Modelos más recientes y populares

Seedance 2.0 es el modelo de vídeo multimodal de ByteDance compatible con los modos de texto a vídeo, de fotograma inicial y final, y de referencia omnidireccional. Exclusivo de APIXO: concurrencia ilimitada, compatibilidad con retratos de personas reales y capacidades ocultas.

Seedance 2.0 Fast es una ruta de APIXO para los flujos de trabajo de ByteDance Seedance 2.0, que expone los modos de texto a vídeo, de primer y último fotograma y de omnirreferencia, con sonido opcional, búsqueda web y salida de 480p/720p.

GPT-Image-2 es el modelo de imagen de nueva generación de OpenAI para un mayor fotorrealismo, una edición de imágenes más limpia y una renderización de texto en la imagen más nítida.

HappyHorse es el modelo de generación y edición de vídeo de Alibaba para flujos de trabajo de texto a vídeo, de imagen a vídeo, de generación guiada por referencia y de edición de vídeo con salida de 720p/1080p.

Los últimos pipelines Pro y Flex de BFL para text-to-image e image-to-image con precios unificados de 1K/2K y generación en ~30s.

Nano Banana Pro es la ruta Gemini 3 Pro Image de Google para la generación de imágenes basada en el razonamiento, salida nativa en formato 4K, tipografía multilingüe y composiciones espacialmente precisas. APIXO no expone Search Grounding como un control activo en esta ruta.

Midjourney es un modelo avanzado de generación de imágenes con IA, conocido por sus resultados artísticos y de alta calidad. Admite flujos de trabajo de texto a imagen, de imagen a imagen, edición de imágenes, Vary y Upscale.

Generación de imágenes de calidad profesional con una comprensión de prompts mejorada y resultados de calidad superior.

GPT-Image-1 es el modelo multimodal avanzado de OpenAI para la generación de imágenes de alta calidad con comprensión del lenguaje natural.

Gemini 2.5 Flash Image Preview (alias Nano Banana) es un modelo de IA avanzado que destaca en la generación y edición de imágenes a partir de lenguaje natural. Produce elementos visuales hiperrealistas y coherentes con las leyes de la física, con transformaciones de estilo fluidas.

Crea y perfecciona imágenes con GPT Image 2.5. Convierte una descripción escrita o una foto de referencia en imágenes de productos, retratos e ilustraciones, y luego ajusta los detalles importantes.

Seedance 2.5 es el modelo de vídeo audiovisual de ByteDance para la narración de historias más largas y basadas en referencias. Combina dirección basada en una línea de tiempo, guía creativa multimodal, sonido sincronizado, rendimiento multilingüe y revisión selectiva para ayudar a los equipos de producción a desarrollar escenas conectadas en lugar de clips cortos y aislados.

Qwen Image 3.0 es el modelo de texto a imagen e imagen a imagen de Alibaba con resultados de 1K y 2K, quince relaciones de aspecto, hasta tres imágenes de referencia y expansión de prompts opcional. Ambos niveles de resolución se facturan a la misma tarifa.

Qwen Image 3.0 Pro es la ruta de nivel superior de Alibaba para el mismo contrato de texto a imagen e imagen a imagen, que tarifica por separado los resultados de 1K y 2K para que los borradores y entregables finales se puedan facturar de forma diferente.

MiniMax H3 es un modelo de vídeo multimodal de uso general que combina contexto de texto, imagen, vídeo y audio en un único flujo de trabajo de generación. Crea vídeos de hasta 2K y 15 segundos con sonido estéreo nativo, y además admite control del primer y último fotograma, referencias multimedia, transferencia de movimiento, narración con múltiples planos y edición de vídeo guiada por instrucciones.

Seedream 5.0 Pro es el modelo premium de imagen única de ByteDance para la generación de texto a imagen e imagen a imagen. Admite una resolución de 1K/2K, ocho relaciones de aspecto, hasta 10 imágenes de referencia y un estricto control del tamaño personalizado.

