Diretório de modelos de IA — Geração de vídeo, imagem e áudio

Explore e teste 131 modelos de 16 provedores. Abra qualquer card para testar o modelo no playground.

Preços por variante de cada submodelo estão na página de preços.

Tipo(5)

Provedor(16)

Capacidades(12)

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

Ver detalhes

Kling 4.0 Flash

Kling

Texto para vídeo
Imagem para vídeo
Referência para vídeo

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

Ver detalhes

FLUX 3 Video

Black Forest Labs

Texto para vídeo
Imagem para vídeo
Vídeo para vídeo

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

Testar este modelo

FLUX 3 Image

Black Forest Labs

Texto para imagem
Imagem para imagem

FLUX 3 Image preços

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

Testar este modelo

FLUX 3 Image Klein

Black Forest Labs

Texto para imagem
Imagem para imagem

FLUX 3 Image Klein preços

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

Testar este modelo

FLUX 3 Image Klein Base

Black Forest Labs

Texto para imagem
Imagem para imagem

FLUX 3 Image Klein Base preços

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

Testar este modelo

Grok Imagine 1.5 Video

xAI

Texto para vídeo
Imagem para vídeo
Referência para vídeo

Grok Imagine 1.5 Video preços

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

Testar este modelo

Grok Imagine 1.5 Lite Video

xAI

Texto para vídeo
Imagem para vídeo

Grok Imagine 1.5 Lite Video preços

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

Testar este modelo

Grok Imagine 1.0 Video Extend

xAI

Vídeo para vídeo

Grok Imagine 1.0 Video Extend preços

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

Testar este modelo

Grok Imagine 1.0 Video Edit

xAI

Vídeo para vídeo

Grok Imagine 1.0 Video Edit preços

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

Testar este modelo

Grok Text to Speech

xAI

Texto para fala

Grok Text to Speech preços

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

Testar este modelo

Grok Speech to Text

xAI

Fala para texto

Grok Speech to Text preços

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

Testar este modelo

Kling 4.0

Kling

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo

Kling 4.0 preços

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

Testar este modelo

Gemini 4 Argon

Google

Texto para texto

Gemini 4 Argon preços

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

Testar este modelo

Vidu Q4

Vidu

Imagem para vídeo
Referência para vídeo

Vidu Q4 preços

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

Testar este modelo

Eleven v4

ElevenLabs

Texto para fala

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

Testar este modelo

Eleven v4 Turbo

ElevenLabs

Texto para fala

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

Testar este modelo

ElevenLabs

Texto para fala
Efeitos sonoros
Fala para texto

ElevenLabs preços

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

Testar este modelo

SeeDance 2.0

ByteDance

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo
Edição de vídeo

SeeDance 2.0 preços

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

Testar este modelo

SeeDance 2.0 Mini

ByteDance

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo
Edição de vídeo

SeeDance 2.0 Mini preços

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

Testar este modelo

SeeDance 2.0 Fast

ByteDance

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo
Edição de vídeo

SeeDance 2.0 Fast preços

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

Testar este modelo

Suno

Música
Efeitos sonoros

Suno preços

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

Testar este modelo

Claude Haiku 5.5

Anthropic

Texto para texto

Claude Haiku 5.5 preços

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

Testar este modelo

Nano Banana 2.1

Google

Texto para imagem
Imagem para imagem

Nano Banana 2.1 preços

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

Testar este modelo

Gemini 3.8 Flash TTS

Google

Texto para fala

Gemini 3.8 Flash TTS preços

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

Testar este modelo

Gemini 3.8 Flash Lite TTS

Google

Texto para fala

Gemini 3.8 Flash Lite TTS preços

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.

Testar este modelo

GPT 6.1 Sol

OpenAI

Texto para texto

GPT 6.1 Sol preços

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

Testar este modelo

Claude Sonnet 5.5

Anthropic

Texto para texto

Claude Sonnet 5.5 preços

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.

