Gemini Omni 1.2 Flash
Generate video from up to 7 reference images and up to 5 preset voices with Gemini Omni 1.2 Flash. Supports durations from 3 to 15 seconds and resolutions up to 4K.
- video
- high-fidelity
ByteDance Seedance 2.0 Mini Videomodellfamilie für Text-zu-Video, Bild-zu-Video, Start-End-Frame-Übergänge und multimodales Referenz-zu-Video (bis zu 9 Bilder, 3 Videos und 3 Audiospuren) mit 25 % Rabatt ($0.045/s bei 480p, $0.09/s bei 720p).
No output yet
Run the model to see generated results.
import requests
result = requests.post(
'https://api.e2x.ai/v1/jobs/submit',
headers={
'Authorization': f'Bearer {API_KEY}',
'Content-Type': 'application/json'
},
json={
'model': 'bytedance/seedance-2.0-mini/reference-to-video',
'input': {}
}
)import time
job_id = result.json()['jobId']
while True:
response = requests.get(
f'https://api.e2x.ai/v1/jobs/{'{job_id}'}',
headers={'Authorization': f'Bearer {'{API_KEY}'}'}
)
data = response.json()['data']
if data['status'] == 'completed':
print('Done!', data['outputs'][0]['url'])
break
elif data['status'] == 'failed':
raise Exception(f"Job failed: {'{'}data['error']['message']{'}'}")
time.sleep(2)Geschätzte Kosten pro Generierung nach Dauer und Auflösung. Sie zahlen nur für das, was Sie ausführen.
Weitere KI-Modelle für Referenz zu Video entdecken
Generate video from up to 7 reference images and up to 5 preset voices with Gemini Omni 1.2 Flash. Supports durations from 3 to 15 seconds and resolutions up to 4K.
Generate video from up to seven reference images with Gemini Omni 1.1 Flash. The reference images carry character and style consistency into the result.
Die neueste Videogenerierung von Google DeepMind – hohe Detailtreue und vielfältige Stile.
Videogenerierung von Google DeepMind mit hoher Detailtreue und vielfältigen Stilen.
Einblicke, Tutorials und Neuigkeiten vom E2X-Team.
Integrieren Sie ByteDance Seedance 2.0 Mini Text-to-Video, Image-to-Video, Start-End-Frame und Reference-to-Video auf E2X für $0.045/s (480p) und $0.09/s (720p, 25 % Rabatt).
Gesichter, Hände und nativer Dialog auf Gemini Omni 1.1 Flash — die Adjektive, die Haut zu Plastik machen, warum eine beschäftigte Hand zusammenhält, und die Grenzen, die Google schriftlich setzt.
Google hat gemini-omni-1.1-flash am 27. August 2026 allgemein verfügbar gemacht. Szenenerweiterung, Frame-Steuerung, Referenzclips — was sich wirklich ändert.
Vier Omni-Capabilities kosten dasselbe und halten Unterschiedliches fest. Wie man pro Anschlussproblem eine wählt, was der Seed wirklich fixiert und wo die Jacke immer noch wechselt.
ByteDance Seedance 2.0 Mini reference-to-video (bytedance/seedance-2.0-mini/reference-to-video) ist ein multimodaler Referenz-Konditionierungsendpunkt, der in einer einzigen Anfrage bis zu 9 Referenzbilder (reference_urls), 3 Referenzvideoclips (reference_video_urls) und 3 Referenzaudiospuren (reference_audio_urls) akzeptiert, die direkt in Ihrem Prompt über die Tags @Image1..@Image9, @Video1..@Video3 und @Audio1..@Audio3 angesprochen werden.
Mit unserem dauerhaften Rabatt von 25 % auf den Listen-Basispreis von $0.06/s berechnet E2X pauschal $0.045 pro Sekunde bei 480p und $0.09 pro Sekunde bei 720p – unabhängig davon, wie viele Referenzbilder, -videos oder -audiodateien Sie anhängen. Eine 5-sekündige 720p-Generierung kostet $0.45, und ein 5-sekündiger 480p-Entwurf kostet $0.225.
