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
25% छूट ($0.045/सेकंड 480p पर, $0.09/सेकंड 720p पर) के साथ टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो, स्टार्ट-एंड फ़्रेम ट्रांज़िशन और मल्टीमॉडल रेफ़रेंस-टू-वीडियो (अधिकतम 9 इमेज, 3 वीडियो और 3 ऑडियो ट्रैक) के लिए ByteDance Seedance 2.0 Mini वीडियो मॉडल परिवार।
0/9 आइटम्स
0/3 आइटम्स
0/3 आइटम्स
मॉडल चलाने के लिए साइन इन करें
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)अवधि और रिज़ॉल्यूशन के अनुसार प्रति जनरेशन अनुमानित लागत। आप केवल उसी के लिए भुगतान करते हैं जो आप चलाते हैं।
रेफरेंस से वीडियो के लिए अन्य AI मॉडल देखें
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.
Google DeepMind का नवीनतम वीडियो जनरेशन, ऊँची गुणवत्ता और विविध स्टाइल के साथ।
Google DeepMind का वीडियो जनरेशन, ऊँची गुणवत्ता और विविध स्टाइल के साथ।
E2X टीम से जानकारियाँ, ट्यूटोरियल और अपडेट।
E2X पर ByteDance Seedance 2.0 Mini text-to-video, image-to-video, start-end-frame और reference-to-video को 480p पर $0.045/s और 720p पर $0.09/s (25% छूट) पर इंटीग्रेट करें।
Gemini Omni 1.1 Flash पर चेहरे, हाथ और native संवाद — वे विशेषण जो त्वचा को प्लास्टिक बना देते हैं, व्यस्त हाथ क्यों टिका रहता है, और वे सीमाएँ जो Google लिखकर बताता है।
Google ने 27 अगस्त 2026 को gemini-omni-1.1-flash आम तौर पर उपलब्ध किया। Scene extension, पहला-और-आख़िरी frame और reference clips — असल में क्या बदला।
Omni की चार capabilities की क़ीमत एक जैसी है और वे अलग-अलग चीज़ें स्थिर रखती हैं। हर निरंतरता समस्या के लिए एक कैसे चुनें, seed असल में क्या बाँधता है, और जैकेट अब भी कहाँ बदल जाती है।
ByteDance Seedance 2.0 Mini reference-to-video (bytedance/seedance-2.0-mini/reference-to-video) एक मल्टीमॉडल रेफ़रेंस कंडीशनिंग एंडपॉइंट है जो एक ही अनुरोध में अधिकतम 9 रेफ़रेंस इमेज (reference_urls), 3 रेफ़रेंस वीडियो क्लिप (reference_video_urls), और 3 रेफ़रेंस ऑडियो ट्रैक (reference_audio_urls) स्वीकार करता है, जिन्हें आपके प्रॉम्प्ट के अंदर सीधे @Image1..@Image9, @Video1..@Video3, और @Audio1..@Audio3 टैग के माध्यम से संबोधित किया जाता है।
$0.06/s सूची आधार पर हमारी स्थायी 25% छूट के साथ, E2X 480p पर फ़्लैट $0.045 प्रति सेकंड और 720p पर $0.09 प्रति सेकंड का बिल लेता है, चाहे आप कितनी भी रेफ़रेंस इमेज, वीडियो, या ऑडियो फ़ाइलें संलग्न करें। 5-सेकंड का 720p जनरेशन $0.45 का है, और 5-सेकंड का 480p ड्राफ्ट $0.225 का है।
उसी परिवार में सरल कंडीशनिंग मोड के लिए, जब एक एकल इमेज को पहले फ़्रेम के रूप में काम करना हो तो Seedance 2.0 Mini image-to-video का उपयोग करें, दो कीफ़्रेम के बीच इंटरपोलेट करते समय Seedance 2.0 Mini start-end-frame-to-video का उपयोग करें, या केवल टेक्स्ट से जनरेट करते समय Seedance 2.0 Mini text-to-video का उपयोग करें।
टोकन-आधारित बिलिंग प्लेटफ़ॉर्म और कई प्रति-सेकंड रैपर्स पर, रेफ़रेंस वीडियो (reference_video_urls) पास करने से आपके जॉब के बिलिंग का तरीका बदल जाता है:
5s आउटपुट) जनरेट करने के लिए दो 5-सेकंड के रेफ़रेंस वीडियो (10s इनपुट) पास करते हैं, तो आपसे 15 सेकंड के टोकन या वीडियो अवधि का बिल लिया जाता है।video_in) पर bytedance/seedance-2.0-mini पर अपनी प्रति-सेकंड दर बढ़ा देता है, और 480p पर $0.05/s ($0.04/s से बढ़कर) तथा 720p पर $0.11/s ($0.09/s से बढ़कर) चार्ज करता है।E2X पर, bytedance/seedance-2.0-mini/reference-to-video केवल आउटपुट अवधि और आउटपुट रिज़ॉल्यूशन पर बिल लेता है। 9 रेफ़रेंस इमेज, 3 रेफ़रेंस वीडियो और 3 रेफ़रेंस ऑडियो क्लिप संलग्न करने से प्रति-सेकंड दर में $0.00 जुड़ता है:
