Imagem e Vídeo

Um modelo de vídeo multimodal unificado com geração conjunta de áudio e vídeo, que oferece controle em nível de direção sobre atuação, iluminação, sombras 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 conjunto em uma única etapa
• Recursos líderes do setor de referência e edição multimodal, aceitando simultaneamente entradas de texto, imagem, áudio e vídeo
• Excepcional estabilidade de movimento com realismo de nível cinematográfico alinhado aos padrões do setor
• Controle criativo em nível de direção sobre atuação, iluminação, sombras 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, com aderência 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 selecionadas e a duração

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 total
• Clipes orientados por referências em que a saída de 720p é suficiente

Custo: Varia conforme as configurações selecionadas e a duração

API: bytedance-seedance-v2-fast

A menor variante do Seedance 2.0: aproximadamente duas vezes mais rápida que o Seedance 2.0, por cerca de 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 grande volume
• Workflows sensíveis a custo que ainda precisam de entradas de áudio e referências

Custo: Varia conforme as configurações selecionadas e a duração

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 obtida do quadro inicial ou do 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 selecionadas e a duração

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 para editar (obrigatório, até 30s)
• Prompt de texto descrevendo as edições
• Referências de imagem (até 30)
• Referências de vídeo adicionais (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 obtida do 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 figurino, objetos, iluminação ou cenário em filmagens existentes
• Transferência de estilo que preserva o movimento original

Custo: Varia conforme as configurações selecionadas e a duração

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

Entradas de geração:

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

Recursos:

• Duração da extensão de 4s a 30s
• A proporção é obtida do 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 selecionadas e a duração

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

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
• Tratamento aprimorado 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 guiadas por personagens que exigem continuidade visual
• Comerciais e recursos com necessidades específicas de renderização de texto

Custo: Varia conforme as configurações selecionadas e a duração

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

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 das interações entre elementos e da coerência de movimento
• Suporte nativo para áudio ativado ou desativado em cada geração

Opções de saída:

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

Ideal para:

• Narrativas guiadas por personagens que exigem continuidade visual rigorosa
• Recursos profissionais de marketing e marca com renderização consistente de itens

Custo: Varia conforme as configurações selecionadas e a duração

Um modelo de edição de vídeo para vídeo guiado por linguagem natural, baseado na arquitetura O3, que permite transformações visuais complexas — como substituição de personagens e troca de ambientes — 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 com alta fidelidade
• Opção de preservar o áudio original da fonte 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 com 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 aderência 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 e 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 e de alta qualidade com total controle criativo

Custo: Varia conforme as configurações selecionadas e a duração

API: veo-3.1-generate-001

Um modelo de alta velocidade otimizado para prévias e gerações rápidas, oferecendo 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:

• Iterações rápidas e imagens para testes A/B
• Criação ágil de conteúdo para redes sociais

Custo: Varia conforme as configurações selecionadas e a duração

API: veo-3.1-fast-generate-001

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

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 grande volume, quando velocidade e eficiência de custo são prioridades
• Exploração rápida de conceitos e prévias

Custo: Varia conforme as configurações selecionadas e a duração

O modelo de vídeo do Google com compreensão de física, áudio nativo, saída de até 4K e geração com interpolação de quadros e 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
• Forte renderização de textos curtos e rótulos 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 fisicamente fundamentado com assuntos consistentes entre referências

Custo: Varia conforme as configurações selecionadas e a duração

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

Entradas de geração:

• Vídeo para 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 selecionadas e a duração

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 selecionadas e a duração

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:

• Faz a transição perfeita entre os quadros inicial e final para criar sequências coerentes com vários planos
• Modelagem de alta fidelidade de ações complexas e consistência ambiental
• Compatível com durações fixas de geração de 4s a 12s
• Gere até 4 variações por vez
• Suporte nativo para ativar ou desativar o áudio 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 marcos visuais específicos
• 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 planos, áudio gerado e extensão de vídeo.