Für einfachere Konditionierungsmodi innerhalb derselben Familie nutzen Sie Seedance 2.0 Mini image-to-video, wenn ein einzelnes Bild als erstes Frame dienen soll, Seedance 2.0 Mini start-end-frame-to-video beim Interpolieren zwischen zwei Keyframes oder Seedance 2.0 Mini text-to-video, wenn Sie ausschließlich aus Text generieren.
Auf tokenbasierten Plattformen und bei mehreren sekundengenauen Wrappern ändert das Übergeben von Referenzvideos (reference_video_urls) die Art und Weise, wie Ihr Auftrag abgerechnet wird:
10s Input) übergeben, um einen 5-sekündigen Ausgabeclip (5s Output) zu generieren, werden Ihnen 15 Sekunden an Tokens oder Videodauer in Rechnung gestellt.bytedance/seedance-2.0-mini, sobald Video-Inputs vorhanden sind (video_in), und berechnet $0.05/s bei 480p (statt $0.04/s) sowie $0.11/s bei 720p (statt $0.09/s).Auf E2X rechnet bytedance/seedance-2.0-mini/reference-to-video ausschließlich nach Ausgabedauer und Ausgabeauflösung ab. Das Anhängen von 9 Referenzbildern, 3 Referenzvideos und 3 Referenzaudioclips erhöht den Sekundenpreis um $0.00:
| Szenario (5s-Ausgabeclip bei 720p) | E2X (25 % Rabatt) | Replicate | WaveSpeed | fal.ai |
|---|---|---|---|---|
3 Referenzbilder (non_video_in) | $0.45 ($0.09/s) | $0.45 ($0.09/s) | $0.60 ($0.12/s) | ~$0.77 (~$0.155/s) |
| 1× 5s-Referenzvideo + 5s Ausgabe | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $0.75 (10s × $0.075/s) | ~$0.93 (10s bei 0.6× Token-Rate) |
| 2× 5s-Referenzvideos + 5s Ausgabe | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $1.125 (15s × $0.075/s) | ~$1.39 (15s bei 0.6× Token-Rate) |
Preise geprüft am 5. November 2026. Preise und Produktbedingungen können sich ändern. Prüfen Sie vor einer Kaufentscheidung die aktuellen Preise jedes Anbieters. Dies ist ein abgegrenzter Vergleich und kein Anspruch darauf, dass E2X in jeder Konfiguration die günstigste Option ist.
@Image, @Video und @AudioDas Schema von bytedance/seedance-2.0-mini/reference-to-video stellt neben prompt drei Array-Felder bereit:
reference_urls (maxItems: 9): Referenzbilder für Charaktergesichter, Kleidung, Produktwinkel oder Umgebungsaufnahmen. Sprechen Sie diese in Ihrem Prompt in 1-basierter Array-Reihenfolge als @Image1, @Image2 bis @Image9 an.reference_video_urls (maxItems: 3): Referenzvideoclips für Kamerachoreografie, Bewegungstransfer oder Charakterbewegungen. Sprechen Sie diese als @Video1, @Video2 und @Video3 an.reference_audio_urls (maxItems: 3): Referenzaudioclips für Stimmklangfarbe, Rhythmus oder Umgebungsgeräusche. Sprechen Sie diese als @Audio1, @Audio2 und @Audio3 an.Eine Validierungsregel wird sowohl von BytePlus ModelArk als auch von unserem Worker durchgesetzt: Jede reference-to-video-Anfrage muss mindestens eine visuelle Referenz (reference_urls oder reference_video_urls) enthalten. Das Übergeben von reference_audio_urls ohne mindestens eine Bild- oder Videoreferenz löst vor dem Absenden des Auftrags einen Validierungsfehler aus.
