
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

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

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

$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.

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

$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.

$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.

$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.

$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.

$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.

$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.

$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.

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

$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.

$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.

$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.

$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.

$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.

$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.

$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.
| Modèle | Fournisseur | Types de tâches | Prix |
|---|---|---|---|
| MiniMax H3 / Hailuo 03 hailuo-03 | MiniMax | Text to Video, Image to Video, Reference to Video | $0.105/seconde |
| Seedance 2.5 seedance-2.5 | Seedance | Text to Video, Image to Video, Video to Video | $0.085/seconde facturée |
| FLUX 3 flux-3/text-to-video | Black Forest Labs | Text to Video, Image to Video | $0.17/seconde |
| Seedance 2 seedance-2 | Seedance | Text 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 | Text to Video, Image to Video, Video to Video | $0.225/génération | |
| Gemini Omni 1.2 Flash gemini-omni-1.2-flash | Text to Video, Image to Video, Reference to Video | $0.027/seconde | |
| Seedance 2.0 Mini seedance-2-mini | Seedance | Text 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 Labs | Text to Video, Image to Video | $0.17/seconde |
| Happy Horse 1.1 happy-horse-1.1 | Alibaba | Text to Video, Image to Video, Reference to Video | $0.11/seconde |
| Kling 3.0 kling-3.0/standard | Kling | Text to Video, Image to Video | $0.135/seconde |
| Kling O3 kling-o3/standard | Kling | Text to Video, Image to Video, Reference to Video | $0.05/seconde |
| Sora 2 Official sora-2-official | OpenAI | Text to Video, Image to Video | $0.20/vidéo |
| Wan 2.7 Video wan2.7-text-to-video | Alibaba | Text to Video, Image to Video, Video to Video | $0.06/seconde |
| PixVerse V6 Max pixverse-v6-max | PixVerse | Text to Video, Image to Video | $0.024/seconde |
| Wan 3.0 wan3.0-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.05/seconde facturée |
| Wan 3.0 Video Prime wan3.0-prime-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.068/seconde facturée |
| Kling 4.0 kling-4.0 | Kling | Text to Video, Image to Video, Reference to Video | $0.085/seconde facturée |
| Kling 4.0 Flash kling-4.0-flash | Kling | Text to Video, Image to Video, Reference to Video | $0.063/seconde facturée |
| MiniMax H3 Max h3-max | MiniMax | Text to Video, Image to Video, Reference to Video | $0.05/seconde |
| MiniMax H3 Max Turbo h3-max-turbo | MiniMax | Text to Video, Image to Video | $0.025/seconde |
| Seedance 2.5 Flash seedance-2.5-flash | Seedance | Text to Video, Image to Video, Video to Video | $0.058/seconde facturée |
| Hailuo 02 hailuo-02 | MiniMax | Text to Video, Image to Video | $0.035/seconde |
| Runway Gen-4.5 runway-gen-4.5 | Runway | Text to Video | $0.375/vidéo |
| Veo 3.1 veo3.1-lite | Text to Video, Image to Video | $0.10/vidéo | |
| Veo 3.1 Official veo3.1-fast-official | Text to Video, Image to Video | $0.018/seconde | |
| Wan 2.2 Fast wan2.2-image-to-video-fast | Alibaba | Text to Video, Image to Video | $0.03/génération |
| Hailuo 2.3 hailuo-2.3 | MiniMax | Text to Video, Image to Video | $0.175/vidéo |
| Omni Flash omni-flash | Text to Video, Image to Video, Video to Video | $0.60/génération | |
| Seedance 1.0 Pro seedance-1.0-pro | Seedance | Text to Video, Image to Video | $0.105/vidéo |
| Seedance 1.5 Pro seedance-1.5-pro | Seedance | Text to Video, Image to Video | $0.045/vidéo |
| Wan 2.5 wan2.5-image-to-video | Alibaba | Text to Video, Image to Video | $0.15/vidéo |
| Kling 1.6 kling-1.6/standard | Kling | Text to Video, Image to Video | $0.045/seconde |
| Kling 2.6 kling-2.6 | Kling | Text to Video, Image to Video | $0.325/vidéo |
| Wan 2.6 wan2.6-text-to-video | Alibaba | Text to Video, Image to Video, Video to Video | $0.40/vidéo |
| Kling 2.5 Turbo Pro kling-2.5-turbo-pro | Kling | Text to Video, Image to Video | $0.21/vidéo |
| Kling 3.0 Turbo kling-3.0-turbo/standard | Kling | Text to Video, Image to Video | $0.085/seconde |
| Happy Horse happy-horse | Alibaba | Text 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.