
AI-API-er for utviklere
API for tekst til video
Bygg AI-videogenerering inn i appen din med PoYos API for tekst til video. Sammenlign videomodeller, varighet, oppløsning, lydalternativer og priser for automatiserte kreative arbeidsflyter.
Aktuelle modeller
35 modeller

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

$0.085 /fakturert sekund
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 /sekund
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 /sekund (utdata + referansevideo)
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 /generering
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.

$0.03 /sekund (utdata + referansevideo)
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 /sekund
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 /sekund
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 /sekund
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 /sekund
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 /video
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 /sekund
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 /sekund
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 /fakturert sekund
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 /fakturert sekund
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 /fakturert sekund
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.

Kommer snart
Kling 4.0 Flash
Kling 4.0 Flash brings fast 720p video creation up to 20 seconds, native audio, and Omni Reference for text, image, and multimodal creative workflows.

$0.05 /sekund
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 /sekund
h3-max-turbo
MiniMax H3 Max Turbo generates 5–15 second videos from text or first/last frames at 480p, 768p and 1080p.

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

$0.375 /video
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 /video
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 /sekund
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 /generering
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 /video
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 /generering
omni-flash
Omni Flash API access for text-to-video, image-to-video, three-image reference fusion, and video-input generation workflows.

$0.105 /video
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 /video
seedance-1.5-pro
ByteDance's latest video model with synchronized audio generation, flexible aspect ratios, and enhanced motion control.

