Bild & Video

Ein einheitliches multimodales Videomodell mit gemeinsamer Audio- und Videogenerierung, das Regie-Kontrolle über Performance, Beleuchtung, Schatten und Kamerabewegung für ultrarealistische, cineastische Ergebnisse bietet.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Bildreferenzen
• Videoreferenzen
• Audioreferenzen

Funktionen:

• Einheitliche multimodale Architektur, die synchronisiertes Audio und Video in einem Durchgang gemeinsam generiert
• Branchenführende multimodale Referenz- und Bearbeitungsfunktionen mit gleichzeitiger Verarbeitung von Text-, Bild-, Audio- und Videoeingaben
• Außergewöhnlich stabile Bewegungen mit cineastischem Realismus nach Industriestandard
• Regie-Kontrolle über Performance, Beleuchtung, Schatten und Kamerabewegung
• Flexible Generierungslängen von 4 s bis 15 s
• Native Audiosteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p, 1080p
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Cineastisches Storytelling mit synchronisiertem Audio und Bild
• Referenzbasierte Inhalte mit strikter Orientierung an Quellbildern, -videos oder -audio
• Professionelle Produktionen, die präzise Kontrolle über Beleuchtung und Kameraarbeit erfordern

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

API: bytedance-seedance-v2

Eine schnellere, kostengünstigere Variante von Seedance 2.0 mit denselben multimodalen Referenzeingaben und einer Ausgabe von maximal 720p.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Bildreferenzen (bis zu 9)
• Videoreferenzen (bis zu 3, zusammen 15 s)
• Audioreferenzen (bis zu 3, zusammen 15 s)

Funktionen:

• Dieselbe Referenzverarbeitung wie Seedance 2.0, mit einem kombinierten Limit von 12 Referenzen pro Generierung
• Bilder und Referenzen schließen sich gegenseitig aus: Verwenden Sie ein Start- oder Endbild oder Referenzen, nicht beides
• Flexible Generierungslängen von 4 s bis 15 s
• Native Audiosteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Iterationen an Seedance-2.0-Prompts vor einem Rendering in voller Auflösung
• Referenzbasierte Clips, für die eine Ausgabe in 720p ausreicht

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

API: bytedance-seedance-v2-fast

Die kleinste Seedance-2.0-Variante: etwa doppelt so schnell wie Seedance 2.0 bei ungefähr halben Kosten, mit denselben Eingaben und Ausgabe in 720p.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Bildreferenzen (bis zu 9)
• Videoreferenzen (bis zu 3, zusammen 15 s)
• Audioreferenzen (bis zu 3, zusammen 15 s)

Funktionen:

• Dieselbe Referenzverarbeitung wie Seedance 2.0, mit einem kombinierten Limit von 12 Referenzen pro Generierung
• Bilder und Referenzen schließen sich gegenseitig aus: Verwenden Sie ein Start- oder Endbild oder Referenzen, nicht beides
• Flexible Generierungslängen von 4 s bis 15 s
• Native Audiosteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Entwürfe und Vorschauen in hohem Volumen
• Kostensensible Workflows, die weiterhin Audio- und Referenzeingaben benötigen

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

API: bytedance-seedance-v2-mini

Der Nachfolger von Seedance 2.0 mit schärferem Realismus, bis zu 50 kombinierten Bild-, Video- und Audioreferenzen sowie Generierungen von bis zu 30 Sekunden.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Bildreferenzen (bis zu 30)
• Videoreferenzen (bis zu 10, zusammen 30 s)
• Audioreferenzen (bis zu 10, zusammen 30 s)

Funktionen:

• Kein kombiniertes Limit für Referenztypen; reine Audioreferenzen werden ohne Bild oder Video akzeptiert
• Bilder und Referenzen schließen sich gegenseitig aus
• Flexible Generierungslängen von 4 s bis 30 s
• Das Seitenverhältnis wird aus dem Startbild oder Referenzvideo übernommen, wenn eines bereitgestellt wird
• Native Audiosteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Lange Clips, die mit vielen Referenzen konsistent bleiben sollen
• Dialog- und Performanceszenen, die durch Referenzaudio gesteuert werden

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

API: bytedance-seedance-v2.5

Bearbeitet ein vorhandenes Video anhand einer Beschreibung der Änderungen. Ausgabelänge und Seitenverhältnis folgen dem Eingabevideo.

Generierungseingaben:

• Zu bearbeitendes Video (erforderlich, bis zu 30 s)
• Text-Prompt, der die Bearbeitungen beschreibt
• Bildreferenzen (bis zu 30)
• Zusätzliche Videoreferenzen (bis zu 10, zusammen 30 s)
• Audioreferenzen (bis zu 10, zusammen 30 s)

Funktionen:

• Keine Dauersteuerung: Die Ausgabe entspricht der Länge des Eingabevideos
• Das Seitenverhältnis wird aus dem Eingabevideo übernommen
• Native Audiosteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p

Ideal für:

• Änderungen von Kleidung, Requisiten, Beleuchtung oder Umgebung in vorhandenem Material
• Stilübertragungen, die die ursprüngliche Bewegung bewahren

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

Setzt ein vorhandenes Video an seinem Ende fort, gesteuert durch einen Prompt und optionale Referenzen.

Generierungseingaben:

• Zu verlängerndes Video (erforderlich, bis zu 30 s)
• Text-Prompt, der die Fortsetzung beschreibt
• Bildreferenzen (bis zu 30)
• Zusätzliche Videoreferenzen (bis zu 10, zusammen 30 s)
• Audioreferenzen (bis zu 10, zusammen 30 s)

Funktionen:

• Verlängerungslänge von 4 s bis 30 s
• Das Seitenverhältnis wird aus dem Eingabevideo übernommen
• Native Audiosteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p

Ideal für:

• Das Verlängern einer Aufnahme, die zu früh endet
• Das Verketten mehrerer Generierungen zu einer längeren Sequenz

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

Ein fortschrittliches Videomodell, das wie ein KI-Regisseur arbeitet und bei komplexen Kamerabewegungen eine hohe Konsistenz für Charaktere, Objekte und Szenen beibehält.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild

Funktionen:

• Hochpräzise Erhaltung von Charakteren und Szenen mithilfe von Bild- oder Videoreferenzen aus mehreren Perspektiven
• Native audiovisuelle Co-Generierung mit mehrsprachigem Lip-Sync und Umgebungsgeräuschen
• Flexible Generierungslängen von 3 s bis 15 s
• Generieren Sie bis zu 4 Varianten gleichzeitig
• Verbesserte Verarbeitung von Text, Fluiddynamik und komplexen physikalischen Interaktionen

Ausgabeoptionen:

• Auflösungen: nur 1080p
• Seitenverhältnisse: 16:9, 1:1, 9:16

Ideal für:

• Charaktergetriebenes Storytelling, das visuelle Kontinuität erfordert
• Werbespots und Assets mit spezifischen Anforderungen an die Textdarstellung

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

Ein Videomodell mit hoher Konsistenz, das wie ein KI-Regisseur arbeitet und die Identität von Charakteren, Objekten und Szenen bei komplexen Kamerabewegungen bewahrt.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Videoreferenz
• Bildreferenz

Funktionen:

• Bewahrt die präzise visuelle Identität von Hauptcharakteren und Objekten mithilfe von Referenzen aus mehreren Perspektiven
• Unterstützt nahtlose Generierungslängen von 3 s bis 15 s
• Generieren Sie bis zu 4 Varianten gleichzeitig
• Präzise Modellierung von Elementinteraktionen und kohärenten Bewegungen
• Native Unterstützung für aktiviertes oder deaktiviertes Audio pro Generierung

Ausgabeoptionen:

• Auflösungen: nur 1080p
• Seitenverhältnisse: 16:9, 1:1, 9:16

Ideal für:

• Charaktergetriebenes Storytelling, das strikte visuelle Kontinuität erfordert
• Professionelle Marketing- und Marken-Assets mit konsistenter Objektdarstellung

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

Ein durch natürliche Sprache gesteuertes Video-zu-Video-Bearbeitungsmodell auf Basis der O3-Architektur. Es ermöglicht komplexe visuelle Transformationen – etwa den Austausch von Charakteren oder Umgebungen – ohne manuelles Maskieren oder Anpassungen Bild für Bild.

