Annuaire des modèles d'IA — Génération vidéo, image et audio

Parcourez et essayez 131 modèles de 16 fournisseurs. Ouvrez une fiche pour essayer le modèle dans le playground.

Les tarifs par variante de chaque sous-modèle sont sur la page tarifs.

Type(5)

Fournisseur(16)

Capacités(12)

Coming soon: the fast Kling 4.0 model. 3-20s at 720p, text-to-video, image-to-video, Omni Reference.

Voir les détails

Kling 4.0 Flash

Kling

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

Coming soon: 5-20s video with native audio, up to 10 keyframes, video continuation, draft mode.

Voir les détails

FLUX 3 Video

Black Forest Labs

Texte vers vidéo
Image vers vidéo
Vidéo vers vidéo

Bounding-box layouts and edits, up to 10 references, 15 aspect ratios plus auto, 768sq to 4K.

Essayer ce modèle

FLUX 3 Image

Black Forest Labs

Texte vers image
Image vers image

FLUX 3 Image tarifs

5.6B open weights, text-to-image, editing, up to 4 references, 7 aspect ratios to 4 MP, 16 steps.

Essayer ce modèle

FLUX 3 Image Klein

Black Forest Labs

Texte vers image
Image vers image

FLUX 3 Image Klein tarifs

Undistilled 5.6B FLUX 3 Klein, 50 steps, CFG guidance, negative prompt, 4 refs, 7 ratios to 4 MP.

Essayer ce modèle

FLUX 3 Image Klein Base

Black Forest Labs

Texte vers image
Image vers image

FLUX 3 Image Klein Base tarifs

T2V, I2V or 14 references, end frame, voices, 1–15s at native 1080p.

Essayer ce modèle

Grok Imagine 1.5 Video

xAI

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

Grok Imagine 1.5 Video tarifs

Couverture de Grok Imagine 1.5 Lite Video

Cheapest Grok video: T2V or I2V, 1–15s, 480p to 1080p, with sound.

Essayer ce modèle

Grok Imagine 1.5 Lite Video

xAI

Texte vers vidéo
Image vers vidéo

Grok Imagine 1.5 Lite Video tarifs

Couverture de Grok Imagine 1.0 Video Extend

Add 2–10 seconds to any 2–15 second clip from its URL, 1.0 model, up to 720p.

Essayer ce modèle

Grok Imagine 1.0 Video Extend

xAI

Vidéo vers vidéo

Grok Imagine 1.0 Video Extend tarifs

Couverture de Grok Imagine 1.0 Video Edit

Prompt-driven edit of any clip by URL, 1.0 model, same length and ratio, up to 720p.

Essayer ce modèle

Grok Imagine 1.0 Video Edit

xAI

Vidéo vers vidéo

Grok Imagine 1.0 Video Edit tarifs

xAI TTS: preset voices, 20 languages, speed control, mp3, wav, or pcm.

Essayer ce modèle

Grok Text to Speech

xAI

Texte vers parole

Grok Text to Speech tarifs

xAI transcription: word timestamps, language detection, speaker diarization.

Essayer ce modèle

Grok Speech to Text

xAI

Parole vers texte

Grok Speech to Text tarifs

3-30s video with stereo audio, up to 10 reference images, keyframes, 21:9, multi-shot. 10% launch sale.

Essayer ce modèle

Kling 4.0

Kling

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo

Kling 4.0 tarifs

#1 on the Vals Index (68.9%), 77.9% DeepSWE v1.1, 91.7% LVBench, 1M context.

Essayer ce modèle

Gemini 4 Argon

Google

Texte vers texte

Gemini 4 Argon tarifs

Up to 15 reference images and 3 voice references, 540p to 4K, 1-16s, native audio.

Essayer ce modèle

Vidu Q4

Vidu

Image vers vidéo
Référence vers vidéo

Vidu Q4 tarifs

#2 on Artificial Analysis TTS arena, audio tags, multi-speaker dialogue, per-request voice cloning.

Essayer ce modèle

Eleven v4

ElevenLabs

Texte vers parole

#1 on Artificial Analysis TTS arena, ~100 ms median inference, audio tags, dialogue, voice cloning.