Seedance 1.5 Pro es el modelo de vídeo por segundo de ByteDance para la generación rápida de texto a vídeo y de imagen a vídeo con salida a 480p/720p/1080p, sonido opcional, control de la relación de aspecto y estabilidad de cámara de lente fija.

Gemini Omni es el modelo multimodal de generación de vídeo de Google para crear vídeos a partir de texto, imágenes de referencia, vídeo de origen, recursos de audio reutilizables e ID de recursos de personaje.

Wan 2.7 Image es la API omni-imagen de Alibaba para texto a imagen, generación de imágenes guiada por referencia, edición de imágenes, imágenes secuenciales y flujos de trabajo de alta resolución de Omni Image Pro.

Wan 2.7 es el modelo de generación y edición de vídeo de Alibaba para flujos de trabajo de texto a vídeo, de imagen a vídeo, de generación guiada por referencia y de edición de vídeo, con entrada de audio opcional y salida 720p/1080p.

Wan 2.6 es el modelo de generación de vídeo multimodo de Alibaba para flujos de trabajo de texto, imagen, imagen flash, referencia y referencia flash, con entrada de audio opcional y salida 720p/1080p.

Seedream 5.0 es el modelo de imágenes de IA de última generación de ByteDance, con búsqueda web en tiempo real, edición controlable y razonamiento lógico. Admite la generación de texto a imagen e imagen a imagen con una resolución de 2K/3K, múltiples relaciones de aspecto y hasta 14 imágenes de referencia.

Información archivada. Sora 2 Pro ya no está disponible en APIXO.

Intercambio de caras es la API de imagen a imagen de APIXO que sustituye la cara de una foto de destino por la de una foto de referencia, para retratos de su propiedad o que tenga autorización para usar.

Cambio de cabeza es la API de imagen a imagen de APIXO que reemplaza la cabeza completa en una foto de destino con la cabeza de una foto de referencia, para retratos que le pertenezcan o que esté autorizado a utilizar.

Video Upscaler es la API de vídeo a vídeo de APIXO que mejora un vídeo de origen a 1080p, 2K o 4K, con facturación por segundo del vídeo de origen.

Video Watermark Remover es la API de limpieza de vídeo a vídeo de APIXO para eliminar marcas de agua visibles, logotipos y superposiciones de texto de un vídeo de su propiedad o para el que tenga permiso de modificación, con facturación por segundo del vídeo de origen.

Z-Image LoRA Pro es una API asíncrona de texto a imagen ajustada para obtener detalles nítidos, que devuelve una imagen por solicitud con preajustes de relación de aspecto, tamaños exactos en píxeles de hasta 2560 por lado, reproducibilidad mediante semilla y extensión de la indicación sin coste adicional.

Z-Image LoRA es una API asíncrona de texto a imagen que devuelve una imagen por solicitud, con preajustes de relación de aspecto, control exacto del tamaño en píxeles, reproducibilidad mediante semilla y extensión de la indicación sin coste adicional.

Seedance 2.0 Mini es la ruta de bajo coste de APIXO para los flujos de trabajo de Seedance 2.0 de ByteDance, que ofrece modos de texto a vídeo, de fotograma inicial y final y de referencia omnidireccional con sonido opcional, búsqueda web y salida a 480p/720p.

Wan 2.6 Image es el modelo de texto a imagen y de imagen a imagen de Alibaba que admite prompts, prompts negativos, relación de aspecto, recuento de lote y control de semilla opcional.

Wan 2.5 Image es el modelo de generación de imágenes de Alibaba para flujos de trabajo de texto a imagen y de imagen a imagen, optimizado para el procesamiento por lotes, que genera cuatro imágenes por solicitud de forma predeterminada.

