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
Famille de modèles vidéo ByteDance Seedance 2.0 Mini couvrant texte-vers-vidéo, image-vers-vidéo, transitions début-fin et référence-vers-vidéo multimodal (jusqu'à 9 images, 3 vidéos et 3 pistes audio) à -25 % ($0.045/s en 480p, $0.09/s en 720p).
0/9 éléments
0/3 éléments
0/3 éléments
Connectez-vous pour exécuter des modèles
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)Coût estimé par génération selon la durée et la résolution. Vous ne payez que ce que vous utilisez.
Découvrez d'autres modèles d'IA pour Référence vers vidéo
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.
La toute dernière génération vidéo de Google DeepMind, avec une haute fidélité et des styles variés.
Génération vidéo de Google DeepMind, avec une haute fidélité et des styles variés.
Analyses, tutoriels et actualités de l'équipe E2X.
Intégrez ByteDance Seedance 2.0 Mini text-to-video, image-to-video, start-end-frame et reference-to-video sur E2X à $0.045/s en 480p et $0.09/s en 720p (-25 %).
Visages, mains et dialogue natif sur Gemini Omni 1.1 Flash — les adjectifs qui transforment la peau en plastique, pourquoi une main occupée tient, et les limites que Google met par écrit.
gemini-omni-1.1-flash est disponible depuis le 27 août 2026. Extension de scène, contrôle première/dernière image, clips de référence : ce qui change vraiment.
Quatre capacités Omni au même prix qui maintiennent des choses différentes. Comment en choisir une par problème de continuité, ce que le seed fixe vraiment, et où la veste change encore.
ByteDance Seedance 2.0 Mini reference-to-video (bytedance/seedance-2.0-mini/reference-to-video) est un point de terminaison de conditionnement par références multimodales qui accepte jusqu'à 9 images de référence (reference_urls), 3 clips vidéo de référence (reference_video_urls) et 3 pistes audio de référence (reference_audio_urls) en une seule requête, adressés directement dans votre prompt via les balises @Image1..@Image9, @Video1..@Video3 et @Audio1..@Audio3.
Grâce à notre remise permanente de 25 % sur la base catalogue de $0.06/s, E2X facture un tarif forfaitaire de $0.045 par seconde en 480p et $0.09 par seconde en 720p, quel que soit le nombre d'images, de vidéos ou de fichiers audio de référence que vous joignez. Une génération 720p de 5 secondes coûte $0.45, et un brouillon 480p de 5 secondes coûte $0.225.
Pour des modes de conditionnement plus simples au sein de la même famille, utilisez Seedance 2.0 Mini image-to-video lorsqu'une seule image doit servir de première image, Seedance 2.0 Mini start-end-frame-to-video lors d'une interpolation entre deux images clés, ou Seedance 2.0 Mini text-to-video lors d'une génération uniquement à partir de texte.
Sur les plateformes facturées aux tokens et chez plusieurs intermédiaires facturant à la seconde, la transmission de vidéos de référence (reference_video_urls) modifie le mode de facturation de votre tâche :
10s en entrée) pour générer un clip de sortie de 5 secondes (5s en sortie), vous êtes facturé pour 15 secondes de tokens ou de durée vidéo.bytedance/seedance-2.0-mini lorsque des entrées vidéo sont présentes (video_in), facturant $0.05/s en 480p (au lieu de $0.04/s) et $0.11/s en 720p (au lieu de $0.09/s).Sur E2X, bytedance/seedance-2.0-mini/reference-to-video facture strictement selon la durée de sortie et la résolution de sortie. Joindre 9 images de référence, 3 vidéos de référence et 3 extraits audio de référence ajoute $0.00 au tarif par seconde :
| Scénario (clip de sortie 5s en 720p) | E2X (-25 %) | Replicate | WaveSpeed | fal.ai |
|---|---|---|---|---|
3 images de référence (non_video_in) | $0.45 ($0.09/s) | $0.45 ($0.09/s) | $0.60 ($0.12/s) | ~$0.77 (~$0.155/s) |
| 1× vidéo de réf. 5s + sortie 5s | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $0.75 (10s × $0.075/s) | ~$0.93 (10s au taux token 0.6×) |
| 2× vidéos de réf. 5s + sortie 5s | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $1.125 (15s × $0.075/s) | ~$1.39 (15s au taux token 0.6×) |
Tarifs vérifiés le 5 novembre 2026. Les prix et les conditions des produits peuvent évoluer. Vérifiez les tarifs actuels de chaque fournisseur avant de prendre une décision d'achat. Il s'agit d'une comparaison ciblée et non d'une affirmation selon laquelle E2X est l'option la moins chère dans toutes les configurations.
@Image, @Video et @AudioLe schéma bytedance/seedance-2.0-mini/reference-to-video expose trois champs de type tableau à côté de prompt :
reference_urls (maxItems: 9) : Images de référence pour les visages de personnages, les tenues vestimentaires, les angles de produits ou les décors. Adressez-les dans votre prompt sous la forme @Image1, @Image2, jusqu'à @Image9 selon l'ordre du tableau (indexé à partir de 1).reference_video_urls (maxItems: 3) : Clips vidéo de référence pour la chorégraphie de caméra, le transfert de mouvement ou les déplacements de personnages. Adressez-les sous la forme @Video1, @Video2 et @Video3.reference_audio_urls (maxItems: 3) : Extraits audio de référence pour le timbre de voix, le rythme ou les repères sonores d'ambiance. Adressez-les sous la forme @Audio1, @Audio2 et @Audio3.Une règle de validation est appliquée à la fois par BytePlus ModelArk et par notre worker : chaque requête reference-to-video doit inclure au moins une référence visuelle (reference_urls ou reference_video_urls). Transmettre reference_audio_urls sans au moins une référence image ou vidéo déclenchera une erreur de validation avant la soumission de la tâche.