Essayer ce modèle

Eleven v4 Turbo

ElevenLabs

Texte vers parole

Eleven v4 and v4 Turbo TTS, multi-voice dialogue, sound effects, vocal isolation, speech-to-text.

Essayer ce modèle

ElevenLabs

Texte vers parole
Effets sonores
Parole vers texte

ElevenLabs tarifs

Up to 9 image/video/audio references, T2V or first/last frame, 4–15s, up to 4K on Pro.

Essayer ce modèle

SeeDance 2.0

ByteDance

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo
Édition vidéo

SeeDance 2.0 tarifs

Up to 9 references, T2V or first/last frame, 4–15s, 480p or 720p, cost-optimized.

Essayer ce modèle

SeeDance 2.0 Mini

ByteDance

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo
Édition vidéo

SeeDance 2.0 Mini tarifs

Up to 9 references, T2V or first/last frame, 4–15s at 480p or 720p, faster turnaround.

Essayer ce modèle

SeeDance 2.0 Fast

ByteDance

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo
Édition vidéo

SeeDance 2.0 Fast tarifs

Generate music, extend songs, add vocals, isolate stems, and write lyrics.

Essayer ce modèle

Suno

Musique
Effets sonores

Suno tarifs

1M context, 128k output, 72.4% OSWorld 2.1, the first Haiku with adaptive thinking.

Essayer ce modèle

Claude Haiku 5.5

Anthropic

Texte vers texte

Claude Haiku 5.5 tarifs

Nano Banana 2.1: 1K, 2K, or 4K output, 5 aspect ratios plus auto, up to 10 references.

Essayer ce modèle

Nano Banana 2.1

Google

Texte vers image
Image vers image

Nano Banana 2.1 tarifs

Elo 1267 on Artificial Analysis TTS, vocal bursts, two-speaker dialogue, 130+ languages.

Essayer ce modèle

Gemini 3.8 Flash TTS

Google

Texte vers parole

Gemini 3.8 Flash TTS tarifs

The high-volume Gemini 3.8 voice, Elo 1241 on Artificial Analysis TTS, 100+ languages.

Essayer ce modèle

Gemini 3.8 Flash Lite TTS

Google

Texte vers parole

Gemini 3.8 Flash Lite TTS tarifs

Near-Astra coding and computer use at a fifth of Astra's price, 75.2% DeepSWE, 1M context, cached input at half GPT 6 Sol's rate.

Essayer ce modèle

GPT 6.1 Sol

OpenAI

Texte vers texte

GPT 6.1 Sol tarifs

1M context, 128k output, 70.6% Terminal-Bench 4.0, 30%+ faster than Sonnet 5.

Essayer ce modèle

Claude Sonnet 5.5

Anthropic

Texte vers texte

Claude Sonnet 5.5 tarifs

1M context, image input, 56.4% Agents' Last Exam at 60% less per task than Opus 5, half the price of GPT 5.6 Sol.

Essayer ce modèle

GPT 6 Sol

OpenAI

Texte vers texte

GPT 6 Sol tarifs

OpenAI's cheapest GPT-6, 1M context, 66.6% DeepSWE for $0.22 a task, 93% less than Opus 5.

Essayer ce modèle

GPT 6 Luna

OpenAI

Texte vers texte

GPT 6 Luna tarifs

1M context, 384K max output, 552B MoE with 16B active, 74.2% DeepSWE v1.1.

Essayer ce modèle

DeepSeek V4.1 Flash

DeepSeek

Texte vers texte

DeepSeek V4.1 Flash tarifs

1.6T MoE with 49B active, 1M context, 384K max output, thinking on by default.

Essayer ce modèle

DeepSeek V4 Pro

DeepSeek

Texte vers texte

DeepSeek V4 Pro tarifs

Versioned V4 Flash ID, now answered by V4.1 Flash. 1M context, 384K max output.

Essayer ce modèle

DeepSeek V4 Flash

DeepSeek

Texte vers texte

DeepSeek V4 Flash tarifs

1M context, 128k output, 66.4% Terminal-Bench 4.0.

