Modele wideo

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

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.

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.

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.

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.

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.

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.

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

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.

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.

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.

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 Imagine 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.

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.

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.

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.

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.

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.

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

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.

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.

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.