Generierungseingaben:

• Quellvideo
• Bildreferenzen (bis zu 4 unterschiedliche Elemente/Perspektiven)
• Textbeschreibung (Anweisungen in natürlicher Sprache)

Funktionen:

• Interpretiert dialogorientierte Prompts, um Motive oder Umgebungen zu ersetzen und dabei die ursprüngliche Bewegungsstruktur zu berücksichtigen
• Bewahrt während der gesamten Bearbeitung ursprüngliche Kamerawinkel, Bewegungsmuster und räumliche Beziehungen
• Kombiniert bis zu 4 Elemente insgesamt, einschließlich frontaler Bilder und Bilder aus mehreren Perspektiven, für hochpräzise Charakterkonsistenz
• Option, das ursprüngliche Quellaudio zu bewahren oder pro Generierung eine stumme Ausgabe zu erzeugen
• Generieren Sie bis zu 4 bearbeitete Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: Abhängig vom Quellvideo
• Seitenverhältnisse: Entspricht dem Quellvideo

Ideal für:

• Hochpräzisen Charakteraustausch in vorhandenem Material bei Beibehaltung der ursprünglichen Bewegungen
• Vollständige Transformationen der Szenenumgebung (z. B. eine Stadt bei Tag in eine futuristische Nachtlandschaft verwandeln)
• Stilübertragungen, die sich strikt an vorhandene Kameradynamiken halten müssen

Kosten: Variieren je nach Videodauer und ausgewählten Einstellungen

Ein professionelles Modell für hochwertige, cineastische Videogenerierung.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Bildreferenzen

Funktionen:

• Hervorragende Qualität und kreative Kontrolle mit negativen Prompts
• Vollständig integriertes und synchronisiertes Audio
• Realistische Dialoge, Lip-Sync und Soundeffekte
• Feste Dauern: 4 s, 6 s und 8 s
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig
• Eigene Tonsteuerung

Ausgabeoptionen:

• Auflösungen: 720p, 1080p
• Seitenverhältnisse: 16:9, 9:16

Ideal für:

• Hochwertige, cineastische Videogenerierung mit vollständiger kreativer Kontrolle

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

API: veo-3.1-generate-001

Ein Hochgeschwindigkeitsmodell, das für schnelle Vorschauen und Generierungen optimiert ist und schärfere Bilder bei geringerer Latenz liefert.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild

Funktionen:

• Erweiterte kreative Kontrolle mit negativen Prompts und eigener Tonsteuerung
• Feste Dauern: 4 s, 6 s und 8 s
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig
• Modelliert reale Physik präzise für realistische Bewegungen und Interaktionen

Ausgabeoptionen:

• Auflösungen: 720p, 1080p
• Seitenverhältnisse: 16:9, 9:16

Ideal für:

• Schnelle Iterationen und A/B-Tests für visuelle Inhalte
• Schnelllebige Social-Media-Inhaltserstellung

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

API: veo-3.1-fast-generate-001

Eine kosteneffiziente Hochgeschwindigkeitsvariante von Veo 3.1, die für schnelle Generierung mit reduziertem Rechenaufwand optimiert ist.

Generierungseingaben:

• Text-zu-Video
• Startbild

Funktionen:

• Präzise kreative Kontrolle mit negativen Prompts und eigener Tonsteuerung
• Feste Dauern: 4 s, 6 s und 8 s
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 720p
• Seitenverhältnisse: 16:9, 9:16

Ideal für:

• Inhaltserstellung mit hohem Volumen, bei der Geschwindigkeit und Kosteneffizienz Priorität haben
• Schnelle Konzepterkundung und Vorschauen

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

Googles physikbewusstes Videomodell mit nativem Audio, Ausgabe bis zu 4K sowie Bildinterpolation und referenzgesteuerter Generierung.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Bildreferenzen (bis zu 10)
• Videoreferenzen (bis zu 3, jeweils bis zu 10 s)

Funktionen:

• Bilder und Referenzen schließen sich gegenseitig aus: Interpolieren Sie zwischen Bildern oder steuern Sie mit Referenzen
• Feste Dauern von 3 s bis 10 s; die Dauer folgt dem Referenzvideo, wenn eines angehängt ist
• Starke Darstellung von kurzen Texten und Beschriftungen im Bild
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 360p, 720p, 1080p, 4K
• Seitenverhältnisse: 16:9, 9:16

Ideal für:

• Erklärvideos und kinetische Typografie mit gut lesbarem Text
• Physikalisch fundierte Bewegungen mit konsistenten Motiven über Referenzen hinweg

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

Setzt ein vorhandenes Video mit Gemini Omni Flash 1.1 an seinem Ende fort, für eine Gesamtlänge von bis zu 40 Sekunden.

Generierungseingaben:

• Zu verlängerndes Video (erforderlich, bis zu 30 s)
• Text-Prompt, der die Fortsetzung beschreibt

Funktionen:

• Verlängerungslänge von 3 s bis 10 s
• Das Seitenverhältnis folgt dem Eingabevideo
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 360p, 720p, 1080p, 4K

Ideal für:

• Das Verlängern von Gemini-Omni-Flash-Generierungen ohne sichtbaren Schnitt
• Das Erstellen längerer Sequenzen, als eine einzelne Generierung erlaubt

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

Das erste Gemini-Omni-Videomodell: physikbewusste Bewegungen, natives Audio und die beste Darstellung von Text im Bild unter den verfügbaren Videomodellen, in 720p.

Generierungseingaben:

• Text-zu-Video
• Bildreferenzen (bis zu 8)
• Videoreferenz (1, bis zu 10 s)

Funktionen:

• Feste Dauern von 3 s bis 10 s; die Dauer folgt dem Referenzvideo, wenn eines angehängt ist
• Kein Start- oder Endbild; verwenden Sie stattdessen Bildreferenzen, um ein Motiv zu verankern
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 720p
• Seitenverhältnisse: 16:9, 9:16

Ideal für:

• Kurze Bildunterschriften, Titel und beschriftete Erklärvideos
• Konsistenz über mehrere Bilder hinweg in 720p

Kosten: Variieren je nach ausgewählten Einstellungen und Dauer

Ein verbessertes Spezialmodell zur Erstellung dynamischer, detailgetreuer Sequenzen mit höherer zeitlicher Stabilität und präziser Steuerung von Übergängen zwischen Keyframes.

Generierungseingaben:

• Text-zu-Video
• Startframe
• Endframe

Funktionen:

• Verbindet Start- und Endframes nahtlos zu kohärenten Sequenzen mit mehreren Einstellungen
• Detailgetreue Modellierung komplexer Aktionen und konsistenter Umgebungen
• Unterstützt feste Generierungslängen von 4 s bis 12 s
• Generieren Sie bis zu 4 Varianten gleichzeitig
• Native Unterstützung für aktiviertes oder deaktiviertes Audio pro Generierung

Ausgabeoptionen:

• Auflösungen: 420p, 720p
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Storytelling- und Actionszenen, die stabile Physik zwischen bestimmten visuellen Referenzpunkten erfordern
• Filmische Übergänge und professionelle Video-Assets mit strengen Anforderungen an Start und Ende

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Das Videomodell von Black Forest Labs mit natürlichen Bewegungen, Szenen mit mehreren Einstellungen, generiertem Audio und Videoverlängerung.

Generierungseingaben:

• Text-zu-Video
• Startframe
• Endframe
• Zu verlängerndes Video (1, bis zu 15 s)

Funktionen:

• Die Videoverlängerung schließt Start- und Endframes aus
• Flexible Generierungslängen von 5 s bis 20 s
• Native Audiosteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 720p, 1080p
• Seitenverhältnisse: 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Szenen mit mehreren Einstellungen aus einem einzelnen Prompt
• Verlängern eines bestehenden Clips mit passenden Bewegungen und Audio

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Bearbeitet ein bestehendes Video anhand eines Text-Prompts. Ausgabelänge und Bildausschnitt folgen dem Quellvideo, bis zu 15 s.

Generierungseingaben:

• Zu bearbeitendes Video (erforderlich, bis zu 15 s)
• Text-Prompt, der die Bearbeitungen beschreibt

Ausgabeoptionen:

• Auflösung und Seitenverhältnis entsprechen dem Quellvideo

Ideal für:

• Prompt-basierte Änderungen an bestehendem Material

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Das Flaggschiff-Videomodell von MiniMax mit multimodalen Referenzen, generiertem Audio und Ausgaben bis 4K.

Generierungseingaben:

• Text-zu-Video
• Startframe
• Endframe
• Bildreferenzen (bis zu 9)
• Videoreferenzen (bis zu 3, jeweils 2 s bis 15 s, zusammen 15 s)
• Audioreferenzen (bis zu 3, jeweils 2 s bis 15 s, zusammen 15 s)

Funktionen:

• Insgesamt maximal 12 Referenzen pro Generierung; Audioreferenzen erfordern mindestens eine Bild- oder Videoreferenz
• Frames und Referenzen schließen sich gegenseitig aus
• Flexible Generierungslängen von 5 s bis 15 s
• Generiert synchronisiertes Audio
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 768p, 2K, 4K (2K und 4K werden von 768p hochskaliert)
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Referenzgesteuerte Szenen, die eine hochauflösende Ausgabe benötigen
• Dialogclips, die von Referenzaudio gesteuert werden

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Eine nahezu sofortige Variante von MiniMax H3 mit denselben Eingaben und starker Ästhetik, nativ gerendert mit bis zu 768p.

Generierungseingaben:

• Text-zu-Video
• Startframe
• Endframe
• Bildreferenzen (bis zu 9)
• Videoreferenzen (bis zu 3, jeweils 2 s bis 15 s, zusammen 15 s)
• Audioreferenzen (bis zu 3, jeweils 2 s bis 15 s, zusammen 15 s)

Funktionen:

• Insgesamt maximal 12 Referenzen pro Generierung; Audioreferenzen erfordern mindestens eine Bild- oder Videoreferenz
• Frames und Referenzen schließen sich gegenseitig aus
• Flexible Generierungslängen von 5 s bis 15 s
• Generiert synchronisiertes Audio
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 768p
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Schnelle Iteration mit Prompts und Referenzen
• Vorschauen vor dem Rendern mit MiniMax H3

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Besetzt Personen in einem Quellvideo mithilfe von 1 bis 4 Fotos neu. Die Länge folgt dem Quellvideo, bis zu 30 s, und das Originalaudio bleibt erhalten.