Essayer ce modèle

Claude Opus 5.5

Anthropic

Texte vers texte

Claude Opus 5.5 tarifs

500k context, image input, four reasoning efforts, 46.3% CursorBench 4.0, #5 Harvey Legal Agent.

Essayer ce modèle

Grok 4.7

xAI

Texte vers texte

Grok 4.7 tarifs

Flare for speed, Sunburst for edit precision: 1K/2K/4K, 15 aspect ratios, 16 reference images, transparent output.

Essayer ce modèle

GPT Image 2.5

OpenAI

Texte vers image
Image vers image

GPT Image 2.5 tarifs

1M context, image input, effort up to max, 58.2% Terminal-Bench 4.0, 59.3% Agents' Last Exam.

Essayer ce modèle

GPT 6 Astra

OpenAI

Texte vers texte

GPT 6 Astra tarifs

1M context, 5 reasoning efforts incl. minimal, 83.6% MCP Atlas, 57.9% Finance Agent v2, 189 tok/s.

Essayer ce modèle

Gemini 3.5 Flash

Google

Texte vers texte

Gemini 3.5 Flash tarifs

1M context, four reasoning efforts, 73.7% DeepSWE v1.1, 89.4% Terminal-Bench 2.1, 305 tok/s.

Essayer ce modèle

Gemini 3.8 Flash

Google

Texte vers texte

Gemini 3.8 Flash tarifs

1M context, 128k output, 55.8% Terminal-Bench 4.0, 90.0% ARC-AGI-2.

Essayer ce modèle

Claude Fable 5.1

Anthropic

Texte vers texte

Claude Fable 5.1 tarifs

500k context, image input, three reasoning efforts, 79.3% Terminal-Bench 2.1, trained with Cursor.

Essayer ce modèle

Grok 4.5

xAI

Texte vers texte

Grok 4.5 tarifs

1M context, image input, four reasoning efforts incl. none, 115.8 tok/s, 98% Tau2-Bench Telecom.

Essayer ce modèle

Grok 4.3

xAI

Texte vers texte

Grok 4.3 tarifs

256k context, image input, agentic coding with function calling and MCP, 0.53s first token.

Essayer ce modèle

Grok Build 0.1

xAI

Texte vers texte

Grok Build 0.1 tarifs

1M context, image input, thinking on, agentic tool calling, 98.9 tok/s, 72.2% SWE-bench Verified.

Essayer ce modèle

Grok 4.20 Reasoning

xAI

Texte vers texte

Grok 4.20 Reasoning tarifs

1M context, image input, no thinking phase, 0.64s first token, 95.8 tok/s, agentic tool calling.

Essayer ce modèle

Grok 4.20 Non-Reasoning

xAI

Texte vers texte

Grok 4.20 Non-Reasoning tarifs

Leader agent plus 4 or 16 sub-agents in parallel, 1M context, image input, Responses API only.

Essayer ce modèle

Grok 4.20 Multi-Agent

xAI

Texte vers texte

Grok 4.20 Multi-Agent tarifs

Text, image, and character references with voice presets; 4-10s videos plus conversational editing.

Essayer ce modèle

Gemini Omni Flash 1.1

Google

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Édition vidéo

Gemini Omni Flash 1.1 tarifs

Fast Wan 3.0: same 2–30s videos with audio and T2V/I2V/R2V modes, much shorter generation times.

Essayer ce modèle

Wan 3.0 Prime

Alibaba

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

Wan 3.0 Prime tarifs

Inline audio tags, two-speaker dialogue, 30 voices, 70+ languages.

Essayer ce modèle

Gemini 3.1 Flash TTS

Google

Texte vers parole

Gemini 3.1 Flash TTS tarifs

High-quality narration with 30 voices, dialogue mode, and 70+ languages.

Essayer ce modèle

Gemini 2.5 Pro TTS

Google

Texte vers parole

Gemini 2.5 Pro TTS tarifs

Fastest, lowest cost per second, with 30 voices and dialogue mode.

Essayer ce modèle

Gemini 2.5 Flash TTS

Google

Texte vers parole

Gemini 2.5 Flash TTS tarifs

2–30s videos with audio, T2V/I2V/R2V, document and webpage inputs, up to 20 references, 480P–1080P.

