La generación de imagen a vídeo anima una imagen fija en un clip de vídeo corto. La imagen suele convertirse en el primer fotograma, y tu prompt describe el movimiento y el movimiento de la cámara, de modo que el sujeto, el encuadre y el estilo de la imagen se reflejan en el vídeo.
La imagen a vídeo es un modo de generación de vídeo. En lugar de crear una escena solo a partir de texto, el modelo comienza con una imagen que proporcionas y la anima. En la mayoría de los modelos, la imagen se convierte en el primer fotograma del clip, así que su sujeto, encuadre, colores y estilo son donde comienza el vídeo. El mensaje describe entonces lo que sucede a continuación: cómo se mueve el sujeto, qué cambia en la escena y cómo se desplaza la cámara, por ejemplo Zoom lentamente hacia atrás y desplazamiento hacia la derecha.
Esto te da más control que text-to-video. Puedes diseñar o aprobar el aspecto exacto primero, a menudo con un API de generación de imágenes, y luego añade movimiento a ella.
Imagen a vídeo utiliza el mismo punto final que otras generaciones de vídeo, POST /v1/videos/generations. Pasar la imagen como URL pública en imagen, añade un indicador para el movimiento y establece duración y resolución. En modelos que toman un último fotograma, la segunda imagen va en su propio campo, como image_end. Muchos modelos eligen el modo según lo que se conecta, y un Modo El parámetro lo selecciona explícitamente.
La salida suele seguir la relación de aspecto de tu imagen, así que recorta la imagen a la forma que deseas, por ejemplo 9:16 para vídeo vertical, antes de enviarla. Cada página de modelo lista los formatos de imagen y tamaños que acepta. La solicitud se ejecuta como un trabajo asíncrono: la API devuelve un job id De inmediato, y tú encuestas ¡QUE /v1/jobs/{job_id} hasta que el vídeo esté listo.
Prueba candidatos con tu propia imagen, porque los modelos difieren en lo fiel que mantienen las caras, productos y texto impreso mientras añaden movimiento. También compara el soporte para el primer y último fotograma, la duración máxima y resolución, el audio nativo y el tiempo de generación. Comparaciones de modelos lado a lado Ayuda a reducir la lista.
La imagen a vídeo se factura como otras generaciones de vídeo: la mayoría de los modelos cobran por segundo de salida a una velocidad establecida por la resolución, y muchos usan la misma tarifa para text-to-video y image-to-video. Algunos modelos también facturan las imágenes de entrada. Explora la modelos de vídeo, prueba uno en el Playground, y lee el Referencia de generación de vídeo antes de llamar a la API con tu clave.
Paga conforme vayas o elige un plan con asignaciones semanales. Las tarifas actuales están en el página de precios.
20 modelos, del más barato al más caro cuando comparten unidad de facturación. La página de cada modelo tiene su tarjeta de precios completa, parámetros y código.
Endpoints
/v1/videos/generationsPrecio por segundo
| Modelo | Tarifa más baja | Se aplica a |
|---|---|---|
| Wan 2.2 Alibaba Cloud | $0.015 por segundo | Flash 480P |
| PixVerse V6 Max PixVerse | $0.030667$0.024534 por segundo | 360p estándar sin audio |
| MiniMax H3 Lite MiniMax | $0.025 por segundo | 480p |
| Pixverse Avatar PixVerse | $0.025556 por segundo | 360p |
| Pixverse v6 PixVerse | $0.025556 por segundo | 360p estándar sin audio |
| Pixverse C1 PixVerse | $0.030667 por segundo | 360p estándar sin audio |
| Wan 2.1 Alibaba Cloud | $0.036 por segundo | Turbo |
| Wan 2.5 Alibaba Cloud | $0.05 por segundo | 480P |
| Modelo | Tarifa más baja | Se aplica a |
|---|---|---|
| MiniMax H3 Highspeed MiniMax | $0.06 por segundo | 768p |
| Seedance 2.0 Mini ByteDance | $0.070 por segundo | T2V/I2V 480P |
| Wan 3.0 Alibaba Cloud | $0.07 por segundo | 480P estándar |
| Kling 4.0 Flash Kling AI | $0.094 por segundo | 720p estándar |
| Grok Imagine Video 1.5 xAI | $0.096 por segundo | 480p |
| Seedance 2.5 Flash ByteDance | $0.135 por segundo | T2V/I2V 480P |
| HappyHorse 1.1 Alibaba Cloud | $0.14 por segundo | 720p |
| Kling 4.0 Kling AI | $0.157 por segundo | 720p estándar |
| Kling V3 Kling AI | $0.168 por segundo | T2V/I2V estándar |
| Kling 3.0 Turbo Kling AI | $0.18 por segundo | 720p |
| MiniMax H3 MiniMax | $0.18 por segundo | 768p |
| Seedance 2.5 ByteDance | $0.206 por segundo | T2V/I2V 480P |
El texto a vídeo crea la escena únicamente a partir de un prompt. Imagen a vídeo comienza con una imagen que proporcionas, normalmente como el primer fotograma, y el mensaje describe el movimiento.
En la mayoría de los modelos, sí: image-to-video sigue la forma de la imagen original. Recorta la imagen a la proporción que necesites, como 9:16 o 16:9, antes de enviarla.
Sí, en modelos que lo soporten. Envías una segunda imagen como último fotograma, y el modelo genera el movimiento entre las dos imágenes.
La mayoría de los modelos facturan por segundo el vídeo generado a una tarifa fijada por la resolución, a menudo la misma tarifa que text-to-video. Algunos modelos también facturan imágenes de entrada. En EmpirioLabs AI puedes pagar conforme avanzas o elegir un plan con asignaciones semanales.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.