Najnowsze i popularne modele

Seedance 2.0 to multimodalny model wideo od ByteDance, obsługujący tryby tekst-na-wideo, pierwszą i ostatnią klatkę oraz omni-reference. Wyłącznie w APIXO: nieograniczona współbieżność, obsługa portretów prawdziwych osób i ukryte możliwości.

Seedance 2.0 Fast to ścieżka APIXO dla przepływów pracy ByteDance Seedance 2.0, udostępniająca tryby zamiany tekstu na wideo, pierwszej i ostatniej klatki oraz omni-reference, z opcjonalnym dźwiękiem, wyszukiwaniem w sieci i wyjściem 480p/720p.

GPT-Image-2 to model obrazu nowej generacji od OpenAI, który oferuje większy fotorealizm, czystszą edycję obrazów i ostrzejsze renderowanie tekstu na obrazie.

HappyHorse to model firmy Alibaba do generowania i edycji wideo, przeznaczony do przepływów pracy obejmujących zamianę tekstu na wideo i obrazu na wideo, generowanie z odniesieniem oraz edycję wideo, z materiałem wyjściowym w rozdzielczości 720p/1080p.

Najnowsze potoki Pro & Flex od BFL do generowania obrazów z tekstu i z obrazu, z ujednoliconym cennikiem 1K/2K i czasem generowania ~30s.

Nano Banana Pro to ścieżka Gemini 3 Pro Image od Google do generowania obrazów z wykorzystaniem wnioskowania, natywnych danych wyjściowych 4K, wielojęzycznej typografii i precyzyjnych kompozycji przestrzennych. APIXO nie udostępnia funkcji Search Grounding jako aktywnej opcji na tej ścieżce.

Midjourney to zaawansowany model AI do generowania obrazów, znany z artystycznych grafik o wysokiej jakości. Obsługuje przepływy pracy takie jak text-to-image, image-to-image, edycja obrazu, Vary oraz Upscale.

Profesjonalne generowanie obrazów z ulepszonym rozumieniem poleceń i doskonałą jakością wyników.

GPT-Image-1 to zaawansowany model multimodalny OpenAI do generowania obrazów wysokiej jakości z rozumieniem języka naturalnego.

Gemini 2.5 Flash Image Preview (znany też jako Nano Banana) to zaawansowany model AI, doskonały w generowaniu i edycji obrazów na podstawie języka naturalnego. Tworzy hiperrealistyczne wizualizacje uwzględniające prawa fizyki z płynnymi transformacjami stylu.

Twórz i udoskonalaj obrazy za pomocą GPT Image 2.5. Przekształć pisemny brief lub zdjęcie referencyjne w wizualizacje produktowe, portrety i ilustracje, a następnie dopracuj istotne szczegóły.

Seedance 2.5 to audiowizualny model wideo firmy ByteDance, przeznaczony do dłuższego opowiadania historii w oparciu o materiały referencyjne. Łączy w sobie reżyserię opartą na osi czasu, multimodalne wskazówki kreatywne, zsynchronizowany dźwięk, wielojęzyczną wydajność i selektywną korektę, aby pomóc zespołom produkcyjnym tworzyć połączone sceny zamiast pojedynczych, krótkich klipów.

Qwen Image 3.0 to model text-to-image i image-to-image od Alibaba, oferujący obrazy wyjściowe w rozdzielczości 1K i 2K, piętnaście proporcji obrazu, do trzech obrazów referencyjnych oraz opcjonalne rozszerzanie poleceń. Oba poziomy rozdzielczości są rozliczane według tej samej stawki.

Qwen Image 3.0 Pro to wyższy wariant tego samego modelu text-to-image i image-to-image od Alibaba, w którym rozdzielczości wyjściowe 1K i 2K są wyceniane osobno, co pozwala na różne rozliczanie wersji roboczych i materiałów finalnych.

MiniMax H3 to multimodalny model wideo ogólnego przeznaczenia, który łączy kontekst tekstowy, graficzny, wideo i audio w jednym procesie generowania. Tworzy filmy o długości do 2K i 15 sekund z natywnym dźwiękiem stereo, obsługując jednocześnie kontrolę pierwszej i ostatniej klatki, odwołania do różnych mediów, transfer ruchu, wieloujęciowe opowiadanie historii oraz edycję wideo sterowaną instrukcjami.

Seedream 5.0 Pro to zaawansowany model firmy ByteDance do generowania pojedynczych obrazów z tekstu i obrazu. Obsługuje rozdzielczość 1K/2K, osiem proporcji obrazu, do 10 obrazów referencyjnych oraz ścisłą kontrolę nad niestandardowym rozmiarem.