Essayer ce modèle

Wan 3.0

Alibaba

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

Wan 3.0 tarifs

500k context, image input, four reasoning efforts, 95.6% SWE-bench Verified, #1 CursorBench 3.2.

Essayer ce modèle

Grok 4.6

xAI

Texte vers texte

Grok 4.6 tarifs

1M context, 64k output, text/image/audio/video input, ~340 tok/s, 97% MRCR long-context recall.

Essayer ce modèle

Gemini 3.7 Flash

Google

Texte vers texte

Gemini 3.7 Flash tarifs

Quality-focused xAI text-to-image and reference editing with up to 5 input images.

Essayer ce modèle

Grok Imagine 2.0 Image

xAI

Texte vers image
Image vers image

Grok Imagine 2.0 Image tarifs

1M context, 65k output, multimodal input, 83% OSWorld-Verified, 234 tok/s output speed.

Essayer ce modèle

Gemini 3.6 Flash

Google

Texte vers texte

Gemini 3.6 Flash tarifs

4-30s, 480p to 1080p, native audio, first/last frames, and up to 50 multimodal references.

Essayer ce modèle

SeeDance 2.5

ByteDance

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo
Édition vidéo

SeeDance 2.5 tarifs

2K at 24 fps with native audio, 4-15s, six aspect ratios, start/end frames, and reference-to-video.

Essayer ce modèle

MiniMax Hailuo H3

MiniMax

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

MiniMax Hailuo H3 tarifs

1M context, 128k output, image input, 43.3% Frontier-Bench v0.1, 30.2% ARC-AGI 3.

Essayer ce modèle

Claude Opus 5

Anthropic

Texte vers texte

Claude Opus 5 tarifs

2.8T parameters, open weights, 1M context, 131k default output, always-on thinking.

Essayer ce modèle

Kimi K3

Moonshot AI

Texte vers texte

Kimi K3 tarifs

1M context, 128k output, 88.8% Terminal-Bench 2.1, 80 Coding Agent Index, ultra subagent mode.

Essayer ce modèle

GPT 5.6 Sol

OpenAI

Texte vers texte

GPT 5.6 Sol tarifs

1M context, 128k output, 77.4 Coding Agent Index, beats Fable 5 on Agents' Last Exam.

Essayer ce modèle

GPT 5.6 Terra

OpenAI

Texte vers texte

GPT 5.6 Terra tarifs

Fastest GPT 5.6, 1M context, beats Fable 5 on Agents' Last Exam, ahead of Opus 4.8 on coding.

Essayer ce modèle

GPT 5.6 Luna

OpenAI

Texte vers texte

GPT 5.6 Luna tarifs

Up to 10 reference images, 8 aspect ratios, 1K/1.5K/2K output, one image per call.

Essayer ce modèle

SeeDream 5.0 Pro

ByteDance

Texte vers image
Image vers image

SeeDream 5.0 Pro tarifs

1M context, 128k output, text and image input, adaptive thinking, top Arena Text and Vision rank.

Essayer ce modèle

Claude Fable 5

Anthropic

Texte vers texte

Claude Fable 5 tarifs

200k context, 64k output, 77.2% SWE-bench Verified, 61.4% OSWorld, extended thinking.

Essayer ce modèle

Claude Sonnet 4.5

Anthropic

Texte vers texte

200k context, 64k output, 80.9% SWE-bench Verified, effort controls from low to high.

Essayer ce modèle

Claude Opus 4.5

Anthropic

Texte vers texte

200k context, 64k output, 73.3% SWE-bench Verified, 50.7% OSWorld, extended thinking.

Essayer ce modèle

Claude Haiku 4.5

Anthropic

Texte vers texte

Claude Haiku 4.5 tarifs

Agentic coding, 1M context, 128k output, image input, 85.2% SWE-bench Verified.

Essayer ce modèle

Claude Sonnet 5

Anthropic

Texte vers texte

Claude Sonnet 5 tarifs

Sub-2s generation, 14 aspect ratios, 1K output, up to 14 reference images.

Essayer ce modèle

Nano Banana 2 Lite

Google

Texte vers image
Image vers image

Nano Banana 2 Lite tarifs

Up to 9 ref images, 720p or 1080p, 3–15s, native audio and lip-sync in one pass.