| परिदृश्य (720p पर 5s आउटपुट क्लिप) | E2X (25% छूट) | Replicate | WaveSpeed | fal.ai |
|---|---|---|---|---|
3 रेफ़रेंस इमेज (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 रेफ़रेंस वीडियो + 5s आउटपुट | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $0.75 (10s × $0.075/s) | ~$0.93 (0.6× टोकन दर पर 10s) |
| 2× 5s रेफ़रेंस वीडियो + 5s आउटपुट | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $1.125 (15s × $0.075/s) | ~$1.39 (0.6× टोकन दर पर 15s) |
दरें 5 नवंबर, 2026 को जांची गईं। कीमतें और उत्पाद की शर्तें बदल सकती हैं। खरीदारी का निर्णय लेने से पहले प्रत्येक प्रदाता के वर्तमान मूल्य निर्धारण की जांच करें। यह एक सीमित तुलना है, यह दावा नहीं कि E2X हर कॉन्फ़िगरेशन में सबसे सस्ता विकल्प है।
@Image, @Video, और @Audiobytedance/seedance-2.0-mini/reference-to-video स्कीमा prompt के साथ तीन ऐरे फ़ील्ड उजागर करता है:
reference_urls (maxItems: 9): पात्रों के चेहरों, पहनावे, उत्पाद कोणों, या पर्यावरण प्लेट्स के लिए रेफ़रेंस इमेज। उन्हें अपने प्रॉम्प्ट में 1-आधारित ऐरे क्रम में @Image1, @Image2, से लेकर @Image9 तक संबोधित करें।reference_video_urls (maxItems: 3): कैमरा कोरियोग्राफ़ी, मोशन ट्रांसफ़र, या पात्र की गति के लिए रेफ़रेंस वीडियो क्लिप। उन्हें @Video1, @Video2, और @Video3 के रूप में संबोधित करें।reference_audio_urls (maxItems: 3): आवाज़ की टोन, लय, या परिवेशी ध्वनि संकेतों के लिए रेफ़रेंस ऑडियो क्लिप। उन्हें @Audio1, @Audio2, और @Audio3 के रूप में संबोधित करें।BytePlus ModelArk और हमारे वर्कर दोनों द्वारा एक सत्यापन नियम लागू किया जाता है: प्रत्येक reference-to-video अनुरोध में कम से कम एक विज़ुअल रेफ़रेंस (reference_urls या reference_video_urls) शामिल होना चाहिए। कम से कम एक इमेज या वीडियो रेफ़रेंस के बिना reference_audio_urls पास करने पर जॉब सबमिशन से पहले सत्यापन त्रुटि उत्पन्न होगी।
अपने पुन: प्रयोज्य पात्र, उत्पाद, या मोशन रेफ़रेंस URL को एक ऐरे में स्टोर करें और सीधे prompt के अंदर उनकी 1-आधारित स्थितियों (@Image1, @Video1, @Audio1) का संदर्भ दें:
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
}
}'
यहां एक JavaScript उदाहरण दिया गया है जो इमेज, वीडियो और ऑडियो रेफ़रेंस को 8-सेकंड की 9:16 वर्टिकल क्लिप (720p पर $0.72, या 480p पर $0.36) में जोड़ता है:
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}`);
}
}
हमारा वर्कर इनपुट उपनाम के रूप में image_urls, video_urls, और audio_urls को भी स्वीकार करता है और उन्हें स्वचालित रूप से प्राथमिक BytePlus ModelArk content आइटम (role: "reference_image", "reference_video", "reference_audio") और द्वितीयक Eachlabs फ़ॉलबैक दोनों पर मैप करता है। संपूर्ण स्कीमा विवरण के लिए मशीन-पठनीय विनिर्देश और E2X SDKs देखें।
E2X विशिष्ट रेफ़रेंस क्षमताओं और मोडैलिटी के साथ तीन reference-to-video एंडपॉइंट प्रदान करता है:
| एंडपॉइंट | 720p प्रति सेकंड | अधिकतम इमेज रेफ़रेंस | वीडियो और ऑडियो रेफ़रेंस | अवधि सीमा | आस्पेक्ट रेशियो |
|---|---:|:---:|:---:|---|---|