Stockez vos URL de référence réutilisables de personnages, de produits ou de mouvements dans un tableau et référencez leurs positions indexées à partir de 1 (@Image1, @Video1, @Audio1) directement dans 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
}
}'
Voici un exemple JavaScript qui combine des références image, vidéo et audio dans un clip vertical 9:16 de 8 secondes ($0.72 en 720p, ou $0.36 en 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}`);
}
}
Notre worker accepte également image_urls, video_urls et audio_urls comme alias d'entrée et les associe automatiquement à la fois aux éléments content principaux de BytePlus ModelArk (role: "reference_image", "reference_video", "reference_audio") et au fournisseur secondaire Eachlabs. Consultez la spécification lisible par machine et les SDK E2X pour tous les détails du schéma.
E2X propose trois points de terminaison reference-to-video avec des capacités de référence et des modalités distinctes :
| Point de terminaison | 720p par seconde | Réf. image max | Réf. vidéo et audio | Plage de durée | Formats d'image |
|---|---|---|---|---|---|
| Seedance 2.0 Mini reference-to-video | $0.09 ($0.045/s en 480p) | 9 images | Jusqu'à 3 vidéos + 3 audios | 4 à 15 s (pas de 1s) | 6 (21:9 à 9:16) |
| Gemini Omni 1.1 Flash reference-to-video | $0.09 ($0.0297/s en 360p) | 7 images | Références image uniquement | 4, 6, 8, 10 s | 2 (16:9, 9:16) |
| Veo 3.1 Fast reference-to-video | $0.015 (avec son) | 3 images | Références image uniquement | 4, 6, 8 s | 2 (16:9, 9:16) |
Seedance 2.0 Mini est le seul point de terminaison du catalogue reference-to-video qui accepte 9 images de référence aux côtés de clips vidéo de référence (@Video1..@Video3) et de pistes audio de référence (@Audio1..@Audio3), et le seul qui prenne en charge les formats d'image 21:9, 4:3, 3:4 et 1:1 ou des durées de 11 à 15 secondes. Choisissez Gemini Omni 1.1 Flash reference-to-video lorsque votre livrable doit être en 1080p ou 4K, ou Veo 3.1 Fast reference-to-video lorsque 3 images de référence et un clip de 8 secondes en 16:9/9:16 suffisent. Parcourez tous les modèles dans le catalogue de modèles E2X.
@Image, @Video et @AudioPour obtenir une séparation nette entre plusieurs références sur un storyboard à plans multiples :
@Image1 portant le tablier en jean de @Image2 se tient dans la boulangerie de @Image3" plutôt que de laisser le modèle deviner quelle image contient le visage et laquelle contient la pièce.@Image1 montre un personnage aux cheveux courts argentés, ne décrivez pas à nouveau la couleur des cheveux dans le prompt ; consacrez vos tokens de prompt à l'action, au mouvement de caméra et à l'éclairage.@Video1 pour transférer un mouvement de caméra ou une chorégraphie. Indiquez explicitement si vous souhaitez que le modèle emprunte la trajectoire de la caméra ("en suivant le panoramique de caméra de @Video1") ou le mouvement du sujet ("en exécutant le pas de danse de @Video1"). Notre guide de référence multimodale Seedance 2.0 Mini détaille des exemples complets sur plusieurs plans.Avec notre remise permanente de 25 %, il coûte $0.045 par seconde en 480p et $0.09 par seconde en 720p. Joindre jusqu'à 9 images, 3 vidéos et 3 pistes audio n'augmente pas le prix par seconde.
Vous pouvez transmettre jusqu'à 9 images de référence dans reference_urls, jusqu'à 3 vidéos de référence dans reference_video_urls et jusqu'à 3 fichiers audio de référence dans reference_audio_urls. Au moins une référence image ou vidéo est requise par appel.
Utilisez des balises indexées à partir de 1 correspondant à l'ordre du tableau : @Image1 à @Image9 pour les entrées dans reference_urls, @Video1 à @Video3 pour reference_video_urls et @Audio1 à @Audio3 pour reference_audio_urls.
Non. Contrairement aux fournisseurs facturant aux tokens qui comptabilisent la durée vidéo en entrée plus la durée vidéo en sortie, ou à Replicate qui fait passer son tarif 720p de $0.09/s à $0.11/s sur video_in, E2X facture uniquement les secondes de sortie que vous demandez ($0.045/s en 480p, $0.09/s en 720p).
Lorsque BytePlus ModelArk signale une image ou une vidéo de référence contenant une personne réelle avec PrivacyInformation, notre worker enregistre automatiquement les entrées visuelles dans la bibliothèque d'actifs AIGC privée de BytePlus avec Moderation.Strategy = "Skip", relance la tâche avec des URI asset://<id> et supprime les actifs temporaires dès que la tâche est terminée.
Vous pouvez sélectionner n'importe lequel des six formats d'image (21:9, 16:9, 4:3, 1:1, 3:4, 9:16) et toute durée en secondes entières de "4" à "15" secondes.