Neueste und beliebte Modelle

Seedance 2.0 ist das multimodale Videomodell von ByteDance, das die Modi Text-zu-Video, Erste-und-letzte-Frames sowie Omni-Referenz unterstützt. Exklusiv bei APIXO: unbegrenzte Parallelität, Unterstützung für Porträts von realen Personen und versteckte Funktionen.

Seedance 2.0 Fast ist eine APIXO-Route für ByteDance Seedance 2.0-Workflows, die Modi für Text-zu-Video, erste und letzte Frames sowie Omni-Referenz mit optionalem Ton, Websuche und einer 480p/720p-Ausgabe bereitstellt.

GPT-Image-2 ist das Bildmodell der nächsten Generation von OpenAI für stärkeren Fotorealismus, sauberere Bildbearbeitung und schärfere Textwiedergabe im Bild.

HappyHorse ist Alibabas Modell zur Videogenerierung und -bearbeitung für Text-zu-Video-, Bild-zu-Video-, referenzgesteuerte Generierungs- und Videobearbeitungs-Workflows mit einer 720p/1080p-Ausgabe.

BFLs neueste Pro & Flex-Pipelines für Text-zu-Bild und Bild-zu-Bild mit einheitlicher 1K/2K-Preisgestaltung und Generierung in ca. 30s.

Nano Banana Pro ist Googles Gemini 3 Pro Image-Route für schlussfolgerungsgestützte Bilderzeugung, native 4K-Ausgabe, mehrsprachige Typografie und räumlich präzise Kompositionen. APIXO stellt Search Grounding auf dieser Route nicht als aktive Steuerung bereit.

Midjourney ist ein fortschrittliches KI-Bilderzeugungsmodell, das für seine künstlerischen, qualitativ hochwertigen Ergebnisse bekannt ist. Es unterstützt Text-zu-Bild-, Bild-zu-Bild-, Bildbearbeitungs-, Vary- und Upscale-Workflows.

Bilderzeugung in Profi-Qualität mit verbessertem Prompt-Verständnis und überragender Ausgabequalität.

GPT-Image-1 ist das fortschrittliche multimodale Modell von OpenAI für die Generierung hochwertiger Bilder mit natürlichem Sprachverständnis.

Gemini 2.5 Flash Image Preview (auch bekannt als Nano Banana) ist ein fortschrittliches KI-Modell, das sich durch sprachgesteuerte Bilderzeugung und -bearbeitung auszeichnet. Es erzeugt hyperrealistische, physikbasierte Visualisierungen mit nahtlosen Stiltransformationen.

Erstellen und verfeinern Sie Bilder mit GPT Image 2.5. Verwandeln Sie ein schriftliches Briefing oder ein Referenzfoto in Produktvisualisierungen, Porträts sowie Illustrationen und passen Sie anschließend die wichtigen Details an.

Seedance 2.5 ist das audiovisuelle Videomodell von ByteDance für längeres, referenzgesteuertes Storytelling. Es kombiniert zeitleistenbasierte Regie, multimodale kreative Anleitung, synchronisierten Ton, mehrsprachige Performance und selektive Überarbeitung, um Produktionsteams bei der Entwicklung zusammenhängender Szenen anstelle von isolierten kurzen Clips zu unterstützen.

Qwen Image 3.0 ist Alibabas Text-zu-Bild- und Bild-zu-Bild-Modell mit 1K- und 2K-Ausgabe, fünfzehn Seitenverhältnissen, bis zu drei Referenzbildern und optionaler Prompt-Erweiterung. Beide Auflösungsstufen werden zum gleichen Tarif abgerechnet.

Qwen Image 3.0 Pro ist Alibabas höherstufige Variante für denselben Text-zu-Bild- und Bild-zu-Bild-Vertrag, die die 1K- und 2K-Ausgabe separat bepreist, sodass Entwürfe und finale Ergebnisse unterschiedlich abgerechnet werden können.

MiniMax H3 ist ein multimodales Allzweck-Videomodell, das Text-, Bild-, Video- und Audiokontext in einem einzigen Generierungs-Workflow kombiniert. Es erstellt Videos von bis zu 2K und 15 Sekunden Länge mit nativem Stereoton und unterstützt dabei die Steuerung des ersten und letzten Frames, Mixed-Media-Referenzen, Bewegungsübertragung, Multi-Shot-Storytelling sowie anweisungsgesteuerte Videobearbeitung.

Seedream 5.0 Pro ist das Premium-Einzelbildmodell von ByteDance für die Text-zu-Bild- und Bild-zu-Bild-Generierung, das eine Auflösung von 1K/2K, acht Seitenverhältnisse, bis zu 10 Referenzbilder und eine strikte Steuerung der benutzerdefinierten Größe unterstützt.

