Gemini Omni 1.2 Flash
Generate smooth video transitions between a start frame and an end frame with Gemini Omni 1.2 Flash. Supports durations from 3 to 10 seconds and resolutions up to 4K.
- video
- high-fidelity
Familia de modelos de vídeo ByteDance Seedance 2.0 Mini para texto a vídeo, imagen a vídeo, transiciones entre fotograma inicial y final y referencia a vídeo multimodal (hasta 9 imágenes, 3 vídeos y 3 pistas de audio) con 25 % de descuento ($0.045/s en 480p, $0.09/s en 720p).
Inicia sesión para ejecutar modelos
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/start-end-frame-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)Costo estimado por generación según duración y resolución. Solo pagas por lo que uses.
Descubre más modelos de IA para Fotograma de Inicio y Fin a Video
Generate smooth video transitions between a start frame and an end frame with Gemini Omni 1.2 Flash. Supports durations from 3 to 10 seconds and resolutions up to 4K.
Generate smooth video transitions between two key frames with Gemini Omni 1.1 Flash. Provide a start frame, an end frame and a text prompt to guide the in-between motion.
Generación de vídeo entre fotograma inicial y final con Google Veo 3.1 Fast. Procesamiento más rápido con transiciones fluidas.
La generación de vídeo más reciente de Google DeepMind, con alta fidelidad y estilos variados.
Ideas, tutoriales y novedades del equipo de E2X.
Integra ByteDance Seedance 2.0 Mini text-to-video, image-to-video, start-end-frame y reference-to-video en E2X por $0.045/s en 480p y $0.09/s en 720p (25 % dto.).
Guía de prompting de Gemini Omni 1.1 Flash desde los docs de Google: etiquetas FIRST_FRAME e IMAGE_REF, el multiplano por defecto y la trampa del timecode.
Google anunció escenas de 40 segundos. El modelo genera 3–10 segundos por llamada. Esto es lo que cuestan de verdad 40 segundos y los límites que la nota omitió.
Google marca como escalado el peldaño más alto de Omni, y nosotros medimos qué añade en realidad. Cuándo sigue mereciendo la pena a $0.18 el segundo, y por qué los precios de los proveedores se separan más arriba del todo.
ByteDance Seedance 2.0 Mini start-end-frame-to-video (bytedance/seedance-2.0-mini/start-end-frame-to-video) genera una transición de video continua de 4 a 15 segundos entre dos fotogramas clave que tú proporcionas: image_url (el primer fotograma) y end_frame_url (el fotograma final). Con nuestro descuento permanente del 25 % sobre la tarifa de lista de $0.06/s, E2X factura $0.045 por segundo en 480p y $0.09 por segundo en 720p, con audio nativo sincronizado incluido.
El puente entre fotogramas clave te brinda un control determinista sobre dónde comienza y dónde termina un movimiento de cámara o una transformación de producto. En lugar de esperar que una generación abierta de image-to-video termine casualmente en la composición exacta que requiere tu siguiente corte, entregas al modelo ambos extremos y dejas que sintetice el movimiento y el audio intermedios.
Si solo deseas fijar el fotograma inicial, llama a Seedance 2.0 Mini image-to-video. Si deseas mantener constante un personaje, un objeto o una voz a lo largo de varias tomas sin fijar el primer y el último fotograma, llama a Seedance 2.0 Mini reference-to-video. Para generación basada únicamente en texto, consulta Seedance 2.0 Mini text-to-video.
Proporcionar dos fotogramas clave no añade ningún recargo sobre el text-to-video o image-to-video estándar en E2X. Cada tarea parte de nuestra base de lista de $0.06/s (60,000 microcentavos), reducida en un 25 % a $0.045/s (45,000 microcentavos) en 480p (×1) y $0.09/s en 720p (×2).
