API de texto para vídeo

APIs de IA para desenvolvedores

API de texto para vídeo

Crie geração de vídeo de IA em seu aplicativo com a API de texto para vídeo PoYo. Compare modelos de vídeo, duração, resolução, opções de áudio e preços para fluxos de trabalho criativos automatizados.

Modelos compatíveis

37 modelos

MiniMax H3 / Hailuo 03
texto 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
texto 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
texto 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
texto 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
texto 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
texto 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
texto 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
texto 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.

Happy Horse 1.1
texto 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
texto 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
texto 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
texto 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
texto 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
texto 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.

Wan 3.0
texto 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
texto 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.

Kling 4.0
texto 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
texto 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
texto 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
texto 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
texto 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.

Hailuo 02
texto para vídeo

$0.035 /segundo

hailuo-02

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

Runway Gen-4.5
texto para vídeo

$0.375 /vídeo

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
texto 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
texto 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
texto 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.

Hailuo 2.3
texto 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
texto 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
texto 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
texto 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
texto 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
texto 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 2.6
texto 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.

Wan 2.6
texto 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
texto 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
texto 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.

Happy Horse
texto 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 texto 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 Text 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
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
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
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
Hailuo 02

hailuo-02

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

runway-gen-4.5

RunwayText to Video$0.375/vídeo
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
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 2.6

kling-2.6

KlingText to Video, Image to Video$0.325/vídeo
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
Happy Horse

happy-horse

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

Perguntas frequentes

O que é a API de texto para vídeo?

+

Uma API de texto para vídeo transforma uma descrição escrita em um clipe gerado. Seu aplicativo especifica a cena e as configurações suportadas e recupera o vídeo após o processamento. É adequado para criação de tomadas, prototipagem criativa e produtos que oferecem geração de vídeo de IA aos seus usuários.

Como devo escrever um prompt para uma API de geração de vídeo?

+

Descreva uma cena clara: o assunto, a ação, o cenário, o movimento da câmera e o estilo visual. Use palavras de movimento que podem acontecer dentro da duração selecionada. Evite agrupar uma história inteira em um clipe curto; separe tomadas distintas em solicitações que seu aplicativo poderá montar posteriormente.

Qual modelo de texto para vídeo é melhor para minha aplicação?

+

Compare modelos em fotos representativas em vez de confiar em um vídeo de demonstração. Avalie movimento, estabilidade visual, precisão imediata, áudio e tempo de processamento junto com o preço. Mantenha as configurações de entrada semelhantes e registre quantas tentativas produzem um clipe utilizável para sua aplicação específica.

Uma API de texto para vídeo pode gerar som e diálogo?

+

Alguns modelos de vídeo geram áudio nativo, enquanto outros retornam clipes silenciosos ou fornecem controles de áudio opcionais. Verifique o endpoint específico para comportamento de fala, música e efeitos sonoros. Se for necessária uma narração exata, considere gerar uma narração separada por meio do Text to Speech e combiná-la em seu fluxo de trabalho de mídia.

Qual a duração de um vídeo gerado?

+

As opções de duração dependem do modelo e do endpoint. Selecione uma duração documentada em vez de um número arbitrário. Para conteúdos mais longos, gere tomadas individuais e monte-as, ou use recursos de extensão onde o modelo escolhido os suportar. Uma API de clipe curto não cria automaticamente um filme editado completo.

Qual resolução e proporção devo escolher?

+

Escolha uma resolução e proporção disponíveis que correspondam ao posicionamento final. Dimensões mais altas podem aumentar o custo ou o tempo de processamento sem corrigir movimentos fracos ou conteúdo impreciso. Teste primeiro uma configuração de rascunho prática e depois confirme as configurações de saída finais para o modelo selecionado.

Como posso melhorar a consistência em vários clipes?

+

Reutilize descrições claras de assunto e estilo, planeje tomadas antes da geração e evite alterar muitas variáveis entre solicitações. Se a identidade ou a aparência precisarem seguir um design fixo, mude para imagens suportadas ou entradas de referência multimodais. Clipes somente de texto gerados de forma independente podem diferir em personagens, objetos ou cenários.

Texto para vídeo é o mesmo que renderizar um roteiro com imagens de arquivo?

+

Não. Modelos de vídeo generativos sintetizam novos clipes a partir de instruções. A renderização de modelos, a montagem de legendas e a edição de filmagens são fluxos de trabalho separados que podem ser combinados com clipes gerados. Use a tarefa PoYo e a documentação do modelo para escolher recursos de geração adequados ao seu pipeline.

Como faço para gerenciar uma solicitação de API de texto para vídeo?

+

Envie o modelo e as entradas suportadas para /api/generate/submit e retenha o task_id retornado. Consulte /api/generate/status/{task_id} ou use callback_url para receber eventos de conclusão. Mantenha o estado do trabalho no seu aplicativo para que uma atualização do navegador ou o tempo limite do cliente não perca o controle de uma solicitação de vídeo em execução.

Como é calculado o preço da API de texto para vídeo?

+

O preço do vídeo pode ser por geração, por clipe ou por segundo, com níveis de duração, resolução, qualidade e áudio. Compare as configurações reais e a unidade de faturamento de cada modelo. Inclua o custo dos rascunhos de criativos rejeitados ao estimar os gastos necessários para uma produção finalizada.

Por que meu vídeo ainda está sendo processado ou por que falhou?

+

A geração de vídeo pode demorar mais que uma solicitação HTTP normal. Verifique o status da tarefa salva antes de tentar novamente e inspecione o erro retornado em busca de configurações não suportadas, entradas ausentes ou problemas de conta. Não trate o tempo limite do cliente como prova de falha nem crie trabalhos duplicados enquanto a tarefa original estiver em execução.

Onde posso encontrar exemplos de código de API de vídeo?

+

Abra a página do modelo selecionado para ver a documentação e exemplos atuais da API ou leia /models/{model-id}/llms.txt. Use esses campos para seu cliente Python, JavaScript ou HTTP. Mantenha as credenciais no servidor e separe os trabalhos de geração de clipes da interface que exibe seu progresso.