Generierungseingaben:

• Quellvideo (bis zu 30 s)
• Fotos der neu zu besetzenden Personen (1 bis 4)

Funktionen:

• Ausgabelänge folgt dem Quellvideo
• Behält das Quellaudio bei

Ausgabeoptionen:

• Auflösungen: bis zu 1080p
• Seitenverhältnis folgt dem Quellvideo

Ideal für:

• Ersetzen von Personen in bestehendem Material durch Motive aus Referenzfotos

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein hochmodernes, auf Schlussfolgerungen spezialisiertes Videomodell für hervorragende Prompt-Treue und komplexe Simulationen der physikalischen Welt. Es nutzt fortschrittliche logische Verarbeitung, um detaillierte Anweisungen zu verstehen und auszuführen.

Generierungseingaben:

• Text-zu-Video (Beschreibung)
• Startframe & Endframe
• Videoreferenz
• Bildreferenz

Funktionen:

• Herausragende Fähigkeit, mehrschichtige Prompts zu interpretieren und komplexe chronologische Aktionen auszuführen
• Nutzt sowohl Bilder als auch Videos als visuelle Anker für eine hohe Konsistenz von Charakteren und Szenen
• Hervorragende Modellierung physikalischer Interaktionen, von Ursache und Wirkung sowie Fluiddynamik
• Unterstützt hochwertige Generierung für Clips mit 5 s und 10 s
• Generieren Sie bis zu 4 Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: Abhängig von der Eingabe
• Seitenverhältnisse: 16:9, 1:1, 9:16

Ideal für:

• Hochspezifische kreative Konzepte, die eine präzise Umsetzung langer, detaillierter Beschreibungen erfordern
• Professionelles Storytelling, bei dem physischer Realismus und Konsistenz über mehrere Referenzen hinweg entscheidend sind

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein Videobearbeitungsmodell für Video-zu-Video, das durch natürliche Sprache gesteuert wird und komplexe visuelle Transformationen ermöglicht – etwa den Austausch von Charakteren und Umgebungen – ohne manuelles Maskieren oder Anpassungen Bild für Bild.

Generierungseingaben:

• Quellvideo
• Bildreferenzen (bis zu 4 unterschiedliche Elemente/Winkel)
• Textbeschreibung (Anweisungen in natürlicher Sprache)

Funktionen:

• Interpretiert dialogorientierte Prompts, um Motive oder Umgebungen zu ersetzen und dabei die ursprüngliche Bewegungsstruktur zu berücksichtigen
• Erhält während der gesamten Bearbeitung ursprüngliche Kamerawinkel, Bewegungsmuster und räumliche Beziehungen
• Kombiniert bis zu 4 Elemente insgesamt, einschließlich frontaler Bilder und Bilder aus mehreren Winkeln, um eine detailgetreue Charakterkonsistenz zu gewährleisten
• Option, das ursprüngliche Quellaudio zu erhalten oder pro Generierung eine stumme Ausgabe zu erzeugen
• Generieren Sie bis zu 4 bearbeitete Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: Abhängig vom Quellvideo
• Seitenverhältnisse: Entsprechen dem Quellvideo

Ideal für:

• Detailgetreuen Charakteraustausch in bestehendem Material bei Beibehaltung der ursprünglichen Bewegungen
• Vollständige Transformationen der Szenenumgebung (z. B. Umwandlung einer Stadt bei Tag in eine futuristische Nachtlandschaft)
• Anwenden von Stilübertragungen, die eine strikte Beibehaltung der bestehenden Kameradynamik erfordern

Kosten: Variieren je nach Videodauer und gewählten Einstellungen

Ein Spezialmodell für präzise Bewegungsübertragung. Es ermöglicht Ihnen, ein Charakterbild mit einem Referenzvideo zu steuern, um bestimmte Bewegungen, Gesten und Kamerawinkel nachzubilden.

Generierungseingaben:

• Charakterbild (Quelle)
• Bewegungsvideo (Referenz)
• Textbeschreibung (optional)

Funktionen:

• Wählen Sie “Match Video” für die exakte Nachbildung von Bewegungen oder “Match Image”, um einem Charakter neue kreative Bewegungen hinzuzufügen
• Unterstützt bis zu 30 s im Modus „Match Video“ und 10 s im Modus „Match Image“
• Detailgetreue Übertragung menschlicher Bewegungen aus Referenzmaterial auf einen statischen Charakter
• Native Unterstützung zum Aktivieren oder Deaktivieren von Audio pro Generierung
• Generieren Sie bis zu 4 Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: Abhängig von der Quelle
• Seitenverhältnisse: Abhängig von der Quelle

Ideal für:

• Nachbilden komplexer Choreografien oder bestimmter Bewegungen für einen individuellen Charakter
• Langformatige Charakteranimationen, die eine hohe Bewegungstreue erfordern
• Social-Media-Inhalte, die von trendigen Videobewegungen inspiriert sind

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein auf der Kling-3.0-Architektur basierendes Spezialmodell für präzise Bewegungsübertragung. Es ermöglicht Ihnen, ein Charakterbild mit einem Referenzvideo zu steuern, um bestimmte Bewegungen, Gesten und Kamerawinkel mit höherer Detailtreue nachzubilden.

Generierungseingaben:

• Charakterbild (Quelle)
• Bewegungsvideo (Referenz)
• Textbeschreibung (optional)

Funktionen:

• Wählen Sie “Match Video” für die exakte Nachbildung von Bewegungen oder “Match Image”, um einem Charakter neue kreative Bewegungen hinzuzufügen
• Unterstützt bis zu 30 s im Modus „Match Video“ und 10 s im Modus „Match Image“
• Detailgetreue Übertragung menschlicher Bewegungen aus Referenzmaterial auf einen statischen Charakter
• Native Unterstützung zum Aktivieren oder Deaktivieren von Audio pro Generierung
• Generieren Sie bis zu 4 Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: Abhängig von der Quelle
• Seitenverhältnisse: Abhängig von der Quelle

Ideal für:

• Nachbilden komplexer Choreografien oder bestimmter Bewegungen für einen individuellen Charakter
• Langformatige Charakteranimationen, die eine hohe Bewegungstreue erfordern
• Social-Media-Inhalte, die von trendigen Videobewegungen inspiriert sind

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein optimiertes generatives Modell für höhere Bewegungstreue und flüssigere Übergänge. Es bietet ein Gleichgewicht zwischen schneller Iteration und visueller Ausgabe in Produktionsqualität.

Generierungseingaben:

• Text-zu-Video
• Startframe (Bild-zu-Video)

Funktionen:

• Verbesserte Bewegungsdynamik: Deutliche Verbesserungen bei flüssigen Bewegungen und realistischen physikalischen Interaktionen
• Flexible Tonsteuerung: Native Unterstützung zum Aktivieren oder Deaktivieren von Audio pro Generierung
• Batch-Erstellung: Generieren Sie bis zu 4 Varianten gleichzeitig
• Detaillierte Verfeinerung: Erweiterte kreative Kontrolle durch Unterstützung negativer Prompts
• Feste Dauern: Unterstützt Generierungslängen von 5 s und 10 s

Ausgabeoptionen:

• Auflösungen: Abhängig von der Eingabe
• Seitenverhältnisse: 16:9, 1:1, 9:16

Ideal für:

• Actionreiche Clips, die flüssige Charakterbewegungen erfordern
• Professionelle Social-Media-Inhalte mit hoher Prompt-Treue

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein ausgewogenes und vielseitiges Modell für hochwertige Full-HD-Videogenerierung.

Generierungseingaben:

• Text-zu-Video
• Startframe

Funktionen:

• Hervorragend bei der Simulation komplexer Bewegungen und realistischer Physik
• Modelliert Fluiddynamik und Ausdrücke präzise
• Feste Dauern: 5 s und 10 s
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1080p
• Seitenverhältnisse: 16:9, 1:1, 9:16

Ideal für:

• Realistische Physiksimulationen und komplexe Bewegungen

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Modernste Bewegungsqualität, Prompt-Treue und visuelle Detailtreue für filmische, äußerst realistische Videos.

Generierungseingaben:

• Text-zu-Video
• Startframe (Bild-zu-Video)

Funktionen:

• Herausragende Bewegungsqualität mit branchenführendem Realismus und Physiksimulation
• Hohe Prompt-Treue für präzise kreative Kontrolle über komplexe Szenen
• Hohe visuelle Detailtreue für Ausgaben in Kinoqualität
• Generieren Sie bis zu 4 Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: 720p
• Seitenverhältnisse: 16:9, 9:16

Ideal für:

• Filmische Inhalte, die höchste Bewegungsqualität und Realismus erfordern
• Professionelle Produktionen, die präzise Prompt-Treue verlangen
• Visuelles Storytelling mit hoher Detailtreue

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein fortschrittliches Videomodell für schnelle Iteration und kosteneffiziente Erstellung, das hochwertige Videos erzeugen kann.