Speichern Sie Ihre wiederverwendbaren Charakter-, Produkt- oder Bewegungsreferenz-URLs in einem Array und referenzieren Sie deren 1-basierte Positionen (@Image1, @Video1, @Audio1) direkt im prompt:
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "bytedance/seedance-2.0-mini/reference-to-video",
"input": {
"prompt": "The courier from @Image1 wearing the reflective jacket from @Image2 walks briskly through the neon-lit alley in @Image3, matching the handheld camera tracking motion in @Video1.",
"reference_urls": [
"https://cdn.example.com/refs/courier-face.jpg",
"https://cdn.example.com/refs/reflective-jacket.jpg",
"https://cdn.example.com/refs/neon-alley.jpg"
],
"reference_video_urls": [
"https://cdn.example.com/refs/handheld-walk-ref.mp4"
],
"aspect_ratio": "16:9",
"resolution": "720p",
"duration": "6",
"has_sound": true,
"seed": 50129
}
}'
Hier ist ein JavaScript-Beispiel, das Bild-, Video- und Audioreferenzen zu einem 8-sekündigen vertikalen 9:16-Clip kombiniert ($0.72 bei 720p oder $0.36 bei 480p):
const headers = {
Authorization: `Bearer ${process.env.E2X_API_KEY}`,
"Content-Type": "application/json",
};
const submitRes = await fetch("https://api.e2x.ai/v1/jobs/submit", {
method: "POST",
headers,
body: JSON.stringify({
model: "bytedance/seedance-2.0-mini/reference-to-video",
input: {
prompt: "The host in @Image1 holds the ceramic mug from @Image2 at the studio desk, speaking with the cadence of @Audio1 while the camera performs the slow push-in from @Video1.",
reference_urls: [
"https://cdn.example.com/refs/host-portrait.jpg",
"https://cdn.example.com/refs/ceramic-mug.jpg",
],
reference_video_urls: [
"https://cdn.example.com/refs/slow-push-in.mp4",
],
reference_audio_urls: [
"https://cdn.example.com/refs/voice-cadence.mp3",
],
aspect_ratio: "9:16",
resolution: "720p",
duration: "8",
has_sound: true,
},
}),
});
const { data: submitted } = await submitRes.json();
for (let poll = 0; poll < 240; poll++) {
await new Promise((r) => setTimeout(r, 3000));
const res = await fetch(`https://api.e2x.ai/v1/jobs/${submitted.jobId}`, {
headers,
});
const { data: job } = await res.json();
if (job.status === "completed") {
console.log("Reference video output:", job.outputs[0].url);
break;
}
if (job.status === "failed" || job.status === "cancelled") {
throw new Error(job.error?.message || `Job ended with ${job.status}`);
}
}
Unser Worker akzeptiert zudem image_urls, video_urls und audio_urls als Input-Aliase und bildet diese automatisch sowohl auf die primären content-Elemente von BytePlus ModelArk (role: "reference_image", "reference_video", "reference_audio") als auch auf das sekundäre Eachlabs-Fallback ab. Vollständige Schemadetails finden Sie in der maschinenlesbaren Spezifikation und unter E2X SDKs.