Escalador de imágenes es la API de APIXO para la mejora de imágenes individuales, con escalado a 2K, 4K y 8K y control del formato de salida para JPG, PNG y WEBP.

Eliminador de marcas de agua de imágenes es la API autorizada de APIXO para la limpieza de imágenes individuales, destinada a eliminar marcas de muestra o superposiciones de imágenes que sean de su propiedad o para las que tenga permiso de procesamiento.

Kling 3.0 Turbo es el modelo de generación de vídeo rápida de Kuaishou para flujos de trabajo de texto a vídeo y de imagen a vídeo a partir de una sola imagen, con resultados de 720p/1080p y clips de 3-15 segundos.

MiniMax Image 01 es el modelo de texto a imagen e imagen a imagen de MiniMax con optimización de prompts, control de tamaño flexible, ajustes predefinidos 1K/2K y hasta 9 imágenes generadas por tarea.

MiniMax Speech 2.8 es una API asíncrona de texto a voz con modos de calidad HD y turbo, voces predefinidas, compatibilidad con voice_id personalizados de MiniMax, control de emociones, diccionarios de pronunciación y ajustes de salida multilingües.

MiniMax Voice crea ID de voz personalizados y reutilizables a partir de un diseño de voz descrito por texto o de un único clip de audio de referencia público, y a continuación devuelve un audio de vista previa para su validación.

Hailuo 2.3 es el modelo de vídeo asíncrono de MiniMax con modos estándar y pro para la generación de texto a vídeo y de imagen a vídeo. El modo estándar admite 6s/10s a 768p, mientras que el modo pro devuelve una salida fija de 5s a 1080p.

Hailuo 2.3 Fast es el modelo de imagen a vídeo de MiniMax optimizado para la velocidad, con modos estándar y pro. El modo estándar admite 6s/10s a 768p, mientras que el modo pro devuelve una salida fija de 6s a 1080p.

Grok Image es el modelo de generación de imágenes de xAI para flujos de trabajo de texto a imagen e imagen a imagen con un control sencillo de la relación de aspecto y entrega de tareas asíncrona. La función de texto a imagen devuelve 6 imágenes por solicitud en APIXO.

La API Wan 2.2 Animate es el modelo de animación de personajes de Alibaba que combina una imagen de origen y un vídeo de movimiento para generar resultados animados y estilizados con un comportamiento de animación/reemplazo.

Grok Video es el modelo de generación de vídeo asíncrono de xAI para flujos de trabajo de texto a vídeo y de imagen a vídeo, con continuación opcional mediante task_id + index y control de estilo.

Kling 3.0 Std es el modelo de generación de vídeo de calidad estándar de Kuaishou con modos de texto a vídeo, de imagen a vídeo y de control de movimiento. Admite clips de hasta 15 segundos con generación de sonido opcional y relaciones de aspecto flexibles.

InfiniteTalk convierte una foto y un audio en vídeos de avatares que hablan o cantan con una sincronización labial precisa. Admite hasta 10 minutos con una resolución de 480p o 720p.

Nano Banana 2 es el modelo de generación de imágenes de alta resolución de Google con control de salida 1K/2K/4K, prompts de 20,000 caracteres y compatibilidad con hasta 14 imágenes de referencia. El contexto de la Búsqueda de Google no se expone como un control activo en la ruta actual de APIXO.

Vidu Q3 es un modelo de generación de vídeo facturado por segundo que combina flujos de trabajo estándar y Turbo de texto a vídeo, además de los de imagen a vídeo, en una sola API. Admite animación de una sola imagen, transiciones entre el primer y el último fotograma, sonido y música de fondo (BGM) opcionales y resultados de hasta 1080p.

Kling 2.5 Turbo Pro es el modelo de vídeo de alta velocidad de Kuaishou para la creación de vídeo a partir de texto e imágenes. Admite clips de 5-10 segundos, imágenes de fotograma final opcionales, control de la relación de aspecto para texto a vídeo, además de indicaciones negativas y guía de escala CFG.

