Imagem e Vídeo

Um modelo de vídeo multimodal unificado com geração conjunta de áudio e vídeo, que oferece controle de nível profissional sobre atuação, iluminação, sombra e movimento de câmera para resultados ultrarrealistas e cinematográficos.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem
• Referências de vídeo
• Referências de áudio

Recursos:

• Arquitetura multimodal unificada que gera áudio e vídeo sincronizados em uma única etapa
• Recursos líderes do setor de referência multimodal e edição, aceitando simultaneamente entradas de texto, imagem, áudio e vídeo
• Estabilidade de movimento excepcional com realismo de qualidade cinematográfica alinhado aos padrões do setor
• Controle criativo de nível profissional sobre atuação, iluminação, sombra e movimento de câmera
• Durações de geração flexíveis, de 4s a 15s
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p, 1080p
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Narrativas cinematográficas que exigem áudio e imagens sincronizados
• Conteúdo orientado por referências que exige fidelidade rigorosa a imagens, vídeos ou áudios de origem
• Produções profissionais que exigem controle detalhado sobre iluminação e trabalho de câmera

Custo: varia conforme as configurações e a duração selecionadas

API: bytedance-seedance-v2

Uma variante mais rápida e de menor custo do Seedance 2.0, com as mesmas entradas de referência multimodal e saída limitada a 720p.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem (até 9)
• Referências de vídeo (até 3, 15s no total)
• Referências de áudio (até 3, 15s no total)

Recursos:

• Mesmo tratamento de referências do Seedance 2.0, com limite combinado de 12 referências por geração
• Quadros e referências são mutuamente exclusivos: use um quadro inicial ou final, ou referências, não ambos
• Durações de geração flexíveis, de 4s a 15s
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Iterar prompts do Seedance 2.0 antes de uma renderização em resolução máxima
• Clipes orientados por referências em que a saída de 720p é suficiente

Custo: varia conforme as configurações e a duração selecionadas

API: bytedance-seedance-v2-fast

A menor variante do Seedance 2.0: aproximadamente duas vezes mais rápida que o Seedance 2.0, por cerca da metade do custo, com as mesmas entradas e saída em 720p.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem (até 9)
• Referências de vídeo (até 3, 15s no total)
• Referências de áudio (até 3, 15s no total)

Recursos:

• Mesmo tratamento de referências do Seedance 2.0, com limite combinado de 12 referências por geração
• Quadros e referências são mutuamente exclusivos: use um quadro inicial ou final, ou referências, não ambos
• Durações de geração flexíveis, de 4s a 15s
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Rascunhos e prévias em alto volume
• Fluxos de trabalho sensíveis a custo que ainda precisam de entradas de áudio e referências

Custo: varia conforme as configurações e a duração selecionadas

API: bytedance-seedance-v2-mini

O sucessor do Seedance 2.0, com realismo mais nítido, até 50 referências combinadas de imagem, vídeo e áudio, e gerações de até 30 segundos.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem (até 30)
• Referências de vídeo (até 10, 30s no total)
• Referências de áudio (até 10, 30s no total)

Recursos:

• Sem limite combinado entre tipos de referência; referências apenas de áudio são aceitas sem imagem ou vídeo
• Quadros e referências são mutuamente exclusivos
• Durações de geração flexíveis, de 4s a 30s
• A proporção é definida pelo quadro inicial ou vídeo de referência quando um deles é fornecido
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Clipes longos que precisam manter consistência com muitas referências
• Cenas de diálogo e atuação guiadas por áudio de referência

Custo: varia conforme as configurações e a duração selecionadas

API: bytedance-seedance-v2.5

Edita um vídeo existente descrevendo as alterações. A duração e a proporção da saída seguem o vídeo de entrada.

Entradas de geração:

• Vídeo a editar (obrigatório, até 30s)
• Prompt de texto descrevendo as edições
• Referências de imagem (até 30)
• Referências adicionais de vídeo (até 10, 30s no total)
• Referências de áudio (até 10, 30s no total)

Recursos:

• Sem controle de duração: a saída corresponde à duração do vídeo de entrada
• A proporção é definida pelo vídeo de entrada
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p

Ideal para:

• Alterar roupas, objetos, iluminação ou cenário em filmagens existentes
• Transferência de estilo que preserva o movimento original

Custo: varia conforme as configurações e a duração selecionadas

Continua um vídeo existente de onde ele termina, guiado por um prompt e referências opcionais.

Entradas de geração:

• Vídeo a estender (obrigatório, até 30s)
• Prompt de texto descrevendo a continuação
• Referências de imagem (até 30)
• Referências adicionais de vídeo (até 10, 30s no total)
• Referências de áudio (até 10, 30s no total)

Recursos:

• Duração da extensão de 4s a 30s
• A proporção é definida pelo vídeo de entrada
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p

Ideal para:

• Alongar uma tomada que termina cedo demais
• Encadear várias gerações em uma sequência mais longa

Custo: varia conforme as configurações e a duração selecionadas

Um modelo de vídeo avançado que funciona como um diretor de IA, mantendo alta consistência de personagens, itens e cenas em movimentos de câmera complexos.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final

Recursos:

• Preservação de alta fidelidade de personagens e cenas usando referências de imagem ou vídeo em vários ângulos
• Cogeração nativa de áudio e vídeo com sincronização labial multilíngue e som ambiente
• Durações de geração flexíveis, de 3s a 15s
• Gere até 4 variações simultaneamente
• Melhor processamento de texto, dinâmica de fluidos e interações físicas complexas

Opções de saída:

• Resoluções: apenas 1080p
• Proporções: 16:9, 1:1, 9:16

Ideal para:

• Narrativas centradas em personagens que exigem continuidade visual
• Comerciais e recursos visuais com necessidades específicas de renderização de texto

Custo: varia conforme as configurações e a duração selecionadas

Um modelo de vídeo de alta consistência que funciona como um diretor de IA, preservando a identidade de personagens, itens e cenas em movimentos de câmera complexos.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referência de vídeo
• Referência de imagem

Recursos:

• Mantém a identidade visual precisa de personagens e itens principais usando referências em vários ângulos
• Compatível com durações de geração contínuas, de 3s a 15s
• Gere até 4 variações por vez
• Modelagem precisa de interações entre elementos e coerência de movimento
• Compatibilidade nativa com áudio ativado ou desativado em cada geração

Opções de saída:

• Resoluções: apenas 1080p
• Proporções: 16:9, 1:1, 9:16

Ideal para:

• Narrativas centradas em personagens que exigem continuidade visual rigorosa
• Materiais profissionais de marketing e marca com renderização consistente de itens

Custo: varia conforme as configurações e a duração selecionadas

Um modelo de edição de vídeo para vídeo orientado por linguagem natural, baseado na arquitetura O3, que permite transformações visuais complexas — como substituição de personagens e mudanças de ambiente — sem a necessidade de máscaras manuais ou ajustes quadro a quadro.

