Videomodelle

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

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.

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.

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.

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.

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.

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.

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

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.

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.

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.

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 Imagine 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.

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.

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.

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.

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.

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.

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

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.

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.

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.