Essayer ce modèle

HappyHorse 1.1

Alibaba

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

HappyHorse 1.1 tarifs

T2V or I2V, 3–15s at 720p Standard or 1080p Pro, no multi-shot or native audio.

Essayer ce modèle

Kling 3.0 Turbo

Kling

Texte vers vidéo
Image vers vidéo

Kling 3.0 Turbo tarifs

1M context, 128k output, 88.6% SWE-bench Verified, 83.4% OSWorld, adaptive thinking.

Essayer ce modèle

Claude Opus 4.8

Anthropic

Texte vers texte

Claude Opus 4.8 tarifs

Agentic coding, 79.8% SWE-Bench Multilingual, 69.3% Terminal-Bench 2.0, tuned for long agent runs.

Essayer ce modèle

Composer 2.5

Cursor

Texte vers texte

Composer 2.5 tarifs

Low-latency default variant of Composer 2.5, same intelligence, 79.8% SWE-bench Multilingual.

Essayer ce modèle

Composer 2.5 Fast

Cursor

Texte vers texte

Composer 2.5 Fast tarifs

T2V, I2V, or R2V up to 9 reference images, 720P or 1080P, 3–15s videos with joint audio-video.

Essayer ce modèle

HappyHorse 1.0

Alibaba

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

HappyHorse 1.0 tarifs

1M context, 128k output, 82.7% Terminal-Bench 2.0, 78.7% OSWorld, 85% ARC-AGI-2.

Essayer ce modèle

GPT 5.5

OpenAI

Texte vers texte

GPT 5.5 tarifs

T2I or reference editing, 5 aspect ratios, 1K, 2K, or 4K resolution control.

Essayer ce modèle

GPT Image 2

OpenAI

Texte vers image
Image vers image

GPT Image 2 tarifs

1M context, 128k output, 87.6% SWE-bench Verified, 78% OSWorld, 2576px image input.

Essayer ce modèle

Claude Opus 4.7

Anthropic

Texte vers texte

Claude Opus 4.7 tarifs

T2I or editing up to 2K, thinking mode for better quality, up to 9 reference images.

Essayer ce modèle

Wan 2.7 Image

Alibaba

Texte vers image
Image vers image

Wan 2.7 Image tarifs

T2I or editing up to 4K, thinking mode for better quality, up to 9 reference images.

Essayer ce modèle

Wan 2.7 Image Pro

Alibaba

Texte vers image
Image vers image

Wan 2.7 Image Pro tarifs

T2V, I2V, or R2V with first/last frame, video continuation, lip-sync, 2–15s at 720P or 1080P.

Essayer ce modèle

Wan 2.7

Alibaba

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo

Wan 2.7 tarifs

Edit 2–10s videos with up to 4 reference images at 720P or 1080P, plus audio passthrough.

Essayer ce modèle

Wan 2.7 Video Edit

Alibaba

Édition vidéo

Wan 2.7 Video Edit tarifs

400k context, 128k output, 54.4% SWE-Bench Pro, 72.1% OSWorld, over 2x faster than GPT-5 mini.

Essayer ce modèle

GPT 5.4 Mini

OpenAI

Texte vers texte

400k context, 128k output, 52.4% SWE-Bench Pro, 82.8% GPQA Diamond, effort levels none to xhigh.

Essayer ce modèle

GPT 5.4 Nano

OpenAI

Texte vers texte

Native computer use, 75% OSWorld-Verified, up to 1M context, 128k output, tool search for agents.

Essayer ce modèle

GPT 5.4

OpenAI

Texte vers texte

GPT 5.4 tarifs

1M context, 128k output, 79.6% SWE-bench Verified, 72.5% OSWorld, adaptive thinking.

Essayer ce modèle

Claude Sonnet 4.6

Anthropic

Texte vers texte

Claude Sonnet 4.6 tarifs

Edit a 3–60s video by prompt, swap objects from up to 5 reference images, keep the original audio.

Essayer ce modèle

HappyHorse 1.0 Video Edit

Alibaba

Édition vidéo

HappyHorse 1.0 Video Edit tarifs

1M context, 128k output, effort controls, top Arena Document and Search rank.