Entradas de geração:

• Vídeo de origem
• Referências de imagem (até 4 elementos/ângulos distintos)
• Descrição de texto (instruções em linguagem natural)

Recursos:

• Interpreta prompts conversacionais para substituir assuntos ou cenários, respeitando a estrutura de movimento original
• Mantém os ângulos de câmera, padrões de movimento e relações espaciais originais durante toda a edição
• Combina até 4 elementos no total (incluindo imagens frontais e de vários ângulos) para garantir consistência de personagens em alta fidelidade
• Opção de preservar o áudio original ou gerar saída silenciosa em cada geração
• Gere até 4 variações editadas por vez

Opções de saída:

• Resoluções: dependem do vídeo de origem
• Proporções: correspondem ao vídeo de origem

Ideal para:

• Substituição de personagens em alta fidelidade em filmagens existentes, mantendo os movimentos originais
• Transformações completas do ambiente da cena (por exemplo, mudar uma cidade diurna para uma paisagem noturna futurista)
• Aplicar transferências de estilo que exigem fidelidade rigorosa à dinâmica de câmera existente

Custo: varia conforme a duração do vídeo e as configurações selecionadas

Um modelo de nível profissional para geração de vídeos cinematográficos de alta qualidade.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem

Recursos:

• Excelente qualidade e controle criativo com prompts negativos
• Áudio totalmente integrado e sincronizado
• Diálogos, sincronização labial e efeitos sonoros realistas
• Durações fixas: 4s, 6s e 8s
• Criação em lote com até 4 gerações por vez
• Controle de som dedicado

Opções de saída:

• Resoluções: 720p, 1080p
• Proporções: 16:9, 9:16

Ideal para:

• Geração de vídeos cinematográficos de alta qualidade com controle criativo total

Custo: varia conforme as configurações e a duração selecionadas

API: veo-3.1-generate-001

Um modelo de alta velocidade otimizado para prévias e gerações rápidas, que oferece imagens mais nítidas com menor latência.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final

Recursos:

• Controle criativo avançado com prompts negativos e controle de som dedicado
• Durações fixas: 4s, 6s e 8s
• Criação em lote com até 4 gerações por vez
• Modela com precisão a física do mundo real para movimentos e interações realistas

Opções de saída:

• Resoluções: 720p, 1080p
• Proporções: 16:9, 9:16

Ideal para:

• Iteração rápida e testes visuais A/B
• Criação ágil de conteúdo para redes sociais

Custo: varia conforme as configurações e a duração selecionadas

API: veo-3.1-fast-generate-001

Uma variante do Veo 3.1 econômica e de alta velocidade, otimizada para geração rápida com menor uso de processamento.

Entradas de geração:

• Texto para vídeo
• Quadro inicial

Recursos:

• Controle criativo detalhado com prompts negativos e controle de som dedicado
• Durações fixas: 4s, 6s e 8s
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 720p
• Proporções: 16:9, 9:16

Ideal para:

• Criação de conteúdo em alto volume, quando velocidade e eficiência de custo são prioridade
• Exploração rápida de conceitos e prévias

Custo: varia conforme as configurações e a duração selecionadas

O modelo de vídeo do Google com compreensão de física, áudio nativo, saída de até 4K e geração tanto por interpolação de quadros quanto guiada por referências.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem (até 10)
• Referências de vídeo (até 3, cada uma com até 10s)

Recursos:

• Quadros e referências são mutuamente exclusivos: interpole entre quadros ou use referências como guia
• Durações fixas de 3s a 10s; a duração segue o vídeo de referência quando um é anexado
• Boa renderização de textos e rótulos curtos na tela
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 360p, 720p, 1080p, 4K
• Proporções: 16:9, 9:16

Ideal para:

• Vídeos explicativos e tipografia cinética com texto legível
• Movimento baseado na física, com assuntos consistentes entre referências

Custo: varia conforme as configurações e a duração selecionadas

Continua um vídeo existente de onde ele termina usando o Gemini Omni Flash 1.1, para uma duração combinada de até 40 segundos.

Entradas de geração:

• Vídeo a estender (obrigatório, até 30s)
• Prompt de texto descrevendo a continuação

Recursos:

• Duração da extensão de 3s a 10s
• A proporção segue o vídeo de entrada
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 360p, 720p, 1080p, 4K

Ideal para:

• Alongar gerações do Gemini Omni Flash sem um corte visível
• Criar sequências mais longas do que uma única geração permite

Custo: varia conforme as configurações e a duração selecionadas

O primeiro modelo de vídeo Gemini Omni: movimento com compreensão de física, áudio nativo e a melhor renderização de texto na tela entre os modelos de vídeo disponíveis, em 720p.

Entradas de geração:

• Texto para vídeo
• Referências de imagem (até 8)
• Referência de vídeo (1, até 10s)

Recursos:

• Durações fixas de 3s a 10s; a duração segue o vídeo de referência quando um é anexado
• Sem quadro inicial ou final; use referências de imagem para fixar um assunto
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 720p
• Proporções: 16:9, 9:16

Ideal para:

• Legendas curtas, títulos e vídeos explicativos com rótulos
• Consistência entre várias imagens em 720p

Custo: varia conforme as configurações e a duração selecionadas

Um modelo especializado aprimorado para criar sequências dinâmicas e de alta fidelidade, com maior estabilidade temporal e controle preciso das transições entre quadros-chave.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final

Recursos:

• Conecta perfeitamente os quadros inicial e final para criar sequências coerentes com vários takes
• Modelagem de alta fidelidade de ações complexas e consistência ambiental
• Compatível com durações fixas de geração de 4 s a 12 s
• Gere até 4 variações por vez
• Compatível nativamente com áudio ativado ou desativado em cada geração

Opções de saída:

• Resoluções: 420p, 720p
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Narrativas e cenas de ação que exigem física estável entre referências visuais específicas
• Transições cinematográficas e recursos de vídeo profissionais com requisitos rigorosos de início e fim

Custo: Varia conforme as configurações e a duração selecionadas

Modelo de vídeo da Black Forest Labs com movimento natural, cenas com vários takes, áudio gerado e extensão de vídeo.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Vídeo para estender (1, até 15 s)

Recursos:

• A extensão de vídeo é mutuamente exclusiva com os quadros inicial e final
• Durações flexíveis de geração de 5 s a 20 s
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 720p, 1080p
• Proporções: 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Cenas com vários takes a partir de um único prompt
• Estender um clipe existente com movimento e áudio correspondentes

Custo: Varia conforme as configurações e a duração selecionadas

Edita um vídeo existente a partir de um prompt de texto. A duração e o enquadramento da saída seguem o vídeo de origem, de até 15 s.

Entradas de geração:

• Vídeo para editar (obrigatório, até 15 s)
• Prompt de texto descrevendo as edições

Opções de saída:

• A resolução e a proporção correspondem ao vídeo de origem

Ideal para:

• Alterações baseadas em prompt em filmagens existentes

Custo: Varia conforme as configurações e a duração selecionadas

Modelo de vídeo principal da MiniMax com referências multimodais, áudio gerado e saída de até 4K.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem (até 9)
• Referências de vídeo (até 3, cada uma de 2 s a 15 s, 15 s no total)
• Referências de áudio (até 3, cada uma de 2 s a 15 s, 15 s no total)

Recursos:

• Limite combinado de 12 referências por geração; as referências de áudio exigem pelo menos uma referência de imagem ou vídeo
• Quadros e referências são mutuamente exclusivos
• Durações flexíveis de geração de 5 s a 15 s
• Gera áudio sincronizado
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 768p, 2K, 4K (2K e 4K são ampliadas a partir de 768p)
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Cenas guiadas por referências que precisam de entrega em alta resolução
• Clipes de diálogo guiados por áudio de referência

Custo: Varia conforme as configurações e a duração selecionadas

Uma variante quase instantânea do MiniMax H3, com as mesmas entradas e estética marcante, renderizada nativamente em até 768p.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem (até 9)
• Referências de vídeo (até 3, cada uma de 2 s a 15 s, 15 s no total)
• Referências de áudio (até 3, cada uma de 2 s a 15 s, 15 s no total)

Recursos:

• Limite combinado de 12 referências por geração; as referências de áudio exigem pelo menos uma referência de imagem ou vídeo
• Quadros e referências são mutuamente exclusivos
• Durações flexíveis de geração de 5 s a 15 s
• Gera áudio sincronizado
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 768p
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Iteração rápida em prompts e referências
• Pré-visualizações antes de renderizar com o MiniMax H3

Custo: Varia conforme as configurações e a duração selecionadas

Substitui pessoas em um vídeo de origem usando de 1 a 4 fotos. A duração segue a do material de origem, de até 30 s, e o áudio original é mantido.

