API de texto a vídeo

API de IA para desarrolladores

API de texto a vídeo

Incorpore la generación de videos de IA en su aplicación con la API de texto a video PoYo. Compare modelos de video, duración, resolución, opciones de audio y precios para flujos de trabajo creativos automatizados.

Modelos compatibles

Modelos 38

MiniMax H3 / Hailuo 03
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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.

Happy Horse 1.1
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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.

Wan 3.0
Texto 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
Texto 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.

HeyGen Avatar 6
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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.

Hailuo 02
Texto a vídeo

$0.035 /segundo

hailuo-02

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

Runway Gen-4.5
Texto a vídeo

$0.375 /vídeo

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
Texto 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
Texto 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
Texto 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.

Hailuo 2.3
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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
Texto 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 2.6
Texto 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.

Wan 2.6
Texto 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
Texto 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
Texto 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.

Happy Horse
Texto 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 Texto 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 Text 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
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
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
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
Hailuo 02

hailuo-02

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

runway-gen-4.5

RunwayText to Video$0.375/vídeo
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
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 2.6

kling-2.6

KlingText to Video, Image to Video$0.325/vídeo
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
Happy Horse

happy-horse

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

Preguntas frecuentes

¿Qué es una API de texto a vídeo?

+

Una API de texto a video convierte una descripción escrita en un clip generado. Su aplicación especifica la escena y las configuraciones admitidas, luego recupera el video después del procesamiento. Es adecuado para la creación de tomas, la creación de prototipos creativos y productos que ofrecen generación de videos con IA a sus usuarios.

¿Cómo debo escribir un mensaje para una API de generación de video?

+

Describe una escena clara: el tema, la acción, el escenario, el movimiento de la cámara y el estilo visual. Utilice palabras en movimiento que puedan ocurrir dentro de la duración seleccionada. Evite empaquetar una historia completa en un clip corto; Separe tomas distintas en solicitudes que su aplicación pueda ensamblar más adelante.

¿Qué modelo de texto a vídeo es mejor para mi aplicación?

+

Compare modelos en tomas representativas en lugar de depender de un solo video de presentación. Evalúe el movimiento, la estabilidad visual, la precisión de las indicaciones, el audio y el tiempo de procesamiento junto con el precio. Mantenga la configuración de entrada similar y registre cuántos intentos producen un clip utilizable para su aplicación específica.

¿Puede una API de texto a vídeo generar sonido y diálogo?

+

Algunos modelos de vídeo generan audio nativo, mientras que otros devuelven clips silenciosos o proporcionan controles de audio opcionales. Verifique el criterio de valoración específico para el comportamiento del habla, la música y los efectos de sonido. Si se requiere una narración exacta, considere generar una voz en off separada a través de Texto a voz y combinarla en su flujo de trabajo multimedia.

¿Cuánto tiempo puede durar un vídeo generado?

+

Las opciones de duración dependen del modelo y del punto final. Seleccione una duración documentada en lugar de un número arbitrario. Para contenido más extenso, genere tomas individuales y ensamblelas, o use funciones de extensión donde el modelo elegido las admita. Una API de clips cortos no crea automáticamente una película editada completa.

¿Qué resolución y relación de aspecto debo elegir?

+

Elija una resolución disponible y una relación de aspecto que coincida con la ubicación final. Las dimensiones más altas pueden aumentar el costo o el tiempo de procesamiento sin corregir movimientos débiles o contenido inexacto. Pruebe primero un borrador de configuración práctico y luego confirme la configuración de salida final para el modelo seleccionado.

¿Cómo puedo mejorar la coherencia entre varios clips?

+

Reutilice descripciones claras de tema y estilo, planifique las tomas antes de generarlas y evite cambiar demasiadas variables entre solicitudes. Si la identidad o apariencia deben seguir un diseño fijo, pase a imágenes compatibles o entradas de referencia multimodal. Los clips de solo texto generados independientemente pueden diferir en personajes, objetos o escenarios.

¿Es lo mismo convertir texto a vídeo que renderizar un guión con material de archivo?

+

No. Los modelos de vídeo generativo sintetizan nuevos clips a partir de instrucciones. La renderización de plantillas, el montaje de subtítulos y la edición de material de archivo son flujos de trabajo independientes que se pueden combinar con los clips generados. Utilice la documentación del modelo y la tarea PoYo para elegir capacidades de generación que se ajusten a su canalización.

¿Cómo administro una solicitud API de texto a video?

+

Envíe el modelo y las entradas admitidas a /api/generate/submit y conserve el task_id devuelto. Consulta /api/generate/status/{task_id} o utiliza callback_url para recibir eventos de finalización. Mantenga el estado del trabajo en su aplicación para que una actualización del navegador o un tiempo de espera del cliente no pierdan la pista de una solicitud de video en ejecución.

¿Cómo se calcula el precio de la API de texto a vídeo?

+

El precio del vídeo puede ser por generación, por clip o por segundo, con niveles de duración, resolución, calidad y audio. Compare la configuración real y la unidad de facturación para cada modelo. Incluya el costo de los borradores creativos rechazados al estimar el gasto necesario para una producción terminada.

¿Por qué mi vídeo sigue procesándose o por qué falló?

+

La generación de vídeo puede tardar más que una solicitud HTTP normal. Verifique el estado de la tarea guardada antes de volver a intentarlo e inspeccione el error devuelto en busca de configuraciones no compatibles, entradas faltantes o problemas con la cuenta. No trate el tiempo de espera de un cliente como prueba de error ni cree trabajos duplicados mientras se ejecuta la tarea original.

¿Dónde puedo encontrar ejemplos de código API de vídeo?

+

Abra la página del modelo seleccionado para ver su documentación y ejemplos de API actuales, o lea /models/{model-id}/llms.txt. Utilice esos campos para su cliente Python, JavaScript o HTTP. Mantenga las credenciales en el servidor y separe los trabajos de generación de clips de la interfaz que muestra su progreso.