API de imagem para vídeo

APIs de IA para desenvolvedores

API de imagem para vídeo

Anime fotos, retratos e obras de arte de produtos com a API de imagem para vídeo PoYo. Compare modelos de vídeo, controles de quadro de referência, movimento, configurações de saída e preços para fluxos de trabalho de desenvolvedor.

Modelos compatíveis

47 modelos

MiniMax H3 / Hailuo 03
imagem para 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
imagem para vídeo

$0.085 /segundo faturado

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
imagem para 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
imagem para vídeo

$0.045 /segundo de saída e vídeo de referência

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
imagem para vídeo

$0.225 /geração

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
imagem para 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
imagem para vídeo

$0.03 /segundo de saída e vídeo de referência

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
imagem para 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.

Kling 3.0 Motion Control
imagem para vídeo

$0.045 /segundo

kling-3.0-motion-control

Kling 3.0 Motion Control is a reference-driven motion transfer model that combines one character image and one source video with transparent per-second pricing.

Happy Horse 1.1
imagem para 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
imagem para 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
imagem para 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
imagem para 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
imagem para 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
imagem para 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.

Vidu Q4
imagem para vídeo

$0.045 /segundo

vidu-q4

Vidu Q4 API on PoYo. Turn a start image or up to 12 reference images and 3 voice clips into 3-16 second cinematic videos with native audio, multi-shot storytelling and 540p to 4K output. From 9 credits ($0.045) per second.

Wan 3.0
imagem para vídeo

$0.05 /segundo faturado

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
imagem para vídeo

$0.068 /segundo faturado

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.

OmniHuman 2.0
imagem para vídeo

$0.105 /segundo

omnihuman-2.0

OmniHuman 2.0 API on PoYo. Animate one portrait with 4-300 seconds of speech or singing into a 720p talking video with precise lip-sync, natural emotion, gestures and multi-person scenes. 21 credits ($0.105) per output second.

Wan Animate 2
imagem para vídeo

Em breve

Wan Animate 2

Alibaba's end-to-end character animation model for direct motion transfer, identity preservation, and text-driven viewpoint control. Coming soon to PoYo.

HeyGen Avatar 6
imagem para vídeo

$0.04 /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 8 credits ($0.04) per second with Avatar 6 Turbo.

Kling 4.0
imagem para vídeo

$0.085 /segundo faturado

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
imagem para vídeo

$0.063 /segundo faturado

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
imagem para 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
imagem para 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
imagem para vídeo

$0.058 /segundo faturado

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.

Grok Imagine
imagem para vídeo

$0.03 /imagem

grok-imagine-image

xAI's Aurora-powered visual AI for image generation and video creation with Fun, Normal, and Spicy creative modes.

Hailuo 02
imagem para vídeo

$0.035 /segundo

hailuo-02

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

Veo 3.1
imagem para 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
imagem para 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
imagem para vídeo

$0.03 /geração

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.

Grok Imagine Video 1.5
imagem para vídeo

$0.072 /segundo

grok-imagine-video-1.5

Grok Imagine Video 1.5 API for text-to-video, single-frame image-to-video, and 1–7 image reference-to-video generation with up to 1080p output.

Hailuo 2.3
imagem para 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
imagem para vídeo

$0.60 /geração

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
imagem para 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
imagem para 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
imagem para 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
imagem para 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 2.1
imagem para vídeo

$0.15 /vídeo

kling-2.1/standard

Kling 2.1 on PoYo provides Standard and Pro image-to-video modes with 5-second and 10-second clips, start-frame control, and optional end-frame control in Pro.

Kling 2.6
imagem para 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.

Kling Avatar 2.0
imagem para vídeo

$0.035 /segundo

kling-avatar-2.0/standard

Kling Avatar 2.0 creates audio-driven talking avatar videos from one reference image and one driving audio file, with Standard and Pro quality modes.

Wan 2.6
imagem para 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
imagem para 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
imagem para 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.