Testar este modelo

GPT 6 Sol

OpenAI

Texto para texto

GPT 6 Sol preços

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

Testar este modelo

GPT 6 Luna

OpenAI

Texto para texto

GPT 6 Luna preços

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

Testar este modelo

DeepSeek V4.1 Flash

DeepSeek

Texto para texto

DeepSeek V4.1 Flash preços

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

Testar este modelo

DeepSeek V4 Pro

DeepSeek

Texto para texto

DeepSeek V4 Pro preços

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

Testar este modelo

DeepSeek V4 Flash

DeepSeek

Texto para texto

DeepSeek V4 Flash preços

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

Testar este modelo

Claude Opus 5.5

Anthropic

Texto para texto

Claude Opus 5.5 preços

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

Testar este modelo

Grok 4.7

xAI

Texto para texto

Grok 4.7 preços

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

Testar este modelo

GPT Image 2.5

OpenAI

Texto para imagem
Imagem para imagem

GPT Image 2.5 preços

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

Testar este modelo

GPT 6 Astra

OpenAI

Texto para texto

GPT 6 Astra preços

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

Testar este modelo

Gemini 3.5 Flash

Google

Texto para texto

Gemini 3.5 Flash preços

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

Testar este modelo

Gemini 3.8 Flash

Google

Texto para texto

Gemini 3.8 Flash preços

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

Testar este modelo

Claude Fable 5.1

Anthropic

Texto para texto

Claude Fable 5.1 preços

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

Testar este modelo

Grok 4.5

xAI

Texto para texto

Grok 4.5 preços

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

Testar este modelo

Grok 4.3

xAI

Texto para texto

Grok 4.3 preços

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

Testar este modelo

Grok Build 0.1

xAI

Texto para texto

Grok Build 0.1 preços

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

Testar este modelo

Grok 4.20 Reasoning

xAI

Texto para texto

Grok 4.20 Reasoning preços

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

Testar este modelo

Grok 4.20 Non-Reasoning

xAI

Texto para texto

Grok 4.20 Non-Reasoning preços

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

Testar este modelo

Grok 4.20 Multi-Agent

xAI

Texto para texto

Grok 4.20 Multi-Agent preços

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

Testar este modelo

Gemini Omni Flash 1.1

Google

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Edição de vídeo

Gemini Omni Flash 1.1 preços

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

Testar este modelo

Wan 3.0 Prime

Alibaba

Texto para vídeo
Imagem para vídeo
Referência para vídeo

Wan 3.0 Prime preços

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

Testar este modelo

Gemini 3.1 Flash TTS

Google

Texto para fala

Gemini 3.1 Flash TTS preços

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

Testar este modelo

Gemini 2.5 Pro TTS

Google

Texto para fala

Gemini 2.5 Pro TTS preços

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

Testar este modelo

Gemini 2.5 Flash TTS

Google

Texto para fala

Gemini 2.5 Flash TTS preços

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

Testar este modelo

Wan 3.0

Alibaba

Texto para vídeo
Imagem para vídeo
Referência para vídeo

Wan 3.0 preços

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

Testar este modelo

Grok 4.6

xAI

Texto para texto

Grok 4.6 preços

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

Testar este modelo

Gemini 3.7 Flash

Google

Texto para texto

Gemini 3.7 Flash preços

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

Testar este modelo

Grok Imagine 2.0 Image

xAI

Texto para imagem
Imagem para imagem

Grok Imagine 2.0 Image preços

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

Testar este modelo

Gemini 3.6 Flash

Google

Texto para texto

Gemini 3.6 Flash preços

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

Testar este modelo

SeeDance 2.5

ByteDance

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo
Edição de vídeo

SeeDance 2.5 preços

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

Testar este modelo

MiniMax Hailuo H3

MiniMax

Texto para vídeo
Imagem para vídeo
Referência para vídeo

