टेक्स्ट से वीडियो

टेक्स्ट टू वीडियो एक लिखित प्रॉम्प्ट को छोटी चलती-फिरती क्लिप में बदल देता है। अंदर सिर्फ़ विवरण जाता है, इसलिए मॉडल को विषय, कैमरे का बर्ताव और समय के साथ होने वाली हलचल — सब कुछ ख़ुद गढ़ना पड़ता है। इसी वजह से यह कैटलॉग की सबसे खुली-छूट वाली क्षमता है और वह भी जिसमें प्रॉम्प्ट की शब्दावली नतीजे को सबसे ज़्यादा बदल देती है।

काम के प्रॉम्प्ट शॉट को वैसे ही बयान करते हैं जैसे कोई डायरेक्टर करेगा: विषय, एक्शन, कैमरा मूव, सेटिंग और लाइटिंग। क्लिप जानबूझकर छोटी रखी जाती हैं, इसलिए हर जेनरेशन के लिए एक ही बीट की योजना बनाइए और कई क्लिप जोड़कर काम चलाइए, बजाय इसके कि एक प्रॉम्प्ट से पूरा सीन निकलने की उम्मीद करें। वीडियो जॉब इमेज जॉब से काफ़ी ज़्यादा वक़्त लेते हैं और प्रति रिक्वेस्ट महँगे भी पड़ते हैं — यही अच्छी वजह है कि पहले किसी सस्ते इमेज मॉडल से लुक तय कर लीजिए और फिर वही जीता हुआ विवरण यहाँ ले आइए।

E2X इस समय इस श्रेणी को Google के दो मॉडलों, Veo 3.1 Fast और Omni Flash, के साथ सर्व करता है। दोनों को यहाँ के बाक़ी हर मॉडल की तरह कॉल किया जाता है: jobs एंडपॉइंट पर मॉडल स्लग और इनपुट ऑब्जेक्ट भेजिए, वापस मिला job id लीजिए, और क्लिप तैयार होने तक उसे पोल कीजिए। बिलिंग प्रीपेड बैलेंस से प्रति रिक्वेस्ट होती है, और कॉल करने से पहले हर मॉडल की कैटलॉग एंट्री पर कीमत दिख जाती है।