Aquí está la matriz completa de costos verificada el 5 de noviembre de 2026 junto a fal.ai y WaveSpeed:
| Duración de transición | E2X 480p ($0.045/s) | E2X 720p ($0.09/s) | WaveSpeed 720p ($0.12/s) | fal.ai 720p (~$0.155/s) | Ahorro en E2X vs fal.ai |
|---|---|---|---|---|---|
| 4 segundos | $0.180 | $0.36 | $0.48 | $0.62 | 42 % menor |
| 5 segundos (predeterminado) | $0.225 | $0.45 | $0.60 | $0.77 | 42 % menor |
| 7 segundos | $0.315 | $0.63 | $0.84 | $1.08 | 42 % menor |
| 10 segundos | $0.450 | $0.90 | $1.20 | $1.55 | 42 % menor |
| 12 segundos | $0.540 | $1.08 | $1.44 | $1.86 | 42 % menor |
| 15 segundos (máx.) | $0.675 | $1.35 | $1.80 | $2.32 | 42 % menor |
Dado que el éxito de las transiciones por fotogramas clave depende de si las dos imágenes de entrada conectan de forma natural, el nivel 480p ($0.045/s) es un banco de pruebas ideal para storyboards. Puedes probar un puente de 4 segundos en 480p por $0.18 para verificar que el arco de la cámara y la iluminación cambien limpiamente sin un salto brusco a mitad del clip, y luego renderizar la toma final en 720p por $0.36 (4s) o $0.45 (5s).
Los precios y las condiciones de los productos pueden cambiar. Consulta los precios actuales de cada proveedor antes de tomar una decisión de compra. Esta es una comparación acotada, no una afirmación de que E2X sea la opción más barata en todas las configuraciones.
A diferencia de los modelos que solo ofrecen saltos de 4, 6, 8 o 10 segundos, bytedance/seedance-2.0-mini/start-end-frame-to-video expone cada segundo entero de 4 a 15 ("4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15").
En la generación con fotograma inicial y final, duration controla la velocidad física:
4 a 6 segundos): Ideales cuando los fotogramas inicial y final están próximos en ángulo o posición, como una órbita de producto de 30 grados, una puerta que se abre o un sujeto que gira hacia el lente. Una duración ajustada fuerza un movimiento directo sin deriva inactiva.7 a 10 segundos): Ideales para desplazamientos de cámara (dolly) del tamaño de una habitación, cambios de iluminación del día a la noche o acciones de personajes en dos pasos.11 a 15 segundos): Ideales para tomas de grúa lentas y atmosféricas o coreografías de varios tiempos donde un límite de 8 segundos apresuraría la transición.Se requieren tres campos dentro de input: prompt, image_url (el fotograma inicial) y end_frame_url (el fotograma final). Ambas URL de imagen deben ser accesibles a través de HTTPS.
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/start-end-frame-to-video",
"input": {
"prompt": "Smooth camera orbit clockwise around the matte black headphones as the earcups rotate flat against the walnut stand. Soft studio rim light shifts smoothly across the aluminum headband. Quiet mechanical hinge click.",
"image_url": "https://cdn.example.com/keyframes/headphones-3q-left.jpg",
"end_frame_url": "https://cdn.example.com/keyframes/headphones-flat-top.jpg",
"resolution": "720p",
"duration": "5",
"has_sound": true,
"seed": 88310
}
}'
Aquí tienes un ejemplo de sondeo (polling) en Node.js que encadena dos fotogramas clave en una transición de 7 segundos:
const headers = {
Authorization: `Bearer ${process.env.E2X_API_KEY}`,
"Content-Type": "application/json",
};
const submitRes = await fetch("https://api.e2x.ai/v1/jobs/submit", {
method: "POST",
headers,
body: JSON.stringify({
model: "bytedance/seedance-2.0-mini/start-end-frame-to-video",
input: {
prompt: "A single continuous crane shot rising from the rain-slicked street level up to the illuminated second-floor studio window. Rain pattering on pavement fading into muffled piano notes from upstairs.",
image_url: "https://cdn.example.com/keyframes/street-level-start.jpg",
end_frame_url: "https://cdn.example.com/keyframes/window-level-end.jpg",
resolution: "720p",
duration: "7",
has_sound: true,
},
}),
});
const { data: submitted } = await submitRes.json();
for (let i = 0; i < 240; i++) {
await new Promise((r) => setTimeout(r, 3000));
const res = await fetch(`https://api.e2x.ai/v1/jobs/${submitted.jobId}`, {
headers,
});
const { data: job } = await res.json();
if (job.status === "completed") {
console.log("Transition video URL:", job.outputs[0].url);
break;
}
if (job.status === "failed" || job.status === "cancelled") {
throw new Error(job.error?.message || `Job ended with ${job.status}`);
}
}
Observa los nombres exactos de los campos en el esquema: el fotograma inicial es image_url (nuestro worker también acepta los alias start_frame_url o first_frame_url), y el fotograma final es end_frame_url (o last_frame_url). Consulta la especificación del modelo legible por máquina y la documentación de los SDK de E2X para ver las definiciones completas de tipos.