MiniMax Hailuo H3 preços

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

Testar este modelo

Claude Opus 5

Anthropic

Texto para texto

Claude Opus 5 preços

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

Testar este modelo

Kimi K3

Moonshot AI

Texto para texto

Kimi K3 preços

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

Testar este modelo

GPT 5.6 Sol

OpenAI

Texto para texto

GPT 5.6 Sol preços

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

Testar este modelo

GPT 5.6 Terra

OpenAI

Texto para texto

GPT 5.6 Terra preços

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

Testar este modelo

GPT 5.6 Luna

OpenAI

Texto para texto

GPT 5.6 Luna preços

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

Testar este modelo

SeeDream 5.0 Pro

ByteDance

Texto para imagem
Imagem para imagem

SeeDream 5.0 Pro preços

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

Testar este modelo

Claude Fable 5

Anthropic

Texto para texto

Claude Fable 5 preços

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

Testar este modelo

Claude Sonnet 4.5

Anthropic

Texto para texto

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

Testar este modelo

Claude Opus 4.5

Anthropic

Texto para texto

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

Testar este modelo

Claude Haiku 4.5

Anthropic

Texto para texto

Claude Haiku 4.5 preços

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

Testar este modelo

Claude Sonnet 5

Anthropic

Texto para texto

Claude Sonnet 5 preços

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

Testar este modelo

Nano Banana 2 Lite

Google

Texto para imagem
Imagem para imagem

Nano Banana 2 Lite preços

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

Testar este modelo

HappyHorse 1.1

Alibaba

Texto para vídeo
Imagem para vídeo
Referência para vídeo

HappyHorse 1.1 preços

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

Testar este modelo

Kling 3.0 Turbo

Kling

Texto para vídeo
Imagem para vídeo

Kling 3.0 Turbo preços

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

Testar este modelo

Claude Opus 4.8

Anthropic

Texto para texto

Claude Opus 4.8 preços

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

Testar este modelo

Composer 2.5

Cursor

Texto para texto

Composer 2.5 preços

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

Testar este modelo

Composer 2.5 Fast

Cursor

Texto para texto

Composer 2.5 Fast preços

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

Testar este modelo

HappyHorse 1.0

Alibaba

Texto para vídeo
Imagem para vídeo
Referência para vídeo

HappyHorse 1.0 preços

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

Testar este modelo

GPT 5.5

OpenAI

Texto para texto

GPT 5.5 preços

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

Testar este modelo

GPT Image 2

OpenAI

Texto para imagem
Imagem para imagem

GPT Image 2 preços

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

Testar este modelo

Claude Opus 4.7

Anthropic

Texto para texto

Claude Opus 4.7 preços

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

Testar este modelo

Wan 2.7 Image

Alibaba

Texto para imagem
Imagem para imagem

Wan 2.7 Image preços

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

Testar este modelo

Wan 2.7 Image Pro

Alibaba

Texto para imagem
Imagem para imagem

Wan 2.7 Image Pro preços

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

Testar este modelo

Wan 2.7

Alibaba

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo

Wan 2.7 preços

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

Testar este modelo

Wan 2.7 Video Edit

Alibaba

Edição de vídeo

Wan 2.7 Video Edit preços

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

Testar este modelo

GPT 5.4 Mini

OpenAI

Texto para texto

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

Testar este modelo

GPT 5.4 Nano

OpenAI

Texto para texto

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

Testar este modelo

GPT 5.4

OpenAI

Texto para texto

GPT 5.4 preços

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

Testar este modelo

Claude Sonnet 4.6

Anthropic

Texto para texto

Claude Sonnet 4.6 preços

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

Testar este modelo

HappyHorse 1.0 Video Edit

Alibaba

Edição de vídeo

HappyHorse 1.0 Video Edit preços