$0.15 /video
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 /sekund
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 /video
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 /video
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 /video
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 /sekund
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 /sekund
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.
Tekst til video: modell-API-er – priser og hvilken modell som passer
Sammenlign leverandører, støttede inndata, utdataformater og priser før du velger en modell.
Nøyaktig oppgavetreff
Modeller vises her bare når katalogdataene deres inkluderer Text to Video.
Sammenligning av leverandører
Se modellfamilier fra ulike leverandører uten å forlate oppgavekatalogen.
Klar for API
Hvert modellkort lenker til priser, eksempler, Playground-innstillinger og API-detaljer hos PoYo.
| Modell | Leverandør | Oppgavetyper | Pris |
|---|---|---|---|
| MiniMax H3 / Hailuo 03 hailuo-03 | MiniMax | Text to Video, Image to Video, Reference to Video | $0.105/sekund |
| Seedance 2.5 seedance-2.5 | Seedance | Text to Video, Image to Video, Video to Video | $0.085/fakturert sekund |
| FLUX 3 flux-3/text-to-video | Black Forest Labs | Text to Video, Image to Video | $0.17/sekund |
| Seedance 2 seedance-2 | Seedance | Text to Video, Image to Video, Video to Video | $0.045/sekund (utdata + referansevideo) |
| Gemini Omni 1.1 Flash gemini-omni-1.1-flash | Text to Video, Image to Video, Video to Video | $0.225/generering | |
| Seedance 2.0 Mini seedance-2-mini | Seedance | Text to Video, Image to Video, Video to Video | $0.03/sekund (utdata + referansevideo) |
| FLUX 3 Max flux-3-max/text-to-video | Black Forest Labs | Text to Video, Image to Video | $0.17/sekund |
| Happy Horse 1.1 happy-horse-1.1 | Alibaba | Text to Video, Image to Video, Reference to Video | $0.11/sekund |
| Kling 3.0 kling-3.0/standard | Kling | Text to Video, Image to Video | $0.135/sekund |
| Kling O3 kling-o3/standard | Kling | Text to Video, Image to Video, Reference to Video | $0.05/sekund |
| Sora 2 Official sora-2-official | OpenAI | Text to Video, Image to Video | $0.20/video |
| Wan 2.7 Video wan2.7-text-to-video | Alibaba | Text to Video, Image to Video, Video to Video | $0.06/sekund |
| PixVerse V6 Max pixverse-v6-max | PixVerse | Text to Video, Image to Video | $0.024/sekund |
| Wan 3.0 wan3.0-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.05/fakturert sekund |
| Wan 3.0 Video Prime wan3.0-prime-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.068/fakturert sekund |
| Kling 4.0 kling-4.0 | Kling | Text to Video, Image to Video, Reference to Video | $0.085/fakturert sekund |
| Kling 4.0 Flash kling-4-0-flash | Kling | Text to Video, Image to Video | Kommer snart |
| MiniMax H3 Max h3-max | MiniMax | Text to Video, Image to Video, Reference to Video | $0.05/sekund |
| MiniMax H3 Max Turbo h3-max-turbo | MiniMax | Text to Video, Image to Video | $0.025/sekund |
| Hailuo 02 hailuo-02 | MiniMax | Text to Video, Image to Video | $0.035/sekund |
| Runway Gen-4.5 runway-gen-4.5 | Runway | Text to Video | $0.375/video |
| Veo 3.1 veo3.1-lite | Text to Video, Image to Video | $0.10/video | |
| Veo 3.1 Official veo3.1-fast-official | Text to Video, Image to Video | $0.018/sekund | |
| Wan 2.2 Fast wan2.2-image-to-video-fast | Alibaba | Text to Video, Image to Video | $0.03/generering |
| Hailuo 2.3 hailuo-2.3 | MiniMax | Text to Video, Image to Video | $0.175/video |
| Omni Flash omni-flash | Text to Video, Image to Video, Video to Video | $0.60/generering | |
| Seedance 1.0 Pro seedance-1.0-pro | Seedance | Text to Video, Image to Video | $0.105/video |
| Seedance 1.5 Pro seedance-1.5-pro | Seedance | Text to Video, Image to Video | $0.045/video |
| Wan 2.5 wan2.5-image-to-video | Alibaba | Text to Video, Image to Video | $0.15/video |
| Kling 1.6 kling-1.6/standard | Kling | Text to Video, Image to Video | $0.045/sekund |
| Kling 2.6 kling-2.6 | Kling | Text to Video, Image to Video | $0.325/video |
| Wan 2.6 wan2.6-text-to-video | Alibaba | Text to Video, Image to Video, Video to Video | $0.40/video |
| Kling 2.5 Turbo Pro kling-2.5-turbo-pro | Kling | Text to Video, Image to Video | $0.21/video |
| Kling 3.0 Turbo kling-3.0-turbo/standard | Kling | Text to Video, Image to Video | $0.085/sekund |
| Happy Horse happy-horse | Alibaba | Text to Video, Image to Video, Video to Video | $0.08/sekund |
Vanlige spørsmål
Hva er et API for tekst til video?
+
Et API for tekst til video gjør en skriftlig beskrivelse om til et generert klipp. Appen din angir scenen og støttede innstillinger og henter videoen når behandlingen er ferdig. Det passer for opptaksproduksjon, kreative prototyper og produkter som tilbyr AI-videogenerering til brukerne sine.
Hvordan bør jeg skrive en prompt til et API for videogenerering?
+
Beskriv én tydelig scene: motiv, handling, miljø, kamerabevegelse og visuell stil. Bruk bevegelser som faktisk kan skje innenfor den valgte varigheten. Unngå å presse en hel historie inn i ett kort klipp; del ulike opptak opp i forespørsler som appen din kan sette sammen senere.
Hvilken modell for tekst til video passer best for appen min?
+
Sammenlign modeller på representative opptak i stedet for å stole på én demovideo. Vurder bevegelse, visuell stabilitet, presisjon i forhold til prompten, lyd og behandlingstid sammen med prisen. Hold inndatainnstillingene like, og noter hvor mange forsøk som gir et brukbart klipp for akkurat din app.
Kan et API for tekst til video generere lyd og dialog?
+
Noen videomodeller genererer innebygd lyd, mens andre returnerer klipp uten lyd eller tilbyr valgfrie lydinnstillinger. Sjekk hvordan det aktuelle endepunktet håndterer tale, musikk og lydeffekter. Trenger du nøyaktig fortellerstemme, kan du generere en egen voiceover med tekst til tale og kombinere den i medieflyten din.
Hvor lang kan en generert video være?
+
Hvilke varigheter som finnes, avhenger av modell og endepunkt. Velg en dokumentert varighet i stedet for et vilkårlig tall. For lengre innhold kan du generere enkeltopptak og sette dem sammen, eller bruke forlengelsesfunksjoner der den valgte modellen støtter det. Et API for korte klipp lager ikke automatisk en ferdig redigert film.
Hvilken oppløsning og hvilket sideforhold bør jeg velge?
+
Velg en tilgjengelig oppløsning og et sideforhold som passer den endelige plasseringen. Større dimensjoner kan øke kostnaden eller behandlingstiden uten å rette opp svak bevegelse eller unøyaktig innhold. Test først en praktisk utkastkonfigurasjon, og bekreft deretter de endelige utdatainnstillingene for den valgte modellen.
Hvordan får jeg bedre konsistens på tvers av flere klipp?
+
Gjenbruk tydelige beskrivelser av motiv og stil, planlegg opptakene før generering, og unngå å endre for mange variabler mellom forespørslene. Hvis identitet eller utseende må følge et fast design, bør du gå over til støttede referanseinndata med bilder eller flere modaliteter. Klipp som genereres uavhengig av hverandre fra tekst alene, kan variere i karakterer, objekter og omgivelser.
Er tekst til video det samme som å gjengi et manus med arkivopptak?
+
Nei. Generative videomodeller lager nye klipp ut fra instruksjoner. Malbasert gjengivelse, teksting og redigering av arkivopptak er egne arbeidsflyter som kan kombineres med genererte klipp. Bruk oppgave- og modelldokumentasjonen hos PoYo til å velge genereringsfunksjoner som passer flyten din.
Hvordan håndterer jeg en forespørsel til API-et for tekst til video?
+
Send modellen og de støttede inndataene til /api/generate/submit, og ta vare på task_id du får tilbake. Spør /api/generate/status/{task_id} eller bruk callback_url for å motta varsel når oppgaven er ferdig. Hold oversikt over jobbstatusen i appen din, slik at en oppdatering i nettleseren eller et tidsavbrudd hos klienten ikke gjør at du mister oversikten over en videoforespørsel som kjører.
Hvordan beregnes prisen for API-et for tekst til video?
+
Videopriser kan være per generering, per klipp eller per sekund, med nivåer for varighet, oppløsning, kvalitet og lyd. Sammenlign de faktiske innstillingene og faktureringsenheten for hver modell. Ta med kostnaden for forkastede kreative utkast når du anslår hva en ferdig produksjon vil koste.
Hvorfor behandles videoen fortsatt, eller hvorfor mislyktes den?
+
Videogenerering kan ta lengre tid enn en vanlig HTTP-forespørsel. Sjekk den lagrede oppgavestatusen før du prøver igjen, og se på feilen som returneres, for eksempel innstillinger som ikke støttes, manglende inndata eller kontoproblemer. Ikke tolk et tidsavbrudd hos klienten som bevis på at oppgaven mislyktes, og ikke opprett dupliserte jobber mens den opprinnelige oppgaven kjører.
Hvor finner jeg kodeeksempler for video-API-et?
+
Åpne modellsiden for den valgte modellen for gjeldende API-dokumentasjon og eksempler, eller les /models/{model-id}/llms.txt. Bruk disse feltene i Python-, JavaScript- eller HTTP-klienten din. Oppbevar påloggingsinformasjon på serveren, og hold jobbene som genererer klipp, atskilt fra grensesnittet som viser fremdriften.