> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Obrazy i wideo ## Omówienie Obrazy i wideo pozwalają tworzyć wysokiej jakości materiały wizualne z prostych opisów tekstowych lub obrazów referencyjnych. Generuj statyczne obrazy lub dynamiczne wideo w dowolnym stylu, a potem dopracowuj je kolejnymi promptami, zwiększaj rozdzielczość i dodawaj synchronizację ruchu ust z audio. Gotowe materiały możesz eksportować jako osobne pliki lub importować bezpośrednio do projektów ElevenCreative Studio. > **Warning** > > Niektóre modele Obrazy i wideo oraz funkcje przesyłania materiałów są ograniczone w Stanach Zjednoczonych > ze względu na wymogi prawne lub dostawców. Sprawdź opisy poszczególnych modeli, aby poznać ich > dostępność. > **Info** > > Użytkownicy planu darmowego mogą generować tylko obrazy i są ograniczeni do trzech próśb o obraz dziennie. Generowanie > wideo wymaga płatnego planu. ## Przewodnik Wykonaj te kroki, aby utworzyć pierwszy materiał wizualny: ### Wybierz tryb Użyj przełącznika w prawym górnym rogu pola promptu, aby wybrać generowanie **Obrazu** lub **Wideo**. ### Podaj prompt lub materiał referencyjny Opisz oczekiwany wynik językiem naturalnym w polu promptu. Aby mieć większą kontrolę, przeciągnij istniejące obrazy lub wideo z kart **Explore** albo **History** do pól referencyjnych lub prześlij własne obrazy referencyjne w wielu formatach, w tym JPG, PNG, WEBP i innych. ### Wybierz model i ustawienia Wybierz model generatywny najlepiej pasujący do celu (np. Google Veo 3.1, Kling 2.5, Flux 1 Kontext Pro). Szczegółowe informacje o każdym modelu znajdziesz w sekcji [Modele](#models). Dostosuj ustawienia, takie jak proporcje obrazu, rozdzielczość, czas trwania (dla wideo) i liczbę generowanych wariantów. ### Wygeneruj materiał Kliknij przycisk **[Generate](/docs/pl/eleven-creative/playground/image-video#generate-1)**. Twoje materiały zostaną utworzone i wyświetlone na karcie **[History](/docs/pl/eleven-creative/playground/image-video#history-1)** do sprawdzenia. ### Ulepsz i dopracuj Użyj narzędzi ulepszania, aby dopracować materiały. **Upscale** zwiększa rozdzielczość, **LipSync** dodaje realistyczną synchronizację ruchu ust z audio, a **Recreate** generuje nowy wariant z tymi samymi ustawieniami. ### Udostępnij innym Kliknij przycisk **Share**, aby utworzyć unikalny link do swojego materiału. Wyślij go członkom zespołu i współpracownikom, aby zebrać opinie. ### Eksportuj materiał Pobierz materiał jako osobny plik lub zaimportuj go bezpośrednio do projektu ElevenCreative Studio. ## Workflow Proces tworzenia prowadzi od inspiracji do gotowego materiału w czterech etapach: ### [Explore](/docs/pl/eleven-creative/playground/image-video#explore-1) Odkrywaj materiały społeczności, aby znaleźć inspirację, analizować skuteczne prompty lub przenosić materiały referencyjne bezpośrednio do własnej pracy. ### [Generate](/docs/pl/eleven-creative/playground/image-video#generate-1) Użyj pola promptu, aby opisać, co chcesz stworzyć, wybierz model, dopracuj ustawienia i zrealizuj swój pomysł. ### [History](/docs/pl/eleven-creative/playground/image-video#history-1) Przeglądaj generacje na karcie History, aby je rozwijać i ulepszać. Twórz warianty ponownie, wykorzystuj prompty i stosuj ulepszenia, takie jak zwiększanie rozdzielczości czy synchronizacja ruchu ust. ### [Export](/docs/pl/eleven-creative/playground/image-video#export-1) Pobieraj gotowe materiały w różnych formatach lub wysyłaj je bezpośrednio do ElevenCreative Studio, aby użyć ich w projektach. ## Explore Karta **Explore** wyświetla galerię materiałów społeczności, w której możesz szukać inspiracji i materiałów wizualnych do użycia jako referencje. **Szukaj:** Użyj paska wyszukiwania, aby znajdować obrazy i wideo na podstawie słów kluczowych. **Sortuj:** Przełączaj między **Trending** i **Newest**, aby zobaczyć popularne lub niedawno dodane materiały. **Przeciągnij i upuść:** Przeciągnij dowolny wynik z siatki bezpośrednio do pola promptu, aby użyć go jako klatki początkowej, końcowej lub referencji stylu. **Podgląd szczegółów:** Kliknij dowolny kafelek, aby zobaczyć pełny prompt i ustawienia użyte do jego utworzenia. ## Generate ![Interfejs promptu wideo](/docs/_fern-img/f25b7fd594fb471980501063a9554513c4d22a2b3f8d526537054a0797780b8f.webp) Pole promptu jest zakotwiczone na dole strony i zawiera wszystkie elementy sterujące do tworzenia materiałów wizualnych. ### Ustaw tryb i prompt **Wybierz tryb:** Użyj przełącznika w prawym górnym rogu, aby zmieniać generowanie między **Obrazem** a **Wideo**. **Napisz prompt:** W głównym polu opisz językiem naturalnym, co chcesz wygenerować. Aby uzyskać najlepsze wyniki, pisz jasno i szczegółowo. ### Wybierz modele i ustawienia ![Wybór modeli wideo](/docs/_fern-img/422c8078ccb97a8b5f98e521f1c230d3efbad34a128e5905a457e2ed0deeebce.webp) **Wybierz model:** Otwórz menu modeli, aby przejrzeć dostępne opcje, takie jak Google Veo 3.1, Kling 2.5 lub Flux 1 Kontext Pro. Każdy model ma unikalne mocne strony i możliwości, które ułatwiają porównanie. Szczegółowe informacje znajdziesz w sekcji [Modele](#models). **Dostosuj ustawienia:** Dopracuj generowanie za pomocą ustawień pod promptem. Różnią się one zależnie od modelu, ale często obejmują: * **Proporcje obrazu**: Kontroluj wymiary wyniku * **Rozdzielczość**: Ustaw poziom jakości * **Czas trwania**: Określ długość wideo (w trybie wideo) * **Liczba generacji**: Utwórz do 4 wariantów naraz **Użyj ustawień:** W obsługiwanych modelach włącz **Audio**, dodaj **Negative Prompt**, aby wykluczyć niepożądane elementy, lub dostosuj **Sound Control**. ### Dodaj materiały referencyjne ![Interfejs referencji wideo](/docs/_fern-img/e6591dc845bfa071c81202736d8748827ab8110f0fe76c985cab83b9adcb51ec.webp) Aby lepiej kontrolować wynik, dodaj referencje wizualne kierujące generowaniem. Ich dostępność zależy od wybranego modelu. Obsługujemy wiele formatów obrazów, w tym JPG, PNG, WEBP i inne. **Klatka początkowa (wideo):** Ustawia pierwszy obraz wideo. **Klatka końcowa (wideo):** Ustawia ostatni obraz i wpływa na przejście. **Referencje obrazów (obraz lub wideo):** Dodaj jeden lub więcej obrazów, aby określić ogólny styl i wygląd. > **Tip** > > Przeciągaj elementy bezpośrednio z kart **Explore** lub **History** do pól referencyjnych, aby przyspieszyć > workflow. ### Generuj Przed generowaniem wskaźnik kosztu pokazuje łączny koszt wybranej liczby materiałów. Gdy wszystko jest gotowe, kliknij **Generate**. Nowe materiały pojawią się na karcie **History**. ## History ![Interfejs historii wideo](/docs/_fern-img/c5da61f1025001d12e41e2113a43da63903ea5ae29748085624eb5422b8c2473.webp) Karta **History** zawiera chronologiczny zapis wszystkich generacji i jest przestrzenią do dopracowywania wcześniejszych prac. **Przeglądaj:** Zobacz wszystkie wcześniejsze obrazy i wideo. **Sprawdź:** Kliknij dowolny materiał, aby zobaczyć oryginalny prompt, model i ustawienia użyte do jego utworzenia. **Wykorzystaj ponownie:** Przeciągnij elementy z History z powrotem do pola promptu, aby użyć ich jako referencji przy nowych generacjach. **Dopracuj:** Kliknij **Recreate**, aby ponownie użyć tego samego promptu i ustawień do utworzenia nowego wariantu, lub zmień ustawienia, aby nadać generowaniu nowy kierunek. **Udostępnij:** Kliknij **Share**, aby utworzyć unikalny link do materiału. Wyślij go członkom zespołu i współpracownikom po opinię. **Eksportuj:** Pobierz materiał jako osobny plik lub kliknij **Edit in Studio**, aby zaimportować go bezpośrednio do ElevenCreative Studio. ## Eksport Gdy masz generację, z której jesteś zadowolony, użyj wbudowanych narzędzi ulepszających przed eksportem. ### Ulepszanie materiałów **Upscale:** Użyj **Topaz Upscale**, aby zwiększyć rozdzielczość maksymalnie 4 razy, zachowując ostre detale. **LipSync:** Dodaj realistyczną synchronizację ruchu ust do materiałów wizualnych: * **Omnihuman 1.5**: Animuj statyczny obraz za pomocą ścieżki audio * **Veed LipSync**: Zdubbinguj istniejące wideo nowym audio ### Eksportowanie materiałów ![Interfejs eksportu wideo](/docs/_fern-img/ec37123477c4568ad486fea312925a9a12e11a1bf7f252750db0b91f6d85b822.webp) Eksportuj gotowe materiały, pobierając je lokalnie lub wysyłając bezpośrednio do ElevenCreative Studio. **Edit in Studio:** Zaimportuj materiał bezpośrednio do projektu ElevenCreative Studio. **Download:** Zapisz materiał na urządzeniu. ## Obsługiwane formaty pobierania **Wideo:** * **MP4**: Kodeki H.264, H.265. Jakość do 4K (z upscalingiem) **Obraz:** * **PNG**: Wynik w wysokiej rozdzielczości, bez strat ## Modele Image & Video zapewnia dostęp do wyspecjalizowanych modeli zoptymalizowanych pod różne zastosowania. Każdy model oferuje inne możliwości — od szybkich iteracji po jakość gotową do produkcji. Modele postprocessingu wymagają istniejącego wygenerowanego materiału, ale możesz też przesłać własny plik obrazu lub wideo. > **Info** > > Administratorzy przestrzeni roboczych Enterprise mogą kontrolować, które modele generowania obrazów i wideo są dostępne dla > członków przestrzeni roboczej. Domyślnie wszystkie modele są wyłączone w przestrzeniach roboczych Enterprise i muszą zostać > ręcznie włączone przez administratorów. Dowiedz się więcej o [zatwierdzaniu modeli](/docs/pl/overview/administration/workspaces/model-approvals). > **Warning** > > W przypadku żądań API modele ByteDance są domyślnie wyłączone i wymagają wyraźnej zgody przed > użyciem. Klienci Enterprise mogą skontaktować się z pomocą, aby poprosić o dostęp. > **Note** > > Możesz przełączać ustawienia, by dostosować zużycie kredytów. #### Modele generowania wideo #### Seedance 2.0 Uniwersalny multimodalny model wideo ze wspólnym generowaniem audio i wideo, oferujący kontrolę na poziomie reżysera nad grą, oświetleniem, cieniem i ruchem kamery, aby uzyskać ultrarealistyczne, filmowe efekty. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencje obrazów * Referencje wideo * Referencje audio **Funkcje:** * Ujednolicona architektura multimodalna, która generuje zsynchronizowane audio i wideo w jednym przebiegu * Wiodące w branży możliwości pracy z referencjami multimodalnymi i edycji, z jednoczesną obsługą tekstu, obrazu, audio i wideo * Wyjątkowa stabilność ruchu z realizmem filmowej jakości zgodnym ze standardami branżowymi * Kreatywna kontrola na poziomie reżysera nad grą, oświetleniem, cieniem i ruchem kamery * Elastyczna długość generowania od 4 s do 15 s * Natywna kontrola dźwięku z możliwością włączenia lub wyłączenia audio dla każdego generowania * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p, 1080p * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Filmowych historii wymagających zsynchronizowanego audio i obrazu * Treści opartych na referencjach, z wiernym odwzorowaniem źródłowych obrazów, wideo lub audio * Profesjonalnych produkcji wymagających precyzyjnej kontroli nad oświetleniem i pracą kamery **Koszt:** zależy od wybranych ustawień i czasu trwania **API:** [`bytedance-seedance-v2`](/docs/pl/api-reference/flows/video/create#request.body.bytedance-seedance-v2) #### Seedance 2.0 Fast Szybszy i tańszy wariant Seedance 2.0 z tymi samymi multimodalnymi danymi referencyjnymi, ograniczony do wyjścia 720p. