Saltar al contenido principal

API de texto a video

UnificAlly ofrece 36 modelos de texto a video de Kling, MiniMax, ByteDance, Alibaba, Google y xAI con una sola API REST y una sola clave de API. Las tarifas empiezan en $0.007/s (SeeDance 1.5 Pro) o $0.075 por video (Veo 3.1), según cómo factura cada modelo, y pagas por generación desde un saldo prepago, sin suscripción. Todos los modelos de abajo usan las mismas dos llamadas: POST /v1/tasks para iniciar un trabajo y GET /v1/tasks/{task_id} para obtener el resultado.

Los 36 modelos de texto a video en UnificAlly

Nuestras tarifas a
ModeloTarifa inicial
API de Gemini Omni Flash 1.2

Google

Cualquier duración de 3 a 15s, referencias de personaje con voces predefinidas y edición de video de hasta 15s.

desde $0.0213/s
API de MiniMax H3 Highspeed

MiniMax

El H3 más rápido: 768p, 4-15s, fotogramas inicial/final, hasta 9 imágenes y 3 videos de referencia, con audio nativo.

$0.054/s
API de MiniMax H3 Fast

MiniMax

H3 Fast (unos 30 s por trabajo): 480p o 768p, 4-15s, fotogramas inicial/final, imágenes, videos y audio de referencia, sin recargo por imagen.

desde $0.0414/s
API de MiniMax H3 Lite

MiniMax

Las entradas de H3 a cerca de la mitad del precio: 480p o 768p, 4-15s, fotogramas inicial/final, hasta 9 imágenes y 3 videos de referencia.

desde $0.0225/s
API de MiniMax H3 Max

MiniMax

H3 Max: 480p o 768p, 5-15s, fotogramas inicial/final, imágenes, videos y audio de referencia, seed y expansión de prompt.

desde $0.045/s
API de MiniMax H3 Max Turbo

MiniMax

H3 Max destilado: solo texto o fotograma inicial con final opcional, 480p o 768p, 5-15s, seed y expansión de prompt.

desde $0.0225/s
API de Grok Imagine 1.5 Lite Video

xAI

desde $0.01/s
API de Kling 4.0

Kling

Próximamente: video de 3-30s, 720p a 4K, hasta 10 fotogramas clave, 15 referencias, audio estéreo con lip-sync.

desde $0.126/s
API de Kling 4.0 Flash

Kling

Próximamente: el modelo rápido de Kling 4.0. 3-20s a 720p, texto a video, imagen a video, Omni Reference.

desde $0.0756/s
API de Gemini Omni Flash 1.1

Google

Referencias de texto, imagen y personaje con voces predefinidas; videos de 4-10s más edición conversacional.

desde $0.11 por video
API de Wan 3.0 Prime

Alibaba

Wan 3.0 rápido: los mismos videos de 2–30s con audio y modos T2V/I2V/R2V, con tiempos de generación mucho más cortos.

desde $0.0612/s
API de Wan 3.0

Alibaba

Videos de 2–30s con audio, T2V/I2V/R2V, entradas de documentos y páginas web, hasta 20 referencias, 480P–1080P.

desde $0.0425/s
API de SeeDance 2.5

ByteDance

4-30s, 480p a 1080p, audio nativo, primer/último fotograma y hasta 50 referencias multimodales.

desde $0.114/s
API de MiniMax Hailuo H3

MiniMax

2K a 24 fps con audio nativo, 4-15s, seis relaciones de aspecto, fotogramas inicial/final y referencia a video.

desde $0.072/s
API de HappyHorse 1.1

Alibaba

Hasta 9 imágenes de referencia, 720p o 1080p, 3–15s, audio nativo y lip-sync en una sola pasada.

desde $0.112/s
API de Kling 3.0 Turbo

Kling

T2V o I2V, 3–15s a 720p Standard o 1080p Pro, sin multi-shot ni audio nativo.

desde $0.1008/s
API de Veo 3.1

Google

4 variantes del modelo, 720p–4K, diálogo con lip-sync y efectos de sonido en una sola llamada.

desde $0.075 por video
API de SeeDance 2.0

ByteDance

Hasta 9 referencias de imagen/video/audio, T2V o primer/último fotograma, 4–15s, hasta 4K en Pro.

desde $0.022/s
API de SeeDance 2.0 Fast

ByteDance

Hasta 9 referencias, T2V o primer/último fotograma, 4–15s a 480p o 720p, entrega más rápida.

desde $0.0372/s
API de SeeDance 2.0 Mini

ByteDance

Hasta 9 referencias, T2V o primer/último fotograma, 4–15s, 480p o 720p, optimizado en costo.

desde $0.022/s
API de Kling 3.0

Kling

Multi-shot de 2–6 escenas por llamada, toma única de 3–15s, modo 4K, con lip-sync de Audio 2.0.

desde $0.0756/s
API de Grok Imagine 1.5 Fast Video

xAI

T2V, I2V o imágenes de referencia con presets de estilo, resultados más rápidos a 480p, 720p o 1080p.