Seedance 1.5 Pro to model wideo od ByteDance rozliczany za sekundę, umożliwiający szybkie generowanie wideo z tekstu i obrazu z wyjściem 480p/720p/1080p, opcjonalnym dźwiękiem, kontrolą proporcji obrazu i stabilizacją kamery o stałym obiektywie.

Gemini Omni to multimodalny model Google do generowania wideo na podstawie tekstu, obrazów referencyjnych, wideo źródłowego, zasobów audio wielokrotnego użytku i identyfikatorów zasobów postaci.

Wan 2.7 Image to omni-image API firmy Alibaba, które obsługuje text-to-image, generowanie obrazów z użyciem referencji, edycję obrazów, obrazy sekwencyjne oraz przepływy pracy Omni Image Pro w wysokiej rozdzielczości.

Wan 2.7 to model od Alibaba do generowania i edycji wideo, obsługujący przepływy pracy typu tekst-na-wideo, obraz-na-wideo, generowanie z referencją oraz edycję wideo, z opcjonalnym wejściem audio i wyjściem 720p/1080p.

Wan 2.6 to wielotrybowy model generowania wideo od Alibaba, przeznaczony dla przepływów pracy z tekstem, obrazem, obrazem flash, referencją i referencją flash, z opcjonalnym wejściem audio i wyjściem 720p/1080p.

Seedream 5.0 to model obrazów AI nowej generacji od ByteDance z funkcjami wyszukiwania w sieci w czasie rzeczywistym, kontrolowanej edycji i logicznego rozumowania. Obsługuje generowanie obrazu z tekstu i obrazu w rozdzielczości 2K/3K, wiele proporcji obrazu i do 14 obrazów referencyjnych.

Informacje archiwalne. Model Sora 2 Pro nie jest już dostępny w APIXO.

Zamiana twarzy to interfejs API APIXO typu obraz-do-obrazu, który zastępuje twarz na zdjęciu docelowym twarzą ze zdjęcia referencyjnego. Należy go używać w przypadku portretów, których jesteś właścicielem lub masz upoważnienie do ich wykorzystania.

Podmiana Głowy to API typu obraz-obraz od APIXO, które zastępuje całą głowę na zdjęciu docelowym głową ze zdjęcia referencyjnego, do użytku z portretami, których jesteś właścicielem lub do których użycia masz upoważnienie.

Upscaler wideo to interfejs API wideo-do-wideo firmy APIXO, który poprawia jakość jednego wideo źródłowego do 1080p, 2K lub 4K, z opłatą naliczaną za sekundę materiału źródłowego.

Usuwanie znaków wodnych z wideo to interfejs API firmy APIXO do czyszczenia wideo, służący do usuwania widocznych znaków wodnych, logo i nakładek tekstowych z materiału wideo, którego jesteś właścicielem lub masz pozwolenie na jego modyfikację. Opłata jest naliczana za sekundę wideo źródłowego.

Z-Image LoRA Pro to asynchroniczne API do generowania obrazów z tekstu zoptymalizowane pod kątem wyrazistych szczegółów, które zwraca jeden obraz na żądanie. Oferuje predefiniowane ustawienia proporcji, dokładne rozmiary do 2560 pikseli na bok, powtarzalność wyników (seed) i rozszerzanie promptów bez dodatkowych opłat.

Z-Image LoRA to asynchroniczne API do generowania obrazów z tekstu, które zwraca jeden obraz na żądanie. Model oferuje predefiniowane ustawienia proporcji, dokładną kontrolę rozmiaru w pikselach, powtarzalność wyników (seed) i rozszerzanie promptów bez dodatkowych opłat.

Seedance 2.0 Mini to tańsza ścieżka APIXO dla przepływów pracy z modelem ByteDance Seedance 2.0, udostępniająca tryby tekst-na-wideo, pierwszej i ostatniej klatki oraz omni-reference z opcjonalnym dźwiękiem, wyszukiwaniem w sieci i wyjściem 480p/720p.

Wan 2.6 Image to model text-to-image i image-to-image od Alibaba, z kontrolą promptu, promptu negatywnego, proporcji obrazu, liczności partii oraz opcjonalną kontrolą wartości seed.

Wan 2.5 Image to model generowania obrazów od Alibaba, zoptymalizowany pod kątem przetwarzania wsadowego dla procesów text-to-image i image-to-image, domyślnie generujący cztery obrazy na żądanie.