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencje obrazów (do 9) * Referencje wideo (do 3, łącznie 15 s) * Referencje audio (do 3, łącznie 15 s) **Funkcje:** * Taka sama obsługa referencji jak w Seedance 2.0, z łącznym limitem 12 referencji na generowanie * Klatki i referencje wzajemnie się wykluczają: użyj klatki początkowej lub końcowej albo referencji, nie obu naraz * Elastyczna długość generowania od 4 s do 15 s * Natywna kontrola dźwięku z możliwością włączenia lub wyłączenia audio dla każdego generowania * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Dopracowywania promptów Seedance 2.0 przed renderowaniem w pełnej rozdzielczości * Klipów opartych na referencjach, dla których wyjście 720p jest wystarczające **Koszt:** zależy od wybranych ustawień i czasu trwania **API:** [`bytedance-seedance-v2-fast`](/docs/pl/api-reference/flows/video/create#request.body.bytedance-seedance-v2-fast) > **Warning** > > Seedance 2.0 Fast nie jest dostępny w Stanach Zjednoczonych. #### Seedance 2.0 Mini Najmniejszy wariant Seedance 2.0: około dwa razy szybszy od Seedance 2.0 i kosztujący mniej więcej połowę, z tymi samymi danymi wejściowymi i wyjściem 720p. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencje obrazów (do 9) * Referencje wideo (do 3, łącznie 15 s) * Referencje audio (do 3, łącznie 15 s) **Funkcje:** * Taka sama obsługa referencji jak w Seedance 2.0, z łącznym limitem 12 referencji na generowanie * Klatki i referencje wzajemnie się wykluczają: użyj klatki początkowej lub końcowej albo referencji, nie obu naraz * Elastyczna długość generowania od 4 s do 15 s * Natywna kontrola dźwięku z możliwością włączenia lub wyłączenia audio dla każdego generowania * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Szkiców i podglądów tworzonych na dużą skalę * Workflowów wrażliwych na koszty, które nadal potrzebują audio i danych referencyjnych **Koszt:** zależy od wybranych ustawień i czasu trwania **API:** [`bytedance-seedance-v2-mini`](/docs/pl/api-reference/flows/video/create#request.body.bytedance-seedance-v2-mini) > **Warning** > > Seedance 2.0 Mini nie jest dostępny w Stanach Zjednoczonych. #### Seedance 2.5 Następca Seedance 2.0 z bardziej wyrazistym realizmem, do 50 łącznymi referencjami obrazów, wideo i audio oraz generowaniem do 30 sekund. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencje obrazów (do 30) * Referencje wideo (do 10, łącznie 30 s) * Referencje audio (do 10, łącznie 30 s) **Funkcje:** * Brak łącznego limitu między typami referencji; referencje zawierające tylko audio są akceptowane bez obrazu lub wideo * Klatki i referencje wzajemnie się wykluczają * Elastyczna długość generowania od 4 s do 30 s * Proporcje obrazu są pobierane z klatki początkowej lub referencyjnego wideo, jeśli je podano * Natywna kontrola dźwięku z możliwością włączenia lub wyłączenia audio dla każdego generowania * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Dłuższych klipów, które muszą zachować spójność z wieloma referencjami * Scen dialogowych i aktorskich opartych na referencyjnym audio **Koszt:** zależy od wybranych ustawień i czasu trwania **API:** [`bytedance-seedance-v2.5`](/docs/pl/api-reference/flows/video/create#request.body.bytedance-seedance-v2.5) > **Note** > > Seedance 2.5 nie udostępnia kontroli seed. #### Seedance 2.5 Video Edit Edytuje istniejące wideo na podstawie opisu zmian. Długość wyjścia i proporcje obrazu są zgodne z wejściowym wideo. **Dane wejściowe generowania:** * Wideo do edycji (wymagane, do 30 s) * Prompt tekstowy opisujący edycję * Referencje obrazów (do 30) * Dodatkowe referencje wideo (do 10, łącznie 30 s) * Referencje audio (do 10, łącznie 30 s) **Funkcje:** * Brak kontroli czasu trwania: wyjście ma długość wejściowego wideo * Proporcje obrazu są pobierane z wejściowego wideo * Natywna kontrola dźwięku z możliwością włączenia lub wyłączenia audio dla każdego generowania * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p **Idealny do:** * Zmiany ubioru, rekwizytów, oświetlenia lub otoczenia w istniejącym materiale * Transferu stylu z zachowaniem oryginalnego ruchu **Koszt:** zależy od wybranych ustawień i czasu trwania #### Seedance 2.5 Video Extend Kontynuuje istniejące wideo od miejsca, w którym się kończy, zgodnie z promptem i opcjonalnymi referencjami. **Dane wejściowe generowania:** * Wideo do rozszerzenia (wymagane, do 30 s) * Prompt tekstowy opisujący kontynuację * Referencje obrazów (do 30) * Dodatkowe referencje wideo (do 10, łącznie 30 s) * Referencje audio (do 10, łącznie 30 s) **Funkcje:** * Długość rozszerzenia od 4 s do 30 s * Proporcje obrazu są pobierane z wejściowego wideo * Natywna kontrola dźwięku z możliwością włączenia lub wyłączenia audio dla każdego generowania * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p **Idealny do:** * Wydłużania ujęcia, które kończy się zbyt wcześnie * Łączenia kilku generowań w dłuższą sekwencję **Koszt:** zależy od wybranych ustawień i czasu trwania #### Kling 3.0 Zaawansowany model wideo działający jak reżyser AI, zachowujący wysoką spójność postaci, obiektów i scen podczas złożonych ruchów kamery. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa **Funkcje:** * Wierne zachowanie postaci i scen dzięki referencjom obrazów lub wideo z wielu ujęć * Natywne wspólne generowanie audio i obrazu z wielojęzycznym synchronizowaniem ruchu ust oraz dźwiękiem otoczenia * Elastyczna długość generowania od 3 s do 15 s * Generowanie do 4 wariantów jednocześnie * Lepsza obsługa tekstu, dynamiki płynów i złożonych interakcji fizycznych **Opcje wyjściowe:** * Rozdzielczości: tylko 1080p * Proporcje obrazu: 16:9, 1:1, 9:16 **Idealny do:** * Historii opartych na postaciach, wymagających ciągłości wizualnej * Reklam i materiałów wymagających precyzyjnego renderowania tekstu **Koszt:** zależy od wybranych ustawień i czasu trwania > **Note** > > Obsługuje negatywne prompty, które dają precyzyjną kontrolę. Dźwięk można włączać lub wyłączać dla każdego generowania. > **Warning** > > Kling 3.0 nie jest dostępny w Stanach Zjednoczonych. #### Kling O3 Model wideo o wysokiej spójności, działający jak reżyser AI i zachowujący tożsamość postaci, obiektów oraz scen podczas złożonych ruchów kamery. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencja wideo * Referencja obrazu **Funkcje:** * Zachowuje precyzyjną tożsamość wizualną głównych postaci i obiektów dzięki referencjom z wielu ujęć * Obsługuje płynne generowanie o długości od 3 s do 15 s * Generowanie do 4 wariantów jednocześnie * Dokładne modelowanie interakcji elementów i spójności ruchu * Natywna obsługa włączonego lub wyłączonego audio dla każdego generowania **Opcje wyjściowe:** * Rozdzielczości: tylko 1080p * Proporcje obrazu: 16:9, 1:1, 9:16 **Idealny do:** * Historii opartych na postaciach, wymagających ścisłej ciągłości wizualnej * Profesjonalnych materiałów marketingowych i brandowych ze spójnym renderowaniem obiektów **Koszt:** zależy od wybranych ustawień i czasu trwania > **Warning** > > Kling O3 nie jest dostępny w Stanach Zjednoczonych. #### Kling O3 Edit Model do edycji wideo na wideo oparty na języku naturalnym i architekturze O3, umożliwiający złożone transformacje wizualne — takie jak zamiana postaci i otoczenia — bez ręcznego maskowania lub dopasowywania klatka po klatce. **Dane wejściowe generowania:** * Wideo źródłowe * Referencje obrazów (do 4 odrębnych elementów/kątów) * Opis tekstowy (instrukcje w języku naturalnym) **Funkcje:** * Interpretuje konwersacyjne prompty, aby zmieniać obiekty lub otoczenie z zachowaniem oryginalnej struktury ruchu * Zachowuje oryginalne kąty kamery, wzorce ruchu i relacje przestrzenne przez całą edycję * Łączy do 4 elementów łącznie (w tym obrazy frontalne i z wielu ujęć), aby zapewnić wysoką spójność postaci * Opcja zachowania oryginalnego audio źródłowego lub generowania cichego wyjścia dla każdego generowania * Generowanie do 4 edytowanych wariantów jednocześnie **Opcje wyjściowe:** * Rozdzielczości: zależne od wideo źródłowego * Proporcje obrazu: zgodne z wideo źródłowym **Idealny do:** * Wiernej zamiany postaci w istniejącym materiale z zachowaniem oryginalnych ruchów * Pełnej transformacji otoczenia sceny (np. zmiany miasta za dnia w futurystyczny nocny krajobraz) * Stosowania transferu stylu wymagającego ścisłego zachowania istniejącej dynamiki kamery **Koszt:** zależy od długości wideo i wybranych ustawień > **Warning** > > Kling O3 Edit nie jest dostępny w Stanach Zjednoczonych. #### Google Veo 3.1 Profesjonalny model do generowania wysokiej jakości filmowego wideo. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencje obrazów **Funkcje:** * Doskonała jakość i kreatywna kontrola dzięki negatywnym promptom * W pełni zintegrowane i zsynchronizowane audio * Realistyczne dialogi, synchronizacja ruchu ust i efekty dźwiękowe * Stałe długości: 4 s, 6 s i 8 s * Tworzenie wsadowe do 4 generowań jednocześnie * Osobna kontrola dźwięku **Opcje wyjściowe:** * Rozdzielczości: 720p, 1080p * Proporcje obrazu: 16:9, 9:16 **Idealny do:** * Generowania wysokiej jakości filmowego wideo z pełną kontrolą kreatywną **Koszt:** zależy od wybranych ustawień i czasu trwania **API:** [`veo-3.1-generate-001`](/docs/pl/api-reference/flows/video/create#request.body.veo-3.1-generate-001) > **Note** > > Włączenie lub wyłączenie dźwięku zmieni liczbę kredytów za generowanie. #### Google Veo 3.1 Fast Szybki model zoptymalizowany pod szybkie podglądy i generowanie, zapewniający ostrzejszy obraz przy mniejszych opóźnieniach. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa **Funkcje:** * Zaawansowana kontrola kreatywna z negatywnymi promptami i osobną kontrolą dźwięku * Stałe długości: 4 s, 6 s i 8 s * Tworzenie wsadowe do 4 generowań jednocześnie * Precyzyjnie modeluje fizykę świata rzeczywistego, zapewniając realistyczny ruch i interakcje **Opcje wyjściowe:** * Rozdzielczości: 720p, 1080p * Proporcje obrazu: 16:9, 9:16 **Idealny do:** * Szybkich iteracji i testów A/B materiałów wizualnych * Szybkiego tworzenia treści do mediów społecznościowych **Koszt:** zależy od wybranych ustawień i czasu trwania **API:** [`veo-3.1-fast-generate-001`](/docs/pl/api-reference/flows/video/create#request.body.veo-3.1-fast-generate-001) #### Google Veo 3.1 Lite Ekonomiczny, szybki wariant Veo 3.1 zoptymalizowany pod szybkie generowanie przy mniejszym zużyciu zasobów obliczeniowych. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa **Funkcje:** * Precyzyjna kontrola kreatywna z negatywnymi promptami i osobną kontrolą dźwięku * Stałe długości: 4 s, 6 s i 8 s * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 720p * Proporcje obrazu: 16:9, 9:16 **Idealny do:** * Tworzenia dużej liczby treści, gdy priorytetem są szybkość i niskie koszty * Szybkiego testowania koncepcji i podglądów **Koszt:** zależy od wybranych ustawień i czasu trwania #### Gemini Omni Flash 1.1 Model wideo Google uwzględniający fizykę, z natywnym audio, wyjściem do 4K oraz interpolacją klatek i generowaniem kierowanym referencjami. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencje obrazów (do 10) * Referencje wideo (do 3, każda do 10 s) **Funkcje:** * Klatki i referencje wzajemnie się wykluczają: interpoluj między klatkami lub kieruj generowaniem za pomocą referencji * Stałe długości od 3 s do 10 s; czas trwania jest zgodny z referencyjnym wideo, gdy je dołączysz * Dobre renderowanie krótkiego tekstu i etykiet na ekranie * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 360p, 720p, 1080p, 4K * Proporcje obrazu: 16:9, 9:16 **Idealny do:** * Materiałów wyjaśniających i typografii kinetycznej z czytelnym tekstem * Ruchu opartego na fizyce ze spójnymi obiektami między referencjami **Koszt:** zależy od wybranych ustawień i czasu trwania #### Gemini Omni Flash 1.1 Extend Kontynuuje istniejące wideo od miejsca, w którym się kończy, za pomocą Gemini Omni Flash 1.1, do łącznej długości 40 sekund. **Dane wejściowe generowania:** * Wideo do rozszerzenia (wymagane, do 30 s) * Prompt tekstowy opisujący kontynuację **Funkcje:** * Długość rozszerzenia od 3 s do 10 s * Proporcje obrazu są zgodne z wejściowym wideo * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 360p, 720p, 1080p, 4K **Idealny do:** * Wydłużania generowań Gemini Omni Flash bez widocznego cięcia * Tworzenia sekwencji dłuższych, niż pozwala pojedyncze generowanie **Koszt:** zależy od wybranych ustawień i czasu trwania #### Gemini Omni Flash Pierwszy model wideo Gemini Omni: ruch uwzględniający fizykę, natywne audio i najlepsze renderowanie tekstu na ekranie spośród dostępnych modeli wideo, w 720p. **Dane wejściowe generowania:** * Tekst na wideo * Referencje obrazów (do 8) * Referencja wideo (1, do 10 s) **Funkcje:** * Stałe długości od 3 s do 10 s; czas trwania jest zgodny z referencyjnym wideo, gdy je dołączysz * Brak klatki początkowej ani końcowej; zamiast tego użyj referencji obrazów, aby zakotwiczyć obiekt * Tworzenie wsadowe do 4 generowań jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 720p * Proporcje obrazu: 16:9, 9:16 **Idealny do:** * Krótkich podpisów, tytułów i materiałów wyjaśniających z etykietami * Spójności wielu obrazów w 720p **Koszt:** zależy od wybranych ustawień i czasu trwania #### Seedance 1.5 Pro Ulepszony, wyspecjalizowany model do tworzenia dynamicznych sekwencji o wysokiej jakości, z lepszą stabilnością czasową i precyzyjną kontrolą przejść między klatkami kluczowymi. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa **Funkcje:** * Płynnie łączy klatkę początkową i końcową w spójne sekwencje z wieloma ujęciami * Wysokiej jakości modelowanie złożonych działań i spójności otoczenia * Obsługuje stałe długości generowania od 4 s do 12 s * Generuj do 4 wariantów naraz * Natywna obsługa włączania lub wyłączania dźwięku dla każdego generowania **Opcje wyjściowe:** * Rozdzielczości: 420p, 720p * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Opowiadania historii i scen akcji wymagających stabilnej fizyki między konkretnymi punktami wizualnymi * Filmowych przejść i profesjonalnych materiałów wideo z określonymi wymaganiami dotyczącymi początku i końca **Koszt:** Zależy od wybranych ustawień i długości > **Warning** > > Seedance 1.5 Pro został wycofany. ByteDance wycofa model 11 listopada 2026 r. i nie jest on > już dostępny dla nowych generowań. Zamiast niego użyj modelu Seedance 2.0. Seedance 1.5 Pro nie jest > dostępny w Stanach Zjednoczonych. #### FLUX 3 Model wideo Black Forest Labs z naturalnym ruchem, scenami z wieloma ujęciami, generowanym dźwiękiem i rozszerzaniem wideo. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Wideo do rozszerzenia (1, do 15 s) **Funkcje:** * Rozszerzanie wideo wyklucza użycie klatek początkowej i końcowej * Elastyczne długości generowania od 5 s do 20 s * Natywna kontrola dźwięku z możliwością włączenia lub wyłączenia dźwięku dla każdego generowania * Tworzenie wsadowe: do 4 generowań naraz **Opcje wyjściowe:** * Rozdzielczości: 720p, 1080p * Proporcje obrazu: 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Scen z wieloma ujęciami na podstawie jednego promptu * Rozszerzania istniejącego klipu z dopasowanym ruchem i dźwiękiem **Koszt:** Zależy od wybranych ustawień i długości #### FLUX 3 Edit Edytuje istniejące wideo na podstawie promptu tekstowego. Długość i kadrowanie wyniku są zgodne z wideo źródłowym, do 15 s. **Dane wejściowe generowania:** * Wideo do edycji (wymagane, do 15 s) * Prompt tekstowy opisujący zmiany **Opcje wyjściowe:** * Rozdzielczość i proporcje obrazu są zgodne z wideo źródłowym **Idealny do:** * Zmian istniejącego materiału na podstawie promptu **Koszt:** Zależy od wybranych ustawień i długości #### MiniMax H3 Flagowy model wideo MiniMax z multimodalnymi materiałami referencyjnymi, generowanym dźwiękiem i wynikiem do 4K. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Materiały referencyjne w postaci obrazów (do 9) * Materiały referencyjne w postaci wideo (do 3, każdy od 2 s do 15 s, łącznie 15 s) * Materiały referencyjne audio (do 3, każdy od 2 s do 15 s, łącznie 15 s) **Funkcje:** * Łączny limit to 12 materiałów referencyjnych na generowanie; materiały audio wymagają co najmniej jednego obrazu lub wideo referencyjnego * Klatki i materiały referencyjne wzajemnie się wykluczają * Elastyczne długości generowania od 5 s do 15 s * Generuje zsynchronizowany dźwięk * Tworzenie wsadowe: do 4 generowań naraz **Opcje wyjściowe:** * Rozdzielczości: 480p, 768p, 2K, 4K (2K i 4K są skalowane w górę z 768p) * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Scen opartych na materiałach referencyjnych, wymagających wysokiej rozdzielczości * Klipów dialogowych opartych na referencyjnym audio **Koszt:** Zależy od wybranych ustawień i długości > **Warning** > > MiniMax H3 nie jest dostępny w Stanach Zjednoczonych. #### MiniMax H3 Max Niemal natychmiastowy wariant MiniMax H3 z tymi samymi danymi wejściowymi i dobrą estetyką, renderowany natywnie w rozdzielczości do 768p. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Materiały referencyjne w postaci obrazów (do 9) * Materiały referencyjne w postaci wideo (do 3, każdy od 2 s do 15 s, łącznie 15 s) * Materiały referencyjne audio (do 3, każdy od 2 s do 15 s, łącznie 15 s) **Funkcje:** * Łączny limit to 12 materiałów referencyjnych na generowanie; materiały audio wymagają co najmniej jednego obrazu lub wideo referencyjnego * Klatki i materiały referencyjne wzajemnie się wykluczają * Elastyczne długości generowania od 5 s do 15 s * Generuje zsynchronizowany dźwięk * Tworzenie wsadowe: do 4 generowań naraz **Opcje wyjściowe:** * Rozdzielczości: 480p, 768p * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Szybkiego iterowania promptów i materiałów referencyjnych * Podglądów przed renderowaniem w MiniMax H3 **Koszt:** Zależy od wybranych ustawień i długości > **Warning** > > MiniMax H3 Max nie jest dostępny w Stanach Zjednoczonych. #### MiniMax H3 Max Recast Zmienia osoby w źródłowym wideo na podstawie od 1 do 4 zdjęć. Długość jest zgodna ze źródłem, do 30 s, a oryginalny dźwięk zostaje zachowany. **Dane wejściowe generowania:** * Wideo źródłowe (do 30 s) * Zdjęcia osób do zastąpienia (od 1 do 4) **Funkcje:** * Długość wyniku jest zgodna z wideo źródłowym * Zachowuje dźwięk źródłowy **Opcje wyjściowe:** * Rozdzielczości: do 1080p * Proporcje obrazu są zgodne z wideo źródłowym **Idealny do:** * Zastępowania osób w istniejącym materiale postaciami ze zdjęć referencyjnych **Koszt:** Zależy od wybranych ustawień i długości #### Kling O1 Zaawansowany model wideo z rozumowaniem, stworzony z myślą o doskonałej zgodności z promptem i złożonej symulacji świata fizycznego. Wykorzystuje zaawansowane przetwarzanie logiczne do interpretowania i wykonywania złożonych instrukcji. **Dane wejściowe generowania:** * Tekst na wideo (opis) * Klatka początkowa i klatka końcowa * Wideo referencyjne * Obraz referencyjny **Funkcje:** * Wyjątkowo dobrze interpretuje wielowarstwowe prompty i wykonuje złożone działania w kolejności chronologicznej * Wykorzystuje obrazy i wideo jako wizualne punkty odniesienia, aby zachować wysoką spójność postaci i scen * Doskonałe modelowanie interakcji fizycznych, związków przyczynowo-skutkowych i dynamiki płynów * Obsługuje generowanie wysokiej jakości klipów 5 s i 10 s * Generuj do 4 wariantów naraz **Opcje wyjściowe:** * Rozdzielczości: zależne od danych wejściowych * Proporcje obrazu: 16:9, 1:1, 9:16 **Idealny do:** * Bardzo konkretnych koncepcji kreatywnych wymagających ścisłej zgodności z długimi, szczegółowymi opisami * Profesjonalnego storytellingu, gdzie kluczowe są realizm fizyczny i spójność wielu materiałów referencyjnych **Koszt:** Zależy od wybranych ustawień i długości > **Warning** > > Kling O1 nie jest dostępny w Stanach Zjednoczonych. #### Kling O1 Edit Model do edycji wideo na wideo sterowany językiem naturalnym, który umożliwia złożone transformacje wizualne — takie jak zastępowanie postaci i zmiana otoczenia — bez ręcznego maskowania ani zmian klatka po klatce. **Dane wejściowe generowania:** * Wideo źródłowe * Obrazy referencyjne (do 4 różnych elementów/kątów) * Opis tekstowy (instrukcje w języku naturalnym) **Funkcje:** * Interpretuje konwersacyjne prompty, aby zastępować obiekty lub otoczenie z zachowaniem oryginalnej struktury ruchu * Zachowuje oryginalne kąty kamery, wzorce ruchu i relacje przestrzenne w całej edycji * Łączy do 4 elementów łącznie (w tym obrazy z przodu i z wielu