Entradas de geração:

• Vídeo de origem (até 30 s)
• Fotos das pessoas a serem substituídas (de 1 a 4)

Recursos:

• A duração da saída segue o vídeo de origem
• Mantém o áudio de origem

Opções de saída:

• Resoluções: até 1080p
• A proporção segue o vídeo de origem

Ideal para:

• Substituir pessoas em filmagens existentes por pessoas de fotos de referência

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo de vídeo de raciocínio de última geração, desenvolvido para oferecer aderência superior ao prompt e simulação complexa do mundo físico, usando processamento lógico avançado para interpretar e executar instruções detalhadas.

Entradas de geração:

• Texto para vídeo (descrição)
• Quadro inicial e quadro final
• Referência de vídeo
• Referência de imagem

Recursos:

• Capacidade excepcional de interpretar prompts com várias camadas e executar ações cronológicas complexas
• Usa imagens e vídeos como âncoras visuais para manter alta consistência de personagens e cenas
• Modelagem superior de interações físicas, causa e efeito e dinâmica de fluidos
• Compatível com geração de alta qualidade para clipes de 5 s e 10 s
• Gere até 4 variações por vez

Opções de saída:

• Resoluções: dependem da entrada
• Proporções: 16:9, 1:1, 9:16

Ideal para:

• Conceitos criativos muito específicos que exigem aderência precisa a descrições longas e detalhadas
• Narrativas profissionais em que o realismo físico e a consistência entre várias referências são essenciais

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo de edição de vídeo para vídeo orientado por linguagem natural, que permite transformações visuais complexas — como substituição de personagens e troca de ambientes — sem mascaramento manual ou ajustes quadro a quadro.

Entradas de geração:

• Vídeo de origem
• Referências de imagem (até 4 elementos/ângulos distintos)
• Descrição de texto (instruções em linguagem natural)

Recursos:

• Interpreta prompts conversacionais para substituir pessoas ou cenários, respeitando a estrutura de movimento original
• Mantém os ângulos de câmera, os padrões de movimento e as relações espaciais originais durante toda a edição
• Combina até 4 elementos no total, incluindo imagens frontais e de vários ângulos, para garantir alta consistência dos personagens
• Opção de preservar o áudio original ou gerar saída silenciosa em cada geração
• Gere até 4 variações editadas por vez

Opções de saída:

• Resoluções: dependem do vídeo de origem
• Proporções: correspondem ao vídeo de origem

Ideal para:

• Substituição de personagens em alta fidelidade em filmagens existentes, mantendo os movimentos originais
• Transformações completas do ambiente da cena (por exemplo, transformar uma cidade diurna em uma paisagem noturna futurista)
• Aplicar transferências de estilo que exigem aderência rigorosa à dinâmica de câmera existente

Custo: Varia conforme a duração do vídeo e as configurações selecionadas

Um modelo especializado para transferência precisa de movimento, que permite animar uma imagem de personagem com um vídeo de referência para reproduzir movimentos, gestos e ângulos de câmera específicos.

Entradas de geração:

• Imagem de personagem (origem)
• Vídeo de movimento (referência)
• Descrição de texto (opcional)

Recursos:

• Escolha “Match Video” para reprodução exata de movimento ou “Match Image” para adicionar novos movimentos criativos a um personagem
• Compatível com até 30 s no modo Match Video e 10 s no modo Match Image
• Mapeamento de alta fidelidade do movimento humano de filmagens de referência para um personagem estático
• Compatível nativamente com ativação ou desativação de áudio em cada geração
• Gere até 4 variações por vez

Opções de saída:

• Resoluções: dependem da origem
• Proporções: dependem da origem

Ideal para:

• Reproduzir coreografias complexas ou movimentos específicos em um personagem personalizado
• Animação de personagens em formato longo que exige alta fidelidade de movimento
• Conteúdo para redes sociais guiado por movimentos de vídeo em alta

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo especializado para transferência precisa de movimento, desenvolvido com a arquitetura Kling 3.0, que permite animar uma imagem de personagem com um vídeo de referência para reproduzir movimentos, gestos e ângulos de câmera específicos com maior fidelidade.

Entradas de geração:

• Imagem de personagem (origem)
• Vídeo de movimento (referência)
• Descrição de texto (opcional)

Recursos:

• Escolha “Match Video” para reprodução exata de movimento ou “Match Image” para adicionar novos movimentos criativos a um personagem
• Compatível com até 30 s no modo Match Video e 10 s no modo Match Image
• Mapeamento de alta fidelidade do movimento humano de filmagens de referência para um personagem estático
• Compatível nativamente com ativação ou desativação de áudio em cada geração
• Gere até 4 variações por vez

Opções de saída:

• Resoluções: dependem da origem
• Proporções: dependem da origem

Ideal para:

• Reproduzir coreografias complexas ou movimentos específicos em um personagem personalizado
• Animação de personagens em formato longo que exige alta fidelidade de movimento
• Conteúdo para redes sociais guiado por movimentos de vídeo em alta

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo generativo otimizado, desenvolvido para maior fidelidade de movimento e transições mais suaves, equilibrando iteração em alta velocidade e saída visual com qualidade de produção.

Entradas de geração:

• Texto para vídeo
• Quadro inicial (imagem para vídeo)

Recursos:

• Dinâmica de movimento aprimorada: melhorias significativas na fluidez do movimento e em interações físicas realistas
• Controle de som flexível: suporte nativo para ativar ou desativar o áudio em cada geração
• Criação em lote: gere até 4 variações simultaneamente
• Refinamento detalhado: controle criativo avançado com suporte a prompt negativo
• Durações fixas: compatível com gerações de 5 s e 10 s

Opções de saída:

• Resoluções: dependem da entrada
• Proporções: 16:9, 1:1, 9:16

Ideal para:

• Clipes de muita ação que exigem movimentos fluidos dos personagens
• Conteúdo profissional para redes sociais com forte aderência ao prompt

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo equilibrado e versátil para geração de vídeos Full HD de alta qualidade.

Entradas de geração:

• Texto para vídeo
• Quadro inicial

Recursos:

• Excelente para simular movimentos complexos e física realista
• Modela com precisão a dinâmica de fluidos e expressões
• Durações fixas: 5 s e 10 s
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 1080p
• Proporções: 16:9, 1:1, 9:16

Ideal para:

• Simulações de física realista e movimentos complexos

Custo: Varia conforme as configurações e a duração selecionadas

Qualidade de movimento, aderência ao prompt e fidelidade visual de última geração para vídeos cinematográficos e altamente realistas.

Entradas de geração:

• Texto para vídeo
• Quadro inicial (imagem para vídeo)

Recursos:

• Qualidade de movimento excepcional, com realismo e simulação de física líderes do setor
• Aderência superior ao prompt para controle criativo preciso sobre cenas complexas
• Alta fidelidade visual para resultados de nível cinematográfico
• Gere até 4 variações simultaneamente

Opções de saída:

• Resoluções: 720p
• Proporções: 16:9, 9:16

Ideal para:

• Conteúdo cinematográfico que exige a mais alta qualidade de movimento e realismo
• Produções profissionais que exigem aderência precisa ao prompt
• Narrativas visuais de alta fidelidade

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo de vídeo avançado desenvolvido para iteração rápida e criação econômica, capaz de produzir vídeos de alta qualidade.

Entradas de geração:

• Texto para vídeo
• Quadro inicial (imagem para vídeo)

Recursos:

• Otimizado para geração ultrarrápida, entregando resultados até quatro vezes mais rápido que as iterações anteriores
• Permite direcionar com precisão os movimentos dos personagens, os ângulos de câmera e as composições de cena
• Excelente para manter coerência visual e estabilidade em cenas dinâmicas
• Compatível com durações de geração de 2 s a 10 s
• Gere até 4 variações simultaneamente

Opções de saída:

• Resoluções: 720p
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Prototipagem rápida e experimentação criativa que exigem feedback quase instantâneo
• Projetos profissionais que precisam de entregas rápidas de recursos de marketing em alta resolução
• Conteúdo cinematográfico com requisitos específicos de movimento de câmera

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo de vídeo de última geração com contexto, desenvolvido para geração visual multitarefa, capaz de realizar edições complexas preservando a estrutura subjacente das filmagens de origem.

