
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

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

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.
$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.

$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.

$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.

$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.

$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.

$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.

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

$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.

$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.

$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.

$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.

$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.

$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.

$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.

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

$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.

$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.

$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.

$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.

$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.

$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.

$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.
| Modelo | Proveedor | Tipos de tareas | Precio |
|---|---|---|---|
| MiniMax H3 / Hailuo 03 hailuo-03 | MiniMax | Text to Video, Image to Video, Reference to Video | $0.105/segundo |
| Seedance 2.5 seedance-2.5 | Seedance | Text to Video, Image to Video, Video to Video | $0.085/segundo facturado |
| FLUX 3 flux-3/text-to-video | Black Forest Labs | Text to Video, Image to Video | $0.17/segundo |
| Seedance 2 seedance-2 | Seedance | Text 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 | Text to Video, Image to Video, Video to Video | $0.225/generación | |
| Gemini Omni 1.2 Flash gemini-omni-1.2-flash | Text to Video, Image to Video, Reference to Video | $0.027/segundo | |
| Seedance 2.0 Mini seedance-2-mini | Seedance | Text 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 Labs | Text to Video, Image to Video | $0.17/segundo |
| Happy Horse 1.1 happy-horse-1.1 | Alibaba | Text to Video, Image to Video, Reference to Video | $0.11/segundo |
| Kling 3.0 kling-3.0/standard | Kling | Text to Video, Image to Video | $0.135/segundo |
| Kling O3 kling-o3/standard | Kling | Text to Video, Image to Video, Reference to Video | $0.05/segundo |
| Sora 2 Official sora-2-official | OpenAI | Text to Video, Image to Video | $0.20/vídeo |
| Wan 2.7 Video wan2.7-text-to-video | Alibaba | Text to Video, Image to Video, Video to Video | $0.06/segundo |
| PixVerse V6 Max pixverse-v6-max | PixVerse | Text to Video, Image to Video | $0.024/segundo |
| Wan 3.0 wan3.0-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.05/segundo facturado |
| Wan 3.0 Video Prime wan3.0-prime-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.068/segundo facturado |
| HeyGen Avatar 6 heygen-avatar-6 | HeyGen | Image to Video, Video to Video, Audio to Video | $0.05/segundo |
| Kling 4.0 kling-4.0 | Kling | Text to Video, Image to Video, Reference to Video | $0.085/segundo facturado |
| Kling 4.0 Flash kling-4.0-flash | Kling | Text to Video, Image to Video, Reference to Video | $0.063/segundo facturado |
| MiniMax H3 Max h3-max | MiniMax | Text to Video, Image to Video, Reference to Video | $0.05/segundo |
| MiniMax H3 Max Turbo h3-max-turbo | MiniMax | Text to Video, Image to Video | $0.025/segundo |
| Seedance 2.5 Flash seedance-2.5-flash | Seedance | Text to Video, Image to Video, Video to Video | $0.058/segundo facturado |
| Hailuo 02 hailuo-02 | MiniMax | Text to Video, Image to Video | $0.035/segundo |
| Runway Gen-4.5 runway-gen-4.5 | Runway | Text to Video | $0.375/vídeo |
| Veo 3.1 veo3.1-lite | Text to Video, Image to Video | $0.10/vídeo | |
| Veo 3.1 Official veo3.1-fast-official | Text to Video, Image to Video | $0.018/segundo | |
| Wan 2.2 Fast wan2.2-image-to-video-fast | Alibaba | Text to Video, Image to Video | $0.03/generación |
| Hailuo 2.3 hailuo-2.3 | MiniMax | Text to Video, Image to Video | $0.175/vídeo |
| Omni Flash omni-flash | Text to Video, Image to Video, Video to Video | $0.60/generación | |
| Seedance 1.0 Pro seedance-1.0-pro | Seedance | Text to Video, Image to Video | $0.105/vídeo |
| Seedance 1.5 Pro seedance-1.5-pro | Seedance | Text to Video, Image to Video | $0.045/vídeo |
| Wan 2.5 wan2.5-image-to-video | Alibaba | Text to Video, Image to Video | $0.15/vídeo |
| Kling 1.6 kling-1.6/standard | Kling | Text to Video, Image to Video | $0.045/segundo |
| Kling 2.6 kling-2.6 | Kling | Text to Video, Image to Video | $0.325/vídeo |
| Wan 2.6 wan2.6-text-to-video | Alibaba | Text to Video, Image to Video, Video to Video | $0.40/vídeo |
| Kling 2.5 Turbo Pro kling-2.5-turbo-pro | Kling | Text to Video, Image to Video | $0.21/vídeo |
| Kling 3.0 Turbo kling-3.0-turbo/standard | Kling | Text to Video, Image to Video | $0.085/segundo |
| Happy Horse happy-horse | Alibaba | Text 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.
Explorar todos los modelos de IA
Abra el mercado de modelos completo para comparar modelos de imágenes, videos, audio, chat, 3D y herramientas.
Ver todos los modelosCrear con la API
Abre la página del modelo para ver parámetros, precios y documentación de la API.
Documentos APIPáginas de tareas relacionadas