
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

$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 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.

$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 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.

$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.

$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 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.

$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.

$0.045 /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.

$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.

$0.045 /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.

$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.

$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.

$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.

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.
$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.

$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.

$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.

$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 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.

$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.

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

$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 /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.

$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.

$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 /geração
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.

$0.15 /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.

$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.
$0.035 /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.

$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.

$0.035 /segundo
wan-animate-move
Alibaba's 14B-parameter character animation model that transfers motion from reference videos to static characters with exceptional identity preservation.

$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.

$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.
| Modelo | Provedor | Tipos de tarefa | Preço |
|---|---|---|---|
| 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 faturado |
| 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 saída e vídeo de referência |
| Gemini Omni 1.1 Flash gemini-omni-1.1-flash | Text to Video, Image to Video, Video to Video | $0.225/geração | |
| 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 saída e vídeo de referência |
| FLUX 3 Max flux-3-max/text-to-video | Black Forest Labs | Text to Video, Image to Video | $0.17/segundo |
| Kling 3.0 Motion Control kling-3.0-motion-control | Kling | Motion Control, Image to Video | $0.045/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 |
| Vidu Q4 vidu-q4 | Vidu | Image to Video, Reference to Video | $0.045/segundo |
| Wan 3.0 wan3.0-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.05/segundo faturado |
| Wan 3.0 Video Prime wan3.0-prime-text-to-video | Alibaba | Text to Video, Image to Video, Reference to Video | $0.068/segundo faturado |
| OmniHuman 2.0 omnihuman-2.0 | ByteDance | Image to Video, Audio to Video, Talking Avatar | $0.105/segundo |
| Wan Animate 2 wan-animate-2 | Alibaba | Image to Video | Em breve |
| HeyGen Avatar 6 heygen-avatar-6 | HeyGen | Image to Video, Video to Video, Audio to Video | $0.04/segundo |
| Kling 4.0 kling-4.0 | Kling | Text to Video, Image to Video, Reference to Video | $0.085/segundo faturado |
| Kling 4.0 Flash kling-4.0-flash | Kling | Text to Video, Image to Video, Reference to Video | $0.063/segundo faturado |
| 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 faturado |
| Grok Imagine grok-imagine-image | xAI | Text to Image, Image to Video, Uncensored | $0.03/imagem |
| Hailuo 02 hailuo-02 | MiniMax | Text to Video, Image to Video | $0.035/segundo |
| 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/geração |
| Grok Imagine Video 1.5 grok-imagine-video-1.5 | xAI | Image to Video, Reference to Video | $0.072/segundo |
| 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/geração | |
| 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 2.1 kling-2.1/standard | Kling | Image to Video | $0.15/vídeo |
| Kling 2.6 kling-2.6 | Kling | Text to Video, Image to Video | $0.325/vídeo |
| Kling Avatar 2.0 kling-avatar-2.0/standard | Kling | Image to Video, Audio to Video, Talking Avatar | $0.035/segundo |
| 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 |
| Wan Animate wan-animate-move | Alibaba | Image to Video | $0.035/segundo |
| Kling 2.6 Motion Control kling-2.6-motion-control | Kling | Image to Video, Motion Control | $0.04/segundo |
| Happy Horse happy-horse | Alibaba | Text 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.
Explorar todos os modelos de IA
Abra o marketplace completo para comparar modelos de imagem, vídeo, áudio, chat, 3D e ferramentas.
Ver todos os modelosCriar com a API
Abra a página do modelo para consultar parâmetros, preços e documentação da API.
Docs da APIPáginas de tarefas relacionadas