Powiększanie obrazów to API APIXO do ulepszania pojedynczych obrazów, oferujące skalowanie 2K, 4K i 8K z kontrolą formatu wyjściowego JPG, PNG i WEBP.

Usuwanie znaków wodnych to autoryzowane API APIXO do czyszczenia pojedynczych obrazów, które usuwa znaki próbne lub nakładki z obrazów, które posiadasz lub masz pozwolenie na ich przetwarzanie.

Kling 3.0 Turbo to szybki model firmy Kuaishou do generowania wideo dla procesów zamiany tekstu na wideo i pojedynczego obrazu na wideo, z rozdzielczością wyjściową 720p/1080p i klipami o długości 3-15 sekund.

MiniMax Image 01 to model firmy MiniMax do generowania obrazów z tekstu i z obrazów, oferujący optymalizację promptów, elastyczną kontrolę rozmiaru, presety 1K/2K i możliwość wygenerowania do 9 obrazów w ramach jednego zadania.

MiniMax Speech 2.8 to asynchroniczne API do zamiany tekstu na mowę oferujące tryby jakości HD i turbo, gotowe głosy, obsługę niestandardowych identyfikatorów voice_id MiniMax, kontrolę emocji, słowniki wymowy i wielojęzyczne ustawienia wyjściowe.

MiniMax Voice tworzy niestandardowe identyfikatory głosu wielokrotnego użytku na podstawie opisu tekstowego lub pojedynczego publicznego klipu audio, a następnie zwraca podgląd audio do weryfikacji.

Hailuo 2.3 to asynchroniczny model wideo firmy MiniMax do generowania wideo z tekstu i obrazu, z trybami standard i pro. Tryb standard obsługuje materiał 6s/10s w rozdzielczości 768p, podczas gdy tryb pro zwraca stały wynik 5s w rozdzielczości 1080p.

Hailuo 2.3 Fast to zoptymalizowany pod kątem szybkości model firmy MiniMax do zamiany obrazu na wideo, z trybami standard i pro. Tryb standard obsługuje materiał 6s/10s w rozdzielczości 768p, podczas gdy tryb pro zwraca stały wynik 6s w rozdzielczości 1080p.

Grok Image to model generowania obrazów od xAI, obsługujący procesy typu tekst-obraz oraz obraz-obraz, z prostą kontrolą proporcji i asynchronicznym wykonywaniem zadań. Funkcja tekst-obraz zwraca 6 obrazów na żądanie w APIXO.

Wan 2.2 Animate API to model do animacji postaci od Alibaba, który łączy obraz źródłowy i wideo z ruchem, aby generować stylizowane animacje z zachowaniem typu animuj/zastąp.

Grok Video to asynchroniczny model generowania wideo od xAI do przepływów pracy typu tekst-na-wideo i obraz-na-wideo, z opcjonalną kontynuacją za pomocą task_id + index oraz kontrolą stylu.

Kling 3.0 Std to model firmy Kuaishou do generowania wideo w standardowej jakości z trybami zamiany tekstu na wideo, obrazu na wideo i kontroli ruchu. Obsługuje klipy o długości do 15 sekund z opcjonalnym generowaniem dźwięku i elastycznymi proporcjami obrazu.

InfiniteTalk przekształca jedno zdjęcie oraz dźwięk w filmy z mówiącym lub śpiewającym awatarem, z precyzyjną synchronizacją ruchu ust. Obsługuje filmy o długości do 10 minut w rozdzielczości 480p lub 720p.

Nano Banana 2 to model Google'a do generowania obrazów w wysokiej rozdzielczości z kontrolą wyjścia 1K/2K/4K, obsługą promptów do 20,000 znaków i do 14 obrazów referencyjnych. Kontekst z wyszukiwarki Google nie jest udostępniony jako aktywna opcja sterowania w bieżącej ścieżce APIXO.

Vidu Q3 to model generowania wideo z rozliczeniem za sekundę, który łączy w jednym API standardowe i Turbo przepływy pracy zamiany tekstu na wideo oraz obrazu na wideo. Obsługuje animację pojedynczego obrazu, przejścia między klatką początkową a końcową, opcjonalny dźwięk i BGM oraz wyjście do 1080p.

Kling 2.5 Turbo Pro to szybki model wideo firmy Kuaishou do tworzenia wideo z tekstu i obrazów. Obsługuje klipy o długości 5-10 sekund, opcjonalne obrazy klatki końcowej, kontrolę proporcji obrazu dla zamiany tekstu na wideo, a także podpowiedzi negatywne i wskazówki dotyczące skali CFG.