Generierungseingaben:

• Text-zu-Video
• Startframe (Bild-zu-Video)

Funktionen:

• Optimiert für ultraschnelle Generierung und Ergebnisse bis zu viermal schneller als vorherige Iterationen
• Ermöglicht die präzise Steuerung von Charakterbewegungen, Kamerawinkeln und Szenenkompositionen
• Hervorragend bei der Wahrung visueller Kohärenz und Stabilität in dynamischen Szenen
• Unterstützt Generierungslängen von 2 s bis 10 s
• Generieren Sie bis zu 4 Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: 720p
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Schnelle Prototypenerstellung und kreative Experimente, die nahezu sofortiges Feedback erfordern
• Professionelle Projekte, die kurze Durchlaufzeiten für hochauflösende Marketing-Assets benötigen
• Filmische Inhalte mit spezifischen Anforderungen an Kamerabewegungen

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein hochmodernes In-Context-Videomodell für visuelle Generierung mit mehreren Aufgaben. Es kann komplexe Bearbeitungen durchführen und dabei die zugrunde liegende Struktur des Quellmaterials erhalten.

Generierungseingaben:

• Quellvideo
• Referenzbild
• Textbeschreibung

Funktionen:

• Fügt Objekte und Motive innerhalb einer Szene nahtlos hinzu, entfernt oder transformiert sie – mit natürlicher Beleuchtung, Schatten und Perspektive
• Ändert Orte, Jahreszeiten und Tageszeiten (z. B. bewölktes Material in einen dramatischen Sonnenuntergang) mit realistischen Anpassungen der Farbtemperatur
• Verändert Alter und Erscheinungsbild von Darstellern oder versieht Kleidung und Motive per einfachen Prompts in natürlicher Sprache mit neuen Texturen
• Überträgt die spezifische Bewegung und Kamerafahrt eines Referenzvideos auf ein statisches Bild für präzise Animationssteuerung
• Generiert vollständig neue Kamerawinkel wie Gegenschüsse oder Untersichten aus einer einzelnen bestehenden Videosequenz
• Umfasst präzises Green-Screening (Isolierung mit Kantenerkennung), Generierung der nächsten Einstellung zur Fortsetzung einer Geschichte und ästhetische Stilübertragung
• Generieren Sie bis zu 4 Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: 720p
• Seitenverhältnisse: Automatisch

Ideal für:

• Professionelle Aufgaben für visuelle Effekte wie digitale Verjüngung, Neubeleuchtung und Objektentfernung
• Schnelle filmische Prototypenerstellung und das Generieren alternativer Kameraabdeckungen aus einer einzelnen Einstellung
• Kreative Marketinginhalte, die drastische Umgebungs- oder Stiltransformationen erfordern

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Das Videobearbeitungsmodell von Runway: Transformiert ein bestehendes Video in Richtung eines Ziel-Looks und erhält dabei Bewegung und Konsistenz.

Eingaben:

• Quellvideo (erforderlich, 2 s bis 30 s)
• Ziel-Look-Bild (erforderlich)
• Text-Prompt, der die Bearbeitungen beschreibt

Funktionen:

• Ausgabelänge und Bildausschnitt folgen dem Quellvideo
• Stilübertragung, gesteuert durch das Ziel-Look-Bild
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ideal für:

• Neubelichten, Umstylen oder Ändern der Umgebung von bestehendem Material
• Den Look eines Referenzbilds auf einen gesamten Clip anwenden

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein spezialisiertes Modell zur Übertragung von Performances, das Charaktere animiert, indem es Bewegungen, Sprache und Gesichtsausdrücke aus einem steuernden Video auf ein Charakterbild oder eine Videoreferenz überträgt.

Generierungseingaben:

• Steuernde Performance (Video)
• Charaktereingabe (Bild oder Video)

Funktionen:

• Überträgt nuancierte Gesichtsausdrücke, Lippensynchronität und synchronisiertes Audio direkt von einer Ausgangsschauspielerin oder einem Ausgangsschauspieler auf jeden Charakter
• Fügt statischen Charakterbildern automatisch Sekundärbewegungen und dezente Kamerawackler hinzu, um ein natürlicheres Erscheinungsbild zu erzielen
• Präziser Schalter zum Aktivieren oder Deaktivieren von Körper- und Handbewegungen bei Verwendung eines Charakterbilds
• Anpassbare Einstellungen für die Balance zwischen intensiver emotionaler Performance und visueller Konsistenz des Charakters
• Möglichkeit, die Stimme des Charakters nach der Generierung zu ändern und dabei die perfekte Abstimmung mit der steuernden Performance beizubehalten

Ausgabeoptionen:

• Auflösungen: 720p
• Seitenverhältnisse: Auto

Ideal für:

• Statische Charakterporträts mit realistischen menschlichen Bewegungen und Sprache zum Leben erwecken
• Nichtmenschliche Charaktere oder stilisierte Avatare mit ausdrucksstarken, hochauflösenden Gesichtsausdrücken animieren
• Talking-Head-Inhalte mit integrierten Körpergesten schnell erstellen

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein spezialisiertes Modell zum Erstellen dynamischer Sequenzen mit mehreren Einstellungen sowie ausgeprägten Bewegungen und Aktionen.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild

Funktionen:

• Sehr stabile Physik und nahtlose Übergänge zwischen Einstellungen
• Feste Dauern: 3 s, 4 s, 5 s, 6 s, 7 s, 8 s, 9 s, 10 s, 11 s und 12 s
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig
• Maximale kreative Flexibilität mit zahlreichen Seitenverhältnisoptionen

Ausgabeoptionen:

• Auflösungen: 480p, 720p, 1080p
• Seitenverhältnisse: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Erzählungen und Actionszenen, die stabile Physik erfordern

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein DiT-basiertes Basismodell, das synchronisierte Videos und Audioinhalte in einem Durchgang generiert und damit kohärente Sprache sowie realistische Bewegungen gewährleistet.

Generierungseingaben:

• Text-zu-Video
• Bild-zu-Video
• Audio-zu-Video
• Tiefe-zu-Video

Funktionen:

• Generiert Dialoge, Lippenbewegungen und Umgebungsgeräusche gleichzeitig für perfekte Abstimmung ohne externe Tools
• Dynamische Szenen mit stabilen Bewegungen, konsistenter Identität und hoher Kohärenz zwischen Einzelbildern
• Unterstützt hochauflösende synchronisierte Generierung von bis zu 20 Sekunden
• Erweiterte kreative Steuerung durch detaillierte Unterstützung negativer Prompts
• Generieren Sie bis zu 4 Variationen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 720p, 1080p
• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Kohärente Sprache und ausdrucksstarke Charakter-Performances
• Narrative Inhalte, die integrierte Umgebungsgeräusche und konsistentes Timing erfordern
• Dynamische Szenen mit komplexer, kamerabewusster Bewegungslogik

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein hochauflösendes generatives Modell, das für maximale visuelle Details und strukturelle Stabilität optimiert ist und produktionsreife 4K-Ausgaben mit flüssigen Bewegungen erstellen kann.

Generierungseingaben:

• Text-zu-Video
• Startbild (Bild-zu-Video)

Funktionen:

• Priorisiert visuelle Qualität und Konsistenz gegenüber Geschwindigkeit und gewährleistet stabile Ergebnisse über längere Sequenzen hinweg
• Unterstützt sowohl 25 FPS als auch 50 FPS für außergewöhnlich flüssige und professionelle Bewegungen
• Integrierte audiovisuelle Generierung mit Schalter zum Aktivieren oder Deaktivieren des Tons
• Für native 1080p-, 2k- und 4k-Ausgaben ohne Detailverlust ausgelegt
• Generieren Sie bis zu 4 Variationen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1080p, 2k, 4k
• Bildraten: 25 FPS, 50 FPS
• Seitenverhältnis: 16:9 (Standard)
• Dauern: 6 s, 8 s, 10 s

Ideal für:

• Hochauflösende Filmproduktionen, die 4K-Klarheit erfordern
• Professionelle Inhalte, die flüssige Bewegungen mit 50 FPS benötigen
• Detaillierte Sequenzen, bei denen visuelle Stabilität und strukturelle Integrität entscheidend sind

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein präzises KI-Regietool, das die gezielte Anpassung von Dialogen, Emotionen und Handlungen in bestehenden Einstellungen ermöglicht, ohne die Kontinuität zu unterbrechen oder die gesamte Sequenz neu zu generieren.

Generierungseingaben:

• Quellvideo
• Textbeschreibung

Funktionen:

• Ändern Sie bestimmte Segmente und bewahren Sie dabei den Kontext der umgebenden Einzelbilder
• Formulieren Sie gesprochene Zeilen um und halten Sie Stimme, Performance und Umgebung des Charakters konsistent
• Mehrere Bearbeitungsmodi: Wählen Sie zwischen „Audio & Video“, „Nur Audio“ oder „Nur Video“, um bestimmte Elemente der Einstellung zu isolieren und neu zu generieren
• Neue Inhalte übernehmen auf natürliche Weise die ursprünglichen Bewegungen, Beleuchtung und Stimmung für nahtlose Übergänge
• Experimentieren Sie sofort mit alternativen Charakterreaktionen, emotionalen Momenten oder Kamerabewegungen innerhalb einer einzelnen Einstellung
• Generieren Sie bis zu 4 Variationen gleichzeitig für den direkten kreativen Vergleich

Ausgabeoptionen:

• Seitenverhältnisse: nur 16:9

Ideal für:

• Skripte anpassen und Dialoge verfeinern, ohne Nachdrehs oder Neuaufnahmen
• Emotionale Momente oder Tempo-Probleme in der Postproduktion korrigieren
• Mehrere Markenbotschaften und Handlungsaufforderungen innerhalb eines einzelnen Marketing-Assets testen

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein geschwindigkeitsoptimiertes generatives Modell für kurze Feedbackschleifen und schnelle Inhaltserstellung, das hochauflösende Visuals mit deutlich verkürzten Renderzeiten liefert.