Entradas de geração:

• Vídeo de origem
• Imagem de referência
• Descrição de texto

Recursos:

• Adicione, remova ou transforme objetos e pessoas em uma cena sem interrupções, com iluminação, sombras e perspectiva naturais
• Altere locais, estações e horários do dia (por exemplo, transformando filmagens nubladas em um pôr do sol dramático) com atualizações realistas de temperatura de cor
• Modifique a idade e a aparência de atores ou altere as texturas de roupas e pessoas usando prompts simples em linguagem natural
• Aplique o movimento específico e o percurso de câmera de um vídeo de referência a uma imagem estática para controle preciso da animação
• Gere ângulos de câmera completamente novos, como planos reversos ou ângulos baixos, a partir de uma única sequência de vídeo existente
• Inclui chroma key preciso (isolamento com detecção de bordas), geração do próximo take para continuidade da história e transferência de estilo estético
• Gere até 4 variações simultaneamente

Opções de saída:

• Resoluções: 720p
• Proporções: automática

Ideal para:

• Tarefas profissionais de efeitos visuais, como rejuvenescimento digital, nova iluminação e remoção de objetos
• Prototipagem cinematográfica rápida e geração de cobertura alternativa de câmera a partir de um único take
• Conteúdo criativo de marketing que exige transformações ambientais ou estilísticas drásticas

Custo: Varia conforme as configurações e a duração selecionadas

Modelo de edição de vídeo da Runway: transforma um vídeo existente para um visual de destino, preservando o movimento e a consistência.

Entradas:

• Vídeo de origem (obrigatório, de 2 s a 30 s)
• Imagem do visual de destino (obrigatória)
• Prompt de texto descrevendo as edições

Recursos:

• A duração e o enquadramento da saída seguem o vídeo de origem
• Transferência de estilo guiada pela imagem do visual de destino
• Criação em lote com até 4 gerações por vez

Ideal para:

• Alterar a iluminação, o estilo ou o cenário de filmagens existentes
• Aplicar o visual de uma imagem de referência a um clipe inteiro

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo especializado de transferência de performance que anima personagens mapeando o movimento, a fala e as expressões faciais de um vídeo de referência de performance para uma imagem ou vídeo de referência do personagem.

Entradas de geração:

• Performance de referência (vídeo)
• Entrada do personagem (imagem ou vídeo)

Recursos:

• Transfere expressões faciais sutis, sincronização labial e áudio sincronizado diretamente de um ator de origem para qualquer personagem
• Adiciona automaticamente movimento secundário e leves tremores de câmera a imagens estáticas de personagens para um visual mais natural
• Alternância precisa para ativar ou desativar movimentos do corpo e das mãos ao usar uma imagem de personagem
• Configurações ajustáveis para equilibrar uma performance emocional intensa e a consistência visual do personagem
• Possibilidade de alterar a voz do personagem após a geração, mantendo o alinhamento perfeito com a performance de referência

Opções de saída:

• Resoluções: 720p
• Proporções: Automático

Ideal para:

• Dar vida a retratos estáticos de personagens com movimento e fala humanos realistas
• Animar personagens não humanos ou avatares estilizados com expressões de alta fidelidade
• Produzir rapidamente conteúdo de pessoas falando para a câmera com gestos corporais integrados

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo especializado para criar sequências dinâmicas com vários planos, muito movimento e ação.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final

Recursos:

• Física altamente estável e transições fluidas entre planos
• Durações fixas: 3s, 4s, 5s, 6s, 7s, 8s, 9s, 10s, 11s e 12s
• Criação em lote com até 4 gerações por vez
• Máxima flexibilidade criativa com várias opções de proporção

Opções de saída:

• Resoluções: 480p, 720p, 1080p
• Proporções: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Narrativas e cenas de ação que exigem física estável

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo fundamental baseado em DiT, projetado para gerar vídeo e áudio sincronizados em uma única etapa, garantindo fala coerente e movimento realista.

Entradas de geração:

• Texto para vídeo
• Imagem para vídeo
• Áudio para vídeo
• Profundidade para vídeo

Recursos:

• Gera diálogo, movimento labial e áudio ambiente simultaneamente para um alinhamento perfeito sem ferramentas externas
• Cenas dinâmicas com movimento estável, identidade consistente e forte coerência entre quadros
• Suporta geração sincronizada de alta fidelidade por até 20 segundos
• Direção criativa avançada com suporte detalhado a prompts negativos
• Gere até 4 variações por vez

Opções de saída:

• Resoluções: 720p, 1080p
• Proporções: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Fala coerente e performances expressivas de personagens
• Conteúdo narrativo que exige áudio ambiente integrado e timing consistente
• Cenas dinâmicas com lógica complexa de movimento adaptada à câmera

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo generativo de alta fidelidade otimizado para o máximo de detalhes visuais e estabilidade estrutural, capaz de produzir resultados em 4K prontos para produção com movimento fluido.

Entradas de geração:

• Texto para vídeo
• Quadro inicial (imagem para vídeo)

Recursos:

• Prioriza qualidade visual e consistência em vez de velocidade, garantindo resultados estáveis em sequências mais longas
• Suporta 25 FPS e 50 FPS para movimentos excepcionalmente fluidos e profissionais
• Geração audiovisual integrada com uma opção para ativar ou desativar o som
• Desenvolvido para lidar com saídas nativas em 1080p, 2k e 4k sem perda de detalhes
• Gere até 4 variações por vez

Opções de saída:

• Resoluções: 1080p, 2k, 4k
• Taxas de quadros: 25 FPS, 50 FPS
• Proporção: 16:9 (padrão)
• Durações: 6s, 8s, 10s

Ideal para:

• Produção cinematográfica em alta resolução que exige clareza em 4K
• Conteúdo profissional que requer movimento fluido em 50 FPS
• Sequências detalhadas em que estabilidade visual e integridade estrutural são essenciais

Custo: Varia conforme as configurações e a duração selecionadas

Uma ferramenta de direção precisa com IA que permite redirecionar seletivamente diálogos, emoções e ações em planos existentes sem quebrar a continuidade ou regenerar toda a sequência.

Entradas de geração:

• Vídeo de origem
• Descrição de texto

Recursos:

• Modifique segmentos específicos mantendo uma forte preservação de contexto dos quadros ao redor
• Reformule falas mantendo consistentes a voz, a performance e o ambiente do personagem
• Vários modos de edição: selecione entre “Áudio e vídeo”, “Somente áudio” ou “Somente vídeo” para isolar e regenerar elementos específicos do plano
• O novo conteúdo herda naturalmente o movimento, a iluminação e o tom originais para transições fluidas
• Experimente instantaneamente reações alternativas dos personagens, momentos emocionais ou movimentos de câmera em um único plano
• Gere até 4 variações simultaneamente para comparação criativa lado a lado

Opções de saída:

• Proporções: somente 16:9

Ideal para:

• Ajustar roteiros e refinar diálogos sem a necessidade de refilmagens ou novas gravações
• Corrigir momentos emocionais ou problemas de ritmo na pós-produção
• Testar várias mensagens de marca e chamadas para ação em uma única peça de marketing

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo generativo otimizado para velocidade, criado para ciclos curtos de feedback e criação de conteúdo em alta velocidade, com visuais em alta resolução e tempos de renderização significativamente menores.

