API texte vers vidéo

API IA pour les développeurs

API texte vers vidéo

Intégrez la génération vidéo IA dans votre application avec l'API texte vers vidéo PoYo. Comparez les modèles vidéo, la durée, la résolution, les options audio et les tarifs pour les flux de travail créatifs automatisés.

Modèles compatibles

37 modèles

MiniMax H3 / Hailuo 03
texte vers vidéo

$0.105 /seconde

hailuo-03

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

Seedance 2.5
texte vers vidéo

$0.085 /seconde facturée

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
texte vers vidéo

$0.17 /seconde

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
texte vers vidéo

$0.045 /seconde de sortie et de vidéo de référence

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
texte vers vidéo

$0.225 /génération

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
texte vers vidéo

$0.027 /seconde

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
texte vers vidéo

$0.03 /seconde de sortie et de vidéo de référence

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
texte vers vidéo

$0.17 /seconde

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
texte vers vidéo

$0.11 /seconde

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
texte vers vidéo

$0.135 /seconde

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
texte vers vidéo

$0.05 /seconde

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
texte vers vidéo

$0.20 /vidéo

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
texte vers vidéo

$0.06 /seconde

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
texte vers vidéo

$0.024 /seconde

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
texte vers vidéo

$0.05 /seconde facturée

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
texte vers vidéo

$0.068 /seconde facturée

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
texte vers vidéo

$0.085 /seconde facturée

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
texte vers vidéo

$0.063 /seconde facturée

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
texte vers vidéo

$0.05 /seconde

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
texte vers vidéo

$0.025 /seconde

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
texte vers vidéo

$0.058 /seconde facturée

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
texte vers vidéo

$0.035 /seconde

hailuo-02

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

Runway Gen-4.5
texte vers vidéo

$0.375 /vidéo

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
texte vers vidéo

$0.10 /vidéo

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
texte vers vidéo

$0.018 /seconde

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
texte vers vidéo

$0.03 /génération

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
texte vers vidéo

$0.175 /vidéo

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
texte vers vidéo

$0.60 /génération

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
texte vers vidéo

$0.105 /vidéo

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
texte vers vidéo

$0.045 /vidéo

seedance-1.5-pro

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

Wan 2.5
texte vers vidéo

$0.15 /vidéo

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
texte vers vidéo

$0.045 /seconde

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
texte vers vidéo

$0.325 /vidéo

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
texte vers vidéo

$0.40 /vidéo

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
texte vers vidéo

$0.21 /vidéo

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
texte vers vidéo

$0.085 /seconde

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
texte vers vidéo

$0.08 /seconde

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.

API de modèles texte vers vidéo - Prix et adéquation

Comparez les fournisseurs, les entrées acceptées, les formats de sortie et les tarifs avant de choisir.

Correspondance exacte

Les modèles apparaissent ici uniquement lorsque leurs métadonnées de catalogue incluent Text to Video.

Comparaison des fournisseurs

Comparez les familles de modèles de plusieurs fournisseurs sans quitter ce répertoire de tâches.

Parcours prêts pour l'API

Chaque carte de modèle mène aux prix PoYo, aux exemples, au playground et aux détails API.

ModèleFournisseurTypes de tâchesPrix
MiniMax H3 / Hailuo 03

hailuo-03

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

seedance-2.5

SeedanceText to Video, Image to Video, Video to Video$0.085/seconde facturée
FLUX 3

flux-3/text-to-video

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

seedance-2

SeedanceText to Video, Image to Video, Video to Video$0.045/seconde de sortie et de vidéo de référence
Gemini Omni 1.1 Flash

gemini-omni-1.1-flash

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

gemini-omni-1.2-flash

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

seedance-2-mini

SeedanceText to Video, Image to Video, Video to Video$0.03/seconde de sortie et de vidéo de référence
FLUX 3 Max

flux-3-max/text-to-video

Black Forest LabsText to Video, Image to Video$0.17/seconde
Happy Horse 1.1

happy-horse-1.1

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

kling-3.0/standard

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

kling-o3/standard

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

sora-2-official

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

wan2.7-text-to-video

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

pixverse-v6-max

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

wan3.0-text-to-video

AlibabaText to Video, Image to Video, Reference to Video$0.05/seconde facturée
Wan 3.0 Video Prime

wan3.0-prime-text-to-video

AlibabaText to Video, Image to Video, Reference to Video$0.068/seconde facturée
Kling 4.0

kling-4.0

KlingText to Video, Image to Video, Reference to Video$0.085/seconde facturée
Kling 4.0 Flash

kling-4.0-flash

KlingText to Video, Image to Video, Reference to Video$0.063/seconde facturée
MiniMax H3 Max

h3-max

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

h3-max-turbo

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

seedance-2.5-flash

SeedanceText to Video, Image to Video, Video to Video$0.058/seconde facturée
Hailuo 02

hailuo-02

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

runway-gen-4.5

RunwayText to Video$0.375/vidéo
Veo 3.1

veo3.1-lite

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

veo3.1-fast-official

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

wan2.2-image-to-video-fast

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

hailuo-2.3

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

omni-flash

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

seedance-1.0-pro

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

seedance-1.5-pro

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

wan2.5-image-to-video

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

kling-1.6/standard

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

kling-2.6

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

wan2.6-text-to-video

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

kling-2.5-turbo-pro

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

kling-3.0-turbo/standard

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

happy-horse

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

Questions fréquentes

Qu’est-ce que l’API texte vers vidéo ?