kątów), aby zapewnić wysoką spójność postaci * Możliwość zachowania oryginalnego dźwięku źródłowego lub wygenerowania cichego wyniku dla każdego generowania * Generuj do 4 edytowanych wariantów naraz **Opcje wyjściowe:** * Rozdzielczości: zależne od wideo źródłowego * Proporcje obrazu: zgodne z wideo źródłowym **Idealny do:** * Wysokiej jakości zastępowania postaci w istniejącym materiale z zachowaniem oryginalnych ruchów * Pełnej transformacji otoczenia sceny (np. zmiany miasta za dnia w futurystyczny nocny krajobraz) * Stosowania transferu stylu wymagającego ścisłej zgodności z istniejącą dynamiką kamery **Koszt:** Zależy od długości wideo i wybranych ustawień > **Warning** > > Kling O1 Edit nie jest dostępny w Stanach Zjednoczonych. #### Kling 2.6 Motion Control Wyspecjalizowany model do precyzyjnego transferu ruchu, który pozwala sterować obrazem postaci za pomocą referencyjnego wideo, aby odtworzyć konkretne ruchy, gesty i kąty kamery. **Dane wejściowe generowania:** * Obraz postaci (źródło) * Wideo ruchu (materiał referencyjny) * Opis tekstowy (opcjonalnie) **Funkcje:** * Wybierz "Dopasuj wideo", aby dokładnie odtworzyć ruch, lub "Dopasuj obraz", aby dodać postaci nowy kreatywny ruch * Obsługuje do 30 s w trybie Dopasuj wideo i 10 s w trybie Dopasuj obraz * Wysokiej jakości mapowanie ruchu człowieka z materiału referencyjnego na nieruchomą postać * Natywna obsługa włączania lub wyłączania dźwięku dla każdego generowania * Generuj do 4 wariantów naraz **Opcje wyjściowe:** * Rozdzielczości: zależne od źródła * Proporcje obrazu: zależne od źródła **Idealny do:** * Odtwarzania złożonej choreografii lub konkretnych ruchów na własnej postaci * Długich animacji postaci wymagających dużej wierności ruchu * Treści na media społecznościowe opartych na popularnych ruchach z wideo **Koszt:** Zależy od wybranych ustawień i długości > **Warning** > > Kling 2.6 Motion Control nie jest dostępny w Stanach Zjednoczonych. #### Kling 3.0 Motion Control Wyspecjalizowany model do precyzyjnego transferu ruchu oparty na architekturze Kling 3.0, który pozwala sterować obrazem postaci za pomocą referencyjnego wideo, aby z większą wiernością odtworzyć konkretne ruchy, gesty i kąty kamery. **Dane wejściowe generowania:** * Obraz postaci (źródło) * Wideo ruchu (materiał referencyjny) * Opis tekstowy (opcjonalnie) **Funkcje:** * Wybierz "Dopasuj wideo", aby dokładnie odtworzyć ruch, lub "Dopasuj obraz", aby dodać postaci nowy kreatywny ruch * Obsługuje do 30 s w trybie Dopasuj wideo i 10 s w trybie Dopasuj obraz * Wysokiej jakości mapowanie ruchu człowieka z materiału referencyjnego na nieruchomą postać * Natywna obsługa włączania lub wyłączania dźwięku dla każdego generowania * Generuj do 4 wariantów naraz **Opcje wyjściowe:** * Rozdzielczości: zależne od źródła * Proporcje obrazu: zależne od źródła **Idealny do:** * Odtwarzania złożonej choreografii lub konkretnych ruchów na własnej postaci * Długich animacji postaci wymagających dużej wierności ruchu * Treści na media społecznościowe opartych na popularnych ruchach z wideo **Koszt:** Zależy od wybranych ustawień i długości > **Warning** > > Kling 3.0 Motion Control nie jest dostępny w Stanach Zjednoczonych. #### Kling 2.6 Zoptymalizowany model generatywny zaprojektowany dla większej wierności ruchu i płynniejszych przejść, zapewniający równowagę między szybkimi iteracjami a jakością wizualną gotową do produkcji. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa (obraz na wideo) **Funkcje:** * Lepsza dynamika ruchu: znaczące usprawnienia płynności ruchu i realistycznych interakcji fizycznych * Elastyczna kontrola dźwięku: natywna obsługa włączania lub wyłączania dźwięku dla każdego generowania * Tworzenie wsadowe: generuj do 4 wariantów jednocześnie * Precyzyjne dopracowanie: zaawansowana kontrola kreatywna dzięki obsłudze negatywnych promptów * Stałe długości: obsługuje generowanie o długości 5 s i 10 s **Opcje wyjściowe:** * Rozdzielczości: zależne od danych wejściowych * Proporcje obrazu: 16:9, 1:1, 9:16 **Idealny do:** * Dynamicznych klipów wymagających płynnego ruchu postaci * Profesjonalnych treści na media społecznościowe z wysoką zgodnością z promptem **Koszt:** Zależy od wybranych ustawień i długości > **Warning** > > Kling 2.6 nie jest dostępny w Stanach Zjednoczonych. #### Kling 2.5 Zrównoważony i wszechstronny model do wysokiej jakości generowania wideo w Full HD. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa **Funkcje:** * Doskonale symuluje złożony ruch i realistyczną fizykę * Precyzyjnie modeluje dynamikę płynów i ekspresję * Stałe długości: 5 s i 10 s * Tworzenie wsadowe: do 4 generowań naraz **Opcje wyjściowe:** * Rozdzielczości: 1080p * Proporcje obrazu: 16:9, 1:1, 9:16 **Idealny do:** * Realistycznych symulacji fizyki i złożonego ruchu **Koszt:** Zależy od wybranych ustawień i długości > **Note** > > Klatka końcowa nie jest obecnie obsługiwana. Nie można podać obrazów referencyjnych. Kontrola dźwięku jest niedostępna. > **Warning** > > Kling 2.5 nie jest dostępny w Stanach Zjednoczonych. #### Runway Gen-4.5 Najwyższa jakość ruchu, zgodność z promptem i wierność wizualna dla filmowego, bardzo realistycznego wideo. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa (obraz na wideo) **Funkcje:** * Wyjątkowa jakość ruchu z czołowym w branży realizmem i symulacją fizyki * Doskonała zgodność z promptem dla precyzyjnej kontroli kreatywnej nad złożonymi scenami * Wysoka wierność wizualna zapewniająca filmową jakość wyniku * Generuj do 4 wariantów jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 720p * Proporcje obrazu: 16:9, 9:16 **Idealny do:** * Filmowych treści wymagających najwyższej jakości ruchu i realizmu * Profesjonalnych produkcji wymagających precyzyjnej zgodności z promptem * Wizualnego storytellingu o wysokiej jakości **Koszt:** Zależy od wybranych ustawień i długości #### Runway Gen-4 Turbo Zaawansowany model wideo stworzony do szybkich iteracji i oszczędnego tworzenia, zdolny generować wideo wysokiej jakości. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa (obraz na wideo) **Funkcje:** * Zoptymalizowany pod kątem ultraszybkiego generowania, zapewnia wyniki nawet cztery razy szybciej niż wcześniejsze wersje * Pozwala precyzyjnie kierować ruchami postaci, kątami kamery i kompozycją scen * Doskonale utrzymuje spójność wizualną i stabilność w dynamicznych scenach * Obsługuje długości generowania od 2 s do 10 s * Generuj do 4 wariantów jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 720p * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Szybkiego prototypowania i kreatywnych eksperymentów wymagających niemal natychmiastowej informacji zwrotnej * Profesjonalnych projektów wymagających szybkiej realizacji materiałów marketingowych w wysokiej rozdzielczości * Filmowych treści ze szczególnymi wymaganiami dotyczącymi ruchu kamery **Koszt:** Zależy od wybranych ustawień i długości #### Runway Gen-4 Aleph Zaawansowany kontekstowy model wideo do wielozadaniowego generowania wizualnego, zdolny wykonywać złożone edycje przy zachowaniu podstawowej struktury materiału źródłowego. **Dane wejściowe generowania:** * Wideo źródłowe * Obraz referencyjny * Opis tekstowy **Funkcje:** * Płynnie dodawaj, usuwaj lub przekształcaj obiekty i postacie w scenie z naturalnym oświetleniem, cieniami i perspektywą * Zmieniaj lokalizacje, pory roku i porę dnia (np. zmieniaj pochmurny materiał w dramatyczny zachód słońca) z realistyczną korektą temperatury barwowej * Zmieniaj wiek i wygląd aktorów albo teksturę ubrań i postaci za pomocą prostych promptów w języku naturalnym * Zastosuj konkretny ruch i ścieżkę kamery z referencyjnego wideo do statycznego obrazu, aby precyzyjnie kontrolować animację * Generuj całkowicie nowe kąty kamery, takie jak ujęcia odwrotne lub z niskiego kąta, na podstawie jednej istniejącej sekwencji wideo * Obejmuje precyzyjne green screen (izolację z wykrywaniem krawędzi), generowanie kolejnego ujęcia dla kontynuacji historii i transfer stylu estetycznego * Generuj do 4 wariantów jednocześnie **Opcje wyjściowe:** * Rozdzielczości: 720p * Proporcje obrazu: automatyczne **Idealny do:** * Profesjonalnych zadań z zakresu efektów wizualnych, takich jak cyfrowe odmładzanie, zmiana oświetlenia i usuwanie obiektów * Szybkiego prototypowania filmowego i generowania alternatywnych ujęć z jednego kadru * Kreatywnych treści marketingowych wymagających radykalnych zmian środowiska lub stylu **Koszt:** Zależy od wybranych ustawień i długości #### Runway Aleph 2.0 Model Runway do edycji wideo: przekształca istniejące wideo w kierunku docelowego wyglądu, zachowując ruch i spójność. **Dane wejściowe:** * Wideo źródłowe (wymagane, od 2 s do 30 s) * Obraz docelowego wyglądu (wymagany) * Prompt tekstowy opisujący zmiany **Funkcje:** * Długość i kadrowanie wyniku są zgodne z wideo źródłowym * Transfer stylu prowadzony przez obraz docelowego wyglądu * Tworzenie wsadowe: do 4 generowań naraz **Idealny do:** * Zmiany oświetlenia, stylu lub otoczenia w istniejącym materiale * Zastosowania wyglądu obrazu referencyjnego do całego klipu **Koszt:** Zależy od wybranych ustawień i długości #### Runway Act-Two Wyspecjalizowany model transferu ruchu, który animuje postacie, przenosząc ruch, mowę i mimikę z nagrania prowadzącego na obraz lub wideo postaci. **Dane wejściowe generowania:** * Materiał prowadzący (wideo) * Materiał postaci (obraz lub wideo) **Funkcje:** * Przenosi subtelną mimikę, synchronizację ruchu ust z mową i zsynchronizowane audio bezpośrednio z aktora źródłowego na dowolną postać * Automatycznie dodaje ruch wtórny i delikatne drgania kamery do statycznych obrazów postaci, by wyglądały bardziej naturalnie * Precyzyjny przełącznik do włączania lub wyłączania ruchów ciała i dłoni przy użyciu obrazu postaci * Regulowane ustawienia pozwalające wyważyć intensywną ekspresję emocji i spójność wyglądu postaci * Możliwość zmiany głosu postaci po wygenerowaniu przy zachowaniu idealnego dopasowania do materiału prowadzącego **Opcje wyjściowe:** * Rozdzielczości: 720p * Proporcje obrazu: Automatycznie **Idealne do:** * Ożywiania statycznych portretów postaci realistycznym ludzkim ruchem i mową * Animowania nieludzkich postaci lub stylizowanych awatarów z wierną mimiką * Szybkiego tworzenia materiałów typu talking head ze zintegrowanymi gestami ciała **Koszt:** Zależy od wybranych ustawień i czasu trwania #### Seedance 1 Pro Wyspecjalizowany model do tworzenia dynamicznych, wieloujęciowych sekwencji z dużą ilością ruchu i akcji. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa **Funkcje:** * Bardzo stabilna fizyka i płynne przejścia między ujęciami * Stałe czasy trwania: 3 s, 4 s, 5 s, 6 s, 7 s, 8 s, 9 s, 10 s, 11 s i 12 s * Tworzenie wsadowe do 4 generacji naraz * Maksymalna swoboda twórcza dzięki wielu opcjom proporcji obrazu **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p, 1080p * Proporcje obrazu: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealne do:** * Storytellingu i scen akcji wymagających stabilnej fizyki **Koszt:** Zależy od wybranych ustawień i czasu trwania > **Note** > > Proporcje obrazu i rozdzielczość nie wpływają na liczbę kredytów za generowanie, ale czas trwania już tak. > **Warning** > > Seedance 1 Pro nie jest dostępny w Stanach Zjednoczonych. #### LTX Audio-to-Video Bazowy model oparty na DiT, zaprojektowany do jednoczesnego generowania zsynchronizowanego wideo i audio, zapewniając spójną mowę i realistyczny ruch. **Dane wejściowe generowania:** * Tekst na wideo * Obraz na wideo * Audio na wideo * Głębia na wideo **Funkcje:** * Jednocześnie generuje dialog, ruch ust i dźwięk otoczenia, zapewniając idealne dopasowanie bez zewnętrznych narzędzi * Dynamiczne sceny ze stabilnym ruchem, spójną tożsamością i wysoką spójnością między klatkami * Obsługuje wierne, zsynchronizowane generowanie do 20 sekund * Zaawansowane kierowanie kreatywne dzięki szczegółowej obsłudze negatywnych promptów * Generowanie do 4 wariantów naraz **Opcje wyjściowe:** * Rozdzielczości: 720p, 1080p * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 **Idealne do:** * Spójnej mowy i ekspresyjnych występów postaci * Treści narracyjnych wymagających zintegrowanego dźwięku otoczenia i spójnego tempa * Dynamicznych scen ze złożoną logiką ruchu uwzględniającą kamerę **Koszt:** Zależy od wybranych ustawień i czasu trwania #### LTX 2 Pro Wierny model generatywny zoptymalizowany pod kątem maksymalnej szczegółowości obrazu i stabilności struktury, zdolny tworzyć materiały 4K gotowe do produkcji z płynnym ruchem. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa (obraz na wideo) **Funkcje:** * Priorytetowo traktuje jakość i spójność obrazu, a nie szybkość, zapewniając stabilne wyniki w dłuższych sekwencjach * Obsługuje 25 FPS i 50 FPS, zapewniając wyjątkowo płynny, profesjonalny ruch * Zintegrowane generowanie audio-wideo z przełącznikiem dźwięku * Obsługuje natywne wyjście 1080p, 2k i 4k bez utraty szczegółów * Generowanie do 4 wariantów naraz **Opcje wyjściowe:** * Rozdzielczości: 1080p, 2k, 4k * Liczba klatek: 25 FPS, 50 FPS * Proporcje obrazu: 16:9 (domyślne) * Czasy trwania: 6 s, 8 s, 10 s **Idealne do:** * Filmów w wysokiej rozdzielczości wymagających wyrazistości 4K * Profesjonalnych treści wymagających płynnego ruchu 50 FPS * Szczegółowych sekwencji, w których kluczowe są stabilność obrazu i spójność strukturalna **Koszt:** Zależy od wybranych ustawień i czasu trwania #### LTX 2 Retake Precyzyjne narzędzie AI do reżyserii, które pozwala zmieniać dialogi, emocje i akcję w istniejących ujęciach bez naruszania ciągłości ani ponownego generowania całej sekwencji. **Dane wejściowe generowania:** * Wideo źródłowe * Opis tekstowy **Funkcje:** * Modyfikowanie konkretnych fragmentów przy zachowaniu kontekstu z otaczających klatek * Przeformułowywanie kwestii przy zachowaniu głosu, gry i otoczenia postaci * Wiele trybów edycji: wybierz „Audio i wideo”, „Tylko audio” lub „Tylko wideo”, by wyodrębnić i ponownie wygenerować konkretne elementy ujęcia * Nowa zawartość naturalnie dziedziczy oryginalny ruch, oświetlenie i ton, zapewniając płynne przejścia * Natychmiastowe testowanie alternatywnych reakcji postaci, akcentów emocjonalnych lub ruchów kamery w jednym ujęciu * Jednoczesne generowanie do 4 wariantów, by łatwo porównać je obok siebie **Opcje wyjściowe:** * Proporcje obrazu: tylko 16:9 **Idealne do:** * Dostosowywania scenariuszy i dopracowywania dialogów bez ponownych zdjęć czy nagrań * Poprawiania akcentów emocjonalnych lub tempa w postprodukcji * Testowania wielu komunikatów marki i wezwań do działania w jednym materiale marketingowym **Koszt:** Zależy od wybranych ustawień i czasu trwania #### LTX 2 Fast Model generatywny zoptymalizowany pod kątem szybkości, stworzony do krótkich pętli informacji zwrotnej i szybkiego tworzenia treści. Dostarcza obrazy w wysokiej rozdzielczości przy znacznie krótszym czasie renderowania. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa (obraz na wideo) **Funkcje:** * Zaprojektowany z myślą o szybkości i szybkich iteracjach, pozwala na błyskawiczne eksperymenty wizualne i niemal natychmiastowe podglądy * Obsługuje natywne wyjście 1080p, 2k i 4k przy mniejszym zapotrzebowaniu na moc obliczeniową niż model Pro * Obsługuje 25 FPS i 50 FPS, zapewniając płynny ruch przy dużej szybkości * Umożliwia szybkie generowanie zsynchronizowanych treści audio-wideo do 20 sekund * Natywna obsługa włączania lub wyłączania audio dla każdej generacji * Jednoczesne generowanie do 4 wariantów **Opcje wyjściowe:** * Rozdzielczości: 1080p, 2k, 4k * Liczba klatek: 25 FPS, 50 FPS * Proporcje obrazu: 16:9 (domyślne) * Czasy trwania: 6 s, 8 s, 10 s, 12 s, 14 s, 16 s, 18 s, 20 s **Idealne do:** * Szybkiego prototypowania i eksploracji kreatywnej, gdy szybkość jest ważniejsza niż maksymalna szczegółowość * Wielu treści do mediów społecznościowych wymagających szybkiej realizacji * Testów A/B różnych koncepcji wizualnych i stylów ruchu **Koszt:** Zależy od wybranych ustawień i czasu trwania #### Wan 3.0 Filmowy model wideo z referencjami obrazów, wideo i audio, generowanym audio oraz generacjami do 30 sekund. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencje obrazów (do 10) * Referencje wideo (do 5, łącznie 15 s) * Referencje audio (do 5, łącznie 15 s) **Funkcje:** * Klatki i referencje wzajemnie się wykluczają * Stałe czasy trwania: 5 s, 10 s, 15 s, 20 s i 30 s * Natywne sterowanie dźwiękiem z włączonym lub wyłączonym audio dla każdej generacji * Opcjonalne ulepszanie promptu * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p, 1080p * Proporcje obrazu: Automatycznie, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealne do:** * Dłuższych filmowych ujęć dobrze zgodnych z promptem * Scen opartych na referencjach z audio **Koszt:** Zależy od wybranych ustawień i czasu trwania > **Warning** > > Wan 3.0 nie jest dostępny w Stanach Zjednoczonych. #### Wan 3.0 Prime Szybszy wariant Wan 3.0 z tymi samymi danymi wejściowymi i opcjami wyjściowymi, odpowiedni do opracowywania pomysłów. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa * Klatka końcowa * Referencje obrazów (do 10) * Referencje wideo (do 5, łącznie 15 s) * Referencje audio (do 5, łącznie 15 s) **Funkcje:** * Czas generowania to około połowa czasu Wan 3.0 * Stałe czasy trwania: 5 s, 10 s, 15 s, 20 s i 30 s * Natywne sterowanie dźwiękiem z włączonym lub wyłączonym audio dla każdej generacji * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p, 1080p * Proporcje obrazu: Automatycznie, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealne do:** * Eksplorowania pomysłów przed finalnym renderem Wan 3.0 * Workflowów, w których liczy się czas realizacji **Koszt:** Zależy od wybranych ustawień i czasu trwania > **Warning** > > Wan 3.0 Prime nie jest dostępny w Stanach Zjednoczonych. #### Wan 2.6 Filmowa platforma wideo nowej generacji, która wykorzystuje jednolitą architekturę multimodalną do tworzenia treści 1080p gotowych do produkcji, z natywną synchronizacją audio i inteligentnym sekwencjonowaniem wielu ujęć. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa (obraz na wideo) * Referencja wideo (wideo na wideo) * Referencja audio (opcjonalne tło dźwiękowe lub dialog) **Funkcje:** * Jednolity system multimodalny: przetwarza tekst, obrazy, wideo i audio w jednym zintegrowanym środowisku, zapewniając spójną jakość wyników * Natywna synchronizacja audio: automatycznie generuje i dopasowuje dialogi, narrację oraz efekty dźwiękowe otoczenia do ruchu na ekranie * Inteligentne sekwencjonowanie wielu ujęć: automatycznie układa powiązane sekwencje wideo w spójną narrację, zachowując zgodność postaci * Dłuższe czasy trwania: obsługuje stabilne, wysokiej jakości generowanie o stałej długości 5 s, 10 s i 15 s * Zaawansowana kontrola kreatywna: obsługuje negatywne prompty do szczegółowego zarządzania detalami oraz tworzenie wsadowe do 4 wariantów **Opcje wyjściowe:** * Rozdzielczości: 720p, 1080p * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 **Idealne do:** * Profesjonalnego storytellingu i złożonych, filmowych sekwencji wieloujęciowych * Reklam w mediach społecznościowych i treści marketingowych wymagających zintegrowanego audio wysokiej jakości * Treści opartych na postaciach, wymagających ścisłej spójności obrazu i ruchu dzięki referencjom wideo **Koszt:** Zależy od wybranych ustawień i czasu trwania > **Warning** > > Wan 2.6 nie jest dostępny w Stanach Zjednoczonych. #### Wan 2.5 Video Wszechstronny model, który tworzy filmowy ruch i wiernie realizuje prompt na podstawie tekstu lub obrazu początkowego. **Dane wejściowe generowania:** * Tekst na wideo * Klatka początkowa (obraz na wideo) **Funkcje:** * Szczegółowa kontrola kreatywna dzięki negatywnym promptom i dedykowanemu sterowaniu dźwiękiem * Stałe czasy trwania: 5 s i 10 s * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p, 1080p * Proporcje obrazu: 16:9, 1:1, 9:16 **Idealne do:** * Filmowych treści dobrze zgodnych z promptem **Koszt:** Zależy od wybranych ustawień i czasu trwania > **Note** > > Koszt generowania zależy od wybranych ustawień. > **Warning** > > Wan 2.5 Video nie jest dostępny w Stanach Zjednoczonych. #### Generatywne modele obrazów #### GPT Image 2.5 Sunburst Gotowy do produkcji model obrazów OpenAI do bardzo szczegółowych wyników i precyzyjnej edycji. **Dane wejściowe generowania:** * Tekst na obraz * Referencje obrazów (do 10) **Funkcje:** * Pięć poziomów jakości: od niskiej do maksymalnej * Własna rozdzielczość do 3840 px na bok, przy proporcjach obrazu do 3:1 * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 1K, 2K, 4K lub własna * Proporcje obrazu: 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 **Idealne do:** * Finalnych materiałów, w których liczą się detale i wierność * Precyzyjnej edycji istniejących obrazów **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gpt-image-2.5-sunburst`](/docs/pl/api-reference/flows/image/create#request.body.gpt-image-2.5-sunburst) #### GPT Image 2.5 Flare Szybki wariant GPT Image 2.5 z takimi samymi kontrolkami jak