Entradas de geração:

• Texto para vídeo
• Quadro inicial (imagem para vídeo)

Recursos:

• Projetado para velocidade e iteração rápida, permitindo experimentação visual ágil e prévias quase instantâneas
• Suporta saídas nativas em 1080p, 2k e 4k com menor demanda computacional que o modelo Pro
• Recursos para 25 FPS e 50 FPS, garantindo movimento fluido em alta velocidade
• Permite a geração rápida de conteúdo audiovisual sincronizado com duração de até 20 segundos
• Suporte nativo para ativar ou desativar o áudio em cada geração
• Gere até 4 variações simultaneamente

Opções de saída:

• Resoluções: 1080p, 2k, 4k
• Taxas de quadros: 25 FPS, 50 FPS
• Proporção: 16:9 (padrão)
• Durações: 6s, 8s, 10s, 12s, 14s, 16s, 18s, 20s

Ideal para:

• Prototipagem rápida e exploração criativa em que a velocidade é priorizada em relação ao máximo de detalhes
• Conteúdo de alto volume para redes sociais que exige entregas rápidas
• Testes A/B de diferentes conceitos visuais e estilos de movimento

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo de vídeo cinematográfico com referências de imagem, vídeo e áudio, áudio gerado e gerações de até 30 segundos.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem (até 10)
• Referências de vídeo (até 5, 15s no total)
• Referências de áudio (até 5, 15s no total)

Recursos:

• Quadros e referências são mutuamente exclusivos
• Durações fixas: 5s, 10s, 15s, 20s e 30s
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Aprimoramento de prompt opcional
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p, 1080p
• Proporções: Automático, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Planos cinematográficos mais longos com forte aderência ao prompt
• Cenas orientadas por referências com áudio

Custo: Varia conforme as configurações e a duração selecionadas

Uma variante mais rápida do Wan 3.0 com as mesmas entradas e opções de saída, adequada para a fase de ideação.

Entradas de geração:

• Texto para vídeo
• Quadro inicial
• Quadro final
• Referências de imagem (até 10)
• Referências de vídeo (até 5, 15s no total)
• Referências de áudio (até 5, 15s no total)

Recursos:

• Cerca de metade do tempo de geração do Wan 3.0
• Durações fixas: 5s, 10s, 15s, 20s e 30s
• Controle nativo de som, com áudio ativado ou desativado em cada geração
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p, 1080p
• Proporções: Automático, 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Explorar ideias antes de uma renderização final no Wan 3.0
• Fluxos de trabalho sensíveis ao prazo de entrega

Custo: Varia conforme as configurações e a duração selecionadas

Uma plataforma de vídeo cinematográfico de última geração que utiliza uma arquitetura multimodal unificada para oferecer conteúdo em 1080p pronto para produção, com sincronização nativa de áudio e sequenciamento inteligente de vários planos.

Entradas de geração:

• Texto para vídeo
• Quadro inicial (imagem para vídeo)
• Referência de vídeo (vídeo para vídeo)
• Referência de áudio (áudio de fundo ou diálogo opcional)

Recursos:

• Sistema multimodal unificado: processa texto, imagens, vídeo e áudio em uma única estrutura integrada para garantir qualidade de saída consistente
• Sincronização nativa de áudio: gera e alinha automaticamente diálogos, narração e efeitos sonoros ambientais com os movimentos em tela
• Sequenciamento inteligente de vários planos: organiza automaticamente sequências de vídeo conectadas em arcos narrativos coerentes, mantendo a consistência dos personagens
• Durações estendidas: oferece geração estável e de alta qualidade em durações fixas de 5s, 10s e 15s
• Controle criativo avançado: oferece suporte a prompts negativos para gerenciamento detalhado e criação em lote de até 4 variações

Opções de saída:

• Resoluções: 720p, 1080p
• Proporções: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Narrativas profissionais e sequências cinematográficas complexas com vários planos
• Anúncios para redes sociais e conteúdo de marketing que exigem áudio integrado e de alta fidelidade
• Conteúdo orientado por personagens que exige rigorosa consistência visual e de movimento por meio de referências de vídeo

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo versátil que oferece movimento cinematográfico e alta fidelidade ao prompt a partir de texto ou de uma imagem inicial.

Entradas de geração:

• Texto para vídeo
• Quadro inicial (imagem para vídeo)

Recursos:

• Controle criativo detalhado com prompts negativos e controle de som dedicado
• Durações fixas: 5s e 10s
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 480p, 720p, 1080p
• Proporções: 16:9, 1:1, 9:16

Ideal para:

• Conteúdo cinematográfico com forte aderência ao prompt

Custo: Varia conforme as configurações e a duração selecionadas

Modelo de imagem da OpenAI pronto para produção, voltado a resultados altamente detalhados e edição precisa.

Entradas de geração:

• Texto para imagem
• Referências de imagem (até 10)

Recursos:

• Cinco níveis de qualidade, de Baixa a Máxima
• Resolução personalizada de até 3840px por lado, em proporções de até 3:1
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 1K, 2K, 4K ou personalizada
• Proporções: 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 para:

• Recursos finais em que detalhes e fidelidade são mais importantes
• Edições precisas em imagens existentes

Custo: Varia conforme as configurações e o número de variações selecionados

API: gpt-image-2.5-sunburst

Uma variante rápida do GPT Image 2.5 com os mesmos controles do Sunburst, ajustada para geração cotidiana em alto volume.

Entradas de geração:

• Texto para imagem
• Referências de imagem (até 10)

Recursos:

• Cinco níveis de qualidade, de Baixa a Máxima
• Resolução personalizada de até 3840px por lado, em proporções de até 3:1
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 1K, 2K, 4K ou personalizada
• Proporções: 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 para:

• Geração de imagens em alto volume
• Iterações rápidas que ainda exigem 4K e tamanhos personalizados

Custo: Varia conforme as configurações e o número de variações selecionados

API: gpt-image-2.5-flare

Um modelo avançado de IA criado para geração precisa de imagens, com renderização de texto aprimorada e recursos de saída em alta resolução.

Recursos:

• Controle preciso de texto para criar imagens com tipografia e clareza exatas
• Saída PNG em alta resolução adequada para uso profissional e comercial
• Oferece suporte a várias referências de imagem para orientar o estilo e a composição
• Gera até 4 imagens por vez

Opções de saída:

• Proporções: 3:2, 1:1, 2:3
• Opções de qualidade: baixa, média, alta

Ideal para:

• Visuais de marketing e recursos de design que exigem posicionamento preciso de texto
• Conteúdo profissional com requisitos de alta resolução
• Projetos criativos que precisam de controle preciso de imagens baseadas em texto

Custo: Varia conforme as configurações e o número de variações selecionados

API: gpt-image-2

Um modelo de imagem com saída nativa em 4K e até 14 referências de imagem.

Entradas de geração:

• Texto para imagem
• Referências de imagem (até 14)

Opções de saída:

• Resoluções: 4K
• Proporções: de 8:1 a 1:8 e automático

Ideal para:

• Imagens orientadas por referências que precisam de 4K nativo

Custo: Varia conforme as configurações e o número de variações selecionados

Um modelo avançado de geração de imagens com IA que combina qualidade pronta para produção e processamento ultrarrápido, com conhecimento de mundo e consistência de assunto aprimorados.

Recursos:

• Saída em resolução 4K nativa, sem upscaling, para detalhes cristalinos
• Geração de imagens ultrarrápida em apenas 1 a 2 segundos
• Aderência superior ao prompt por meio de raciocínio avançado e acompanhamento de instruções
• Renderização nítida e precisa de texto em vários idiomas para mockups, sinalizações e infográficos
• Estilo consistente para vários assuntos que preserva a identidade entre diversos personagens e objetos
• Conhecimento de mundo aprimorado para geração de cenas mais precisa
• Oferece suporte a várias referências de imagem para orientar a geração
• Gera até 4 imagens por vez

Opções de saída:

• Proporções: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16
• Resoluções: até 4K

Ideal para:

• Fluxos de trabalho criativos rápidos que exigem iteração em tempo real
• Conteúdo de marca e narrativas com identidade consistente dos personagens
• Visuais profissionais com texto e tipografia precisos

Custo: Varia conforme as configurações e o número de variações selecionados

API: gemini-3.1-flash-image

Uma variante rápida e de baixo custo do Nano Banana 2 para geração e edição ágeis em 1K.