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

Testar este modelo

Claude Opus 4.6

Anthropic

Texto para texto

Claude Opus 4.6 preços

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

Testar este modelo

Kling 3.0

Kling

Texto para vídeo
Imagem para vídeo
Referência para vídeo

Kling 3.0 preços

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

Testar este modelo

Kling 3.0 Motion Control

Kling

Imagem para vídeo
Referência para vídeo
Vídeo para vídeo

Kling 3.0 Motion Control preços

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

Testar este modelo

Kling 3.0 Omni Image

Kling

Texto para imagem
Imagem para imagem

Kling 3.0 Omni Image preços

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

Testar este modelo

Kling 3.0 Omni

Kling

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo

Kling 3.0 Omni preços

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

Testar este modelo

Kling 3.0 Omni Edit

Kling

Edição de vídeo

Kling 3.0 Omni Edit preços

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

Testar este modelo

SeeDream 5.0 Lite

ByteDance

Texto para imagem
Imagem para imagem

SeeDream 5.0 Lite preços

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

Testar este modelo

Z-Image Turbo

Alibaba

Texto para imagem

Z-Image Turbo preços

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

Testar este modelo

Wan 2.6

Alibaba

Texto para vídeo
Imagem para vídeo
Referência para vídeo

Wan 2.6 preços

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

Testar este modelo

Wan 2.6 Flash

Alibaba

Texto para vídeo
Imagem para vídeo
Referência para vídeo

Wan 2.6 Flash preços

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

Testar este modelo

Wan 2.6 Image

Alibaba

Texto para imagem
Imagem para imagem

Wan 2.6 Image preços

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

Testar este modelo

Kling 2.6 Controle de Movimento

Kling

Imagem para vídeo
Referência para vídeo
Vídeo para vídeo

Kling 2.6 Controle de Movimento preços

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

Testar este modelo

Kling 2.6

Kling

Texto para vídeo
Imagem para vídeo

Kling 2.6 preços

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

Testar este modelo

Flux.2 Pro

Black Forest Labs

Texto para imagem
Imagem para imagem

Flux.2 Pro preços

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

Testar este modelo

Flux.2 Klein 9B

Black Forest Labs

Texto para imagem
Imagem para imagem

Flux.2 Klein 9B preços

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

Testar este modelo

Flux.2 Klein 4B

Black Forest Labs

Texto para imagem
Imagem para imagem

Flux.2 Klein 4B preços

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

Testar este modelo

Qwen Image 2.0

Alibaba

Texto para imagem
Imagem para imagem

Qwen Image 2.0 preços

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

Testar este modelo

Qwen Image 2.0 Pro

Alibaba

Texto para imagem
Imagem para imagem

Qwen Image 2.0 Pro preços

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

Testar este modelo

Kling O1

Kling

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo

Kling O1 preços

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

Testar este modelo

Kling O1 Image

Kling

Texto para imagem
Imagem para imagem

Kling O1 Image preços

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

Testar este modelo

Kling O1 Edit

Kling

Edição de vídeo

Kling O1 Edit preços

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

Testar este modelo

Nano Banana Pro

Google

Texto para imagem
Imagem para imagem

Nano Banana Pro preços

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

Testar este modelo

Kling 2.5 Turbo

Kling

Texto para vídeo
Imagem para vídeo

Kling 2.5 Turbo preços

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

Testar este modelo

MiniMax Hailuo 2.3

MiniMax

Imagem para vídeo

MiniMax Hailuo 2.3 preços

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

Testar este modelo

MiniMax Hailuo 2.3 Fast

MiniMax

Imagem para vídeo

MiniMax Hailuo 2.3 Fast preços

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

Testar este modelo

SeeDream 4.5

ByteDance

Texto para imagem
Imagem para imagem

SeeDream 4.5 preços

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

Testar este modelo

Veo 3.1

Google

Texto para vídeo
Imagem para vídeo
Referência para vídeo
Vídeo para vídeo