Las tres familias de video en E2X admiten la interpolación entre fotograma inicial y final:
| Modelo | 720p por segundo | Nivel borrador | Opciones de duración | Relaciones de aspecto | Control de audio |
|---|---|---|---|---|---|
| Seedance 2.0 Mini start-end-frame | $0.09 | $0.045/s (480p) | 4 a 15 s (cada segundo entero) | 6 (21:9, 16:9, 4:3, 1:1, 3:4, 9:16) | Sí (has_sound) |
| Gemini Omni 1.1 Flash start-end-frame | $0.09 | $0.0297/s (360p) | 4, 6, 8, 10 s | 2 (16:9, 9:16) | Siempre activo |
| Veo 3.1 Fast start-end-frame | $0.10 (plano) | Ninguno | 4, 6, 8 s | 2 (16:9, 9:16) | No |
Observa que en start-end-frame-to-video, Veo 3.1 Fast tiene un precio de lista de $0.10/s sin descuento permanente, lo que hace que Seedance 2.0 Mini ($0.045/s en 480p, $0.09/s en 720p) sea más económico que Veo 3.1 Fast en ambas resoluciones, además de admitir puentes de 9 a 15 segundos y audio nativo. Si necesitas salida en 1080p o 4K, utiliza Gemini Omni 1.1 Flash start-end-frame-to-video. Compara todos los modelos de fotogramas clave en la categoría start-end-frame-to-video o explora el catálogo completo de modelos.
Para evitar artefactos de deformación (morphing) o cortes a mitad de la toma entre image_url y end_frame_url:
image_url es 16:9 (1280×720) y end_frame_url es 1:1 (1024×1024), la geometría se estirará a lo largo de la transición.Con nuestro descuento permanente del 25 %, cuesta $0.045 por segundo en 480p y $0.09 por segundo en 720p. Una transición de 5 segundos en 720p cuesta $0.45, y una pasada de prueba de 4 segundos en 480p cuesta $0.18.
Pasa el fotograma inicial en image_url y el fotograma final en end_frame_url dentro del objeto input, junto con un prompt que describa el movimiento de conexión.
Sí. En E2X, google/veo-3.1-fast/start-end-frame-to-video cuesta $0.10 por segundo, mientras que bytedance/seedance-2.0-mini/start-end-frame-to-video cuesta $0.09 por segundo en 720p y $0.045 por segundo en 480p, ofreciendo además duraciones de 4 a 15s y audio nativo.
Sí. Configura el end_frame_url de la toma 1 como el image_url de la toma 2. Como el fotograma límite es idéntico byte por byte entre los dos clips, puedes unir varios clips de 5 a 15 segundos sin un salto visible en el empalme.
Nuestra integración principal con BytePlus ModelArk gestiona automáticamente las revisiones de moderación facial PrivacyInformation registrando los fotogramas en una AIGC Asset Library privada con la moderación omitida y eliminando los activos temporales tan pronto como termina la tarea, con Eachlabs listo como respaldo secundario.
Sí. has_sound es true por defecto y genera sonido ambiental y efectos foley sincronizados a lo largo de la transición sin costo adicional. Configura has_sound: false si necesitas un clip silencioso.