Entradas de geração:

• Texto para imagem
• Referências de imagem (até 14)

Recursos:

• Saída fixa em 1K para manter velocidade e custo consistentes
• Mesma capacidade de 14 referências de imagem do Nano Banana 2
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 1K
• Proporções: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16

Ideal para:

• Iteração rápida e rascunhos
• Edições em massa em que 1K é suficiente

Custo: Varia conforme as configurações e o número de variações selecionados

API: gemini-3.1-flash-lite-image

Um modelo versátil de geração de imagens da Krea AI, pronto para produção, que equilibra qualidade e velocidade para uma ampla variedade de fluxos de trabalho criativos.

Recursos:

• Geração de imagens de alta fidelidade com forte aderência ao prompt
• Oferece suporte a várias referências de imagem para orientar a geração
• Gera até 4 imagens por vez

Opções de saída:

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

Ideal para:

• Criação de conteúdo profissional que exige qualidade consistente
• Iteração rápida em diversos conceitos criativos

Custo: Varia conforme as configurações e o número de variações selecionados

Modelo principal de geração de imagens da Krea AI, que oferece máxima fidelidade visual e controle criativo avançado para fluxos de produção profissionais.

Recursos:

• Detalhamento e realismo excepcionais para resultados de nível profissional
• Controle de estilo avançado com suporte a várias imagens de referência
• Gera até 4 imagens por vez

Opções de saída:

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

Ideal para:

• Produção comercial e editorial de imagens de alto padrão
• Composições criativas complexas que exigem máxima fidelidade

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo de texto para imagem focado em design, com ótimo controle de prompt e composição limpa.

Entradas de geração:

• Texto para imagem

Recursos:

• A saída em 2K usa a variante de modelo Pro
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 1K, 2K
• Proporções: 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 para:

• Elementos gráficos, ícones e pôsteres orientados por layout
• Composições limpas criadas apenas a partir de texto

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo rápido de texto para imagem focado em design.

Entradas de geração:

• Texto para imagem

Opções de saída:

• Proporções: 16 proporções

Ideal para:

• Elementos gráficos orientados por layout criados apenas a partir de texto

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo de imagem focado em design que pode reproduzir o estilo de imagens de referência.

Entradas de geração:

• Texto para imagem
• Referências de estilo (até 10)

Recursos:

• Controle de correspondência de estilo: Preciso segue de perto o estilo de referência, Flexível reproduz a aparência geral
• A saída em 2K usa a variante de modelo Pro
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 1K, 2K
• Proporções: 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 para:

• Elementos gráficos consistentes com a marca a partir de um conjunto de referências de estilo
• Trabalhos de ilustração e design

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo de imagem leve e de geração rápida da ByteDance, que oferece resultados de alta qualidade com menor exigência computacional.

Recursos:

• Geração rápida para iteração criativa ágil
• Compatível com várias imagens de referência para orientar a geração
• Gera até 4 imagens por vez

Opções de saída:

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

Ideal para:

• Fluxos de criação de imagens em alto volume que exigem velocidade
• Exploração rápida de conceitos e prévias

Custo: Varia conforme as configurações selecionadas e o número de variações

API: bytedance-seedream-5-lite

A variante Seedream 5 de maior fidelidade para edição precisa, texto multilíngue e infográficos densos.

Entradas de geração:

• Texto para imagem
• Referências de imagem (até 10)

Recursos:

• Renderização precisa de texto multilíngue
• Processa layouts densos, como infográficos e pôsteres
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Resoluções: 1K, 2K
• Proporções: 16:9, 4:3, 1:1, 3:4, 9:16

Ideal para:

• Designs com muito texto em vários idiomas
• Edição de várias imagens com adesão rigorosa às referências

Custo: Varia conforme as configurações selecionadas e o número de variações

API: bytedance-seedream-5-pro

Um modelo principal de alta velocidade desenvolvido para geração precisa de imagens a partir de texto e edição de fotos complexa e não destrutiva, preservando os detalhes originais.

Recursos:

• Executa de forma confiável as alterações solicitadas, mantendo a integridade da iluminação, composição e aparência do sujeito nas imagens de origem
• Compatível com tarefas de edição complexas, incluindo adicionar, remover, combinar e mesclar elementos
• Oferece resultados até 4x mais rápidos do que iterações anteriores
• Gera até 4 imagens por vez

Opções de saída:

• Proporções: 3:2, 1:1, 2:3
• Opções de qualidade: baixa, média, alta

Ideal para:

• Ajustes práticos de fotos e provas virtuais realistas de roupas ou penteados
• Transformações conceituais e filtros estilísticos que preservam a essência da imagem de entrada
• Iteração rápida de conceitos de texto para imagem

Custo: Varia conforme as configurações selecionadas e o número de variações

API: gpt-image-1.5

Modelo de imagem de primeira geração da OpenAI, com boa adesão a prompts, texto legível e edição detalhada.

Entradas de geração:

• Texto para imagem
• Referências de imagem (até 5)

Recursos:

• Três níveis de qualidade: Baixa, Média, Alta
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Proporções: 3:2, 1:1, 2:3

Ideal para:

• Fluxos de trabalho já baseados na saída do GPT Image 1
• Edições simples e tarefas de texto em imagem em resolução padrão

Custo: Varia conforme as configurações selecionadas e o número de variações

API: gpt-image-1

Um modelo de base multimodal de alto desempenho que unifica síntese de texto para imagem, edição precisa de imagens e composição complexa de várias imagens em uma única estrutura eficiente.

Recursos:

• Suporte nativo para geração rápida de imagens de alta fidelidade em resolução de até 4K
• Preservação excepcional de traços faciais, iluminação, tom de cor e detalhes finos durante tarefas de edição baseadas em referências
• Identifica e combina com precisão elementos-alvo entre várias imagens de entrada para resultados controláveis e consistentes
• Oferece recursos de composição de nível profissional, com renderização clara e precisa de textos pequenos para pôsteres e visuais de marca
• Gera até 4 imagens por vez

Opções de saída:

• Proporções: 16:9, 4:3, 1:1, 3:4, 9:16
• Resoluções: 2K, 4K

Ideal para:

• Fluxos de design gráfico profissional que exigem layout e tipografia precisos
• Edição complexa de fotos que exige adesão rigorosa à identidade e à iluminação de referência
• Composição criativa em alta resolução usando várias fontes visuais

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo de geração de imagens de alta fidelidade com recursos avançados de raciocínio, desenvolvido para excelente adesão a prompts e consistência visual precisa em composições complexas.

Recursos:

• Capacidade excepcional de interpretar e executar descrições textuais complexas e com várias camadas com alta precisão
• Usa referências de imagem para manter a identidade do sujeito, a iluminação e o estilo estético entre gerações
• Otimizado para texturas realistas, relações espaciais complexas e efeitos de iluminação de nível profissional
• Gera até 4 imagens por vez

Opções de saída:

• Proporções: Auto, 16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3, 21:9
• Resoluções: 1K, 2K

Ideal para:

• Materiais criativos profissionais que exigem adesão rigorosa a prompts de texto detalhados e técnicos
• Edição de imagens e design de personagens com alta consistência usando referências visuais

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo de geração e edição de imagens de nível de produção, desenvolvido para fluxos profissionais e que oferece qualidade visual de ponta com foco em velocidade, precisão e consistência.