Entradas de geração:

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

Recursos:

• A extensão de vídeo não pode ser usada junto com os quadros inicial e final
• Durações flexíveis de geração de 5s a 20s
• Controle de som nativo, com áudio ativado ou desativado em cada geração
• Criação em lote de 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 planos a partir de um único prompt
• Estender um clipe existente com movimento e áudio correspondentes

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 2s a 15s, 15s no total)
• Referências de áudio (até 3, cada uma de 2s a 15s, 15s no total)

Recursos:

• Limite combinado de 12 referências por geração; referências de áudio exigem pelo menos uma referência de imagem ou vídeo
• Quadros e referências não podem ser usados juntos
• Durações flexíveis de geração de 5s a 15s
• Gera áudio sincronizado
• Criação em lote de 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 ser entregues em alta resolução
• Clipes com diálogos 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 2s a 15s, 15s no total)
• Referências de áudio (até 3, cada uma de 2s a 15s, 15s no total)

Recursos:

• Limite combinado de 12 referências por geração; referências de áudio exigem pelo menos uma referência de imagem ou vídeo
• Quadros e referências não podem ser usados juntos
• Durações flexíveis de geração de 5s a 15s
• Gera áudio sincronizado
• Criação em lote de 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
• Prévias antes da renderização com o MiniMax H3

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 múltiplas camadas e executar ações cronológicas complexas
• Usa imagens e vídeos como referências 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 5s e 10s
• 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 múltiplas referências são essenciais

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo de edição de vídeo para vídeo guiado por linguagem natural que permite transformações visuais complexas — como substituição de personagens e troca de ambientes — 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 em 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 alta consistência dos personagens
• Opção de preservar o áudio original da fonte ou gerar uma saída sem som 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 de alta fidelidade em filmagens existentes, preservando os movimentos originais
• Transformações completas do ambiente da cena (por exemplo, mudar uma cidade durante o dia para 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 em transferência precisa de movimento, que permite animar uma imagem de personagem com um vídeo de referência para replicar movimentos, gestos e ângulos de câmera específicos.

Entradas de geração:

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

Recursos:

• Escolha “Corresponder ao vídeo” para replicação exata de movimento ou “Corresponder à imagem” para adicionar novos movimentos criativos a um personagem
• Compatível com até 30s no modo Corresponder ao vídeo e 10s no modo Corresponder à imagem
• Mapeamento de alta fidelidade do movimento humano da filmagem de referência para um personagem estático
• Suporte nativo para ativar ou desativar o áudio em cada geração
• Gere até 4 variações por vez

Opções de saída:

• Resoluções: Dependem da origem
• Proporções: Dependem da origem

Ideal para:

• Replicar coreografias complexas ou movimentos específicos em um personagem personalizado
• Animação de personagens de longa duração 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 em transferência precisa de movimento, desenvolvido com base na arquitetura Kling 3.0, que permite animar uma imagem de personagem com um vídeo de referência para replicar movimentos, gestos e ângulos de câmera específicos com maior fidelidade.

Entradas de geração:

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

Recursos:

• Escolha “Corresponder ao vídeo” para replicação exata de movimento ou “Corresponder à imagem” para adicionar novos movimentos criativos a um personagem
• Compatível com até 30s no modo Corresponder ao vídeo e 10s no modo Corresponder à imagem
• Mapeamento de alta fidelidade do movimento humano da filmagem de referência para um personagem estático
• Suporte nativo para ativar ou desativar o áudio em cada geração
• Gere até 4 variações por vez

Opções de saída:

• Resoluções: Dependem da origem
• Proporções: Dependem da origem

Ideal para:

• Replicar coreografias complexas ou movimentos específicos em um personagem personalizado
• Animação de personagens de longa duração 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 oferecer 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 dos movimentos e nas 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 5s e 10s

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 as expressões
• Durações fixas: 5s e 10s
• Criação em lote de até 4 gerações por vez

Opções de saída:

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

Ideal para:

• Simulações físicas realistas 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 física líderes do setor
• Aderência superior ao prompt para controle criativo preciso de cenas complexas
• Alta fidelidade visual que oferece 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 demandam 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 com bom custo-benefício, 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 do que iterações anteriores
• Permite direcionar com precisão os movimentos dos personagens, os ângulos de câmera e as composições das cenas
• Excelente para manter coerência e estabilidade visual em cenas dinâmicas
• Compatível com durações de geração de 2s a 10s
• 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 enquanto preserva a estrutura subjacente da filmagem de origem.