Essayer ce modèle

Claude Opus 4.6

Anthropic

Texte vers texte

Claude Opus 4.6 tarifs

Multi-shot 2–6 scenes per call, 3–15s single-shot, 4K mode, with Audio 2.0 lip-sync.

Essayer ce modèle

Kling 3.0

Kling

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

Kling 3.0 tarifs

Motion transfer onto a character with high facial consistency, 720p Std or 1080p Pro.

Essayer ce modèle

Kling 3.0 Motion Control

Kling

Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo

Kling 3.0 Motion Control tarifs

T2I or editing with up to 10 reference images, 9 aspect ratios incl. auto, and 1K to 4K.

Essayer ce modèle

Kling 3.0 Omni Image

Kling

Texte vers image
Image vers image

Kling 3.0 Omni Image tarifs

Up to 7 references plus elements, video reference/transform, multi-shot 2–6, 4K mode.

Essayer ce modèle

Kling 3.0 Omni

Kling

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo

Kling 3.0 Omni tarifs

Edit videos with reference (style guide) or transform mode, plus image and video elements.

Essayer ce modèle

Kling 3.0 Omni Edit

Kling

Édition vidéo

Kling 3.0 Omni Edit tarifs

Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.

Essayer ce modèle

SeeDream 5.0 Lite

ByteDance

Texte vers image
Image vers image

SeeDream 5.0 Lite tarifs

T2I with Chinese and English text rendering, 7 aspect ratios. No editing.

Essayer ce modèle

Z-Image Turbo

Alibaba

Texte vers image

Z-Image Turbo tarifs

T2V, I2V, or R2V up to 5 references, 720p or 1080p, 2–15s, with auto audio and multi-shot.

Essayer ce modèle

Wan 2.6

Alibaba

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

Wan 2.6 tarifs

Faster Wan 2.6 with T2V/I2V/R2V, multi-shot, and auto-audio up to 1080p.

Essayer ce modèle

Wan 2.6 Flash

Alibaba

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

Wan 2.6 Flash tarifs

T2I, editing, or style transfer with 1–4 reference images and 7 aspect ratios.

Essayer ce modèle

Wan 2.6 Image

Alibaba

Texte vers image
Image vers image

Wan 2.6 Image tarifs

Couverture de Kling 2.6 Contrôle de Mouvement

Transfer motion from a reference video onto a character image, 720p Std or 1080p Pro.

Essayer ce modèle

Kling 2.6 Contrôle de Mouvement

Kling

Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo

Kling 2.6 Contrôle de Mouvement tarifs

T2V or I2V at 720p Standard or 1080p Pro, 5 or 10s, with optional end frame and audio.

Essayer ce modèle

Kling 2.6

Kling

Texte vers vidéo
Image vers vidéo

Kling 2.6 tarifs

Balanced production runs, 7 aspect ratios, 0.6-4 MP, up to 10 reference images.

Essayer ce modèle

Flux.2 Pro

Black Forest Labs

Texte vers image
Image vers image

Flux.2 Pro tarifs

9B Flux.2 Klein, 7 aspect ratios up to 4MP, reference image support.

Essayer ce modèle

Flux.2 Klein 9B

Black Forest Labs

Texte vers image
Image vers image

Flux.2 Klein 9B tarifs

4B Flux.2 Klein, smallest in the line, 7 aspect ratios up to 4MP, reference image support.

Essayer ce modèle

Flux.2 Klein 4B

Black Forest Labs

Texte vers image
Image vers image

Flux.2 Klein 4B tarifs

T2I plus multi-image fusion editing, 5 aspect ratios, smart prompt rewriting on by default.

Essayer ce modèle

Qwen Image 2.0

Alibaba

Texte vers image
Image vers image

Qwen Image 2.0 tarifs

Text rendering, multi-image fusion editing, 5 aspect ratios, highest output in the line.

Essayer ce modèle

Qwen Image 2.0 Pro

Alibaba

Texte vers image
Image vers image

Qwen Image 2.0 Pro tarifs

Reasoning video gen with up to 7 references, image-only elements, single-shot 3–10s, 720p/1080p.