Seedance 1.5 Pro ist das Videomodell von ByteDance mit sekundengenauer Abrechnung für die schnelle Generierung von Text-zu-Video und Bild-zu-Video mit 480p/720p/1080p-Ausgabe, optionalem Ton, Steuerung des Seitenverhältnisses und Stabilität einer Kamera mit fester Brennweite.

Gemini Omni ist das multimodale Videogenerierungsmodell von Google zur Erstellung von Videos aus Text, Bildreferenzen, Quellvideos, wiederverwendbaren Audio-Assets und Charakter-Asset-IDs.

Wan 2.7 Image ist Alibabas Omni-Image-API für Text-zu-Bild, referenzgestützte Bilderzeugung, Bildbearbeitung, Bildersequenzen und hochauflösende Omni Image Pro-Workflows.

Wan 2.7 ist Alibabas Modell zur Videogenerierung und -bearbeitung für Text-zu-Video-, Bild-zu-Video-, referenzgestützte Generierungs- und Videobearbeitungs-Workflows, mit optionaler Audioeingabe und 720p/1080p-Ausgabe.

Wan 2.6 ist Alibabas multimodales Videogenerierungsmodell für Text-, Bild-, Flash-Bild-, Referenz- und Flash-Referenz-Workflows, mit optionaler Audioeingabe und 720p/1080p-Ausgabe.

Seedream 5.0 ist das KI-Bildmodell der nächsten Generation von ByteDance mit Echtzeit-Websuche, steuerbarer Bearbeitung und logischem Schlussfolgern. Es unterstützt die Text-zu-Bild- und Bild-zu-Bild-Generierung mit einer Auflösung von 2K/3K, mehreren Seitenverhältnissen und bis zu 14 Referenzbildern.

Archivierte Informationen. Sora 2 Pro ist auf APIXO nicht mehr verfügbar.

Gesichtstausch ist die Bild-zu-Bild-API von APIXO, die das Gesicht in einem Zielfoto durch das Gesicht aus einem Referenzfoto ersetzt, für Porträts, deren Eigentümer Sie sind oder zu deren Verwendung Sie autorisiert sind.

Kopfaustausch ist die Bild-zu-Bild-API von APIXO, die den gesamten Kopf in einem Zielfoto durch den Kopf aus einem Referenzfoto ersetzt, für Porträts, die Ihnen gehören oder zu deren Verwendung Sie berechtigt sind.

Der Video-Hochskalierer ist die Video-zu-Video-API von APIXO, die ein Quellvideo auf 1080p, 2K oder 4K hochskaliert, abgerechnet pro Sekunde des Quellvideos.

Der Video-Wasserzeichenentferner ist die Video-zu-Video-Bereinigungs-API von APIXO zum Entfernen sichtbarer Wasserzeichen, Logos und Texteinblendungen aus einem Video, das Sie besitzen oder zu dessen Bearbeitung Sie berechtigt sind, abgerechnet pro Sekunde des Quellvideos.

Z-Image LoRA Pro ist eine asynchrone Text-zu-Bild-API, die für lebendige Details optimiert wurde. Sie gibt ein Bild pro Anfrage zurück und bietet Voreinstellungen für das Seitenverhältnis, exakte Pixelgrößen von bis zu 2560 pro Seite, Seed-Reproduzierbarkeit und eine Prompt-Erweiterung ohne zusätzliche Kosten.

Z-Image LoRA ist eine asynchrone Text-zu-Bild-API, die ein Bild pro Anfrage zurückgibt, mit Voreinstellungen für das Seitenverhältnis, exakter Steuerung der Pixelgröße, Seed-Reproduzierbarkeit und Prompt-Erweiterung ohne zusätzliche Kosten.

Seedance 2.0 Mini ist eine kostengünstigere APIXO-Route für ByteDance Seedance 2.0-Workflows, die die Modi Text-zu-Video, Erste-und-letzte-Frames und Omni-Referenz mit optionalem Ton, Websuche und 480p/720p-Ausgabe bereitstellt.

Wan 2.6 Image ist Alibabas Text-zu-Bild- und Bild-zu-Bild-Modell mit Prompt, negativem Prompt, Seitenverhältnis, Batch-Anzahl und optionaler Seed-Kontrolle.

Wan 2.5 Image ist Alibabas stapelverarbeitungsfreundliches Bilderzeugungsmodell für Text-zu-Bild- und Bild-zu-Bild-Workflows, das standardmäßig vier Bilder pro Anfrage generiert.

