omni 1.1 Flash

gemini-omni-1.1-flash

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

gemini-omni-1.2-flash

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

seedance-2-mini

SeedanceText to Video, Image to Video, Video to Video$0.03/segundo de salida y vídeo de referencia
FLUX 3 Max

flux-3-max/text-to-video

Black Forest LabsText to Video, Image to Video$0.17/segundo
Kling 3.0 Motion Control

kling-3.0-motion-control

KlingMotion Control, Image to Video$0.045/segundo
Happy Horse 1.1

happy-horse-1.1

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

kling-3.0/standard

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

kling-o3/standard

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

sora-2-official

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

wan2.7-text-to-video

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

pixverse-v6-max

PixVerseText to Video, Image to Video$0.024/segundo
Vidu Q4

vidu-q4

ViduImage to Video, Reference to Video$0.045/segundo
Wan 3.0

wan3.0-text-to-video

AlibabaText to Video, Image to Video, Reference to Video$0.05/segundo facturado
Wan 3.0 Video Prime

wan3.0-prime-text-to-video

AlibabaText to Video, Image to Video, Reference to Video$0.068/segundo facturado
OmniHuman 2.0

omnihuman-2.0

ByteDanceImage to Video, Audio to Video, Talking Avatar$0.105/segundo
Wan Animate 2

wan-animate-2

AlibabaImage to VideoPróximamente
HeyGen Avatar 6

heygen-avatar-6

HeyGenImage to Video, Video to Video, Audio to Video$0.05/segundo
Kling 4.0

kling-4.0

KlingText to Video, Image to Video, Reference to Video$0.085/segundo facturado
Kling 4.0 Flash

kling-4.0-flash

KlingText to Video, Image to Video, Reference to Video$0.063/segundo facturado
MiniMax H3 Max

h3-max

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

h3-max-turbo

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

seedance-2.5-flash

SeedanceText to Video, Image to Video, Video to Video$0.058/segundo facturado
Grok Imagine

grok-imagine-image

xAIText to Image, Image to Video, Uncensored$0.03/imagen
Hailuo 02

hailuo-02

MiniMaxText to Video, Image to Video$0.035/segundo
Veo 3.1

veo3.1-lite

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

veo3.1-fast-official

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

wan2.2-image-to-video-fast

AlibabaText to Video, Image to Video$0.03/generación
Grok Imagine Video 1.5

grok-imagine-video-1.5

xAIImage to Video, Reference to Video$0.072/segundo
Hailuo 2.3

hailuo-2.3

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

omni-flash

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

seedance-1.0-pro

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

seedance-1.5-pro

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

wan2.5-image-to-video

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

kling-1.6/standard

KlingText to Video, Image to Video$0.045/segundo
Kling 2.1

kling-2.1/standard

KlingImage to Video$0.15/vídeo
Kling 2.6

kling-2.6

KlingText to Video, Image to Video$0.325/vídeo
Kling Avatar 2.0

kling-avatar-2.0/standard

KlingImage to Video, Audio to Video, Talking Avatar$0.035/segundo
Wan 2.6

wan2.6-text-to-video

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

kling-2.5-turbo-pro

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

kling-3.0-turbo/standard

KlingText to Video, Image to Video$0.085/segundo
Wan Animate

wan-animate-move

AlibabaImage to Video$0.035/segundo
Kling 2.6 Motion Control

kling-2.6-motion-control

KlingImage to Video, Motion Control$0.04/segundo
Happy Horse

happy-horse

AlibabaText to Video, Image to Video, Video to Video$0.08/segundo

Preguntas frecuentes

¿Qué es una API de imagen a vídeo?

+

Una API de imagen a video utiliza una imagen fija como punto de partida o referencia visual para un video generado. Su aplicación proporciona la imagen y las configuraciones compatibles, a menudo con un mensaje de movimiento. El resultado es un nuevo clip en lugar de una simple presentación de diapositivas o una reconstrucción garantizada cuadro por cuadro.

¿Qué imágenes funcionan mejor para la generación de imagen a video?

+

Utilice imágenes nítidas con un sujeto claro, encuadres sensibles y detalles visibles. Deje espacio para el movimiento que desee y evite superposiciones confusas o fuentes muy comprimidas. Para un producto, haga que las etiquetas y los bordes importantes sean fáciles de ver; Para un retrato, comience con una cara clara y un recorte adecuado.