Entradas de geração:

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

Recursos:

• Adicione, remova ou transforme objetos e assuntos em uma cena de forma fluida, com iluminação, sombras e perspectiva naturais
• Altere locais, estações e horário do dia (por exemplo, convertendo uma filmagem nublada em um pôr do sol dramático) com atualizações realistas de temperatura de cor
• Modifique a idade e a aparência de atores ou altere a textura de roupas e assuntos por meio de prompts simples em linguagem natural
• Aplique o movimento específico e o trajeto de câmera de um vídeo de referência a uma imagem estática para um controle preciso da animação
• Gere ângulos de câmera inteiramente novos, como planos reversos ou ângulos baixos, a partir de uma única sequência de vídeo existente
• Inclui recorte preciso para tela verde (isolamento com detecção de bordas), geração do próximo plano para continuidade da história e transferência de estilo estético
• Gere até 4 variações simultaneamente

Opções de saída:

• Resoluções: 720p
• Proporções: Automático

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 plano
• Conteúdo criativo de marketing que exige transformações drásticas de ambiente ou estilo

Custo: Varia conforme as configurações e a duração selecionadas

Modelo de edição de vídeo da Runway: transforma um vídeo existente para alcançar uma aparência desejada, preservando o movimento e a consistência.

Entradas:

• Vídeo de origem (obrigatório, de 2s a 30s)
• Imagem da aparência desejada (obrigatória)
• Prompt de texto que descreve as edições

Recursos:

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

Ideal para:

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

Custo: Varia conforme as configurações e a duração selecionadas

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

Entradas de geração:

• Performance de condução (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 sutis tremores de câmera a imagens estáticas de personagens para um visual mais natural
• Controle preciso para ativar ou desativar movimentos do corpo e das mãos ao usar uma imagem de personagem
• Configurações ajustáveis para equilibrar performance emocional intensa e consistência visual do personagem
• Possibilidade de alterar a voz do personagem após a geração, mantendo o alinhamento perfeito com a performance de condução

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 de até 4 gerações por vez
• Máxima flexibilidade criativa com inúmeras 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 de base 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 diálogos, movimento dos lábios e áudio ambiente simultaneamente para um alinhamento perfeito sem ferramentas externas
• Cenas dinâmicas com movimento estável, identidade consistente e forte coerência entre quadros
• Compatível com geração sincronizada de alta fidelidade por até 20 segundos
• Direção criativa avançada com suporte granular 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:

• Falas coerentes e interpretações expressivas de personagens
• Conteúdo narrativo que exige áudio ambiente integrado e tempo consistente
• Cenas dinâmicas com lógica complexa de movimento considerando a câmera

Custo: Varia conforme as configurações e a duração selecionadas

Um modelo generativo de alta fidelidade otimizado para máximo detalhamento visual 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
• Compatível com 25 FPS e 50 FPS para movimentos excepcionalmente fluidos e profissionais
• Geração audiovisual integrada, com opção de 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 nitidez em 4K
• Conteúdo profissional que necessita de 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 diálogos, emoções e ações específicas em tomadas existentes sem quebrar a continuidade nem gerar toda a sequência novamente.

