A geração de imagem para vídeo anima uma imagem estática em um clipe de vídeo curto. A imagem geralmente se torna o primeiro quadro, e seu prompt descreve o movimento e o movimento da câmera, de modo que o sujeito, o enquadramento e o estilo da imagem se incorporam ao vídeo.
Image-to-video é um modo de geração de vídeo. Em vez de criar uma cena apenas a partir de texto, o modelo começa com uma imagem que você fornece e a anima. Na maioria dos modelos, a imagem se torna o primeiro quadro do clipe, então seu sujeito, enquadramento, cores e estilo são onde o vídeo começa. O prompt então descreve o que acontece em seguida: como o sujeito se move, o que muda na cena e como a câmera se move, por exemplo Zoom devagar para fora e panorama para a direita.
Isso te dá mais controle do que text-to-video. Você pode projetar ou aprovar o visual exato primeiro, muitas vezes com um API de geração de imagens, e então adicione movimento a ele.
Image-to-video usa o mesmo endpoint que outras gerações de vídeo, POST /v1/videos/generations. Passar a imagem como uma URL pública em imagem, adicione um prompt para o movimento e defina duração e resolução. Em modelos que fazem um último quadro, a segunda imagem vai em seu próprio campo, como image_end. Muitos modelos escolhem o modo a partir do que você conecta, e um Modo O parâmetro o seleciona explicitamente.
A saída geralmente segue a proporção da sua imagem, então recorte a imagem para a forma desejada, como 9:16 para vídeo vertical, antes de enviá-la. Cada página de modelo lista os formatos e tamanhos de imagem que aceita. A solicitação é executada como um trabalho assíncrono: a API retorna um job id Imediatamente, e você pesquisa VÁ /v1/jobs/{job_id} Até o vídeo estar pronto.
Teste candidatos com sua própria imagem, porque os modelos diferem em quão fielmente mantêm rostos, produtos e texto impresso enquanto adicionam movimento. Também compare suporte ao primeiro e último quadro, duração e resolução máximas, áudio nativo e tempo de geração. Comparações de modelos lado a lado Ajude a restringir a lista.
Image-to-video é faturado como outras gerações de vídeo: a maioria dos modelos cobra por segundo de saída a uma taxa definida pela resolução, e muitos usam a mesma taxa para text-to-video e image-to-video. Alguns modelos também cobram imagens de entrada. Navegue pelo modelos de vídeo, tente um no Playground, e leia o Referência de geração de vídeo antes de chamar a API com sua chave.
Pague conforme você utiliza, ou escolha um plano com subsídios semanais. As tarifas atuais estão no página de preços.
20 modelos, do mais barato para o mais caro quando compartilham uma unidade de cobrança. A página de cada modelo traz a tabela de preços completa, os parâmetros e código.
Endpoints
/v1/videos/generationsPreço por segundo
| Modelo | Menor tarifa | Aplica-se a |
|---|---|---|
| Wan 2.2 Alibaba Cloud | $0.015 por segundo | Flash 480P |
| PixVerse V6 Max PixVerse | $0.030667$0.024534 por segundo | 360p padrão sem áudio |
| 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 padrão sem áudio |
| Pixverse C1 PixVerse | $0.030667 por segundo | 360p padrão sem áudio |
| Wan 2.1 Alibaba Cloud | $0.036 por segundo | Turbo |
| Wan 2.5 Alibaba Cloud | $0.05 por segundo | 480P |
| Modelo | Menor tarifa | Aplica-se 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 padrão |
| Kling 4.0 Flash Kling AI | $0.094 por segundo | 720p padrão |
| 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 padrão |
| Kling V3 Kling AI | $0.168 por segundo | T2V/I2V padrão |
| 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 |
Texto-para-vídeo cria a cena apenas a partir de um prompt. Image-to-video começa com uma imagem que você fornece, geralmente como o primeiro quadro, e o prompt descreve o movimento.
Na maioria dos modelos, sim: image-to-video segue o formato da imagem de origem. Corte a imagem para a proporção que você precisa, como 9:16 ou 16:9, antes de enviá-la.
Sim, em modelos que suportam isso. Você envia uma segunda imagem como último quadro, e o modelo gera o movimento entre as duas imagens.
A maioria dos modelos cobra por segundo do vídeo gerado a uma taxa definida pela resolução, geralmente a mesma tarifa que text-to-video. Alguns modelos também cobram imagens de entrada. Em EmpirioLabs AI você pode pagar conforme vai ou escolher um plano com franqueza semanal.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.