Generierungseingaben:

• Text-zu-Video
• Startbild (Bild-zu-Video)

Funktionen:

• Für Geschwindigkeit und schnelle Iterationen entwickelt, mit zügigen visuellen Experimenten und nahezu sofortigen Vorschauen
• Unterstützt native 1080p-, 2k- und 4k-Ausgaben mit geringerem Rechenaufwand als das Pro-Modell
• Unterstützt sowohl 25 FPS als auch 50 FPS für flüssige Bewegungen bei hoher Geschwindigkeit
• Ermöglicht die schnelle Generierung synchronisierter audiovisueller Inhalte mit einer Dauer von bis zu 20 Sekunden
• Native Unterstützung zum Aktivieren oder Deaktivieren von Audio pro Generierung
• Generieren Sie bis zu 4 Variationen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1080p, 2k, 4k
• Bildraten: 25 FPS, 50 FPS
• Seitenverhältnis: 16:9 (Standard)
• Dauern: 6 s, 8 s, 10 s, 12 s, 14 s, 16 s, 18 s, 20 s

Ideal für:

• Schnelles Prototyping und kreative Erkundung, bei denen Geschwindigkeit wichtiger ist als maximale Details
• Social-Media-Inhalte mit hohem Volumen, die schnelle Durchlaufzeiten erfordern
• A/B-Tests verschiedener visueller Konzepte und Bewegungsstile

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein filmisches Videomodell mit Bild-, Video- und Audioreferenzen, generiertem Audio und Generierungen von bis zu 30 Sekunden.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Bildreferenzen (bis zu 10)
• Videoreferenzen (bis zu 5, zusammen 15 s)
• Audioreferenzen (bis zu 5, zusammen 15 s)

Funktionen:

• Bilder und Referenzen schließen sich gegenseitig aus
• Feste Dauern: 5 s, 10 s, 15 s, 20 s und 30 s
• Native Tonsteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Optionale Prompt-Optimierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p, 1080p
• Seitenverhältnisse: Auto, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Längere filmische Einstellungen mit hoher Prompt-Treue
• Referenzgesteuerte Szenen mit Audio

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Eine schnellere Variante von Wan 3.0 mit denselben Eingaben und Ausgabeoptionen, geeignet für die Ideenfindung.

Generierungseingaben:

• Text-zu-Video
• Startbild
• Endbild
• Bildreferenzen (bis zu 10)
• Videoreferenzen (bis zu 5, zusammen 15 s)
• Audioreferenzen (bis zu 5, zusammen 15 s)

Funktionen:

• Etwa halb so lange Generierungszeit wie Wan 3.0
• Feste Dauern: 5 s, 10 s, 15 s, 20 s und 30 s
• Native Tonsteuerung mit aktiviertem oder deaktiviertem Audio pro Generierung
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p, 1080p
• Seitenverhältnisse: Auto, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Ideen erkunden, bevor Wan 3.0 final gerendert wird
• Workflows mit zeitkritischen Durchlaufzeiten

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Eine filmische Videoplattform der nächsten Generation, die eine einheitliche multimodale Architektur nutzt, um produktionsreife 1080p-Inhalte mit nativer Audiosynchronisierung und intelligenter Sequenzierung mehrerer Einstellungen bereitzustellen.

Generierungseingaben:

• Text-zu-Video
• Startbild (Bild-zu-Video)
• Videoreferenz (Video-zu-Video)
• Audioreferenz (optionales Hintergrundaudio oder Dialog)

Funktionen:

• Einheitliches multimodales System: Verarbeitet Text, Bilder, Video und Audio über ein einziges integriertes Framework für konsistente Ausgabequalität
• Native Audiosynchronisierung: Generiert und synchronisiert Dialoge, Erzählungen und Umgebungs-Soundeffekte automatisch mit den Bewegungen auf dem Bildschirm
• Intelligente Sequenzierung mehrerer Einstellungen: Ordnet zusammenhängende Videosequenzen automatisch zu kohärenten Handlungsbögen an und erhält dabei die Konsistenz der Charaktere
• Längere Dauern: Unterstützt stabile, hochwertige Generierung für feste Längen von 5 s, 10 s und 15 s
• Erweiterte kreative Steuerung: Unterstützt negative Prompts für detaillierte Steuerung und Batch-Erstellung von bis zu 4 Variationen

Ausgabeoptionen:

• Auflösungen: 720p, 1080p
• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Professionelles narratives Storytelling und komplexe filmische Sequenzen mit mehreren Einstellungen
• Social-Media-Anzeigen und Marketinginhalte, die integriertes hochauflösendes Audio erfordern
• Charaktergetriebene Inhalte, die über Videoreferenzen strikte visuelle und Bewegungskonsistenz benötigen

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Ein vielseitiges Modell, das aus Text oder einem Startbild filmische Bewegungen und hohe Prompt-Treue liefert.

Generierungseingaben:

• Text-zu-Video
• Startbild (Bild-zu-Video)

Funktionen:

• Detaillierte kreative Steuerung mit negativen Prompts und dedizierter Tonsteuerung
• Feste Dauern: 5 s und 10 s
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p, 1080p
• Seitenverhältnisse: 16:9, 1:1, 9:16

Ideal für:

• Filmische Inhalte mit hoher Prompt-Treue

Kosten: Variieren je nach gewählten Einstellungen und Dauer

Das produktionsreife Bildmodell von OpenAI für äußerst detaillierte Ausgaben und präzise Bearbeitung.

Generierungseingaben:

• Text-zu-Bild
• Bildreferenzen (bis zu 10)

Funktionen:

• Fünf Qualitätsstufen von Niedrig bis Maximum
• Benutzerdefinierte Auflösung von bis zu 3840 px pro Seite bei Seitenverhältnissen von bis zu 3:1
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1K, 2K, 4K oder benutzerdefiniert
• Seitenverhältnisse: 3:1, 21:9, 2:1, 16:9, 3:2, 4:3, 5:4, 1:1, 4:5, 3:4, 2:3, 9:16, 1:2, 1:3

Ideal für:

• Finale Assets, bei denen Details und Genauigkeit entscheidend sind
• Präzise Bearbeitungen bestehender Bilder

Kosten: Variieren je nach gewählten Einstellungen und Anzahl der Variationen

API: gpt-image-2.5-sunburst

Eine schnelle GPT-Image-2.5-Variante mit denselben Steuerungsmöglichkeiten wie Sunburst, optimiert für die alltägliche Generierung großer Mengen.

Generierungseingaben:

• Text-zu-Bild
• Bildreferenzen (bis zu 10)

Funktionen:

• Fünf Qualitätsstufen von Niedrig bis Maximum
• Benutzerdefinierte Auflösung von bis zu 3840 px pro Seite bei Seitenverhältnissen von bis zu 3:1
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1K, 2K, 4K oder benutzerdefiniert
• Seitenverhältnisse: 3:1, 21:9, 2:1, 16:9, 3:2, 4:3, 5:4, 1:1, 4:5, 3:4, 2:3, 9:16, 1:2, 1:3

Ideal für:

• Bilderzeugung großer Mengen
• Schnelle Iterationen, die dennoch 4K und benutzerdefinierte Größen benötigen

Kosten: Variieren je nach gewählten Einstellungen und Anzahl der Variationen

API: gpt-image-2.5-flare

Ein fortschrittliches KI-Modell für präzise Bildgenerierung mit verbesserter Textdarstellung und hochauflösenden Ausgabeoptionen.

Funktionen:

• Präzise Textsteuerung zum Erstellen von Bildern mit akkurater Typografie und Klarheit
• Hochauflösende PNG-Ausgabe für den professionellen und kommerziellen Einsatz
• Unterstützt mehrere Bildreferenzen zur Steuerung von Stil und Komposition
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 3:2, 1:1, 2:3
• Qualitätsoptionen: niedrig, mittel, hoch

Ideal für:

• Marketingvisuals und Design-Assets, die eine präzise Textplatzierung erfordern
• Professionelle Inhalte mit Anforderungen an hohe Auflösung
• Kreativprojekte, die eine präzise textbasierte Bildsteuerung benötigen

Kosten: Variieren je nach gewählten Einstellungen und Anzahl der Variationen

API: gpt-image-2

Ein Bildmodell mit nativer 4K-Ausgabe und bis zu 14 Bildreferenzen.