+

Une API texte en vidéo transforme une description écrite en un clip généré. Votre application spécifie la scène et les paramètres pris en charge, puis récupère la vidéo après traitement. Il convient à la création de plans, au prototypage créatif et aux produits proposant la génération de vidéos IA à leurs utilisateurs.

Comment dois-je rédiger une invite pour une API de génération vidéo ?

+

Décrivez une scène claire : le sujet, l'action, le décor, le mouvement de la caméra et le style visuel. Utilisez des mots de mouvement qui peuvent se produire pendant la durée sélectionnée. Évitez de regrouper une histoire entière dans un seul court clip ; séparez les plans distincts en requêtes que votre application pourra assembler ultérieurement.

Quel modèle de conversion texte-vidéo convient le mieux à mon application ?

+

Comparez les modèles sur des photos représentatives au lieu de vous fier à une seule vidéo de présentation. Évaluez le mouvement, la stabilité visuelle, la précision rapide, l’audio et le temps de traitement ainsi que le prix. Gardez les paramètres d’entrée similaires et enregistrez le nombre de tentatives produisant un clip utilisable pour votre application spécifique.

Une API texte-vidéo peut-elle générer du son et des dialogues ?

+

Certains modèles vidéo génèrent un son natif, tandis que d'autres renvoient des clips silencieux ou fournissent des commandes audio en option. Vérifiez le point final spécifique pour le comportement de la parole, de la musique et des effets sonores. Si une narration exacte est requise, envisagez de générer une voix off distincte via Text to Speech et de la combiner dans votre flux de travail multimédia.

Combien de temps une vidéo générée peut-elle durer ?

+

Les options de durée dépendent du modèle et du point de terminaison. Sélectionnez une durée documentée plutôt qu’un nombre arbitraire. Pour un contenu plus long, générez des plans individuels et assemblez-les, ou utilisez les fonctionnalités d'extension lorsque le modèle choisi les prend en charge. Une API de court-clip ne crée pas automatiquement un film monté complet.

Quelle résolution et quel rapport hauteur/largeur dois-je choisir ?

+

Choisissez une résolution et un rapport hauteur/largeur disponibles qui correspondent à l'emplacement final. Des dimensions plus élevées peuvent augmenter le coût ou le temps de traitement sans corriger les mouvements faibles ou le contenu inexact. Testez d’abord un projet de configuration pratique, puis confirmez les paramètres de sortie finaux pour le modèle sélectionné.

Comment puis-je améliorer la cohérence entre plusieurs clips ?

+

Réutilisez des descriptions claires de sujet et de style, planifiez les prises de vue avant la génération et évitez de modifier trop de variables entre les demandes. Si l’identité ou l’apparence doit suivre une conception fixe, passez aux entrées d’image ou de référence multimodales prises en charge. Les clips texte uniquement générés indépendamment peuvent différer en termes de personnages, d'objets ou de décors.

Le texte vers une vidéo est-il la même chose que le rendu d'un script avec des séquences d'archives ?

+

Non. Les modèles vidéo génératifs synthétisent de nouveaux clips à partir d’instructions. Le rendu des modèles, l'assemblage des sous-titres et l'édition des séquences d'archives sont des flux de travail distincts qui peuvent être combinés avec les clips générés. Utilisez la documentation des tâches et du modèle PoYo pour choisir les fonctionnalités de génération adaptées à votre pipeline.

Comment gérer une demande d'API texte en vidéo ?

+

Soumettez le modèle et les entrées prises en charge à /api/generate/submit et conservez le task_id renvoyé. Recherchez /api/generate/status/{task_id} ou utilisez callback_url pour recevoir des événements d'achèvement. Conservez l'état de la tâche dans votre application afin qu'une actualisation du navigateur ou un délai d'expiration du client ne perde pas la trace d'une demande vidéo en cours d'exécution.

Comment le prix de l'API texte-vidéo est-il calculé ?

+

La tarification vidéo peut être par génération, par clip ou par seconde, avec des niveaux de durée, de résolution, de qualité et d'audio. Comparez les paramètres réels et l'unité de facturation pour chaque modèle. Incluez le coût des ébauches créatives rejetées lors de l’estimation des dépenses nécessaires pour une production terminée.

Pourquoi ma vidéo est-elle toujours en cours de traitement ou pourquoi a-t-elle échoué ?

+

La génération vidéo peut prendre plus de temps qu'une requête HTTP normale. Vérifiez l'état de la tâche enregistrée avant de réessayer et inspectez l'erreur renvoyée pour détecter les paramètres non pris en charge, les entrées manquantes ou les problèmes de compte. Ne considérez pas un délai d'attente client comme une preuve d'échec et ne créez pas de tâches en double pendant que la tâche d'origine est en cours d'exécution.

Où puis-je trouver des exemples de code d'API vidéo ?

+

Ouvrez la page du modèle sélectionné pour consulter sa documentation et ses exemples d'API actuels, ou lisez /models/{model-id}/llms.txt. Utilisez ces champs pour votre client Python, JavaScript ou HTTP. Conservez les informations d'identification sur le serveur et séparez les tâches de génération de clips de l'interface qui affiche leur progression.