Wan Animate
imagem para vídeo

$0.035 /segundo

wan-animate-move

Alibaba's 14B-parameter character animation model that transfers motion from reference videos to static characters with exceptional identity preservation.

Kling 2.6 Motion Control
imagem para vídeo

$0.04 /segundo

kling-2.6-motion-control

Kuaishou's motion control model that transfers motion from reference videos to character images while maintaining identity and adapting environments.

Happy Horse
imagem para 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 imagem para vídeo - Preços e adequação

Compare fornecedores, entradas aceitas, formatos de saída e preços antes de escolher um modelo.

Correspondência exata

Os modelos aparecem aqui somente quando os metadados do catálogo incluem Image to Video.

Comparação de provedores

Compare famílias de modelos de vários provedores sem sair do diretório de tarefas.

Caminhos prontos para API

Cada cartão leva a preços da PoYo, exemplos, playground e detalhes da API.

ModeloProvedorTipos de tarefaPreço
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 faturado
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 saída e vídeo de referência
Gemini Omni 1.1 Flash

gemini-omni-1.1-flash

GoogleText to Video, Image to Video, Video to Video$0.225/geração
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 saída e vídeo de referência
FLUX 3 Max

flux-3-max/text-to-video

Black Forest LabsText to Video, Image to Video$0.17/segundo
Kling 3.0 Motion Control

kling-3.0-motion-control

KlingMotion Control, Image to Video$0.045/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
Vidu Q4

vidu-q4

ViduImage to Video, Reference to Video$0.045/segundo
Wan 3.0

wan3.0-text-to-video

AlibabaText to Video, Image to Video, Reference to Video$0.05/segundo faturado
Wan 3.0 Video Prime

wan3.0-prime-text-to-video

AlibabaText to Video, Image to Video, Reference to Video$0.068/segundo faturado
OmniHuman 2.0

omnihuman-2.0

ByteDanceImage to Video, Audio to Video, Talking Avatar$0.105/segundo
Wan Animate 2

wan-animate-2

AlibabaImage to VideoEm breve
HeyGen Avatar 6

heygen-avatar-6

HeyGenImage to Video, Video to Video, Audio to Video$0.04/segundo
Kling 4.0

kling-4.0

KlingText to Video, Image to Video, Reference to Video$0.085/segundo faturado
Kling 4.0 Flash

kling-4.0-flash

KlingText to Video, Image to Video, Reference to Video$0.063/segundo faturado
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 faturado
Grok Imagine

grok-imagine-image

xAIText to Image, Image to Video, Uncensored$0.03/imagem
Hailuo 02

hailuo-02

MiniMaxText to Video, Image to Video$0.035/segundo
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/geração
Grok Imagine Video 1.5

grok-imagine-video-1.5

xAIImage to Video, Reference to Video$0.072/segundo
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/geração
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 2.1

kling-2.1/standard

KlingImage to Video$0.15/vídeo
Kling 2.6

kling-2.6

KlingText to Video, Image to Video$0.325/vídeo
Kling Avatar 2.0

kling-avatar-2.0/standard

KlingImage to Video, Audio to Video, Talking Avatar$0.035/segundo
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
Wan Animate

wan-animate-move

AlibabaImage to Video$0.035/segundo
Kling 2.6 Motion Control

kling-2.6-motion-control

KlingImage to Video, Motion Control$0.04/segundo
Happy Horse

happy-horse

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

Perguntas frequentes

O que é a API de imagem para vídeo?

+

Uma API de imagem para vídeo usa uma imagem estática como ponto de partida ou referência visual para um vídeo gerado. Seu aplicativo fornece a imagem e as configurações suportadas, geralmente com um prompt de movimento. O resultado é um novo clipe, em vez de uma simples apresentação de slides ou uma reconstrução garantida quadro a quadro.

Quais imagens funcionam melhor para geração de imagem para vídeo?

+

Use imagens nítidas com um assunto claro, enquadramento sensato e detalhes visíveis. Deixe espaço para o movimento desejado e evite sobreposições confusas ou fontes muito comprimidas. Para um produto, torne fáceis de ver etiquetas e bordas importantes; para um retrato, comece com um rosto claro e um corte adequado.