LTX-2 19B to transformator dyfuzyjny 19B typu open-source od Lightricks, przeznaczony do generowania wideo o kinowej jakości. Obsługuje procesy zamiany tekstu na wideo i obrazu na wideo, warunkowanie LoRA oraz wyniki o wysokiej wierności do 1080p w API.

Kling 2.1 to wielopoziomowy model wideo firmy Kuaishou z trybami Standard, Pro i Master do tworzenia wideo z obrazu i tekstu. Obsługuje klipy o długości 5-10 s, opcjonalne obrazy końcowe w trybie Pro oraz kontrolę proporcji obrazu w trybie Master przy tworzeniu wideo z tekstu.

Kling 2.6 to natywny audiowizualny model wideo firmy Kuaishou, który w jednym przebiegu generuje wideo, mowę, efekty dźwiękowe i dźwięk otoczenia. Obsługuje tworzenie materiałów audiowizualnych z tekstu i obrazu z generowaniem głosu w języku chińskim i angielskim oraz klipy o długości do 10 sekund.

Najnowszy model Suno do generowania muzyki z tekstu, który zwraca dwa dopracowane utwory na każde wywołanie, oferując krótsze kolejki i bogatszy wokal.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Bramka kompatybilna z OpenAI do czatu, agentów, wnioskowania i generowania strukturalnego.

Kling 4.0 generuje filmy z tekstu, uporządkowanych klatek kluczowych, obrazów i filmów referencyjnych, nazwanych obiektów oraz głosów.

Edytuj obraz główny za pomocą promptu tekstowego i opcjonalnych referencji wizualnych, z zachowaniem jego kompozycji i wymiarów.

Generowanie i edycja obrazów przy użyciu do 10 referencji i z wynikiem 1K, 2K lub 4K obrazów.

Generowanie jednego obrazu z tekstu lub edycja do 10 obrazów referencyjnych z 1K, 2K lub 4K obrazami wynikowymi.

Wan 3.0 Video LoRA obsługuje przepływy pracy typu tekst-na-wideo, obraz-na-wideo i wideo na podstawie referencji z inteligentnym czasem trwania. Tryb referencyjny akceptuje dane wejściowe w postaci obrazu, wideo i audio.

Wan 3.0 Video Pro LoRA podnosi limit jakości wyjściowej do 4K dla przepływów pracy typu tekst-na-wideo, obraz-na-wideo i wideo na podstawie referencji, oferując inteligentny czas trwania oraz referencje w postaci obrazu, wideo i audio.

FLUX 3 to multimodalny model wideo od Black Forest Labs do generowania wideo z tekstu i obrazu oraz rozszerzania wideo, z natywnym dźwiękiem i wyjściem w formacie MP4 o rozdzielczości 720p lub 1080p.

Grok Imagine Video 1.5 animuje obrazy referencyjne, pierwszą i ostatnią klatkę, klatki kluczowe w czasie oraz obrazy pętli, z limitami wejściowymi zależnymi od rozdzielczości.

Wan 3.0 Video obsługuje przepływy pracy typu tekst-na-wideo, obraz-na-wideo i wideo na podstawie referencji z inteligentnym czasem trwania. Tryb referencyjny akceptuje dane wejściowe w postaci obrazu, wideo, audio, pliku i linku.

Kling 3.0 Omni udostępnia dziewięć trybów za pośrednictwem jednego punktu końcowego: poziomy standard, pro i 4K, obejmujące procesy tworzenia wideo z tekstu, z obrazu oraz na podstawie materiału referencyjnego.

MiniMax H3 LoRA to stylizowana za pomocą LoRA wersja modelu MiniMax H3 z wyjściem 480p i 768p. Obrazy, dźwięk i wideo referencyjne mogą warunkować generowanie wideo na podstawie odniesień.

Ulepszony model wideo AI od Google DeepMind z trybami lite, fast i quality, kontrolą czasu trwania na 4/6/8 s, wyjściem w rozdzielczości 720p/1080p/4k i przepływami pracy z wieloma obrazami referencyjnymi.

Wan 2.5 to model do generowania wideo firmy Alibaba, obsługujący przepływy pracy typu tekst-na-wideo i obraz-na-wideo, z opcjonalnym wejściem audio, wyjściem w formacie 480p/720p/1080p, klipami o długości 5 lub 10 sekund i rozszerzaniem promptów.

Informacje archiwalne. Model Sora 2 nie jest już dostępny w APIXO.

Seedream 4.5 to potężny model AI typu text-to-image i image-to-image, zapewniający generowanie obrazów wysokiej jakości i obsługujący rozdzielczości 2K i 4K.