¿Cómo escribo una imagen en un mensaje de vídeo?

+

Centrarse en lo que debe moverse y lo que debe permanecer estable. Describe el movimiento del sujeto, el movimiento de la cámara y la atmósfera en lugar de repetir cada detalle ya visible en la imagen. Comience con una acción simple, inspeccione el resultado y luego cambie una instrucción a la vez.

¿Puedo proporcionar tanto un primer fotograma como un último fotograma?

+

Algunos puntos finales de imagen a video admiten fotogramas iniciales y finales, mientras que otros aceptan solo una imagen inicial o diferentes modos de referencia. Verifique los campos documentados y los límites de imágenes. Elija marcos que describan una transición plausible; Temas o composiciones muy diferentes pueden dificultar la interpolación.

¿Por qué cambia una cara, producto o logo en el video?

+

Generation predice nuevas vistas y movimientos a partir de información visual limitada, por lo que los pequeños detalles pueden variar. Pruebe con una imagen fuente más clara, un movimiento más suave y un mensaje que conserve explícitamente al sujeto. Compare modelos que utilicen el mismo activo y revise los detalles críticos de la marca antes de publicarlos.

¿Puedo controlar la cámara con una API de imagen a vídeo?

+

Puede describir el comportamiento de la cámara en un mensaje y algunos modelos exponen controles dedicados. Confirme qué opciones admite el punto final antes de agregar parámetros. Utilice un movimiento claro, como un empuje lento o una panorámica, y evalúe si preserva al sujeto y produce la toma deseada.

¿El vídeo generado puede incluir audio?

+

La compatibilidad con audio es específica del modelo. Algunos terminales generan sonido nativo, algunos hacen que el audio sea opcional y otros devuelven vídeo silencioso. Verifique el modelo seleccionado y el nivel de precios. Para un retrato hablado, Talking Avatar puede ser más apropiado; para una narración exacta, un paso independiente de Texto a voz puede adaptarse al flujo de trabajo.

¿Cómo elijo la duración, la resolución y la relación de aspecto del vídeo?

+

Utilice sólo los valores documentados para el modelo seleccionado. Haga coincidir el recorte con la ubicación final y asegúrese de que la imagen de origen se adapte a ella. Los clips más largos y las resoluciones más altas pueden cambiar el costo y el comportamiento de generación, así que compare una configuración de borrador práctica antes de comprometerse con un lote grande.

¿Cómo recupero el video después de enviar una imagen?

+

Envíe las entradas del modelo y la imagen mediante la generación PoYo, guarde task_id y realice un seguimiento de la tarea hasta su finalización. Utilice el punto final de estado o un callback_url compatible y luego lea el resultado del vídeo. Mantenga la imagen original y solicite la configuración con la tarea para que los usuarios puedan comparar las versiones generadas.

¿Cuánto cuesta una solicitud de API de imagen a vídeo?

+

Verifique el precio del modelo seleccionado y la unidad de facturación: el video se puede cobrar por clip, generación o segundo. La resolución, la duración, la calidad y el audio pueden afectar el nivel aplicable. Calcule la configuración solicitada completa y la cantidad de intentos en lugar de aplicar un precio inicial a cada video.

¿Debo usar Imagen a Video, Control de Movimiento o Avatar Parlante?

+

Use Imagen a Video para agregar movimiento a una imagen fija. Elija Control de movimiento cuando el movimiento deba seguir un vídeo de referencia. Elija Avatar parlante cuando un retrato deba hablar en una pista de audio proporcionada. Estas tareas pueden superponerse en cuanto a resultados, pero los insumos y controles requeridos son diferentes.

¿Qué debo comprobar antes de automatizar las solicitudes de imagen a vídeo?

+

Confirme la accesibilidad de la URL de origen, el formato de imagen admitido, el recorte, la duración y la identificación del modelo. Guarde cada ID de tarea, controle los envíos simultáneos e inspeccione los errores antes de volver a intentarlo. Comience con un pequeño conjunto de imágenes representativas para verificar la preservación del tema y el costo de producir un clip aceptable.