Entradas de geração:

• Vídeo de origem
• Descrição em texto

Recursos:

• Modifique segmentos específicos mantendo uma forte preservação de contexto dos quadros ao redor
• Reformule falas mantendo consistentes a voz, a interpretação e o ambiente do personagem
• Vários modos de edição: selecione entre “Áudio e Vídeo”, “Somente áudio” ou “Somente vídeo” para isolar e gerar novamente elementos específicos da tomada
• 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 uma única tomada
• Gere até 4 variações simultaneamente para comparar opções criativas lado a lado

Opções de saída:

• Proporções: apenas 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 ágil de conteúdo, oferecendo visuais em alta resolução com 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
• Compatível com saídas nativas em 1080p, 2k e 4k com menor demanda computacional que o modelo Pro
• Compatível com 25 FPS e 50 FPS para movimentos fluidos 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:

• Tomadas cinematográficas mais longas 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 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 da renderização final com Wan 3.0
• Workflows sensíveis ao tempo 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 fornecer conteúdo em 1080p pronto para produção, com sincronização nativa de áudio e sequenciamento inteligente de várias tomadas.

Entradas de geração:

• Texto para Vídeo
• Quadro inicial (Imagem para Vídeo)
• Referência de vídeo (Vídeo para Vídeo)
• Referência de áudio (Áudio ambiente ou diálogo opcional)

Recursos:

• Sistema multimodal unificado: processa texto, imagens, vídeo e áudio em uma única estrutura integrada para uma qualidade de saída consistente
• Sincronização nativa de áudio: gera e alinha automaticamente diálogos, narração e efeitos sonoros ambientais aos movimentos na tela
• Sequenciamento inteligente de várias tomadas: organiza automaticamente sequências de vídeo conectadas em arcos narrativos coerentes, mantendo a consistência dos personagens
• Durações estendidas: compatível com geração estável e de alta qualidade em durações fixas de 5s, 10s e 15s
• Controle criativo avançado: compatível com prompts negativos para gerenciamento granular de detalhes 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 várias tomadas
• Anúncios para redes sociais e conteúdo de marketing que exigem áudio integrado de alta fidelidade
• Conteúdo orientado por personagens que exige consistência visual e de movimento rigorosa 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 granular 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 pronto para produção da OpenAI, 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 selecionadas e o número de variações

API: gpt-image-2.5-sunburst

Uma variante rápida do GPT Image 2.5 com os mesmos controles do Sunburst, ajustada para geração cotidiana e 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 selecionadas e o número de variações

API: gpt-image-2.5-flare

Um modelo avançado de IA desenvolvido 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
• Compatível com 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 selecionadas e o número de variações

API: gpt-image-2

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

Recursos:

• Saída em resolução 4K nativa sem ampliação, para detalhes cristalinos
• Geração de imagens extremamente rápida, em apenas 1 a 2 segundos
• Excelente aderência ao prompt por meio de raciocínio avançado e seguimento de instruções
• Renderização de texto nítida e precisa em vários idiomas para mockups, sinalização e infográficos
• Estilização consistente de vários sujeitos que preserva a identidade entre personagens e objetos
• Conhecimento de mundo aprimorado para uma geração de cenas mais precisa
• Compatível com 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:

• Workflows 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 selecionadas e o número de variações

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 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 selecionadas e o número de variações

API: gemini-3.1-flash-lite-image

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

Recursos:

• Geração de imagens de alta fidelidade com forte aderência ao prompt
• Compatível com 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 entre diversos conceitos criativos

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

O principal modelo de geração de imagens da Krea AI, que oferece máxima fidelidade visual e controle criativo avançado para workflows de produção profissional.

Recursos:

• Detalhes e realismo excepcionais para resultados de nível profissional
• Controle de estilo avançado com suporte para várias referências de imagem
• Gera até 4 imagens por vez

Opções de saída:

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

Ideal para:

• Produção de imagens comerciais e editoriais de alto nível
• 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 forte controle de prompt e composição limpa.

Entradas de geração:

• Texto para Imagem

Recursos:

• A saída em 2K usa a variante Pro do modelo
• 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:

• Gráficos, ícones e pôsteres orientados por layout
• Composições limpas criadas apenas com 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 Pro do modelo
• 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:

• 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 leve de geração rápida de imagens da ByteDance, que oferece resultados de alta qualidade com menor demanda computacional.