Essayer ce modèle

Kling O1

Kling

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo

Kling O1 tarifs

Reasoning image gen with up to 10 reference images, 9 aspect ratios, and 1K or 2K output.

Essayer ce modèle

Kling O1 Image

Kling

Texte vers image
Image vers image

Kling O1 Image tarifs

Reasoning video editing with reference or transform mode, up to 4 reference images.

Essayer ce modèle

Kling O1 Edit

Kling

Édition vidéo

Kling O1 Edit tarifs

Gemini 3 image gen with 1K, 2K, or 4K, 10 aspect ratios, and reference image support.

Essayer ce modèle

Nano Banana Pro

Google

Texte vers image
Image vers image

Nano Banana Pro tarifs

T2V or I2V with optional end frame, 5 or 10s at 720p Standard or 1080p Pro.

Essayer ce modèle

Kling 2.5 Turbo

Kling

Texte vers vidéo
Image vers vidéo

Kling 2.5 Turbo tarifs

Animates a start frame from your prompt, 768p or 1080p, 6 or 10 seconds.

Essayer ce modèle

MiniMax Hailuo 2.3

MiniMax

Image vers vidéo

MiniMax Hailuo 2.3 tarifs

Image-led speed variant, start image required, 768p or 1080p, 6 or 10 seconds.

Essayer ce modèle

MiniMax Hailuo 2.3 Fast

MiniMax

Image vers vidéo

MiniMax Hailuo 2.3 Fast tarifs

Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.

Essayer ce modèle

SeeDream 4.5

ByteDance

Texte vers image
Image vers image

SeeDream 4.5 tarifs

4 model variants, 720p–4K, lip-synced dialogue and SFX in one call.

Essayer ce modèle

Veo 3.1

Google

Texte vers vidéo
Image vers vidéo
Référence vers vidéo
Vidéo vers vidéo

Veo 3.1 tarifs

Gemini image gen with 1K, 2K, or 4K resolution control and 10 aspect ratios.

Essayer ce modèle

Nano Banana 2

Google

Texte vers image
Image vers image

Nano Banana 2 tarifs

T2I or editing with 1–3 reference images, 7 aspect ratios, prompt extend on by default.

Essayer ce modèle

Wan 2.5 Image

Alibaba

Texte vers image
Image vers image

Wan 2.5 Image tarifs

T2V or I2V at 480p, 720p, or 1080p, 5 or 10s, with auto audio or custom audio sync.

Essayer ce modèle

Wan 2.5

Alibaba

Texte vers vidéo
Image vers vidéo

Wan 2.5 tarifs

T2I plus reference editing, 5 aspect ratios, smart prompt rewriting, negative prompts.

Essayer ce modèle

Qwen Image

Alibaba

Texte vers image
Image vers image

Qwen Image tarifs

Photoreal T2I plus reference editing, 5 aspect ratios, fewest synthetic artifacts in line.

Essayer ce modèle

Qwen Image Max

Alibaba

Texte vers image
Image vers image

Qwen Image Max tarifs

Stylistic T2I plus reference editing, 5 aspect ratios, fast sampling for design exploration.

Essayer ce modèle

Qwen Image Plus

Alibaba

Texte vers image
Image vers image

Qwen Image Plus tarifs

Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.

Essayer ce modèle

SeeDream 4.0

ByteDance

Texte vers image
Image vers image

SeeDream 4.0 tarifs

T2V or first/last frame at 720p or 1080p, with 5, 10, or 12s videos.

Essayer ce modèle

SeeDance 1.5 Pro

ByteDance

Texte vers vidéo
Image vers vidéo

SeeDance 1.5 Pro tarifs

Start frame, end frame, or both, 512p, 768p or 1080p, 6 or 10 seconds.

Essayer ce modèle

MiniMax Hailuo 2.0

MiniMax

Image vers vidéo

MiniMax Hailuo 2.0 tarifs

Text-to-image only, 5 aspect ratios, negative prompts and seeds for reproducible output.

Essayer ce modèle

Wan 2.2 Image

Alibaba

Texte vers image

Wan 2.2 Image tarifs

Cheapest T2I in the Wan line, 5 aspect ratios, negative prompts and seeds. No editing.