Sunburst, dostosowany do codziennego generowania na dużą skalę. **Dane wejściowe generowania:** * Tekst na obraz * Referencje obrazów (do 10) **Funkcje:** * Pięć poziomów jakości: od niskiej do maksymalnej * Własna rozdzielczość do 3840 px na bok, przy proporcjach obrazu do 3:1 * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 1K, 2K, 4K lub własna * Proporcje obrazu: 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 **Idealne do:** * Generowania dużej liczby obrazów * Szybkich iteracji, które nadal wymagają 4K i własnych rozmiarów **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gpt-image-2.5-flare`](/docs/pl/api-reference/flows/image/create#request.body.gpt-image-2.5-flare) #### GPT Image 2 Zaawansowany model AI zaprojektowany do precyzyjnego generowania obrazów, z lepszym renderowaniem tekstu i możliwością tworzenia w wysokiej rozdzielczości. **Funkcje:** * Precyzyjna kontrola tekstu do tworzenia obrazów z czytelną, dokładną typografią * Wynik PNG w wysokiej rozdzielczości, odpowiedni do zastosowań profesjonalnych i komercyjnych * Obsługuje wiele referencji obrazów, które pomagają określić styl i kompozycję * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 3:2, 1:1, 2:3 * Opcje jakości: niska, średnia, wysoka **Idealne do:** * Materiałów marketingowych i projektowych wymagających precyzyjnego rozmieszczenia tekstu * Profesjonalnych treści wymagających wysokiej rozdzielczości * Projektów kreatywnych wymagających dokładnej kontroli obrazów opartych na tekście **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gpt-image-2`](/docs/pl/api-reference/flows/image/create#request.body.gpt-image-2) #### Nano Banana 2.1 Model obrazów z natywnym wyjściem 4K i obsługą do 14 referencji obrazów. **Dane wejściowe generowania:** * Tekst na obraz * Referencje obrazów (do 14) **Opcje wyjściowe:** * Rozdzielczości: 4K * Proporcje obrazu: od 8:1 do 1:8 oraz automatycznie **Idealne do:** * Obrazów opartych na referencjach, które wymagają natywnego 4K **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Nano Banana 2 Zaawansowany model AI do generowania obrazów, łączący jakość gotową do produkcji z ultraszybkim przetwarzaniem oraz lepszą wiedzą o świecie i spójnością obiektów. **Funkcje:** * Natywne wyjście w rozdzielczości 4K bez skalowania, zapewniające krystalicznie wyraźne detale * Błyskawiczne generowanie obrazów w zaledwie 1–2 sekundy * Lepsza zgodność z promptami dzięki zaawansowanemu rozumowaniu i wykonywaniu instrukcji * Wyraźne, dokładne renderowanie tekstu w wielu językach do makiet, oznakowania i infografik * Spójna stylizacja wielu obiektów zachowująca tożsamość wielu postaci i przedmiotów * Lepsza wiedza o świecie dla dokładniejszego generowania scen * Obsługuje wiele referencji obrazów pomocnych w generowaniu * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16 * Rozdzielczości: do 4K **Idealne do:** * Szybkich workflowów kreatywnych wymagających iteracji w czasie rzeczywistym * Treści marki i storytellingu ze spójną tożsamością postaci * Profesjonalnych materiałów wizualnych z dokładnym tekstem i typografią **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gemini-3.1-flash-image`](/docs/pl/api-reference/flows/image/create#request.body.gemini-3.1-flash-image) #### Nano Banana 2 Lite Szybki, niedrogi wariant Nano Banana 2 do szybkiego generowania i edycji w 1K. **Dane wejściowe generowania:** * Tekst na obraz * Referencje obrazów (do 14) **Funkcje:** * Stałe wyjście 1K dla spójnej szybkości i kosztów * Ta sama obsługa 14 referencji obrazów co w Nano Banana 2 * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 1K * Proporcje obrazu: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16 **Idealne do:** * Szybkich iteracji i wersji roboczych * Masowej edycji, gdy 1K wystarcza **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gemini-3.1-flash-lite-image`](/docs/pl/api-reference/flows/image/create#request.body.gemini-3.1-flash-lite-image) #### Krea 2 Medium Wszechstronny, gotowy do produkcji model generowania obrazów od Krea AI, łączący jakość i szybkość w wielu workflowach kreatywnych. **Funkcje:** * Wierne generowanie obrazów z wysoką zgodnością z promptem * Obsługuje wiele referencji obrazów pomocnych w generowaniu * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 **Idealne do:** * Profesjonalnego tworzenia treści wymagającego stałej jakości * Szybkich iteracji w różnych koncepcjach kreatywnych **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Krea 2 Large Flagowy model Krea AI do generowania obrazów, zapewniający najwyższą wierność wizualną i zaawansowaną kontrolę twórczą w profesjonalnych workflow. **Funkcje:** * Wyjątkowe detale i realizm na poziomie profesjonalnym * Zaawansowana kontrola stylu z obsługą wielu obrazów referencyjnych * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Wysokiej klasy komercyjnej i redakcyjnej produkcji obrazów * Złożonych kompozycji kreatywnych wymagających najwyższej wierności **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Recraft V4.1 Model zamiany tekstu na obraz skoncentrowany na designie, z dobrą kontrolą promptów i czystą kompozycją. **Dane wejściowe generowania:** * Zamiana tekstu na obraz **Funkcje:** * Wyjście 2K korzysta z wariantu modelu Pro * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 1K, 2K * Proporcje obrazu: 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 **Idealny do:** * Grafik, ikon i plakatów opartych na układzie * Czystych kompozycji tworzonych wyłącznie z tekstu **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Recraft V4.1 Flash Szybki model zamiany tekstu na obraz skoncentrowany na designie. **Dane wejściowe generowania:** * Zamiana tekstu na obraz **Opcje wyjściowe:** * Proporcje obrazu: 16 proporcji **Idealny do:** * Grafik opartych na układzie, tworzonych wyłącznie z tekstu **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Recraft V4 Model obrazów skoncentrowany na designie, który może dopasować styl obrazów referencyjnych. **Dane wejściowe generowania:** * Zamiana tekstu na obraz * Referencje stylu (do 10) **Funkcje:** * Kontrola dopasowania stylu: Precise dokładnie odwzorowuje styl referencji, Flexible dopasowuje ogólny wygląd * Wyjście 2K korzysta z wariantu modelu Pro * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 1K, 2K * Proporcje obrazu: 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 **Idealny do:** * Grafik spójnych z marką na podstawie zestawu referencji stylu * Ilustracji i projektów graficznych **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Seedream 5 Lite Lekki model obrazów od ByteDance do szybkiego generowania, zapewniający wysoką jakość przy mniejszym zapotrzebowaniu na moc obliczeniową. **Funkcje:** * Szybkie generowanie do błyskawicznego iterowania pomysłów * Obsługuje wiele obrazów referencyjnych, które kierują generowaniem * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Workflow tworzenia dużej liczby obrazów wymagających szybkości * Szybkiego odkrywania koncepcji i podglądów **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`bytedance-seedream-5-lite`](/docs/pl/api-reference/flows/image/create#request.body.bytedance-seedream-5-lite) > **Warning** > > Seedream 5 Lite nie jest dostępny w Stanach Zjednoczonych. #### Seedream 5 Pro Wariant Seedream 5 o wyższej wierności, przeznaczony do precyzyjnej edycji, wielojęzycznego tekstu i gęstych infografik. **Dane wejściowe generowania:** * Zamiana tekstu na obraz * Obrazy referencyjne (do 10) **Funkcje:** * Dokładne renderowanie wielojęzycznego tekstu * Obsługuje gęste układy, takie jak infografiki i plakaty * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Rozdzielczości: 1K, 2K * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Projektów z dużą ilością tekstu w wielu językach * Edycji wielu obrazów ze ścisłym trzymaniem się referencji **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`bytedance-seedream-5-pro`](/docs/pl/api-reference/flows/image/create#request.body.bytedance-seedream-5-pro) > **Warning** > > Seedream 5 Pro nie jest dostępny w Stanach Zjednoczonych. #### GPT Image 1.5 Szybki flagowy model do precyzyjnego generowania obrazów na podstawie tekstu oraz złożonej, nieniszczącej edycji zdjęć, która zachowuje oryginalne szczegóły. **Funkcje:** * Niezawodnie wprowadza żądane zmiany, zachowując oświetlenie, kompozycję i wygląd obiektu na obrazach źródłowych * Obsługuje złożone zadania edycyjne, w tym dodawanie, usuwanie, łączenie i mieszanie elementów * Zapewnia wyniki do 4 razy szybciej niż poprzednie wersje * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 3:2, 1:1, 2:3 * Opcje jakości: niska, średnia, wysoka **Idealny do:** * Praktycznej korekty zdjęć i realistycznego wirtualnego przymierzania ubrań lub fryzur * Transformacji koncepcyjnych i filtrów stylistycznych, które zachowują charakter obrazu wejściowego * Szybkiego iterowania koncepcji zamiany tekstu na obraz **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gpt-image-1.5`](/docs/pl/api-reference/flows/image/create#request.body.gpt-image-1.5) #### GPT Image 1 Model obrazów pierwszej generacji OpenAI, z dobrym trzymaniem się promptów, czytelnym tekstem i szczegółową edycją. **Dane wejściowe generowania:** * Zamiana tekstu na obraz * Obrazy referencyjne (do 5) **Funkcje:** * Trzy poziomy jakości: niski, średni, wysoki * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Proporcje obrazu: 3:2, 1:1, 2:3 **Idealny do:** * Workflow opartych już na wynikach GPT Image 1 * Prostych edycji i zadań z tekstem na obrazie w standardowej rozdzielczości **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gpt-image-1`](/docs/pl/api-reference/flows/image/create#request.body.gpt-image-1) #### Seedream 4.5 Wydajny multimodalny model bazowy, który łączy syntezę tekstu na obraz, precyzyjną edycję obrazów i złożoną kompozycję wielu obrazów w jednym wydajnym rozwiązaniu. **Funkcje:** * Natywna obsługa szybkiego generowania obrazów o wysokiej wierności w rozdzielczości do 4K * Wyjątkowo dobrze zachowuje rysy twarzy, oświetlenie, ton kolorów i drobne detale podczas edycji opartej na referencjach * Dokładnie rozpoznaje i łączy docelowe elementy z wielu obrazów wejściowych, zapewniając kontrolowane i spójne wyniki * Oferuje możliwości kompozycji na poziomie projektanta oraz wyraźne, dokładne renderowanie małego tekstu na plakatach i materiałach marki * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 * Rozdzielczości: 2K, 4K **Idealny do:** * Profesjonalnych workflow projektowania graficznego wymagających