Como escrevo uma imagem no prompt do vídeo?

+

Foco no que deve se movimentar e no que deve permanecer estável. Descreva o movimento do assunto, o movimento da câmera e a atmosfera em vez de repetir todos os detalhes já visíveis na imagem. Comece com uma ação simples, inspecione o resultado e depois altere uma instrução de cada vez.

Posso fornecer um primeiro e um último quadro?

+

Alguns endpoints de imagem para vídeo suportam quadros iniciais e finais, enquanto outros aceitam apenas uma imagem inicial ou modos de referência diferentes. Verifique os campos documentados e os limites da imagem. Escolha quadros que descrevam uma transição plausível; assuntos ou composições muito diferentes podem dificultar a interpolação.

Por que um rosto, produto ou logotipo muda no vídeo?

+

A geração prevê novas visualizações e movimentos a partir de informações visuais limitadas, de modo que pequenos detalhes podem se desviar. Experimente uma imagem de origem mais nítida, movimentos mais suaves e um prompt que preserve explicitamente o assunto. Compare modelos usando o mesmo ativo e revise detalhes críticos da marca antes de publicar.

Posso controlar a câmera com uma API de imagem para vídeo?

+

Você pode descrever o comportamento da câmera em um prompt e alguns modelos expõem controles dedicados. Confirme quais opções o endpoint suporta antes de adicionar parâmetros. Use um movimento claro, como um movimento lento ou panorâmica, e avalie se ele preserva o assunto e também produz a foto desejada.

O vídeo gerado pode incluir áudio?

+

O suporte de áudio é específico do modelo. Alguns endpoints geram som nativo, alguns tornam o áudio opcional e outros retornam vídeo silencioso. Verifique o modelo selecionado e o nível de preços. Para um retrato falado, Talking Avatar pode ser mais apropriado; para narração exata, uma etapa separada de conversão de texto em fala pode se adequar ao fluxo de trabalho.

Como escolho a duração, resolução e proporção do vídeo?

+

Utilize apenas os valores documentados para o modelo selecionado. Combine o corte com o posicionamento final e certifique-se de que a imagem de origem seja adequada. Clipes mais longos e resoluções mais altas podem alterar o comportamento de custo e geração, portanto compare uma configuração prática de rascunho antes de se comprometer com um lote grande.

Como recupero o vídeo após enviar uma imagem?

+

Envie as entradas do modelo e da imagem por meio da geração PoYo, salve task_id e acompanhe a tarefa até a conclusão. Use o endpoint de status ou um callback_url compatível e leia o resultado do vídeo. Mantenha a imagem original e as configurações de solicitação com a tarefa para que os usuários possam comparar as versões geradas.

Quanto custa uma solicitação de API de imagem para vídeo?

+

Verifique o preço do modelo selecionado e a unidade de cobrança: o vídeo pode ser cobrado por clipe, geração ou segundo. Resolução, duração, qualidade e áudio podem afetar o nível aplicável. Estime a configuração completa solicitada e o número de tentativas em vez de aplicar um preço inicial a cada vídeo.

Devo usar Imagem para Vídeo, Controle de Movimento ou Avatar Falante?

+

Use Imagem para Vídeo para adicionar movimento a um visual estático. Escolha Controle de Movimento quando o movimento deve seguir um vídeo de referência. Escolha Talking Avatar quando um retrato deve falar uma faixa de áudio fornecida. Essas tarefas podem se sobrepor na saída, mas as entradas e os controles necessários são diferentes.

O que devo verificar antes de automatizar solicitações de imagem para vídeo?

+

Confirme a acessibilidade do URL de origem, formato de imagem compatível, corte, duração e ID do modelo. Salve cada ID de tarefa, controle envios simultâneos e inspecione erros antes de tentar novamente. Comece com um pequeno conjunto de imagens representativas para verificar a preservação do assunto e o custo de produção de um clipe aceitável.