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
Famiglia di modelli video ByteDance Seedance 2.0 Mini per testo-video, immagine-video, transizioni inizio-fine e riferimento-video multimodale (fino a 9 immagini, 3 video e 3 tracce audio) con il 25% di sconto ($0.045/s in 480p, $0.09/s in 720p).
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)Costo stimato per generazione in base a durata e risoluzione. Paghi solo per ciò che esegui.
Scopri altri modelli di IA per Riferimento al 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.
L'ultima generazione video di Google DeepMind, con alta fedeltà e stili diversi.
Generazione video di Google DeepMind con alta fedeltà e stili diversi.
Approfondimenti, tutorial e aggiornamenti dal team E2X.
Integra ByteDance Seedance 2.0 Mini text-to-video, image-to-video, start-end-frame e reference-to-video su E2X a $0.045/s (480p) e $0.09/s (720p, -25%).
Volti, mani e dialogo nativo su Gemini Omni 1.1 Flash — gli aggettivi che trasformano la pelle in plastica, perché una mano occupata regge, e i limiti che Google mette per iscritto.
Google ha portato `gemini-omni-1.1-flash` in GA il 27 agosto 2026. Estensione di scena, controllo primo e ultimo frame, clip di riferimento: cosa cambia.
Quattro capability Omni costano uguale e tengono ferme cose diverse. Come sceglierne una per ogni problema di continuità, cosa fissa davvero il seed, e dove la giacca cambia ancora.
ByteDance Seedance 2.0 Mini reference-to-video (bytedance/seedance-2.0-mini/reference-to-video) è un endpoint di condizionamento multimodale basato su riferimenti che accetta fino a 9 immagini di riferimento (reference_urls), 3 clip video di riferimento (reference_video_urls) e 3 tracce audio di riferimento (reference_audio_urls) in una singola richiesta, richiamate direttamente all'interno del prompt tramite i tag @Image1..@Image9, @Video1..@Video3 e @Audio1..@Audio3.
Con il nostro sconto permanente del 25% sulla base di listino di $0.06/s, E2X addebita una tariffa fissa di $0.045 al secondo a 480p e $0.09 al secondo a 720p, indipendentemente dal numero di immagini, video o file audio di riferimento allegati. Una generazione di 5 secondi a 720p costa $0.45 e una bozza di 5 secondi a 480p costa $0.225.
Per modalità di condizionamento più semplici nella stessa famiglia, utilizza Seedance 2.0 Mini image-to-video quando una singola immagine deve fungere da primo fotogramma, Seedance 2.0 Mini start-end-frame-to-video quando esegui l'interpolazione tra due fotogrammi chiave, oppure Seedance 2.0 Mini text-to-video quando generi solo a partire dal testo.
Sulle piattaforme fatturate a token e su diversi wrapper a tariffa al secondo, il passaggio di video di riferimento (reference_video_urls) modifica il modo in cui viene addebitato il job:
10s di input) per generare una clip di output da 5 secondi (5s di output), ti vengono addebitati 15 secondi di token o durata video.bytedance/seedance-2.0-mini quando sono presenti input video (video_in), addebitando $0.05/s a 480p (rispetto a $0.04/s) e $0.11/s a 720p (rispetto a $0.09/s).Su E2X, bytedance/seedance-2.0-mini/reference-to-video fattura esclusivamente in base alla durata e alla risoluzione dell'output. Allegare 9 immagini di riferimento, 3 video di riferimento e 3 clip audio di riferimento aggiunge $0.00 alla tariffa al secondo:
| Scenario (clip di output da 5s a 720p) | E2X (sconto 25%) | Replicate | WaveSpeed | fal.ai |
|---|---|---|---|---|
3 immagini di riferimento (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 di rif. da 5s + output da 5s | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $0.75 (10s × $0.075/s) | ~$0.93 (10s a tariffa token 0.6×) |
| 2× video di rif. da 5s + output da 5s | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $1.125 (15s × $0.075/s) | ~$1.39 (15s a tariffa token 0.6×) |
Tariffe verificate il 5 novembre 2026. I prezzi e i termini di prodotto possono cambiare. Verifica i prezzi aggiornati di ciascun provider prima di prendere una decisione d'acquisto. Questo è un confronto circoscritto, non un'affermazione che E2X sia l'opzione più economica in ogni configurazione.
@Image, @Video e @AudioLo schema bytedance/seedance-2.0-mini/reference-to-video espone tre campi array insieme a prompt:
reference_urls (maxItems: 9): immagini di riferimento per volti di personaggi, guardaroba, angolazioni di prodotto o sfondi ambientali. Richiamale nel prompt come @Image1, @Image2, fino a @Image9 seguendo l'ordine dell'array a partire da 1.reference_video_urls (maxItems: 3): clip video di riferimento per la coreografia della telecamera, il trasferimento del movimento o i movimenti del personaggio. Richiamale come @Video1, @Video2 e @Video3.reference_audio_urls (maxItems: 3): clip audio di riferimento per il timbro vocale, il ritmo o i segnali sonori ambientali. Richiamale come @Audio1, @Audio2 e @Audio3.Una regola di convalida è applicata sia da BytePlus ModelArk sia dal nostro worker: ogni richiesta reference-to-video deve includere almeno un riferimento visivo (reference_urls o reference_video_urls). Passare reference_audio_urls senza almeno un riferimento immagine o video genererà un errore di convalida prima dell'invio del job.