precyzyjnego układu i typografii * Złożonej edycji zdjęć wymagającej ścisłego zachowania tożsamości i oświetlenia z referencji * Kreatywnych kompozycji w wysokiej rozdzielczości z użyciem wielu źródeł wizualnych **Koszt:** Zależy od wybranych ustawień i liczby wariantów > **Warning** > > Seedream 4.5 nie jest dostępny w Stanach Zjednoczonych. #### Kling O1 Image Model do generowania obrazów o wysokiej wierności z zaawansowanymi zdolnościami rozumowania, stworzony z myślą o doskonałym trzymaniu się promptów i precyzyjnej spójności wizualnej w złożonych kompozycjach. **Funkcje:** * Wyjątkowo dobrze interpretuje i realizuje złożone, wielowarstwowe opisy tekstowe z dużą dokładnością * Wykorzystuje obrazy referencyjne, by zachować tożsamość obiektu, oświetlenie i styl estetyczny w kolejnych generacjach * Zoptymalizowany pod realistyczne tekstury, złożone relacje przestrzenne i profesjonalne efekty oświetleniowe * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: Auto, 16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3, 21:9 * Rozdzielczości: 1K, 2K **Idealny do:** * Profesjonalnych materiałów kreatywnych wymagających ścisłego trzymania się szczegółowych i technicznych promptów tekstowych * Spójnej edycji obrazów i projektowania postaci z użyciem referencji wizualnych **Koszt:** Zależy od wybranych ustawień i liczby wariantów > **Warning** > > Kling O1 Image nie jest dostępny w Stanach Zjednoczonych. #### FLUX.2 \[Pro] Produkcyjny model do generowania i edycji obrazów, stworzony dla profesjonalnych workflow, oferujący najnowocześniejszą jakość wizualną z naciskiem na szybkość, precyzję i spójność. **Funkcje:** * Odwołuj się do wielu obrazów jednocześnie, by uzyskać czołową w branży spójność postaci i tożsamości w setkach materiałów * Zapewnia bezprecedensowy skok jakości detali, zbliżając efekty do prawdziwej fotografii — od tekstur tkanin po elementy architektoniczne * Oferuje gotowe do produkcji renderowanie tekstu dla złożonej typografii, makiet UI i infografik * Obsługuje precyzyjne określanie kolorów marki za pomocą kodów hex, bez przybliżeń * Zapewnia dokładne pozycjonowanie obiektów, realistyczną fizykę, spójne oświetlenie i właściwą perspektywę w złożonych scenach * Zoptymalizowany pod większą dokładność i lepszą reakcję na ustrukturyzowane, złożone instrukcje * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 * Rozdzielczości: 720p, 1080p, 2K **Idealny do:** * Prowadzenia kampanii ze spójnymi postaciami i dokładnego umieszczania produktów w każdym kontekście * Tworzenia makiet interfejsów z czytelnym tekstem i spójnymi systemami projektowania wizualnego * Generowania na skalę fotografii produktowej i kontekstowych ujęć lifestyle’owych **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Nano Banana Pro Profesjonalny model oparty na rozumowaniu do generowania i edycji obrazów, stworzony do produkcji materiałów o wysokiej wierności, zaawansowanej kontroli twórczej i precyzyjnego wykonywania instrukcji. **Dane wejściowe:** * Obraz referencyjny * Opis tekstowy (obsługuje złożone, wielowarstwowe prompty) **Funkcje:** * Planuje sceny przed renderowaniem, zapewniając zgodne z fizyką oświetlenie, dokładne relacje między obiektami i doskonałe trzymanie się promptów * Generuje wyraźny, czytelny wielojęzyczny tekst w różnych stylach fontów i pisma odręcznego do efektownych plakatów i makiet produktów * Zachowuje wysoką wierność i podobieństwo dla maksymalnie 5 osób oraz wielu obiektów w różnorodnych materiałach kreatywnych * Integruje Google Search, by wzbogacać obrazy o faktyczne dane, wiedzę o świecie i informacje w czasie rzeczywistym, takie jak pogoda czy wyniki sportowe * Dostosowuj kąty kamery, punkty ostrości i oświetlenie sceny (np. zmieniając dzień w noc) za pomocą zaawansowanych narzędzi lokalnej edycji * Doskonałe rozumienie przestrzeni umożliwia generowanie dokładnych infografik, diagramów technicznych i slajdów prezentacji * Generuje do 4 wariantów naraz **Opcje wyjściowe:** * Rozdzielczości: 1K, 2K, 4K * Proporcje obrazu: Auto, 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16 **Idealny do:** * Profesjonalnych reklam, materiałów marki i wysokiej klasy fotografii produktów e-commerce * Materiałów edukacyjnych, infografik opartych na danych i złożonej dokumentacji technicznej * Szybkiego prototypowania projektów wizualnych w wysokiej rozdzielczości ze spójną tożsamością postaci lub marki **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gemini-3-pro-image`](/docs/pl/api-reference/flows/image/create#request.body.gemini-3-pro-image) #### Nano Banana Szybki model do sprawnego generowania i edycji obrazów wysokiej jakości bezpośrednio na podstawie promptów tekstowych. **Funkcje:** * Obsługuje wiele obrazów referencyjnych, które kierują generowaniem * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16 **Idealny do:** * Szybkiego tworzenia i iterowania obrazów **Koszt:** Zależy od wybranych ustawień i liczby wariantów **API:** [`gemini-2.5-flash-image`](/docs/pl/api-reference/flows/image/create#request.body.gemini-2.5-flash-image) #### Runway Gen-4 Image Zaawansowany model bazowy do generowania obrazów o wysokiej wierności, oferujący bezprecedensową kontrolę stylistyczną i pamięć wizualną, która pozwala zachować spójność między scenami. **Funkcje:** * Zakotwicz postacie, style lub konkretne obiekty za pomocą obrazów wejściowych, by zachować profesjonalną spójność w wielu wynikach * Zoptymalizowany do interpretowania złożonych opisów w języku naturalnym, zapewniając precyzyjną kontrolę szczegółów wizualnych, oświetlenia i emocji * Potrafi generować wysokiej jakości materiały wizualne do różnych zastosowań — od filmowych storyboardów po profesjonalną fotografię produktową * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 * Rozdzielczości: 720p, 1080p **Idealny do:** * Zachowania wyglądu głównych postaci w różnych środowiskach i oświetleniu * Szybkiego tworzenia materiałów marki w wysokiej rozdzielczości, wirtualnych przymiarek i skalowalnych wizualizacji produktów * Eksplorowania różnych kierunków artystycznych przy zachowaniu kluczowej tożsamości wizualnej dzięki referencjom obrazów **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Runway Gen-4 Image Turbo Zoptymalizowany model do generowania obrazów, stworzony z myślą o szybkości, który zapewnia wyniki 2,5 raza szybciej niż standardowy Gen-4 Image przy identycznej jakości wyjściowej. **Funkcje:** * Zoptymalizowane przetwarzanie umożliwia szybką eksplorację kreatywną i generowanie obrazów o wysokiej wierności w ułamku czasu * Prześlij do trzech obrazów referencyjnych, aby pomóc modelowi zrozumieć konkretne postacie, środowiska i style artystyczne * Rozwiązuje problem dryfu wizualnego, kodując konkretne cechy wizualne z obrazów referencyjnych, by zachować tożsamość w wielu generacjach * Z łatwością stosuj estetykę, oświetlenie i teksturę obrazu referencyjnego do całkiem nowych obiektów i scen * Korzystaj z parametrów seed, aby systematycznie eksplorować warianty lub precyzyjnie odtwarzać konkretne wyniki * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 * Rozdzielczości: 720p, 1080p **Idealny do:** * Szybkiego tworzenia na skalę materiałów wizualnych zoptymalizowanych pod platformy, takich jak Instagram Stories (9:16) lub standardowe posty (1:1) * Zachowania ścisłej tożsamości wizualnej w kampaniach dzięki użyciu ksiąg identyfikacji marki jako obrazów referencyjnych * Tworzenia spójnych póz postaci i ustawień przy jednoczesnym zachowaniu rozpoznawalności głównego bohatera * Dokładnego tworzenia różnorodnych lifestyle’owych i sezonowych ujęć produktów z wykorzystaniem referencji **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Seedream 4 Specjalistyczny model obrazów do generowania sekwencji wielu ujęć lub scen z dużą ilością ruchu i akcji. **Funkcje:** * Doskonale tworzy obrazy ze stabilną fizyką i spójnymi przejściami * Obsługuje wiele obrazów referencyjnych, które kierują generowaniem * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: auto, 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Scen akcji i dynamicznych kompozycji **Koszt:** Zależy od wybranych ustawień i liczby wariantów > **Warning** > > Seedream 4 nie jest dostępny w Stanach Zjednoczonych. #### Wan 2.5 Image Wariant obrazu Wan 2.5, z wysoką wiernością promptów i obsługą obrazów referencyjnych. **Dane wejściowe generowania:** * Zamiana tekstu na obraz * Obrazy referencyjne (do 2) **Funkcje:** * Kontrola promptu negatywnego i seed * Tworzenie wsadowe do 4 generacji naraz **Opcje wyjściowe:** * Proporcje obrazu: 16:9, 4:3, 1:1, 3:4, 9:16 **Idealny do:** * Obrazów statycznych pasujących do wyglądu generacji wideo Wan * Obrazów koncepcyjnych wiernych promptom **Koszt:** Zależy od wybranych ustawień i liczby wariantów > **Warning** > > Wan 2.5 Image nie jest dostępny w Stanach Zjednoczonych. #### FLUX 3 Image Model obrazów z obsługą do 10 obrazów referencyjnych i wyjściem 4K. **Dane wejściowe generowania:** * Zamiana tekstu na obraz * Obrazy referencyjne (do 10) **Opcje wyjściowe:** * Rozdzielczości: 4K * Proporcje obrazu: 16 proporcji **Idealny do:** * Obrazów 4K tworzonych na podstawie referencji **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### FLUX.1 Kontext \[Pro] Profesjonalny model do zaawansowanego generowania i edycji obrazów, oferujący wysoką spójność scen i kontrolę stylu. **Funkcje:** * Kontrola stylu oparta na obrazie, wymagająca obrazu referencyjnego do określenia estetyki wizualnej * Generuje do 4 obrazów naraz **Opcje wyjściowe:** * Proporcje obrazu: 21:9, 16:9, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16, 9:21 **Idealny do:** * Profesjonalnych treści z precyzyjnymi wymaganiami dotyczącymi stylu **Koszt:** Zależy od wybranych ustawień i liczby wariantów #### Modele synchronizacji ruchu ust z dźwiękiem #### Creatify Aurora Najnowocześniejszy model transformera dyfuzyjnego (DiT) do renderowania ultrarealistycznych, reagujących awatarów na podstawie dźwięku i wskazówek tekstowych. **Dane wejściowe generowania:** * Awatar (obraz źródłowy) * Mowa (plik audio) * Opis tekstowy (wskazówki) **Funkcje:** * Wykracza poza podstawową synchronizację ruchu ust z dźwiękiem, uwzględniając świadome kontekstu mruganie, oddychanie i naturalną mimikę * Automatycznie synchronizuje ruchy dłoni i całego ciała na podstawie tonu i intonacji głosu, zapewniając studyjną jakość * Dokładnie interpretuje intensywność i wysokość głosu, aby oddać emocje zgodne z występem * Zachowuje wysoką wierność postaci i spójność zachowania nawet w