Generierungseingaben:

• Text-zu-Bild
• Bildreferenzen (bis zu 14)

Ausgabeoptionen:

• Auflösungen: 4K
• Seitenverhältnisse: 8:1 bis 1:8 und Auto

Ideal für:

• Referenzgesteuerte Bilder, die natives 4K benötigen

Kosten: Variieren je nach gewählten Einstellungen und Anzahl der Variationen

Ein fortschrittliches KI-Bildgenerierungsmodell, das produktionsreife Qualität mit ultraschneller Verarbeitung kombiniert und über verbessertes Weltwissen sowie Subjektkonsistenz verfügt.

Funktionen:

• Native 4K-Auflösung ohne Hochskalierung für kristallklare Details
• Blitzschnelle Bildgenerierung in nur 1–2 Sekunden
• Hohe Prompt-Treue durch fortschrittliches Schlussfolgern und Befolgen von Anweisungen
• Klare, präzise Textdarstellung in mehreren Sprachen für Mockups, Beschilderungen und Infografiken
• Konsistenter Stil für mehrere Subjekte, der die Identität über mehrere Charaktere und Objekte hinweg bewahrt
• Verbessertes Weltwissen für genauere Szenengenerierung
• Unterstützt mehrere Bildreferenzen zur Steuerung der Generierung
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16
• Auflösungen: Bis zu 4K

Ideal für:

• Schnelle kreative Workflows, die Iterationen in Echtzeit erfordern
• Markeninhalte und Storytelling mit konsistenter Charakteridentität
• Professionelle Visuals mit präzisem Text und Typografie

Kosten: Variieren je nach gewählten Einstellungen und Anzahl der Variationen

API: gemini-3.1-flash-image

Eine schnelle, kostengünstige Variante von Nano Banana 2 für schnelle Generierung und Bearbeitung in 1K.

Generierungseingaben:

• Text-zu-Bild
• Bildreferenzen (bis zu 14)

Funktionen:

• Feste 1K-Ausgabe für gleichbleibende Geschwindigkeit und Kosten
• Dieselbe Kapazität von 14 Bildreferenzen wie Nano Banana 2
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1K
• Seitenverhältnisse: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16

Ideal für:

• Schnelle Iterationen und Entwürfe
• Massenbearbeitungen, für die 1K ausreicht

Kosten: Variieren je nach gewählten Einstellungen und Anzahl der Variationen

API: gemini-3.1-flash-lite-image

Ein vielseitiges, produktionsreifes Bildgenerierungsmodell von Krea AI, das Qualität und Geschwindigkeit für eine breite Palette kreativer Workflows ausbalanciert.

Funktionen:

• Hochauflösende Bildgenerierung mit hoher Prompt-Treue
• Unterstützt mehrere Bildreferenzen zur Steuerung der Generierung
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Professionelle Inhaltserstellung, die gleichbleibende Qualität erfordert
• Schnelle Iterationen über vielfältige kreative Konzepte hinweg

Kosten: Variieren je nach gewählten Einstellungen und Anzahl der Variationen

Das Flaggschiffmodell von Krea AI für Bildgenerierung bietet maximale visuelle Genauigkeit und erweiterte kreative Kontrolle für professionelle Produktions-Workflows.

Funktionen:

• Außergewöhnliche Detailtreue und Realismus für professionelle Ergebnisse
• Erweiterte Stilkontrolle mit Unterstützung für mehrere Bildreferenzen
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Hochwertige kommerzielle und redaktionelle Bildproduktion
• Komplexe kreative Kompositionen, die maximale Genauigkeit erfordern

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein designorientiertes Text-zu-Bild-Modell mit präziser Prompt-Steuerung und klarer Komposition.

Eingaben für die Generierung:

• Text-zu-Bild

Funktionen:

• Die 2K-Ausgabe verwendet die Pro-Modellvariante
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1K, 2K
• Seitenverhältnisse: 2:1, 16:9, 3:2, 14:10, 4:3, 5:4, 1:1, 4:5, 3:4, 10:14, 2:3, 6:10, 9:16, 1:2

Ideal für:

• Layoutbasierte Grafiken, Icons und Poster
• Klare Kompositionen allein aus Text

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein schnelles, designorientiertes Text-zu-Bild-Modell.

Eingaben für die Generierung:

• Text-zu-Bild

Ausgabeoptionen:

• Seitenverhältnisse: 16 Verhältnisse

Ideal für:

• Layoutbasierte Grafiken allein aus Text

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein designorientiertes Bildmodell, das den Stil von Referenzbildern übernehmen kann.

Eingaben für die Generierung:

• Text-zu-Bild
• Stilreferenzen (bis zu 10)

Funktionen:

• Stilabgleich-Steuerung: Precise folgt dem Referenzstil genau, Flexible übernimmt das allgemeine Erscheinungsbild
• Die 2K-Ausgabe verwendet die Pro-Modellvariante
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1K, 2K
• Seitenverhältnisse: 2:1, 16:9, 3:2, 14:10, 4:3, 5:4, 1:1, 4:5, 3:4, 10:14, 2:3, 6:10, 9:16, 1:2

Ideal für:

• Markenkonforme Grafiken aus einer Reihe von Stilreferenzen
• Illustrationen und Designarbeiten

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein schlankes Bildmodell von ByteDance mit schneller Generierung, das hochwertige Ergebnisse bei geringerem Rechenaufwand liefert.

Funktionen:

• Schnelle Generierung für zügige kreative Iterationen
• Unterstützt mehrere Bildreferenzen zur Steuerung der Generierung
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Workflows zur Erstellung großer Bildmengen, die Geschwindigkeit erfordern
• Schnelle Konzepterkundung und Vorschauen

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

API: bytedance-seedream-5-lite

Die Seedream-5-Variante mit höherer Genauigkeit für präzise Bearbeitung, mehrsprachigen Text und dichte Infografiken.

Eingaben für die Generierung:

• Text-zu-Bild
• Bildreferenzen (bis zu 10)

Funktionen:

• Präzise mehrsprachige Textdarstellung
• Verarbeitet dichte Layouts wie Infografiken und Poster
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1K, 2K
• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Textlastige Designs in mehreren Sprachen
• Bearbeitung mehrerer Bilder mit strikter Einhaltung von Referenzen

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

API: bytedance-seedream-5-pro

Ein schnelles Flaggschiffmodell für präzise textbasierte Bildgenerierung und komplexe, nicht-destruktive Fotobearbeitung, die Originaldetails erhält.

Funktionen:

• Führt angeforderte Änderungen zuverlässig aus und bewahrt dabei Beleuchtung, Komposition und Erscheinungsbild des Motivs in Quellbildern
• Unterstützt komplexe Bearbeitungsaufgaben wie das Hinzufügen, Entfernen, Kombinieren und Verschmelzen von Elementen
• Liefert Ergebnisse bis zu 4-mal schneller als frühere Versionen
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 3:2, 1:1, 2:3
• Qualitätsoptionen: niedrig, mittel, hoch

Ideal für:

• Praktische Fotoanpassungen und realistische virtuelle Anproben von Kleidung oder Frisuren
• Konzeptionelle Transformationen und Stilfilter, die den Charakter des Eingabebilds bewahren
• Schnelle Iteration von Text-zu-Bild-Konzepten

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

API: gpt-image-1.5

OpenAIs Bildmodell der ersten Generation mit guter Prompt-Einhaltung, lesbarem Text und detaillierter Bearbeitung.

Eingaben für die Generierung:

• Text-zu-Bild
• Bildreferenzen (bis zu 5)

Funktionen:

• Drei Qualitätsstufen: Niedrig, Mittel, Hoch
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 3:2, 1:1, 2:3

Ideal für:

• Workflows, die bereits auf GPT-Image-1-Ausgaben basieren
• Einfache Bearbeitungen und Text-im-Bild-Aufgaben in Standardauflösung

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

API: gpt-image-1

Ein leistungsstarkes multimodales Basismodell, das Text-zu-Bild-Synthese, präzise Bildbearbeitung und komplexe Kompositionen aus mehreren Bildern in einem effizienten Framework vereint.

Funktionen:

• Native Unterstützung für die schnelle Generierung detailgetreuer Bilder bis zu 4K-Auflösung
• Außergewöhnliche Erhaltung von Gesichtszügen, Beleuchtung, Farbton und feinen Details bei Bearbeitungsaufgaben auf Basis von Referenzeingaben
• Erkennt und kombiniert Zielelemente über mehrere Eingabebilder hinweg präzise für steuerbare, konsistente Ergebnisse
• Bietet Kompositionsfunktionen auf Designer-Niveau mit klarer, präziser Darstellung von kleinem Text für Poster und Markenvisuals
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16
• Auflösungen: 2K, 4K

Ideal für:

• Professionelle Grafikdesign-Workflows, die präzises Layout und Typografie erfordern
• Komplexe Fotobearbeitung mit strikter Einhaltung von Referenzidentität und Beleuchtung
• Hochauflösende kreative Kompositionen aus mehreren visuellen Quellen

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein detailgetreues Bildgenerierungsmodell mit erweiterten Schlussfolgerungsfähigkeiten, entwickelt für hervorragende Prompt-Einhaltung und präzise visuelle Konsistenz bei komplexen Kompositionen.

