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
Keluarga model video ByteDance Seedance 2.0 Mini untuk teks-ke-video, gambar-ke-video, transisi frame awal-akhir, dan referensi-ke-video multimodal (hingga 9 gambar, 3 video, dan 3 trek audio) dengan diskon 25% ($0.045/dtk pada 480p, $0.09/dtk pada 720p).
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)Estimasi biaya per pembuatan berdasarkan durasi dan resolusi. Anda hanya membayar untuk yang Anda jalankan.
Jelajahi model AI lainnya untuk Referensi ke Video
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.
Generasi video terbaru dari Google DeepMind dengan hasil detail dan gaya yang beragam.
Pembuatan video dari Google DeepMind dengan hasil detail dan gaya yang beragam.
Wawasan, tutorial, dan pembaruan dari tim E2X.
Integrasikan ByteDance Seedance 2.0 Mini text-to-video, image-to-video, start-end-frame, dan reference-to-video di E2X seharga $0.045/s pada 480p dan $0.09/s pada 720p (diskon 25%).
Wajah, tangan, dan dialog native di Gemini Omni 1.1 Flash — kata sifat yang mengubah kulit jadi plastik, mengapa tangan yang sibuk tetap utuh, dan batas-batas yang Google tuliskan.
Google merilis gemini-omni-1.1-flash secara umum pada 27 Agustus 2026. Perpanjangan adegan, kontrol frame awal-akhir, klip referensi — apa yang berubah.
Empat kapabilitas Omni berharga sama dan menahan hal yang berbeda. Cara memilih satu per masalah kontinuitas, apa yang sebenarnya dikunci seed, dan di mana jaketnya masih berubah.
ByteDance Seedance 2.0 Mini reference-to-video (bytedance/seedance-2.0-mini/reference-to-video) adalah endpoint pengondisian referensi multimodal yang menerima hingga 9 gambar referensi (reference_urls), 3 klip video referensi (reference_video_urls), dan 3 trek audio referensi (reference_audio_urls) dalam satu permintaan, yang dipanggil langsung di dalam prompt Anda melalui tag @Image1..@Image9, @Video1..@Video3, dan @Audio1..@Audio3.
Dengan diskon tetap 25% dari tarif dasar daftar $0.06/s, E2X menagih tarif rata sebesar $0.045 per detik pada 480p dan $0.09 per detik pada 720p, terlepas dari berapa banyak gambar, video, atau file audio referensi yang Anda lampirkan. Pembuatan 5 detik pada 720p berbiaya $0.45, dan draf 5 detik pada 480p berbiaya $0.225.
Untuk mode pengondisian yang lebih sederhana dalam keluarga yang sama, gunakan Seedance 2.0 Mini image-to-video ketika satu gambar harus berfungsi sebagai frame pertama, Seedance 2.0 Mini start-end-frame-to-video ketika melakukan interpolasi di antara dua keyframe, atau Seedance 2.0 Mini text-to-video ketika membuat video dari teks saja.
Pada platform berbasis token dan beberapa penyedia per detik lainnya, meneruskan video referensi (reference_video_urls) akan mengubah cara penagihan pekerjaan Anda:
10s input) untuk menghasilkan klip output 5 detik (5s output), Anda akan ditagih untuk 15 detik token atau durasi video.bytedance/seedance-2.0-mini ketika terdapat input video (video_in), dengan mengenakan $0.05/s pada 480p (naik dari $0.04/s) dan $0.11/s pada 720p (naik dari $0.09/s).Di E2X, bytedance/seedance-2.0-mini/reference-to-video menagih murni berdasarkan durasi output dan resolusi output. Melampirkan 9 gambar referensi, 3 video referensi, dan 3 klip audio referensi menambahkan $0.00 ke tarif per detik:
| Skenario (klip output 5 dtk pada 720p) | E2X (diskon 25%) | Replicate | WaveSpeed | fal.ai |
|---|---|---|---|---|
3 gambar referensi (non_video_in) | $0.45 ($0.09/s) | $0.45 ($0.09/s) | $0.60 ($0.12/s) | ~$0.77 (~$0.155/s) |
| 1× video referensi 5 dtk + output 5 dtk | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $0.75 (10s × $0.075/s) | ~$0.93 (10s pada tarif token 0.6×) |
| 2× video referensi 5 dtk + output 5 dtk | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $1.125 (15s × $0.075/s) | ~$1.39 (15s pada tarif token 0.6×) |
Tarif diperiksa pada 5 November 2026. Harga dan ketentuan produk dapat berubah. Periksa harga terbaru dari masing-masing penyedia sebelum mengambil keputusan pembelian. Ini adalah perbandingan terbatas, bukan klaim bahwa E2X adalah pilihan termurah di setiap konfigurasi.
@Image, @Video, dan @AudioSkema bytedance/seedance-2.0-mini/reference-to-video menyediakan tiga field array di samping prompt:
reference_urls (maxItems: 9): Gambar referensi untuk wajah karakter, pakaian, sudut produk, atau latar lingkungan. Panggil di dalam prompt Anda sebagai @Image1, @Image2, hingga @Image9 sesuai urutan array berbasis 1.reference_video_urls (maxItems: 3): Klip video referensi untuk koreografi kamera, transfer gerakan, atau pergerakan karakter. Panggil sebagai @Video1, @Video2, dan @Video3.reference_audio_urls (maxItems: 3): Klip audio referensi untuk warna suara, irama, atau isyarat suara latar. Panggil sebagai @Audio1, @Audio2, dan @Audio3.Satu aturan validasi diterapkan baik oleh BytePlus ModelArk maupun worker kami: setiap permintaan reference-to-video harus menyertakan setidaknya satu referensi visual (reference_urls atau reference_video_urls). Meneruskan reference_audio_urls tanpa setidaknya satu referensi gambar atau video akan memunculkan kesalahan validasi sebelum pengiriman pekerjaan.