desde $0.04/s
API de Grok Imagine 1.5 Video

xAI

Anima una imagen inicial, 1–15s, 480p a 1080p, la única ruta de Grok que llega a 1080p.

desde $0.04/s
API de Kling O1

Kling

Generación de video con razonamiento, hasta 7 referencias, elementos solo de imagen, toma única de 3–10s, 720p/1080p.

desde $0.0756/s
API de MiniMax Hailuo 2.0

MiniMax

Solo prompt, fotograma inicial, o fotogramas inicial y final, 768p o 1080p, 6 o 10 segundos.

desde $0.0504/s
API de MiniMax Hailuo 2.3

MiniMax

Solo prompt o con un fotograma inicial, 768p o 1080p, 6 o 10 segundos.

desde $0.042/s
API de Kling 2.1 Master

Kling

T2V o I2V solo en Pro 1080p, 5 o 10s, con efectos de sonido y música opcionales.

$0.252/s
API de Kling 2.5 Turbo

Kling

T2V o I2V con fotograma final opcional, 5 o 10s a 720p Standard o 1080p Pro.

desde $0.0378/s
API de Kling 2.6

Kling

T2V o I2V a 720p Standard o 1080p Pro, 5 o 10s, con fotograma final y audio opcionales.

desde $0.0378/s
API de SeeDance 1.5 Pro

ByteDance

T2V o primer/último fotograma a 720p o 1080p, con videos de 5, 10 o 12s.

desde $0.007/s
API de Wan 2.6

Alibaba

T2V, I2V o R2V con hasta 5 referencias, 720p o 1080p, 2–15s, con audio automático y multi-shot.

desde $0.09/s
API de SeeDance 1.0

ByteDance

T2V o I2V a 480p/720p, clips de 5 o 10 segundos.

desde $0.015/s
API de SeeDance 1.0 Pro Fast

ByteDance

Texto a video rápido e imagen a video desde el primer fotograma hasta 1080p, de 4–12 segundos.

desde $0.007/s
API de Kling 3.0 Omni

Kling

Hasta 7 referencias más elementos, referencia/transformación de video, multi-shot de 2–6, modo 4K.

desde $0.0756/s
API de Wan 2.7

Alibaba

T2V, I2V o R2V con primer/último fotograma, continuación de video, lip-sync, 2–15s a 720P o 1080P.

desde $0.09/s
API de HappyHorse 1.0

Alibaba

T2V, I2V o R2V con hasta 9 imágenes de referencia, 720P o 1080P, videos de 3–15s con audio y video generados juntos.

desde $0.119/s

Cómo llamar a la API de texto a video

Todos los modelos reciben la misma solicitud: un ID de modelo y un objeto input. Este ejemplo usa google/veo-3.1-fast; cámbialo por cualquier ID de modelo de la tabla y usa los campos de input que indica su página.

# 1. Start a task
curl -X POST https://api.unifically.com/v1/tasks \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "google/veo-3.1-fast",
    "input": {
      "prompt": "A cinematic shot of a cat walking through a garden",
      "aspect_ratio": "16:9",
      "duration": 4,
      "resolution": "1080p"
    }
  }'

# 2. Read the result with the task_id from step 1
curl https://api.unifically.com/v1/tasks/TASK_ID \
  -H "Authorization: Bearer YOUR_API_KEY"

Preguntas frecuentes sobre la API de texto a video

¿Cuánto cuesta la API de texto a video?
Cada modelo tiene su propia tarifa, que aparece en la tabla de arriba y en la página de precios. Las tarifas más bajas ahora mismo son $0.007/s (SeeDance 1.5 Pro) y $0.075 por video (Veo 3.1). Pagas por generación desde un saldo prepago: sin suscripción, sin mínimo mensual, y el saldo no caduca. Las generaciones fallidas no se cobran, y una solicitud con dry_run en true devuelve el precio exacto sin ejecutar el trabajo.
¿Cómo llamo a estos modelos de texto a video desde código?
Envía POST https://api.unifically.com/v1/tasks con tu clave de API, un ID de modelo (por ejemplo google/veo-3.1-fast) y un objeto input. La respuesta incluye un task_id: consulta GET /v1/tasks/{task_id} hasta que el estado sea completed, o pasa un callback_url para recibir el resultado por webhook. La forma de la solicitud es la misma para todos los modelos; solo cambian el ID de modelo y los campos de input.
¿La misma API puede convertir una imagen en video?
Sí. Todos los modelos de esta página también aceptan una imagen inicial; la lista completa de imagen a video está en la página de la API de imagen a video. La imagen va en el input del modelo como URL, por ejemplo start_image_url en Veo 3.1.
¿Puedo probar los modelos de texto a video antes de recargar saldo?
Sí. Una cuenta nueva de UnificAlly empieza con un saldo de registro de $0.50, y cada página de modelo tiene un playground en el navegador que funciona con ese saldo, así que puedes comparar resultados antes de escribir código.