Recursos:

• Use várias imagens de referência simultaneamente para alcançar consistência de personagem e identidade líder do setor em centenas de materiais
• Oferece um avanço sem precedentes na qualidade dos detalhes, aproximando-se da fotografia real, de texturas de tecido a elementos arquitetônicos
• Entrega renderização de texto pronta para produção em tipografia complexa, mockups de UI e infográficos
• Compatível com especificação precisa de cores da marca via códigos hexadecimais, sem aproximações
• Garante posicionamento preciso de objetos, física realista, iluminação coerente e perspectiva adequada em cenas complexas
• Otimizado para maior precisão e capacidade de resposta a instruções estruturadas e complexas
• Gera até 4 imagens por vez

Opções de saída:

• Proporções: 16:9, 4:3, 1:1, 3:4, 9:16
• Resoluções: 720p, 1080p, 2K

Ideal para:

• Criar campanhas com personagens consistentes e posicionar produtos com precisão em qualquer contexto
• Criar mockups de interface com texto legível e sistemas de design visual consistentes
• Gerar fotografia de produtos em escala e imagens contextuais de estilo de vida

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo profissional de geração e edição de imagens baseado em raciocínio, desenvolvido para produção de materiais em alta fidelidade, controle criativo avançado e execução precisa de instruções.

Entradas:

• Referência de imagem
• Descrição de texto (compatível com prompts complexos e em várias camadas)

Recursos:

• Planeja cenas antes de renderizá-las para oferecer iluminação fisicamente precisa, relações precisas entre objetos e excelente adesão a prompts
• Gera texto multilíngue nítido e legível em vários estilos de fonte e caligrafia para pôsteres e mockups de produtos impactantes
• Mantém alta fidelidade e semelhança para até 5 pessoas e vários objetos em diversas criações
• Integra a Pesquisa Google para aprimorar visuais com dados reais, conhecimento do mundo real e informações em tempo real, como clima ou esportes
• Ajuste ângulos de câmera, pontos focais e iluminação da cena (por exemplo, transformando o dia em noite) com ferramentas avançadas de edição localizada
• A compreensão espacial superior permite gerar infográficos precisos, diagramas técnicos e slides de apresentação
• Gera até 4 variações por vez

Opções de saída:

• Resoluções: 1K, 2K, 4K
• Proporções: Auto, 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16

Ideal para:

• Publicidade profissional, materiais de marca e fotografia de produtos de e-commerce de alto padrão
• Conteúdo educacional explicativo, infográficos orientados por dados e documentação técnica complexa
• Prototipagem rápida de designs visuais em alta resolução com identidade consistente de personagem ou marca

Custo: Varia conforme as configurações selecionadas e o número de variações

API: gemini-3-pro-image

Um modelo de alta velocidade para geração e edição rápidas de imagens de alta qualidade diretamente a partir de prompts de texto.

Recursos:

• Compatível com várias imagens de referência para orientar a geração
• Gera até 4 imagens por vez

Opções de saída:

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

Ideal para:

• Criação e iteração rápidas de imagens

Custo: Varia conforme as configurações selecionadas e o número de variações

API: gemini-2.5-flash-image

Um modelo de base avançado desenvolvido para geração de imagens de alta fidelidade, que oferece controle estilístico sem precedentes e memória visual para manter a consistência entre cenas.

Recursos:

• Fixe personagens, estilos ou objetos específicos usando imagens de entrada para manter consistência de nível profissional em vários resultados
• Otimizado para interpretar descrições complexas em linguagem natural, proporcionando controle preciso sobre detalhes visuais, iluminação e emoções
• Capaz de gerar visuais de alta qualidade para diversos casos de uso, de storyboards cinematográficos a fotografia profissional de produtos
• Gera até 4 imagens por vez

Opções de saída:

• Proporções: 16:9, 4:3, 1:1, 3:4, 9:16
• Resoluções: 720p, 1080p

Ideal para:

• Garantir que protagonistas mantenham sua aparência em diferentes ambientes e tratamentos de iluminação
• Produzir rapidamente materiais de marca em alta resolução, provas virtuais e visualizações de produtos prontas para escala
• Explorar diferentes direções artísticas enquanto preserva a identidade visual principal por meio de referências de imagem

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo otimizado de geração de imagens desenvolvido para velocidade, que entrega resultados 2,5x mais rápido que o Gen-4 Image padrão, mantendo a mesma qualidade de saída.

Recursos:

• O processamento otimizado permite exploração criativa rápida, gerando imagens de alta fidelidade em uma fração do tempo
• Envie até três imagens de referência para orientar a compreensão do modelo sobre personagens, ambientes e estilos artísticos específicos
• Resolve o desafio do desvio visual ao codificar características visuais específicas de imagens de referência para manter a identidade em várias gerações
• Aplique facilmente a estética, a iluminação e a textura de uma imagem de referência a sujeitos e cenas totalmente novos
• Use parâmetros de seed para explorar variações sistematicamente ou recriar resultados específicos com precisão
• Gera até 4 imagens por vez

Opções de saída:

• Proporções: 16:9, 4:3, 1:1, 3:4, 9:16
• Resoluções: 720p, 1080p

Ideal para:

• Produzir rapidamente, em escala, visuais otimizados para plataformas, como Stories do Instagram (9:16) ou posts padrão (1:1)
• Manter uma identidade visual rigorosa entre campanhas usando guias de estilo da marca como imagens de referência
• Desenvolver poses e cenários consistentes para personagens, garantindo que o protagonista continue reconhecível
• Criar com precisão imagens diversas de produtos em contextos de estilo de vida e diferentes estações usando orientação baseada em referência

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo de imagem especializado em gerar sequências de vários planos ou cenas com muito movimento e ação.

Recursos:

• Destaca-se na criação de imagens com física estável e transições coerentes
• Compatível com várias imagens de referência para orientar a geração
• Gera até 4 imagens por vez

Opções de saída:

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

Ideal para:

• Cenas de ação e composições dinâmicas

Custo: Varia conforme as configurações selecionadas e o número de variações

A variante de imagem do Wan 2.5, com alta fidelidade aos prompts e suporte a imagens de referência.

Entradas de geração:

• Texto para imagem
• Referências de imagem (até 2)

Recursos:

• Controles de prompt negativo e seed
• Criação em lote com até 4 gerações por vez

Opções de saída:

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

Ideal para:

• Imagens estáticas que correspondem ao visual das gerações de vídeo do Wan
• Imagens conceituais fiéis ao prompt

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo de imagem com até 10 referências de imagem e saída em 4K.

Entradas de geração:

• Texto para imagem
• Referências de imagem (até 10)

Opções de saída:

• Resoluções: 4K
• Proporções: 16 proporções

Ideal para:

• Imagens em 4K guiadas por referências

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo profissional para geração e edição avançadas de imagens, que oferece forte coerência de cena e controle de estilo.

Recursos:

• Controle de estilo baseado em imagem, que exige uma imagem de referência para orientar a estética visual
• Gera até 4 imagens por vez

Opções de saída:

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

Ideal para:

• Conteúdo profissional com requisitos de estilo precisos

Custo: Varia conforme as configurações selecionadas e o número de variações

Um modelo Transformer de difusão (DiT) de última geração, desenvolvido para renderizar avatares ultrarrealistas e reativos, guiados por áudio e texto.

Entradas de geração:

• Avatar (imagem de origem)
• Fala (arquivo de áudio)
• Descrição de texto (orientação)

Recursos:

• Vai além da sincronização labial básica, incluindo piscadas contextuais, respiração e expressões faciais naturais
• Sincroniza automaticamente os movimentos das mãos e de todo o corpo com base no tom e na inflexão da voz, para uma performance de nível profissional
• Interpreta com precisão a intensidade e o tom da voz para transmitir expressões emocionais fiéis à performance
• Mantém alta fidelidade do personagem e coerência comportamental mesmo em diálogos longos ou performances musicais
• Otimizado para várias configurações, incluindo apresentações em ângulo lateral, diálogos no estilo podcast e animações estilizadas
• Gere até 4 variações de uma vez

Opções de saída:

• Resoluções: 480p, 720p

Ideal para:

• Anúncios em vídeo profissionais com avatares e conteúdo de marketing
• Narrativas virtuais de alta fidelidade e performances musicais expressivas
• Vídeos educacionais ou de treinamento de longa duração que exigem presença consistente do personagem

Custo: varia conforme a entrada, as configurações e a duração

API: creatify-aurora

Um modelo rápido e preciso de sincronização labial de imagem para vídeo que anima uma imagem estática para corresponder ao áudio fornecido.