Simpan URL referensi karakter, produk, atau gerakan yang dapat digunakan kembali dalam sebuah array dan panggil posisi berbasis 1-nya (@Image1, @Video1, @Audio1) secara langsung di dalam 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
}
}'
Berikut adalah contoh JavaScript yang menggabungkan referensi gambar, video, dan audio menjadi klip vertikal 9:16 berdurasi 8 detik ($0.72 pada 720p, atau $0.36 pada 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}`);
}
}
Worker kami juga menerima image_urls, video_urls, dan audio_urls sebagai alias input dan memetakannya secara otomatis ke item content utama BytePlus ModelArk (role: "reference_image", "reference_video", "reference_audio") maupun cadangan sekunder Eachlabs. Lihat spesifikasi yang dapat dibaca mesin dan SDK E2X untuk detail skema selengkapnya.
E2X menawarkan tiga endpoint reference-to-video dengan kapasitas referensi dan modalitas yang berbeda:
| Endpoint | 720p per detik | Maks ref gambar | Ref video & audio | Rentang durasi | Rasio aspek |
|---|---|---|---|---|---|
| Seedance 2.0 Mini reference-to-video | $0.09 ($0.045/s pada 480p) | 9 gambar | Hingga 3 video + 3 audio | 4 hingga 15 dtk (langkah 1 dtk) | 6 (21:9 hingga 9:16) |
| Gemini Omni 1.1 Flash reference-to-video | $0.09 ($0.0297/s pada 360p) | 7 gambar | Hanya referensi gambar | 4, 6, 8, 10 dtk | 2 (16:9, 9:16) |
| Veo 3.1 Fast reference-to-video | $0.015 (dengan suara) | 3 gambar | Hanya referensi gambar | 4, 6, 8 dtk | 2 (16:9, 9:16) |
Seedance 2.0 Mini adalah satu-satunya endpoint dalam katalog reference-to-video yang menerima 9 gambar referensi bersandingan dengan klip video referensi (@Video1..@Video3) dan trek audio referensi (@Audio1..@Audio3), serta satu-satunya yang mendukung rasio aspek 21:9, 4:3, 3:4, dan 1:1 atau durasi 11 hingga 15 detik. Pilih Gemini Omni 1.1 Flash reference-to-video ketika hasil akhir Anda harus beresolusi 1080p atau 4K, atau Veo 3.1 Fast reference-to-video ketika 3 gambar referensi dan klip 8 detik dalam rasio 16:9/9:16 sudah mencukupi. Jelajahi semua model di katalog model E2X.
@Image, @Video, dan @AudioUntuk mendapatkan pemisahan multi-referensi yang bersih di seluruh storyboard multi-adegan:
@Image1 yang mengenakan celemek denim dari @Image2 berdiri di dalam toko roti dari @Image3" alih-alih membiarkan model menebak gambar mana yang menampilkan wajah dan gambar mana yang menampilkan ruangan.@Image1 menampilkan karakter berambut perak pendek, jangan mendeskripsikan ulang warna rambut di dalam prompt; gunakan token prompt Anda untuk aksi, gerakan kamera, dan pencahayaan.@Video1 untuk mentransfer gerakan kamera atau koreografi. Nyatakan secara eksplisit apakah Anda ingin model meminjam lintasan kamera ("mengikuti gerakan pan kamera di @Video1") atau gerakan subjek ("melakukan langkah tarian di @Video1"). Panduan referensi multimodal Seedance 2.0 Mini kami membahas contoh multi-adegan secara lengkap.Dengan diskon tetap 25% kami, biayanya adalah $0.045 per detik pada 480p dan $0.09 per detik pada 720p. Melampirkan hingga 9 gambar, 3 video, dan 3 trek audio tidak meningkatkan harga per detik.
Anda dapat meneruskan hingga 9 gambar referensi dalam reference_urls, hingga 3 video referensi dalam reference_video_urls, dan hingga 3 file audio referensi dalam reference_audio_urls. Setidaknya satu referensi gambar atau video wajib disertakan per panggilan.
Gunakan tag berbasis 1 yang sesuai dengan urutan array: @Image1 hingga @Image9 untuk entri dalam reference_urls, @Video1 hingga @Video3 untuk reference_video_urls, dan @Audio1 hingga @Audio3 untuk reference_audio_urls.
Tidak. Berbeda dengan penyedia berbasis token yang menagih durasi video input ditambah durasi video output, atau Replicate yang menaikkan tarif 720p-nya dari $0.09/s menjadi $0.11/s pada video_in, E2X hanya menagih detik output yang Anda minta ($0.045/s pada 480p, $0.09/s pada 720p).
Ketika BytePlus ModelArk menandai gambar atau video referensi yang berisi orang asli dengan PrivacyInformation, worker kami secara otomatis mendaftarkan input visual tersebut ke dalam AIGC Asset Library pribadi milik BytePlus dengan Moderation.Strategy = "Skip", mencoba ulang pekerjaan dengan URI asset://<id>, dan menghapus aset sementara tersebut setelah tugas selesai.
Anda dapat memilih salah satu dari enam rasio aspek (21:9, 16:9, 4:3, 1:1, 3:4, 9:16) dan durasi detik penuh mana pun dari "4" hingga "15" detik.