Recursos:

• Geração rápida para iteração criativa ágil
• Compatível com 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:

• Workflows 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
• Lida com 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 múltiplas imagens com aderência 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 projetado para geração precisa de imagens a partir de texto e edição complexa e não destrutiva de fotos, preservando os detalhes originais.

Recursos:

• Executa de forma confiável as alterações solicitadas, mantendo a integridade da iluminação, da composição e da aparência do sujeito nas imagens de origem
• Compatível com tarefas de edição complexas, incluindo adicionar, remover, combinar e mesclar elementos
• Entrega resultados até 4 vezes mais rápido que as 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 em fotos e provadores 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

O modelo de imagem de primeira geração da OpenAI, com boa aderência ao prompt, texto legível e edição detalhada.

Entradas de geração:

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

Recursos:

• Três níveis de qualidade: baixa, média e alta
• Criação em lote com até 4 gerações por vez

Opções de saída:

• Proporções: 3:2, 1:1, 2:3

Ideal para:

• Workflows já criados com base 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 fundamental multimodal de alto desempenho que unifica síntese de texto para imagem, edição precisa de imagens e composição complexa de múltiplas imagens em uma estrutura única e eficiente.

Recursos:

• Suporte nativo para geração rápida de imagens de alta fidelidade com resolução de até 4K
• Preservação excepcional de traços faciais, iluminação, tom de cor e detalhes finos em tarefas de edição baseadas em referências
• Identifica e combina com precisão elementos-alvo em várias imagens de entrada para resultados controláveis e consistentes
• Oferece recursos de composição em nível de designer, 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:

• Workflows profissionais de design gráfico que exigem layout e tipografia precisos
• Edição complexa de fotos que exige aderência 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, projetado para aderência superior ao prompt e consistência visual precisa em composições complexas.

Recursos:

• Capacidade excepcional de interpretar e executar descrições de texto complexas e em 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: Automática, 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 aderência 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 pronto para produção, projetado para workflows profissionais e que oferece qualidade visual de ponta com foco em velocidade, precisão e consistência.

Recursos:

• Use várias imagens como referência simultaneamente para alcançar consistência de personagens e identidades líder no setor em centenas de materiais
• Oferece um salto sem precedentes na qualidade dos detalhes, aproximando-se da fotografia real em tudo, de texturas de tecidos a elementos arquitetônicos
• Oferece renderização de texto pronta para produção para tipografia complexa, mockups de UI e infográficos
• Compatível com especificação precisa de cores de marca por códigos hexadecimais, sem aproximações
• Garante posicionamento preciso de objetos, física realista, iluminação coerente e perspectiva adequada em cenas complexas
• Otimizado para maior precisão e melhor 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 consistentes de design visual
• Gerar fotografia de produtos em escala e imagens contextuais de lifestyle

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

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

Entradas:

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

Recursos:

• Planeja as cenas antes de renderizá-las para oferecer iluminação precisa em termos de física, relações corretas entre objetos e aderência superior ao prompt
• Gera texto multilíngue nítido e legível em vários estilos de fonte e caligrafia para pôsteres impactantes e mockups de produtos
• Mantém alta fidelidade e semelhança para até 5 pessoas e vários objetos em diversos resultados criativos
• Integra a Pesquisa Google para aprimorar os 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: Automática, 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 premium
• 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 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

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-base avançado projetado 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 várias saídas
• Otimizado para interpretar descrições complexas em linguagem natural e oferecer 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, provadores virtuais e visualizações de produtos prontas para escalar
• Explorar diversas direções artísticas enquanto mantém a identidade visual central por meio de referências de imagem

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

Um modelo de geração de imagens otimizado para velocidade, que entrega resultados 2,5 vezes 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 da deriva visual ao codificar características visuais específicas das imagens de referência para manter a identidade entre várias gerações
• Aplique facilmente a estética, a iluminação e a textura de uma imagem de referência a sujeitos e cenas inteiramente novos
• Use parâmetros de seed para explorar variações sistematicamente ou recriar saídas específicas 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 Instagram Stories (9:16) ou publicações 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 lifestyle e diferentes estações com orientação baseada em referências

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

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

Recursos:

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

Opções de saída:

• Proporções: automática, 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 ao prompt 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 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 diffusion transformer (DiT) de última geração, desenvolvido para renderizar avatares ultrarrealistas e responsivos, guiados por áudio e texto.