LTX-2 19B es el transformador de difusión 19B de código abierto de Lightricks para la generación de vídeo cinematográfico. Admite flujos de trabajo de texto a vídeo y de imagen a vídeo, condicionamiento LoRA y resultados de alta fidelidad de hasta 1080p en la API.

Kling 2.1 es el modelo de vídeo multinivel de Kuaishou con los modos Standard, Pro y Master para la creación de imagen a vídeo y texto a vídeo. Admite clips de 5-10 segundos, imágenes finales opcionales para Pro y control de la relación de aspecto para texto a vídeo en Master.

Kling 2.6 es el modelo de vídeo audiovisual nativo de Kuaishou que genera vídeo, voz, efectos de sonido y ambiente en una sola pasada. Admite la creación audiovisual a partir de texto e imagen con generación de voz en chino e inglés y clips de hasta 10 segundos.

El modelo más reciente de texto a música de Suno, que devuelve dos canciones pulidas por llamada con colas más rápidas y voces más ricas.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Gateway compatible con OpenAI para chat, agentes, razonamiento y generación estructurada.

Kling 4.0 genera vídeos a partir de texto, fotogramas clave ordenados, imágenes y vídeos de referencia, sujetos con nombre y voces.

Edita una imagen principal con una instrucción de texto y referencias visuales opcionales, conservando su composición y dimensiones.

Genere y edite imágenes con hasta 10 referencias y 1K, 2K o 4K resultados.

Genere una imagen a partir de texto o edite hasta 10 imágenes de referencia con 1K, 2K o 4K resultados.

Wan 3.0 Video LoRA admite flujos de trabajo de texto a vídeo, imagen a vídeo y referencia a vídeo con duración inteligente. El modo de referencia acepta entradas de imagen, vídeo y audio.

Wan 3.0 Video Pro LoRA aumenta la calidad máxima de salida a 4K en los flujos de trabajo de texto a vídeo, imagen a vídeo y referencia a vídeo, con duración inteligente y referencias de imagen, vídeo y audio.

FLUX 3 es el modelo de vídeo multimodal de Black Forest Labs para la conversión de texto a vídeo, de imagen a vídeo y la extensión de vídeo, con audio nativo y salida en MP4 de 720p o 1080p.

Grok Imagine Video 1.5 anima imágenes de referencia, fotogramas iniciales y finales, fotogramas clave temporizados e imágenes en bucle, con límites de entrada que dependen de la resolución.

Wan 3.0 Video admite flujos de trabajo de texto a vídeo, imagen a vídeo y referencia a vídeo con duración inteligente. El modo de referencia acepta entradas de imagen, vídeo, audio, archivo y enlace.

Kling 3.0 Omni expone nueve modos a través de un único punto de conexión (endpoint): niveles standard, pro y 4K para flujos de trabajo de texto a vídeo, imagen a vídeo y referencia a vídeo.

MiniMax H3 LoRA es la versión estilizada con LoRA de MiniMax H3 con una salida de 480p y 768p. Las imágenes, el audio y el vídeo de referencia pueden condicionar la generación de vídeo a partir de referencias.

Modelo de vídeo con IA actualizado de Google DeepMind con rutas lite, fast y quality, control de duración de 4/6/8 segundos, salida de 720p/1080p/4k y flujos de trabajo con múltiples imágenes de referencia.

Wan 2.5 es el modelo de generación de vídeo de Alibaba para flujos de trabajo de texto a vídeo y de imagen a vídeo, con entrada de audio opcional, salida 480p/720p/1080p, clips de 5 o 10 segundos y expansión de prompts.

Información archivada. Sora 2 ya no está disponible en APIXO.

Seedream 4.5 es un potente modelo de IA de texto a imagen e imagen a imagen que ofrece generación de imágenes de alta calidad, compatible con resoluciones de 2K y 4K.