Funktionen:

• Außergewöhnliche Fähigkeit, komplexe mehrschichtige Textbeschreibungen präzise zu interpretieren und umzusetzen
• Nutzt Bildreferenzen, um Motividentität, Beleuchtung und ästhetischen Stil über mehrere Generierungen hinweg zu erhalten
• Optimiert für realistische Texturen, komplexe räumliche Beziehungen und professionelle Lichteffekte
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: Auto, 16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3, 21:9
• Auflösungen: 1K, 2K

Ideal für:

• Professionelle Kreativ-Assets, die detaillierte und technische Textprompts strikt einhalten müssen
• Bildbearbeitung mit hoher Konsistenz und Charakterdesign mit visuellen Referenzen

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein Bildgenerierungs- und Bearbeitungsmodell für professionelle Workflows, das erstklassige visuelle Qualität mit Fokus auf Geschwindigkeit, Präzision und Konsistenz bietet.

Funktionen:

• Referenzieren Sie mehrere Bilder gleichzeitig, um branchenführende Konsistenz von Charakteren und Identitäten über Hunderte von Assets hinweg zu erzielen
• Bietet einen beispiellosen Sprung bei der Detailqualität und verringert die Lücke zur echten Fotografie – von Stofftexturen bis zu architektonischen Elementen
• Liefert produktionsreife Textdarstellung für komplexe Typografie, UI-Mockups und Infografiken
• Unterstützt präzise Vorgaben von Markenfarben über Hex-Codes ohne Annäherung
• Gewährleistet präzise Objektplatzierung, realistische Physik, stimmige Beleuchtung und korrekte Perspektive in komplexen Szenen
• Optimiert für höhere Genauigkeit und bessere Reaktion auf strukturierte, komplexe Anweisungen
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16
• Auflösungen: 720p, 1080p, 2K

Ideal für:

• Kampagnen mit konsistenten Charakteren und präzise platzierte Produkte in jedem Kontext
• Interface-Mockups mit lesbarem Text und konsistenten visuellen Designsystemen
• Produktfotografie in großem Umfang und kontextbezogene Lifestyle-Aufnahmen

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein professionelles, auf Schlussfolgerungen basierendes Modell für Bildgenerierung und -bearbeitung, entwickelt für detailgetreue Asset-Produktion, erweiterte kreative Kontrolle und präzise Umsetzung von Anweisungen.

Eingaben:

• Bildreferenz
• Textbeschreibung (unterstützt komplexe, mehrschichtige Prompts)

Funktionen:

• Plant Szenen vor dem Rendern, um physikalisch präzise Beleuchtung, korrekte Objektbeziehungen und hervorragende Prompt-Einhaltung zu liefern
• Generiert scharfen, lesbaren mehrsprachigen Text in verschiedenen Schriftstilen und Handschriften für wirkungsvolle Poster und Produkt-Mockups
• Erhält hohe Detailtreue und Ähnlichkeit für bis zu 5 Personen und mehrere Objekte über verschiedene kreative Ausgaben hinweg
• Integriert Google Search, um Bilder mit aktuellen Daten, Wissen aus der realen Welt und Echtzeitinformationen wie Wetter oder Sport zu verbessern
• Passen Sie Kamerawinkel, Brennpunkte und Szenenbeleuchtung an, etwa für die Umwandlung von Tag zu Nacht, mit erweiterten lokalen Bearbeitungstools
• Überlegenes räumliches Verständnis ermöglicht die Erstellung präziser Infografiken, technischer Diagramme und Präsentationsfolien
• Generiert bis zu 4 Variationen gleichzeitig

Ausgabeoptionen:

• Auflösungen: 1K, 2K, 4K
• Seitenverhältnisse: Auto, 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16

Ideal für:

• Professionelle Werbung, Marken-Assets und hochwertige E-Commerce-Produktfotografie
• Lehrinhalte, datenbasierte Infografiken und komplexe technische Dokumentation
• Schnelles Prototyping hochauflösender visueller Designs mit konsistenter Charakter- oder Markenidentität

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

API: gemini-3-pro-image

Ein schnelles Modell für zügige, hochwertige Bildgenerierung und -bearbeitung direkt aus Textprompts.

Funktionen:

• Unterstützt mehrere Bildreferenzen zur Steuerung der Generierung
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16

Ideal für:

• Schnelle Bilderstellung und Iteration

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

API: gemini-2.5-flash-image

Ein fortschrittliches Basismodell für detailgetreue Bildgenerierung, das beispiellose Stilkontrolle und visuelles Gedächtnis für Konsistenz über Szenen hinweg bietet.

Funktionen:

• Verankern Sie Charaktere, Stile oder bestimmte Objekte mit Eingabebildern, um professionelle Konsistenz über mehrere Ausgaben hinweg zu erhalten
• Optimiert für die Interpretation komplexer, natürlichsprachlicher Beschreibungen zur präzisen Steuerung visueller Details, Beleuchtung und Emotionen
• Erzeugt hochwertige Visuals für unterschiedliche Anwendungsfälle – von filmischen Storyboards bis zu professioneller Produktfotografie
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16
• Auflösungen: 720p, 1080p

Ideal für:

• Sicherzustellen, dass Hauptfiguren ihr Erscheinungsbild in unterschiedlichen Umgebungen und Beleuchtungen beibehalten
• Schnelle Produktion hochauflösender Marken-Assets, virtueller Anproben und skalierbarer Produktvisualisierungen
• Erkundung verschiedener künstlerischer Richtungen bei gleichzeitiger Festlegung der visuellen Kernidentität über Bildreferenzen

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein für Geschwindigkeit optimiertes Bildgenerierungsmodell, das Ergebnisse 2,5-mal schneller als das Standardmodell Gen-4 Image liefert und dabei die gleiche Ausgabequalität beibehält.

Funktionen:

• Optimierte Verarbeitung ermöglicht schnelle kreative Erkundung und generiert detailgetreue Bilder in einem Bruchteil der Zeit
• Laden Sie bis zu drei Referenzbilder hoch, um das Modell bei der Erfassung bestimmter Charaktere, Umgebungen und Kunststile zu unterstützen
• Löst das Problem visueller Abweichungen, indem spezifische visuelle Eigenschaften aus Referenzbildern kodiert werden, um die Identität über mehrere Generierungen hinweg zu erhalten
• Wenden Sie Ästhetik, Beleuchtung und Textur eines Referenzbilds mühelos auf völlig neue Motive und Szenen an
• Nutzen Sie Seed-Parameter, um Variationen systematisch zu erkunden oder bestimmte Ausgaben präzise zu reproduzieren
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16
• Auflösungen: 720p, 1080p

Ideal für:

• Schnelle Produktion plattformoptimierter Visuals für Instagram Stories (9:16) oder Standardbeiträge (1:1) in großem Umfang
• Wahrung einer strikten visuellen Identität über Kampagnen hinweg durch die Verwendung von Marken-Styleguides als Referenzbilder
• Entwicklung konsistenter Charakterposen und Umgebungen, während die Hauptfigur erkennbar bleibt
• Präzise Erstellung vielfältiger Lifestyle- und saisonaler Produktaufnahmen anhand referenzbasierter Steuerung

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein spezialisiertes Bildmodell zum Generieren von Sequenzen mit mehreren Aufnahmen oder Szenen mit viel Bewegung und Action.

Funktionen:

• Besonders geeignet für Bilder mit stabiler Physik und stimmigen Übergängen
• Unterstützt mehrere Bildreferenzen zur Steuerung der Generierung
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: auto, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Actionszenen und dynamische Kompositionen

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Die Bildvariante von Wan 2.5 mit hoher Prompt-Genauigkeit und Unterstützung für Referenzbilder.

Eingaben für die Generierung:

• Text-zu-Bild
• Bildreferenzen (bis zu 2)

Funktionen:

• Steuerung über negative Prompts und Seeds
• Batch-Erstellung mit bis zu 4 Generierungen gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal für:

• Standbilder, die dem Erscheinungsbild von Wan-Videogenerierungen entsprechen
• Prompt-getreue Konzeptbilder

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein Bildmodell mit bis zu 10 Bildreferenzen und 4K-Ausgabe.

Eingaben für die Generierung:

• Text-zu-Bild
• Bildreferenzen (bis zu 10)

Ausgabeoptionen:

• Auflösungen: 4K
• Seitenverhältnisse: 16 Verhältnisse

Ideal für:

• Referenzgestützte Bilder in 4K

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein professionelles Modell für fortgeschrittene Bildgenerierung und -bearbeitung mit starker Szenenkohärenz und Stilkontrolle.

Funktionen:

• Bildbasierte Stilkontrolle, die ein Referenzbild zur Steuerung der visuellen Ästhetik erfordert
• Generiert bis zu 4 Bilder gleichzeitig

Ausgabeoptionen:

• Seitenverhältnisse: 21:9, 16:9, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16, 9:21

Ideal für:

• Professionelle Inhalte mit präzisen Stilvorgaben

Kosten: Variieren je nach ausgewählten Einstellungen und Anzahl der Variationen

Ein hochmodernes Diffusion-Transformer-Modell (DiT) zur Darstellung ultrarealistischer, reaktiver Avatare, die durch Audio- und Textvorgaben gesteuert werden.