Inserisci gli URL riutilizzabili dei riferimenti di personaggi, prodotti o movimenti in un array e richiama le loro posizioni a partire da 1 (@Image1, @Video1, @Audio1) direttamente all'interno di 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
}
}'
Ecco un esempio in JavaScript che combina riferimenti immagine, video e audio in una clip verticale di 8 secondi in 9:16 ($0.72 a 720p, oppure $0.36 a 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}`);
}
}
Il nostro worker accetta anche image_urls, video_urls e audio_urls come alias di input e li mappa automaticamente sia sugli elementi content principali di BytePlus ModelArk (role: "reference_image", "reference_video", "reference_audio") sia sul fallback secondario Eachlabs. Consulta la specifica leggibile dalle macchine e gli SDK E2X per i dettagli completi dello schema.
E2X offre tre endpoint reference-to-video con capacità e modalità di riferimento distinte:
| Endpoint | 720p al secondo | Rif. immagine max | Rif. video e audio | Intervallo di durata | Proporzioni |
|---|---:|:---:|:---:|---|---|
| Seedance 2.0 Mini reference-to-video | $0.09 ($0.045/s a 480p) | 9 immagini | Fino a 3 video + 3 audio | Da 4 a 15 s (passi di 1s) | 6 (da 21:9 a 9:16) |
| Gemini Omni 1.1 Flash reference-to-video | $0.09 ($0.0297/s a 360p) | 7 immagini | Solo riferimenti immagine | 4, 6, 8, 10 s | 2 (16:9, 9:16) |
| Veo 3.1 Fast reference-to-video | $0.015 (con audio) | 3 immagini | Solo riferimenti immagine | 4, 6, 8 s | 2 (16:9, 9:16) |
Seedance 2.0 Mini è l'unico endpoint nel catalogo reference-to-video che accetta 9 immagini di riferimento insieme a clip video di riferimento (@Video1..@Video3) e tracce audio di riferimento (@Audio1..@Audio3), ed è l'unico che supporta le proporzioni 21:9, 4:3, 3:4 e 1:1 o durate da 11 a 15 secondi. Scegli Gemini Omni 1.1 Flash reference-to-video quando l'output finale deve essere in 1080p o 4K, oppure Veo 3.1 Fast reference-to-video quando sono sufficienti 3 immagini di riferimento e una clip di 8 secondi in 16:9/9:16. Esplora tutti i modelli nel catalogo dei modelli E2X.
@Image, @Video e @AudioPer ottenere una separazione netta tra più riferimenti in uno storyboard multi-inquadratura:
@Image1 che indossa il grembiule di jeans di @Image2 si trova dentro il panificio di @Image3" invece di lasciare che il modello indovini quale immagine contiene il volto e quale la stanza.@Image1 mostra un personaggio con i capelli corti argentati, non ridescrivere il colore dei capelli nel prompt; usa i token del prompt per l'azione, il movimento della telecamera e l'illuminazione.@Video1 per trasferire il movimento della telecamera o la coreografia. Specifica chiaramente se vuoi che il modello prenda in prestito la traiettoria della telecamera ("seguendo la panoramica della telecamera in @Video1") o il movimento del soggetto ("eseguendo il passo di danza in @Video1"). La nostra guida ai riferimenti multimodali di Seedance 2.0 Mini illustra esempi completi multi-inquadratura.Con il nostro sconto permanente del 25%, costa $0.045 al secondo a 480p e $0.09 al secondo a 720p. Allegare fino a 9 immagini, 3 video e 3 tracce audio non aumenta il prezzo al secondo.
Puoi passare fino a 9 immagini di riferimento in reference_urls, fino a 3 video di riferimento in reference_video_urls e fino a 3 file audio di riferimento in reference_audio_urls. È richiesto almeno un riferimento immagine o video per chiamata.
Utilizza i tag numerati a partire da 1 che corrispondono all'ordine dell'array: da @Image1 a @Image9 per gli elementi in reference_urls, da @Video1 a @Video3 per reference_video_urls e da @Audio1 a @Audio3 per reference_audio_urls.
No. A differenza dei provider fatturati a token che addebitano la durata del video di input più la durata del video di output, o di Replicate che aumenta la tariffa a 720p da $0.09/s a $0.11/s con video_in, E2X addebita solo i secondi di output richiesti ($0.045/s a 480p, $0.09/s a 720p).
Quando BytePlus ModelArk segnala un'immagine o un video di riferimento contenente una persona reale con PrivacyInformation, il nostro worker registra automaticamente gli input visivi nella AIGC Asset Library privata di BytePlus con Moderation.Strategy = "Skip", riprova il job con gli URI asset://<id> ed elimina le risorse temporanee una volta terminato il task.
Puoi selezionare una qualsiasi delle sei proporzioni (21:9, 16:9, 4:3, 1:1, 3:4, 9:16) e qualsiasi durata in secondi interi da "4" a "15" secondi.