| Seedance 2.0 Mini reference-to-video | $0.09 (480p पर $0.045/s) | 9 इमेज | अधिकतम 3 वीडियो + 3 ऑडियो | 4 से 15 s (1s चरण) | 6 (21:9 से 9:16) |
| Gemini Omni 1.1 Flash reference-to-video | $0.09 (360p पर $0.0297/s) | 7 इमेज | केवल इमेज रेफ़रेंस | 4, 6, 8, 10 s | 2 (16:9, 9:16) |
| Veo 3.1 Fast reference-to-video | $0.015 (ध्वनि सहित) | 3 इमेज | केवल इमेज रेफ़रेंस | 4, 6, 8 s | 2 (16:9, 9:16) |
Seedance 2.0 Mini reference-to-video कैटलॉग में एकमात्र एंडपॉइंट है जो रेफ़रेंस वीडियो क्लिप (@Video1..@Video3) और रेफ़रेंस ऑडियो ट्रैक (@Audio1..@Audio3) के साथ 9 रेफ़रेंस इमेज स्वीकार करता है, और एकमात्र ऐसा मॉडल है जो 21:9, 4:3, 3:4, और 1:1 आस्पेक्ट रेशियो या 11-से-15-सेकंड की अवधि का समर्थन करता है। जब आपका आउटपुट 1080p या 4K होना चाहिए तो Gemini Omni 1.1 Flash reference-to-video चुनें, या जब 3 रेफ़रेंस इमेज और 8-सेकंड की 16:9/9:16 क्लिप पर्याप्त हों तो Veo 3.1 Fast reference-to-video चुनें। E2X मॉडल्स कैटलॉग पर सभी मॉडल ब्राउज़ करें।
@Image, @Video, और @Audio टैग के साथ प्रॉम्प्ट लिखनामल्टी-शॉट स्टोरीबोर्ड में स्पष्ट मल्टी-रेफ़रेंस पृथक्करण प्राप्त करने के लिए:
@Image1 की महिला @Image2 का डेनिम एप्रन पहने हुए @Image3 की बेकरी के अंदर खड़ी है"।@Image1 छोटे चांदी जैसे बालों वाले पात्र को दिखाता है, तो प्रॉम्प्ट में बालों के रंग का पुनः वर्णन न करें; अपने प्रॉम्प्ट टोकन को क्रिया, कैमरा मूवमेंट और प्रकाश व्यवस्था पर खर्च करें।@Video1 का उपयोग करें। स्पष्ट रूप से बताएं कि क्या आप चाहते हैं कि मॉडल कैमरा प्रक्षेपवक्र उधार ले ("@Video1 में कैमरा पैन का अनुसरण करते हुए") या विषय की गति ("@Video1 में नृत्य स्टेप करते हुए")। हमारी Seedance 2.0 Mini मल्टीमॉडल रेफ़रेंस गाइड संपूर्ण मल्टी-शॉट उदाहरणों के माध्यम से समझाती है।हमारी स्थायी 25% छूट के साथ, इसकी कीमत 480p पर $0.045 प्रति सेकंड और 720p पर $0.09 प्रति सेकंड है। अधिकतम 9 इमेज, 3 वीडियो और 3 ऑडियो ट्रैक संलग्न करने से प्रति-सेकंड कीमत नहीं बढ़ती है।
आप reference_urls में अधिकतम 9 रेफ़रेंस इमेज, reference_video_urls में अधिकतम 3 रेफ़रेंस वीडियो, और reference_audio_urls में अधिकतम 3 रेफ़रेंस ऑडियो फ़ाइलें पास कर सकते हैं। प्रति कॉल कम से कम एक इमेज या वीडियो रेफ़रेंस आवश्यक है।
ऐरे क्रम से मेल खाने वाले 1-आधारित टैग का उपयोग करें: reference_urls में प्रविष्टियों के लिए @Image1 से @Image9 तक, reference_video_urls के लिए @Video1 से @Video3 तक, और reference_audio_urls के लिए @Audio1 से @Audio3 तक।
नहीं। टोकन-बिल वाले प्रदाताओं के विपरीत जो इनपुट वीडियो अवधि और आउटपुट वीडियो अवधि दोनों के लिए शुल्क लेते हैं, या Replicate जो video_in पर अपनी 720p दर को $0.09/s से बढ़ाकर $0.11/s कर देता है, E2X केवल आपके द्वारा अनुरोधित आउटपुट सेकंड के लिए बिल लेता है (480p पर $0.045/s, 720p पर $0.09/s)।
जब BytePlus ModelArk किसी वास्तविक व्यक्ति वाली रेफ़रेंस इमेज या वीडियो को PrivacyInformation के साथ फ़्लैग करता है, तो हमारा वर्कर स्वचालित रूप से विज़ुअल इनपुट को BytePlus की प्राइवेट AIGC एसेट लाइब्रेरी में Moderation.Strategy = "Skip" के साथ पंजीकृत करता है, asset://<id> URIs के साथ जॉब का पुनः प्रयास करता है, और टास्क समाप्त होने के बाद अस्थायी एसेट्स को हटा देता है।
आप छह आस्पेक्ट रेशियो (21:9, 16:9, 4:3, 1:1, 3:4, 9:16) में से किसी का भी चयन कर सकते हैं और "4" से "15" सेकंड तक की कोई भी पूर्ण-सेकंड अवधि चुन सकते हैं।