Bild-Upscaler ist die API von APIXO zur Verbesserung einzelner Bilder für die 2K-, 4K- und 8K-fache Hochskalierung, mit Steuerung der Ausgabeformate JPG, PNG und WEBP.

Der Wasserzeichen-Entferner für Bilder ist die autorisierte API von APIXO zur Bildbereinigung. Er entfernt Mustermarkierungen oder Überlagerungen von Bildern, deren Eigentümer Sie sind oder zu deren Verarbeitung Sie berechtigt sind.

Kling 3.0 Turbo ist Kuaishous schnelles Videogenerierungsmodell für Text-zu-Video- und Einzelbild-Bild-zu-Video-Workflows mit einer Ausgabe von 720p/1080p und 3-15 Sekunden langen Clips.

MiniMax Image 01 ist das Text-zu-Bild- und Bild-zu-Bild-Modell von MiniMax mit Prompt-Optimierung, flexibler Größensteuerung, 1K/2K-Voreinstellungen und bis zu 9 generierten Bildern pro Aufgabe.

MiniMax Speech 2.8 ist eine asynchrone Text-zu-Sprache-API mit HD- und Turbo-Qualitätsmodi, voreingestellten Stimmen, Unterstützung für benutzerdefinierte MiniMax-voice_ids, Emotionssteuerung, Aussprachewörterbüchern und mehrsprachigen Ausgabeeinstellungen.

MiniMax Voice erstellt wiederverwendbare, benutzerdefinierte Sprach-IDs aus einem per Text beschriebenen Stimmendesign oder einem einzelnen öffentlichen Referenz-Audioclip und gibt anschließend eine Audiovorschau zur Validierung zurück.

Hailuo 2.3 ist das asynchrone Videomodell von MiniMax mit Standard- und Pro-Modi für die Text-zu-Video- und Bild-zu-Video-Generierung. Der Standardmodus unterstützt 6s/10s bei 768p, während der Pro-Modus eine feste 5s-Ausgabe bei 1080p liefert.

Hailuo 2.3 Fast ist das geschwindigkeitsoptimierte Bild-zu-Video-Modell von MiniMax mit Standard- und Pro-Modi. Der Standardmodus unterstützt 6s/10s bei 768p, während der Pro-Modus eine feste 6s-Ausgabe bei 1080p liefert.

Grok Image ist das Bildgenerierungsmodell von xAI für Text-zu-Bild- und Bild-zu-Bild-Workflows mit einfacher Steuerung des Seitenverhältnisses und asynchroner Aufgabenbereitstellung. Text-zu-Bild liefert auf APIXO 6 Bilder pro Anfrage.

Die Wan 2.2 Animate API ist ein Charakteranimationsmodell von Alibaba, das ein Quellbild und ein Bewegungsvideo kombiniert, um stilisierte, animierte Ausgaben mit Animations-/Ersetzungsverhalten zu generieren.

Grok Video ist das asynchrone Videogenerierungsmodell von xAI für Text-zu-Video- und Bild-zu-Video-Workflows, mit optionaler Fortsetzung über task_id + Index und Stilsteuerung.

Kling 3.0 Std ist das Videogenerierungsmodell von Kuaishou in Standardqualität mit Modi für Text-zu-Video, Bild-zu-Video und Bewegungssteuerung. Es unterstützt Clips mit einer Länge von bis zu 15 Sekunden, optionale Tongenerierung und flexible Seitenverhältnisse.

InfiniteTalk wandelt ein Foto plus Audio in audiodatengesteuerte sprechende oder singende Avatar-Videos mit präziser Lippensynchronisation um. Unterstützt bis zu 10 Minuten bei einer Auflösung von 480p oder 720p.

Nano Banana 2 ist Googles hochauflösendes Modell zur Bilderzeugung mit 1K/2K/4K-Ausgabesteuerung, Prompts mit 20,000 Zeichen und Unterstützung für bis zu 14 Referenzbilder. Der Google-Suchkontext wird in der aktuellen Route von APIXO nicht als aktive Steuerung bereitgestellt.

Vidu Q3 ist ein Modell zur Videogenerierung mit sekundengenauer Abrechnung, das Standard- und Turbo-Workflows für Text-zu-Video sowie Bild-zu-Video in einer einzigen API kombiniert. Es unterstützt Einzelbildanimation, Übergänge zwischen dem ersten und letzten Frame, optionalen Ton und BGM sowie eine Ausgabe von bis zu 1080p.

Kling 2.5 Turbo Pro ist das Hochgeschwindigkeits-Videomodell von Kuaishou für die Erstellung von Text-zu-Video und Bild-zu-Video. Es unterstützt 5-10 Sekunden lange Clips, optionale Endbilder, die Steuerung des Seitenverhältnisses für Text-zu-Video sowie negative Prompts und eine Anleitung zur CFG-Skalierung.