Veo 3.1 preços

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

Testar este modelo

Nano Banana 2

Google

Texto para imagem
Imagem para imagem

Nano Banana 2 preços

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

Testar este modelo

Wan 2.5 Image

Alibaba

Texto para imagem
Imagem para imagem

Wan 2.5 Image preços

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

Testar este modelo

Wan 2.5

Alibaba

Texto para vídeo
Imagem para vídeo

Wan 2.5 preços

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

Testar este modelo

Qwen Image

Alibaba

Texto para imagem
Imagem para imagem

Qwen Image preços

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

Testar este modelo

Qwen Image Max

Alibaba

Texto para imagem
Imagem para imagem

Qwen Image Max preços

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

Testar este modelo

Qwen Image Plus

Alibaba

Texto para imagem
Imagem para imagem

Qwen Image Plus preços

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

Testar este modelo

SeeDream 4.0

ByteDance

Texto para imagem
Imagem para imagem

SeeDream 4.0 preços

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

Testar este modelo

SeeDance 1.5 Pro

ByteDance

Texto para vídeo
Imagem para vídeo

SeeDance 1.5 Pro preços

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

Testar este modelo

MiniMax Hailuo 2.0

MiniMax

Imagem para vídeo

MiniMax Hailuo 2.0 preços

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

Testar este modelo

Wan 2.2 Image

Alibaba

Texto para imagem

Wan 2.2 Image preços

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

Testar este modelo

Wan 2.2 Image Flash

Alibaba

Texto para imagem

Wan 2.2 Image Flash preços

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

Testar este modelo

Wan 2.2

Alibaba

Texto para vídeo
Imagem para vídeo

Wan 2.2 preços

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

Testar este modelo

Wan 2.2 Fast

Alibaba

Texto para vídeo
Imagem para vídeo

Wan 2.2 Fast preços

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

Testar este modelo

Nano Banana

Google

Texto para imagem
Imagem para imagem

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

Testar este modelo

Topaz Video Upscale

Topaz Labs

Vídeo para vídeo

Topaz Video Upscale preços

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

Testar este modelo

Topaz Image Upscale

Topaz Labs

Imagem para imagem

Topaz Image Upscale preços

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

Testar este modelo

Kling 2.1 Master

Kling

Texto para vídeo
Imagem para vídeo

Kling 2.1 Master preços

Capa de Grok Imagine 1.5 Fast Video Extend

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

Testar este modelo

Grok Imagine 1.5 Fast Video Extend

xAI

Vídeo para vídeo

Grok Imagine 1.5 Fast Video Extend preços

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

Testar este modelo

Grok Imagine Upscale

xAI

Vídeo para vídeo

Grok Imagine Upscale preços

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

Testar este modelo

Kling 2.1

Kling

Imagem para vídeo

Kling 2.1 preços

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

Testar este modelo

SeeDance 1.0

ByteDance

Texto para vídeo
Imagem para vídeo

SeeDance 1.0 preços

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

Testar este modelo

SeeDance 1.0 Pro

ByteDance

Imagem para vídeo

SeeDance 1.0 Pro preços

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

Testar este modelo

SeeDance 1.0 Pro Fast

ByteDance

Texto para vídeo
Imagem para vídeo

SeeDance 1.0 Pro Fast preços

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

Testar este modelo

Flux.2 Flex

Black Forest Labs

Texto para imagem
Imagem para imagem

Flux.2 Flex preços

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

Testar este modelo

Flux.2 Max

Black Forest Labs

Texto para imagem
Imagem para imagem

Flux.2 Max preços

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

Testar este modelo

Grok Imagine 1.5 Fast Video

xAI

Texto para vídeo
Imagem para vídeo
Referência para vídeo

Grok Imagine 1.5 Fast Video preços

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

Testar este modelo

Grok Imagine 1.0 Image

xAI

Texto para imagem
Imagem para imagem

Grok Imagine 1.0 Image preços

Browse model families

APIs por tarefa

All models A–Z

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