Entradas:

• Imagem de origem
• Arquivo de áudio de fala

Recursos:

• Anima a boca e as expressões faciais na imagem de origem para corresponder ao áudio fornecido
• Cria vídeos de pessoas “falando” com alta fidelidade a partir de imagens estáticas
• Ferramenta específica de sincronização labial, não um modelo completo de geração de vídeo

Ideal para:

• Criar avatares falantes a partir de imagens estáticas
• Adicionar diálogos a retratos de personagens
• Fluxos de trabalho profissionais de conteúdo com avatares

Custo: varia conforme a entrada, as configurações e a duração

O mais recente modelo de avatar da HeyGen para gerar vídeos de pessoas falando, altamente realistas e expressivos, a partir de uma única imagem e uma entrada de áudio.

Entradas:

• Imagem de origem
• Arquivo de áudio de fala

Recursos:

• Anima expressões faciais e movimentos labiais para corresponder ao áudio fornecido com alta fidelidade
• Produz movimentos naturais da cabeça e microexpressões sutis para resultados realistas
• Ferramenta específica de sincronização labial, não um modelo completo de geração de vídeo

Ideal para:

• Vídeos profissionais de porta-vozes e apresentadores
• Criar conteúdo personalizado com avatares em escala
• Vídeos de marketing e treinamento com presença consistente do personagem

Custo: varia conforme a entrada, as configurações e a duração

O modelo de sincronização labial para vídeo de última geração da Sync, que oferece sincronização com qualidade de estúdio em uma ampla variedade de tipos de conteúdo.

Entradas de geração:

• Vídeo de origem
• Áudio de fala

Recursos:

• Sincronização labial de alta precisão que preserva detalhes faciais únicos, dentes naturais e textura da pele
• Otimizado para todos os tipos de conteúdo, incluindo live-action, animação 3D e vídeos gerados por IA
• Ferramenta de sincronização labial de vídeo para vídeo, não um gerador de vídeo completo

Ideal para:

• Dublagem e localização profissionais para filmes e publicidade
• Aprimorar ou corrigir diálogos em qualquer formato de vídeo
• Fluxos de trabalho de tradução de conteúdo em alto volume

Custo: varia conforme a entrada, as configurações e a duração

Um modelo de edição de vídeo de última geração desenvolvido para sincronização labial com qualidade de estúdio, que preserva detalhes faciais únicos e oferece saídas em alta resolução.

Entradas de geração:

• Vídeo de origem
• Áudio de fala

Recursos:

• Incorpora aprimoramento de resolução avançado para oferecer saída em 4K e manter texturas nítidas e naturais
• Protege características faciais únicas, como dentes naturais, sardas, maquiagem e pelos faciais complexos, sem perda de clareza
• Otimizado para funcionar com todos os tipos de conteúdo, incluindo live-action, animação 3D e vídeos gerados por IA
• Oferece resultados expressivos e sincronizados imediatamente, sem exigir treinamento específico para cada locutor ou ajuste fino do modelo
• Gere até 4 variações simultaneamente

Ideal para:

• Dublagem de nível profissional e conteúdo localizado para filmes e publicidade de alto padrão
• Aprimorar ou corrigir diálogos em personagens animados em 3D e gerados por IA
• Projetos em alta resolução que exigem consistência e detalhes faciais perfeitos em nível de pixel

Custo: varia conforme a entrada, as configurações e a duração

Um modelo utilitário dedicado para gerar sincronização labial excepcionalmente realista e semelhante à humana.

Entradas:

• Imagem de origem estática
• Arquivo de áudio de fala

Recursos:

• Anima a boca na imagem de origem para corresponder ao áudio fornecido
• Cria vídeos de pessoas “falando” com alta fidelidade a partir de imagens estáticas
• Ferramenta específica de sincronização labial, não um modelo completo de geração de vídeo

Ideal para:

• Criar avatares falantes
• Adicionar diálogos a imagens estáticas
• Fluxos de trabalho profissionais de dublagem

Custo: varia conforme a entrada, as configurações e a duração

Anima uma imagem estática a partir de um trecho de fala, com saída de até 2K.

Entradas:

• Imagem de origem
• Áudio de fala (de 5 s a 14,8 s)

Recursos:

• Ferramenta específica de sincronização labial, não um modelo completo de geração de vídeo

Ideal para:

• Retratos falantes a partir de uma imagem estática e um trecho curto de áudio

Custo: varia conforme a entrada, as configurações e a duração

Um modelo utilitário rápido, acessível e preciso para aplicar sincronização labial realista a vídeos.

Entradas:

• Vídeo de origem
• Novo arquivo de áudio de fala

Recursos:

• Reanima os movimentos da boca no vídeo de origem para corresponder ao novo áudio
• Ferramenta de sincronização labial de vídeo para vídeo, não um gerador de vídeo completo

Ideal para:

• Dublagem em alto volume e com bom custo-benefício
• Traduzir conteúdo
• Corrigir o áudio em clipes de vídeo com resultados realistas

Custo: varia conforme a entrada, as configurações e a duração

A versão sucessora de maior qualidade do Veed Lipsync para aplicar sincronização labial realista a vídeos existentes.

Entradas:

• Vídeo de origem
• Novo arquivo de áudio de fala

Recursos:

• Reanima os movimentos da boca no vídeo de origem para corresponder ao novo áudio
• Ferramenta de sincronização labial de vídeo para vídeo, não um gerador de vídeo completo
• Criação em lote com até 4 gerações de uma vez

Ideal para:

• Dublagem e tradução em que a qualidade da saída é mais importante que o custo
• Corrigir diálogos em clipes finalizados

Custo: varia conforme a entrada, as configurações e a duração

Aumenta a resolução de uma imagem preservando os detalhes.

Entradas:

• Imagem de origem

Recursos:

• Fatores de ampliação: 1.25x, 1.5x, 2x, 3x, 4x

Ideal para:

• Preparar imagens para telas de alta resolução

Custo: varia conforme a entrada

Aumenta a resolução de um vídeo preservando os detalhes.

Entradas:

• Vídeo de origem

Recursos:

• Fatores de ampliação: 1.25x, 1.5x, 2x, 3x, 4x
• Modos de processamento rápido e preciso
• Conversão opcional de taxa de quadros para 24, 25, 30, 48, 50 ou 60 fps

Ideal para:

• Preparar vídeos para telas de alta resolução

Custo: varia conforme a entrada

Remove o fundo de uma imagem e a retorna com transparência alfa.

Entradas:

• Imagem de origem

Recursos:

• Não requer prompt
• Uma única saída por execução

Ideal para:

• Recortes de produtos e composição
• Preparar objetos para uso como referências em outras gerações

Custo: varia conforme a entrada

Remove o fundo de um vídeo.

Entradas:

• Vídeo de origem

Recursos:

• Não requer prompt
• O fundo de saída pode ser transparente, preto ou verde

Ideal para:

• Recortar um objeto de gravações existentes
• Preparar vídeos para composição

Custo: varia conforme a entrada

Converte vídeo em faixa dinâmica padrão para HDR.

Entradas:

• Vídeo de origem (até 30 s)

Recursos:

• Não requer prompt
• Uma única saída por execução; a duração e o enquadramento seguem a origem

Ideal para:

• Preparar gravações para telas HDR
• Reajustar as cores de vídeos gerados para entrega

Custo: varia conforme a duração do vídeo