Essayer ce modèle

Wan 2.2 Image Flash

Alibaba

Texte vers image

Wan 2.2 Image Flash tarifs

Silent T2V or I2V, fixed 5s videos at 480p or 1080p, with negative prompts and seeds.

Essayer ce modèle

Wan 2.2

Alibaba

Texte vers vidéo
Image vers vidéo

Wan 2.2 tarifs

Fastest Wan 2.2 silent T2V/I2V, fixed 5s videos, with I2V at 720p in addition to 480p/1080p.

Essayer ce modèle

Wan 2.2 Fast

Alibaba

Texte vers vidéo
Image vers vidéo

Wan 2.2 Fast tarifs

Deprecated original Nano Banana (Gemini 2.5 Flash Image). Use Nano Banana 2.1 for new work.

Essayer ce modèle

Nano Banana

Google

Texte vers image
Image vers image

Upscale to 480p–8K with 21 Topaz model presets, optional frame interpolation, source FPS preserved by default.

Essayer ce modèle

Topaz Video Upscale

Topaz Labs

Vidéo vers vidéo

Topaz Video Upscale tarifs

AI image upscale 1x–16x with denoise, sharpen, and face enhancement controls.

Essayer ce modèle

Topaz Image Upscale

Topaz Labs

Image vers image

Topaz Image Upscale tarifs

T2V or I2V at Pro 1080p only, 5 or 10s, with optional sound effects and music.

Essayer ce modèle

Kling 2.1 Master

Kling

Texte vers vidéo
Image vers vidéo

Kling 2.1 Master tarifs

Couverture de Grok Imagine 1.5 Fast Video Extend

Extend a finished Fast video by 6 or 10 seconds, preset or custom mode.

Essayer ce modèle

Grok Imagine 1.5 Fast Video Extend

xAI

Vidéo vers vidéo

Grok Imagine 1.5 Fast Video Extend tarifs

Upscale a finished Grok Imagine video to HD from its task ID.

Essayer ce modèle

Grok Imagine Upscale

xAI

Vidéo vers vidéo

Grok Imagine Upscale tarifs

I2V with optional end frame, 5 or 10s, Standard 720p or Pro 1080p, optional sound effects.

Essayer ce modèle

Kling 2.1

Kling

Image vers vidéo

Kling 2.1 tarifs

T2V or I2V at 480p/720p, 5 or 10 second clips.

Essayer ce modèle

SeeDance 1.0

ByteDance

Texte vers vidéo
Image vers vidéo

SeeDance 1.0 tarifs

First- and last-frame video generation at 480p, 720p, or 1080p for 4–12 seconds.

Essayer ce modèle

SeeDance 1.0 Pro

ByteDance

Image vers vidéo

SeeDance 1.0 Pro tarifs

Fast text-to-video and first-frame image-to-video at up to 1080p for 4–12 seconds.

Essayer ce modèle

SeeDance 1.0 Pro Fast

ByteDance

Texte vers vidéo
Image vers vidéo

SeeDance 1.0 Pro Fast tarifs

Steps, guidance, seed, and prompt upsampling controls, 7 aspect ratios up to 4 MP.

Essayer ce modèle

Flux.2 Flex

Black Forest Labs

Texte vers image
Image vers image

Flux.2 Flex tarifs

Maximum quality Flux.2 output, 7 aspect ratios, 0.6-4 MP, up to 10 reference images.

Essayer ce modèle

Flux.2 Max

Black Forest Labs

Texte vers image
Image vers image

Flux.2 Max tarifs

Couverture de Grok Imagine 1.5 Fast Video

T2V, I2V, or reference images with style presets, faster results at 480p, 720p, or 1080p.

Essayer ce modèle

Grok Imagine 1.5 Fast Video

xAI

Texte vers vidéo
Image vers vidéo
Référence vers vidéo

Grok Imagine 1.5 Fast Video tarifs

Fast xAI text-to-image and reference editing with up to 5 images.

Essayer ce modèle

Grok Imagine 1.0 Image

xAI

Texte vers image
Image vers image

Grok Imagine 1.0 Image tarifs

Browse model families

API par tâche

All models A–Z

Every model and variant on the platform, including the specialised routes that sit inside a family page.