E2X bietet drei Reference-to-Video-Endpunkte mit unterschiedlichen Referenzkapazitäten und Modalitäten:
| Endpunkt | 720p pro Sekunde | Max. Bildreferenzen | Video- & Audioreferenzen | Dauerbereich | Seitenverhältnisse |
|---|---|---|---|---|---|
| Seedance 2.0 Mini reference-to-video | $0.09 ($0.045/s bei 480p) | 9 Bilder | Bis zu 3 Videos + 3 Audios | 4 bis 15 s (1s-Schritte) | 6 (21:9 bis 9:16) |
| Gemini Omni 1.1 Flash reference-to-video | $0.09 ($0.0297/s bei 360p) | 7 Bilder | Nur Bildreferenzen | 4, 6, 8, 10 s | 2 (16:9, 9:16) |
| Veo 3.1 Fast reference-to-video | $0.015 (mit Ton) | 3 Bilder | Nur Bildreferenzen | 4, 6, 8 s | 2 (16:9, 9:16) |
Seedance 2.0 Mini ist der einzige Endpunkt im Reference-to-Video-Katalog, der 9 Referenzbilder zusammen mit Referenzvideoclips (@Video1..@Video3) und Referenzaudiospuren (@Audio1..@Audio3) akzeptiert, und der einzige, der die Seitenverhältnisse 21:9, 4:3, 3:4 und 1:1 oder Laufzeiten von 11 bis 15 Sekunden unterstützt. Wählen Sie Gemini Omni 1.1 Flash reference-to-video, wenn Ihr Endprodukt in 1080p oder 4K vorliegen muss, oder Veo 3.1 Fast reference-to-video, wenn 3 Referenzbilder und ein 8-sekündiger 16:9/9:16-Clip ausreichen. Durchsuchen Sie alle Modelle im E2X-Modellkatalog.
@Image-, @Video- und @Audio-Tags verfassenSo erzielen Sie eine saubere Trennung mehrerer Referenzen über ein Storyboard mit mehreren Einstellungen hinweg:
@Image1, die die Jeansschürze aus @Image2 trägt, steht in der Bäckerei aus @Image3", anstatt das Modell raten zu lassen, welches Bild das Gesicht und welches den Raum zeigt.@Image1 eine Figur mit kurzem silbernem Haar zeigt, beschreiben Sie die Haarfarbe im Prompt nicht erneut; nutzen Sie Ihre Prompt-Tokens für Handlung, Kamerabewegung und Lichtführung.@Video1, um Kamerabewegung oder Choreografie zu übertragen. Geben Sie explizit an, ob das Modell die Kamerabahn ("folgt dem Kameraschwenk in @Video1") oder die Subjektbewegung ("führt den Tanzschritt in @Video1 aus") übernehmen soll. Unser Leitfaden für multimodale Referenzen mit Seedance 2.0 Mini führt durch vollständige Multi-Shot-Beispiele.Mit unserem dauerhaften Rabatt von 25 % kostet es $0.045 pro Sekunde bei 480p und $0.09 pro Sekunde bei 720p. Das Anhängen von bis zu 9 Bildern, 3 Videos und 3 Audiospuren erhöht den Preis pro Sekunde nicht.
Sie können bis zu 9 Referenzbilder in reference_urls, bis zu 3 Referenzvideos in reference_video_urls und bis zu 3 Referenzaudiodateien in reference_audio_urls übergeben. Pro Aufruf ist mindestens eine Bild- oder Videoreferenz erforderlich.
Verwenden Sie 1-basierte Tags entsprechend der Array-Reihenfolge: @Image1 bis @Image9 für Einträge in reference_urls, @Video1 bis @Video3 für reference_video_urls und @Audio1 bis @Audio3 für reference_audio_urls.
Nein. Im Gegensatz zu tokenbasierten Anbietern, die Eingabe-Videodauer plus Ausgabe-Videodauer berechnen, oder Replicate, das seinen 720p-Tarif bei video_in von $0.09/s auf $0.11/s anhebt, stellt E2X ausschließlich die von Ihnen angeforderten Ausgabesekunden in Rechnung ($0.045/s bei 480p, $0.09/s bei 720p).
Wenn BytePlus ModelArk ein Referenzbild oder -video mit einer echten Person durch PrivacyInformation markiert, registriert unser Worker die visuellen Inputs automatisch mit Moderation.Strategy = "Skip" in der privaten AIGC Asset Library von BytePlus, wiederholt den Auftrag mit asset://<id>-URIs und löscht die temporären Assets, sobald die Aufgabe beendet ist.
Sie können jedes der sechs Seitenverhältnisse (21:9, 16:9, 4:3, 1:1, 3:4, 9:16) und jede volle Sekundendauer von "4" bis "15" Sekunden auswählen.