
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

$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.

$0.11 /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.

$0.05 /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.

$0.085 /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.

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

$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.

$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.

$0.175 /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.

$0.325 /vídeo
kling-2.6
Kuaishou's revolutionary video model that simultaneously generates visuals with synchronized dialogue, sound effects, and ambient audio in one pass.

$0.40 /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.

$0.08 /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.
| 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 |
| 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 |
| 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 |
| 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 |
| Hailuo 02 hailuo-02 | MiniMax | Text to Video, Image to Video | $0.035/segundo |
| Runway Gen-4.5 runway-gen-4.5 | Runway | Text to Video | $0.375/vídeo |
| 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 |
| 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 2.6 kling-2.6 | Kling | Text to Video, Image to Video | $0.325/vídeo |
| 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 |
| 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 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.