Entradas de geração:

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

Recursos:

• Vai além da sincronização labial básica, incluindo piscadas contextualizadas, respiração e expressões faciais naturais
• Sincroniza automaticamente movimentos das mãos e do corpo inteiro 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 diversas configurações, incluindo apresentações em ângulo lateral, diálogos em estilo podcast e animações estilizadas
• Gere até 4 variações por 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 longos que exigem presença consistente do personagem

Custo: Varia de acordo com 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 da imagem de origem para corresponder ao áudio fornecido
• Cria vídeos de pessoas “falando” em alta fidelidade a partir de imagens estáticas
• Ferramenta específica para 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 baseado em avatares

Custo: Varia de acordo com 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 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 para 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 de acordo com a entrada, as configurações e a duração

O modelo de sincronização labial de vídeo da geração mais recente 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 filmagens reais, animação 3D e vídeo gerado 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 de acordo com a entrada, as configurações e a duração

Um modelo de edição de vídeo de última geração desenvolvido para sincronização labial de nível profissional, que preserva detalhes faciais únicos e gera resultados em alta resolução.

Entradas de geração:

• Vídeo de origem
• Áudio de fala

Recursos:

• Incorpora aprimoramento de resolução avançado para oferecer saída em 4K, mantendo texturas nítidas e naturais
• Protege características faciais únicas, como dentes naturais, sardas, maquiagem e pelos faciais complexos, sem perda de nitidez
• Otimizado para funcionar em todos os tipos de conteúdo, incluindo filmagens reais, animação 3D e vídeo gerado 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 facial e detalhes perfeitos em cada pixel

Custo: Varia de acordo com a entrada, as configurações e a duração

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

Entradas:

• Imagem estática de origem
• Arquivo de áudio de fala

Recursos:

• Anima a boca na imagem de origem para corresponder ao áudio fornecido
• Cria vídeos de pessoas “falando” em alta fidelidade a partir de imagens estáticas
• Ferramenta específica para 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 de acordo com 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 de acordo com a entrada, as configurações e a duração

O sucessor 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 por vez

Ideal para:

• Dublagem e tradução quando a qualidade do resultado é mais importante que o custo
• Corrigir diálogos em clipes finalizados

Custo: Varia de acordo com a entrada, as configurações e a duração

Um modelo utilitário dedicado para aprimoramento de resolução de imagens e vídeos, desenvolvido para aumentar a resolução e os detalhes em até 4x.

Recursos:

• Ferramenta de aprimoramento que processa mídia existente
• Aumenta o tamanho da mídia, preservando texturas naturais e minimizando artefatos
• Fatores de aprimoramento altamente granulares: 1x, 1.25x, 1.5x, 1.75x, 2x, 3x, 4x
• Específico para vídeo: controle flexível da taxa de quadros (manter a origem ou converter para 24, 25, 30, 48, 50 ou 60 fps)

Ideal para:

• Melhorar a qualidade de mídia gerada
• Restaurar filmagens ou fotos antigas
• Preparar recursos para telas de alta resolução

Custo: Varia de acordo com a entrada

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

Entradas:

• Imagem de origem

Recursos:

• Não exige prompt
• Uma única saída por execução

Ideal para:

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

Custo: Varia de acordo com a entrada

Converte vídeo de faixa dinâmica padrão em HDR.

Entradas:

• Vídeo de origem (até 30 s)

Recursos:

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

Ideal para:

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

Custo: Varia de acordo com a duração do vídeo