LTX-2 19B ist ein Open-Source-19B-Diffusions-Transformer von Lightricks für die Generierung kinoreifer Videos. Es unterstützt Text-zu-Video- und Bild-zu-Video-Workflows, LoRA-Konditionierung und High-Fidelity-Ausgaben mit bis zu 1080p in der API.

Kling 2.1 ist Kuaishous mehrstufiges Videomodell mit den Modi Standard, Pro und Master für die Bild-zu-Video- und Text-zu-Video-Erstellung. Es unterstützt 5-10-Sekunden-Clips, optionale Endbilder für Pro und die Steuerung des Seitenverhältnisses für Master-Text-zu-Video.

Kling 2.6 ist Kuaishous natives audiovisuelles Videomodell, das in einem einzigen Durchgang Video, Sprache, Soundeffekte und Umgebungsgeräusche generiert. Es unterstützt die Text-to-Audio-Visual- und Image-to-Audio-Visual-Erstellung mit chinesischer und englischer Stimmerzeugung und Clips von bis zu 10 Sekunden.

Neuestes Suno Text-zu-Musik-Modell, das pro Aufruf zwei ausgefeilte Songs mit schnelleren Warteschlangen und volleren Vocals zurückgibt.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

OpenAI-kompatibles Gateway für Chat, Agenten, Reasoning und strukturierte Erstellung.

Kling 4.0 generiert Videos aus Text, geordneten Keyframes, Referenzbildern und -videos, benannten Subjekten und Stimmen.

Bearbeiten Sie ein Hauptbild mit einer Texteingabe und optionalen visuellen Referenzen und behalten Sie dabei dessen Komposition und Abmessungen bei.

Generieren und bearbeiten Sie Bilder mit bis zu 10 Referenzen und 1K, 2K oder 4K Ausgaben.

Generieren Sie ein Bild aus Text oder bearbeiten Sie bis zu 10 Referenzbilder mit 1K, 2K oder 4K Ausgabe.

Wan 3.0 Video LoRA unterstützt Text-zu-Video-, Bild-zu-Video- und Referenz-zu-Video-Workflows mit intelligenter Dauer. Der Referenzmodus akzeptiert Bild-, Video- und Audioeingaben.

Wan 3.0 Video Pro LoRA erhöht die Ausgabeobergrenze auf 4K bei Text-zu-Video-, Bild-zu-Video- und Referenz-zu-Video-Workflows, mit intelligenter Dauer und Bild-, Video- und Audio-Referenzen.

FLUX 3 ist das multimodale Videomodell von Black Forest Labs für Text-zu-Video, Bild-zu-Video und Videoerweiterung mit nativer Audioausgabe sowie MP4-Ausgabe in 720p oder 1080p.

Grok Imagine Video 1.5 animiert Referenzbilder, erste und letzte Frames, zeitgesteuerte Keyframes sowie Loop-Bilder mit auflösungsabhängigen Eingabebeschränkungen.

Wan 3.0 Video unterstützt Text-zu-Video-, Bild-zu-Video- und Referenz-zu-Video-Workflows mit intelligenter Dauer. Der Referenzmodus akzeptiert Bild-, Video-, Audio-, Datei- und Link-Eingaben.

Kling 3.0 Omni stellt über einen einzigen Endpunkt neun Modi bereit: die Stufen Standard, Pro und 4K für die Workflows Text-to-Video, Image-to-Video und Reference-to-Video.

MiniMax H3 LoRA ist die LoRA-stilisierte Version von MiniMax H3 mit 480p- und 768p-Ausgabe. Referenzbilder, Audio und Video können die Reference-to-Video-Generierung konditionieren.

Verbessertes KI-Videomodell von Google DeepMind mit Lite-, Fast- und Quality-Routen, Dauersteuerung für 4/6/8 Sekunden, Ausgabe in 720p/1080p/4k und Multi-Bild-Referenz-Workflows.

Wan 2.5 ist Alibabas Videogenerierungsmodell für Text-zu-Video- und Bild-zu-Video-Workflows, mit optionaler Audioeingabe, 480p/720p/1080p-Ausgabe, 5- oder 10-sekündigen Clips und Prompterweiterung.

Archivierte Informationen. Sora 2 ist auf APIXO nicht mehr verfügbar.

Seedream 4.5 ist ein leistungsstarkes KI-Modell für die Text-zu-Bild- und Bild-zu-Bild-Generierung, das eine hochwertige Bildgenerierung mit Unterstützung für die Auflösungen 2K und 4K liefert.