Generierungseingaben:

• Avatar (Quellbild)
• Sprache (Audiodatei)
• Textbeschreibung (Vorgabe)

Funktionen:

• Geht über einfache Lippensynchronisation hinaus und umfasst kontextabhängiges Blinzeln, Atmen und natürliche Gesichtsausdrücke
• Synchronisiert Hand- und Ganzkörperbewegungen automatisch anhand von Stimmton und Betonung für eine Performance in Studioqualität
• Interpretiert Stimmintensität und Tonhöhe präzise, um emotionsgetreue Gesichtsausdrücke zu erzeugen
• Bewahrt hohe Charaktertreue und Verhaltenskohärenz auch bei längeren Dialogen oder musikalischen Darbietungen
• Optimiert für verschiedene Setups, darunter Präsentationen aus seitlichem Winkel, Dialoge im Podcast-Stil und stilisierte Animationen
• Erzeugt bis zu 4 Varianten gleichzeitig

Ausgabeoptionen:

• Auflösungen: 480p, 720p

Ideal für:

• Professionelle videobasierte Avatarwerbung und Marketinginhalte
• Hochwertiges virtuelles Storytelling und ausdrucksstarke musikalische Darbietungen
• Lange Bildungs- oder Schulungsvideos, die eine konsistente Charakterpräsenz erfordern

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

API: creatify-aurora

Ein schnelles, präzises Bild-zu-Video-Modell für Lippensynchronisation, das ein Standbild passend zum bereitgestellten Audio animiert.

Eingaben:

• Quellbild
• Sprach-Audiodatei

Funktionen:

• Animiert Mund und Gesichtsausdrücke im Quellbild passend zum bereitgestellten Audio
• Erstellt hochwertige „sprechende“ Videos aus Standbildern
• Spezialtool für Lippensynchronisation, kein vollständiges Videogenerierungsmodell

Ideal für:

• Erstellen sprechender Avatare aus Standbildern
• Hinzufügen von Dialogen zu Charakterporträts
• Professionelle Workflows für avatargesteuerte Inhalte

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

HeyGens neuestes Avatarmodell zur Erstellung hochrealistischer, ausdrucksstarker Talking-Head-Videos aus einem einzelnen Bild und einer Audioeingabe.

Eingaben:

• Quellbild
• Sprach-Audiodatei

Funktionen:

• Animiert Gesichtsausdrücke und Lippenbewegungen mit hoher Genauigkeit passend zum bereitgestellten Audio
• Erzeugt natürliche Kopfbewegungen und subtile Mikroausdrücke für lebensechte Ergebnisse
• Spezialtool für Lippensynchronisation, kein vollständiges Videogenerierungsmodell

Ideal für:

• Professionelle Videos mit Sprechern und Moderatoren
• Skalierbare Erstellung personalisierter Avatar-Inhalte
• Marketing- und Schulungsvideos mit konsistenter Charakterpräsenz

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

Das Videomodell der neuesten Generation für Lippensynchronisation von Sync, das Synchronisation in Studioqualität für viele Inhaltstypen liefert.

Generierungseingaben:

• Quellvideo
• Sprach-Audio

Funktionen:

• Hochpräzise Lippensynchronisation, die individuelle Gesichtsdetails, natürliche Zähne und Hauttexturen bewahrt
• Optimiert für alle Inhaltstypen, einschließlich Realfilm, 3D-Animation und KI-generiertem Video
• Video-zu-Video-Tool für Lippensynchronisation, kein vollständiger Videogenerator

Ideal für:

• Professionelle Synchronisation und Lokalisierung für Film und Werbung
• Verbesserung oder Korrektur von Dialogen in jedem Videoformat
• Workflows für die Übersetzung großer Inhaltsmengen

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

Ein hochmodernes Videobearbeitungsmodell für Lippensynchronisation in Studioqualität, das individuelle Gesichtsdetails bewahrt und gleichzeitig Ausgaben in hoher Auflösung ermöglicht.

Generierungseingaben:

• Quellvideo
• Sprach-Audio

Funktionen:

• Nutzt fortschrittliches Upscaling für 4K-Ausgabe bei scharfen, natürlichen Texturen
• Bewahrt individuelle Gesichtsmerkmale wie natürliche Zähne, Sommersprossen, Make-up und komplexen Bartwuchs ohne Schärfeverlust
• Optimiert für alle Inhaltstypen, einschließlich Realfilm, 3D-Animation und KI-generiertem Video
• Liefert sofort ausdrucksstarke, synchronisierte Ergebnisse, ohne sprecherspezifisches Training oder Modell-Finetuning
• Erzeugt bis zu 4 Varianten gleichzeitig

Ideal für:

• Professionelle Synchronisation und lokalisierte Inhalte für Film und hochwertige Werbung
• Verbesserung oder Korrektur von Dialogen bei 3D-animierten und KI-generierten Charakteren
• Hochauflösende Projekte, die pixelgenaue Gesichtskonsistenz und Details erfordern

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

Ein spezialisiertes Hilfsmodell zur Erzeugung besonders realistischer, menschenähnlicher Lippensynchronisation.

Eingaben:

• Statisches Quellbild
• Sprach-Audiodatei

Funktionen:

• Animiert den Mund im Quellbild passend zum bereitgestellten Audio
• Erstellt hochwertige „sprechende“ Videos aus Standbildern
• Spezialtool für Lippensynchronisation, kein vollständiges Videogenerierungsmodell

Ideal für:

• Erstellen sprechender Avatare
• Hinzufügen von Dialogen zu Standbildern
• Professionelle Synchronisations-Workflows

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

Animiert ein Standbild anhand eines Sprachclips mit einer Ausgabe von bis zu 2K.

Eingaben:

• Quellbild
• Sprach-Audio (5 s bis 14,8 s)

Funktionen:

• Spezialtool für Lippensynchronisation, kein vollständiges Videogenerierungsmodell

Ideal für:

• Sprechende Porträts aus einem Standbild und einem kurzen Audioclip

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

Ein schnelles, kostengünstiges und präzises Hilfsmodell für realistische Lippensynchronisation in Videos.

Eingaben:

• Quellvideo
• Neue Sprach-Audiodatei

Funktionen:

• Animiert Mundbewegungen im Quellvideo passend zum neuen Audio neu
• Video-zu-Video-Tool für Lippensynchronisation, kein vollständiger Videogenerator

Ideal für:

• Kosteneffiziente Synchronisation großer Mengen
• Übersetzen von Inhalten
• Korrigieren von Audio in Videoclips mit realistischen Ergebnissen

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

Der hochwertigere Nachfolger von Veed Lipsync für realistische Lippensynchronisation in bestehenden Videos.

Eingaben:

• Quellvideo
• Neue Sprach-Audiodatei

Funktionen:

• Animiert Mundbewegungen im Quellvideo passend zum neuen Audio neu
• Video-zu-Video-Tool für Lippensynchronisation, kein vollständiger Videogenerator
• Stapelerstellung mit bis zu 4 Generierungen gleichzeitig

Ideal für:

• Synchronisation und Übersetzung, wenn die Ausgabequalität wichtiger ist als die Kosten
• Korrigieren von Dialogen in fertigen Clips

Kosten: Variieren je nach Eingabe, Einstellungen und Dauer

Erhöht die Auflösung eines Bildes und bewahrt dabei Details.

Eingaben:

• Quellbild

Funktionen:

• Upscaling-Faktoren: 1,25x, 1,5x, 2x, 3x, 4x

Ideal für:

• Vorbereitung von Bildern für hochauflösende Displays

Kosten: Variieren je nach Eingabe

Erhöht die Auflösung eines Videos und bewahrt dabei Details.

Eingaben:

• Quellvideo

Funktionen:

• Upscaling-Faktoren: 1,25x, 1,5x, 2x, 3x, 4x
• Schnelle und präzise Verarbeitungsmodi
• Optionale Bildratenkonvertierung auf 24, 25, 30, 48, 50 oder 60 fps

Ideal für:

• Vorbereitung von Videos für hochauflösende Displays

Kosten: Variieren je nach Eingabe

Entfernt den Hintergrund aus einem Bild und gibt es mit Alpha-Transparenz zurück.

Eingaben:

• Quellbild

Funktionen:

• Kein Prompt erforderlich
• Eine Ausgabe pro Durchlauf

Ideal für:

• Freisteller von Produkten und Compositing
• Vorbereitung von Motiven zur Verwendung als Referenzen in anderen Generierungen

Kosten: Variieren je nach Eingabe

Entfernt den Hintergrund aus einem Video.

Eingaben:

• Quellvideo

Funktionen:

• Kein Prompt erforderlich
• Der Ausgabehintergrund kann transparent, schwarz oder grün sein

Ideal für:

• Ausschneiden eines Motivs aus vorhandenem Filmmaterial
• Vorbereitung von Videos für Compositing

Kosten: Variieren je nach Eingabe

Konvertiert Videos mit Standard-Dynamikbereich in HDR.

Eingaben:

• Quellvideo (bis zu 30 s)

Funktionen:

• Kein Prompt erforderlich
• Eine Ausgabe pro Durchlauf; Länge und Bildausschnitt entsprechen der Quelle

Ideal für:

• Vorbereitung von Filmmaterial für HDR-Displays
• Erneutes Color Grading generierter Videos für die Auslieferung

Kosten: Variieren je nach Videodauer