długich dialogach lub występach muzycznych * Zoptymalizowany pod różne scenariusze, w tym prezentacje z boku, dialogi w stylu podcastu i stylizowane animacje * Generuj do 4 wariantów naraz **Opcje wyjściowe:** * Rozdzielczości: 480p, 720p **Idealne do:** * Profesjonalnych reklam wideo z awatarami i treści marketingowych * Wirtualnego storytellingu o wysokiej wierności i ekspresyjnych występów muzycznych * Długich filmów edukacyjnych lub szkoleniowych wymagających stałej obecności postaci **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania **API:** [`creatify-aurora`](/docs/pl/api-reference/flows/video/create#request.body.creatify-aurora) #### Veed Fabric Szybki i precyzyjny model synchronizacji ruchu ust z dźwiękiem z obrazu do wideo, który animuje statyczny obraz zgodnie z podanym dźwiękiem. **Dane wejściowe:** * Obraz źródłowy * Plik audio z mową **Funkcje:** * Animuje usta i mimikę na obrazie źródłowym, aby pasowały do podanego dźwięku * Tworzy wysokiej jakości „mówiące” wideo ze statycznych obrazów * Narzędzie do synchronizacji ruchu ust z dźwiękiem, a nie pełny model generowania wideo **Idealne do:** * Tworzenia mówiących awatarów ze statycznych obrazów * Dodawania dialogów do portretów postaci * Profesjonalnych workflow treści opartych na awatarach **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania > **Note** > > Aby uzyskać najlepsze wyniki, obraz powinien zawierać wykrywalną postać. #### HeyGen Avatar 4 Najnowszy model awatarów HeyGen do generowania bardzo realistycznych, ekspresyjnych filmów z mówiącą twarzą na podstawie jednego obrazu i dźwięku. **Dane wejściowe:** * Obraz źródłowy * Plik audio z mową **Funkcje:** * Animuje mimikę i ruchy ust, aby z dużą wiernością pasowały do podanego dźwięku * Tworzy naturalne ruchy głowy i subtelną mikroekspresję, zapewniając realistyczne rezultaty * Narzędzie do synchronizacji ruchu ust z dźwiękiem, a nie pełny model generowania wideo **Idealne do:** * Profesjonalnych filmów ze spikerami i prezenterami * Tworzenia spersonalizowanych treści z awatarami na dużą skalę * Filmów marketingowych i szkoleniowych ze stałą obecnością postaci **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania > **Note** > > Aby uzyskać najlepsze wyniki, obraz powinien zawierać wyraźnie widoczną twarz. #### Sync 3 Model synchronizacji ruchu ust z dźwiękiem do wideo najnowszej generacji od Sync, zapewniający studyjną synchronizację w szerokim zakresie typów treści. **Dane wejściowe generowania:** * Wideo źródłowe * Audio z mową **Funkcje:** * Synchronizacja ruchu ust z dźwiękiem o wysokiej precyzji, która zachowuje unikalne detale twarzy, naturalne zęby i teksturę skóry * Zoptymalizowany dla wszystkich typów treści, w tym materiałów aktorskich, animacji 3D i wideo generowanego przez AI * Narzędzie do synchronizacji ruchu ust z dźwiękiem między filmami, a nie pełny generator wideo **Idealne do:** * Profesjonalnego dubbingu i lokalizacji filmów oraz reklam * Ulepszania lub poprawiania dialogów w każdym formacie wideo * Workflow tłumaczenia dużej liczby treści **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania > **Note** > > Aby uzyskać najlepsze wyniki, wideo powinno zawierać wykrywalną postać. #### Sync Lipsync 2 Pro Najnowocześniejszy model edycji wideo zaprojektowany do synchronizacji ruchu ust z dźwiękiem na poziomie studyjnym, który zachowuje unikalne detale twarzy i obsługuje wyjścia w wysokiej rozdzielczości. **Dane wejściowe generowania:** * Wideo źródłowe * Audio z mową **Funkcje:** * Wykorzystuje zaawansowane skalowanie w górę, aby obsługiwać wyjście 4K przy zachowaniu ostrych, naturalnych tekstur * Chroni unikalne cechy twarzy, takie jak naturalne zęby, piegi, makijaż i złożony zarost, bez utraty wyrazistości * Zoptymalizowany do pracy ze wszystkimi typami treści, w tym materiałami aktorskimi, animacją 3D i wideo generowanym przez AI * Zapewnia ekspresyjne, zsynchronizowane rezultaty od razu, bez treningu dla konkretnego mówcy ani dostrajania modelu * Generuj do 4 wariantów jednocześnie **Idealne do:** * Profesjonalnego dubbingu i lokalizowanych treści do filmów oraz reklam premium * Ulepszania lub poprawiania dialogów postaci animowanych 3D i generowanych przez AI * Projektów w wysokiej rozdzielczości wymagających idealnej spójności i detali twarzy na poziomie pikseli **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania #### OmniHuman 1.5 Specjalistyczny model narzędziowy do generowania wyjątkowo realistycznej, ludzkiej synchronizacji ruchu ust z dźwiękiem. **Dane wejściowe:** * Statyczny obraz źródłowy * Plik audio z mową **Funkcje:** * Animuje usta na obrazie źródłowym, aby pasowały do podanego dźwięku * Tworzy wysokiej jakości „mówiące” wideo ze statycznych obrazów * Narzędzie do synchronizacji ruchu ust z dźwiękiem, a nie pełny model generowania wideo **Idealne do:** * Tworzenia mówiących awatarów * Dodawania dialogów do statycznych obrazów * Profesjonalnych workflow dubbingowych **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania > **Note** > > Aby uzyskać najlepsze wyniki, obraz powinien zawierać wykrywalną postać. > **Warning** > > OmniHuman 1.5 nie jest dostępny w Stanach Zjednoczonych. #### MiniMax H3 Max Lip Sync Animuje statyczny obraz na podstawie klipu mowy, z wyjściem do 2K. **Dane wejściowe:** * Obraz źródłowy * Audio z mową (od 5 s do 14,8 s) **Funkcje:** * Narzędzie do synchronizacji ruchu ust z dźwiękiem, a nie pełny model generowania wideo **Idealne do:** * Mówiących portretów ze statycznego obrazu i krótkiego klipu audio **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania #### Veed Lipsync Szybki, niedrogi i precyzyjny model narzędziowy do stosowania realistycznej synchronizacji ruchu ust z dźwiękiem w filmach. **Dane wejściowe:** * Wideo źródłowe * Nowy plik audio z mową **Funkcje:** * Ponownie animuje ruchy ust w wideo źródłowym, aby pasowały do nowego dźwięku * Narzędzie do synchronizacji ruchu ust z dźwiękiem między filmami, a nie pełny generator wideo **Idealne do:** * Dubbingu dużej liczby materiałów przy niskich kosztach * Tłumaczenia treści * Poprawiania audio w klipach wideo z realistycznym efektem **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania > **Note** > > Aby uzyskać najlepsze wyniki, wideo powinno zawierać wykrywalną postać. #### Veed Lipsync 2.0 Wyższej jakości następca Veed Lipsync do stosowania realistycznej synchronizacji ruchu ust z dźwiękiem w istniejących filmach. **Dane wejściowe:** * Wideo źródłowe * Nowy plik audio z mową **Funkcje:** * Ponownie animuje ruchy ust w wideo źródłowym, aby pasowały do nowego dźwięku * Narzędzie do synchronizacji ruchu ust z dźwiękiem między filmami, a nie pełny generator wideo * Tworzenie wsadowe do 4 generacji naraz **Idealne do:** * Dubbingu i tłumaczeń, gdy jakość wyniku jest ważniejsza niż koszt * Poprawiania dialogów w gotowych klipach **Koszt:** Zależy od danych wejściowych, ustawień i czasu trwania > **Note** > > Aby uzyskać najlepsze wyniki, wideo powinno zawierać wykrywalną postać. #### Modele narzędziowe #### Topaz Image Upscale Zwiększa rozdzielczość obrazu przy zachowaniu szczegółów. **Dane wejściowe:** * Obraz źródłowy **Funkcje:** * Współczynniki skalowania: 1.25x, 1.5x, 2x, 3x, 4x **Idealne do:** * Przygotowywania obrazów do wyświetlaczy o wysokiej rozdzielczości **Koszt:** Zależy od danych wejściowych #### Topaz Video Upscale Zwiększa rozdzielczość wideo przy zachowaniu szczegółów. **Dane wejściowe:** * Wideo źródłowe **Funkcje:** * Współczynniki skalowania: 1.25x, 1.5x, 2x, 3x, 4x * Szybkie i precyzyjne tryby przetwarzania * Opcjonalna konwersja liczby klatek na sekundę do 24, 25, 30, 48, 50 lub 60 fps **Idealne do:** * Przygotowywania wideo do wyświetlaczy o wysokiej rozdzielczości **Koszt:** Zależy od danych wejściowych #### Usuwanie tła Usuwa tło z obrazu i zwraca go z przezroczystością kanału alfa. **Dane wejściowe:** * Obraz źródłowy **Funkcje:** * Nie wymaga promptu * Jeden wynik na uruchomienie **Idealne do:** * Wycinania produktów i kompozycji * Przygotowywania obiektów do użycia jako referencje w innych generacjach **Koszt:** Zależy od danych wejściowych #### Usuwanie tła z wideo Usuwa tło z wideo. **Dane wejściowe:** * Wideo źródłowe **Funkcje:** * Nie wymaga promptu * Tło wyjściowe może być przezroczyste, czarne lub zielone **Idealne do:** * Wycinania obiektu z istniejącego materiału * Przygotowywania wideo do kompozycji **Koszt:** Zależy od danych wejściowych #### Runway Ruby Konwertuje wideo o standardowym zakresie dynamiki do HDR. **Dane wejściowe:** * Wideo źródłowe (do 30 s) **Funkcje:** * Nie wymaga promptu * Jeden wynik na uruchomienie; długość i kadrowanie są zgodne ze źródłem **Idealne do:** * Przygotowywania materiału do wyświetlaczy HDR * Ponownej korekcji kolorów wygenerowanego wideo przed dostarczeniem **Koszt:** Zależy od długości wideo ## Najczęściej zadawane pytania #### Czym są Obrazy i wideo? Image & Video pozwala tworzyć wysokiej jakości treści wizualne na podstawie prostych opisów tekstowych i opcjonalnych obrazów referencyjnych. ![](/docs/_fern-img/ec6dc958c221fea880349a9807857e535832d80e0cbd2f3399c0f2ee4328d27e.webp) Możesz wybierać spośród różnych generatywnych modeli obrazów i wideo, zależnie od zastosowania. Wygenerowane treści możesz pobrać lub zaimportować bezpośrednio do projektów Studio. W bezpłatnym planie możesz wysłać tylko trzy generacje obrazów dziennie. Generowanie wideo jest dostępne tylko w płatnych subskrypcjach. Więcej informacji znajdziesz w naszej [dokumentacji Image & Video](/docs/pl/capabilities/image-video). > **Note** > > Jeśli bierzesz udział w programie ElevenLabs Grants, możesz wykorzystać do 1 000 000 kredytów z grantu > na **Image & Video** i **Flows**. #### Ile kosztują Obrazy i wideo? Koszt każdej generacji zależy od modelu i wybranych ustawień, takich jak rozdzielczość, a w przypadku wideo także długość. Płacisz za każdą generację. Wybór 4 generacji kosztuje cztery razy więcej niż wybór 1 generacji. Przed wysłaniem generacji zobaczysz, ile generacji pozostało ci na podstawie wybranego modelu i ustawień. Aby sprawdzić, ile kredytów zostanie odjętych za wybrane generacje, najedź kursorem na liczbę pozostałych generacji. ![](/docs/_fern-img/05a4697d64f8028a9651d23c5daba1870b6495db111973c3f491ec21bbbe6f5d.webp) Więcej informacji znajdziesz w naszej [dokumentacji Image & Video.](/docs/pl/product-guides/playground/image-video) W darmowym planie możesz wysłać tylko trzy generacje obrazów dziennie. Generowanie wideo jest dostępne tylko w płatnych subskrypcjach.