Gemini Omni 1.2 Flash
Animate a still image into video with Gemini Omni 1.2 Flash. Supports durations from 3 to 15 seconds and resolutions from 360p to 4K.
- video
- high-fidelity
テキストから動画、画像から動画、開始・終了フレーム補間、マルチモーダル参照動画(最大9枚の画像、3本の動画、3つの音声)に対応する ByteDance Seedance 2.0 Mini ファミリー。25%割引適用(480p $0.045/秒、720p $0.09/秒)。
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/image-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)再生時間と解像度ごとの生成あたりの推定コストです。実行した分だけお支払いいただきます。
画像から動画向けの他のAIモデルを探索
Animate a still image into video with Gemini Omni 1.2 Flash. Supports durations from 3 to 15 seconds and resolutions from 360p to 4K.
Animate a still image into video with Gemini Omni 1.1 Flash. The source image becomes the first frame and drives the generated motion.
高い忠実度と多彩なスタイルに対応した、Google DeepMind の最新の動画生成。
E2Xチームからのインサイト、チュートリアル、最新情報。
E2XでByteDance Seedance 2.0 Miniのtext-to-video、image-to-video、start-end-frame、reference-to-videoを統合。480pは$0.045/s、720pは$0.09/s(25%オフ)。
Google は 40 秒のシーンと言いました。モデルは 1 回の呼び出しで 3〜10 秒です。40 秒が実際にいくらかかるのか、そして発表が飛ばした制限をまとめます。
Google は Omni の最上位ティアを upscaled と記しています。当社はそれが実際に何を足しているかを計測しました。それでも 1 秒 $0.18 に見合うのはどんなときか — そしてプロバイダーの価格が最上段でいちばん大きく割れる理由。
2026 年 8 月 28 日、5 つのプロバイダで Gemini Omni 1.1 Flash の価格を調べました。同じ重み、720p で 1 秒あたり $0.09 から $0.13 — そして 1 社は 3 つの価格を掲げています。
ByteDance Seedance 2.0 Mini image-to-video(bytedance/seedance-2.0-mini/image-to-video)は、静止画の写真、製品レンダリング、またはイラストを、同期されたネイティブオーディオ付きの4秒から15秒の動画クリップへとアニメーション化します。定価$0.06/sからの常時25%割引により、E2Xでは480pが1秒あたり$0.045、720pが1秒あたり$0.09で課金されます。デフォルトの5秒間の720p生成は$0.45、4秒間の480pモーションテストは$0.18です。
アップロードされたimage_urlは生成される動画の正確な開始フレーム(first_frame)となり、動きが始まる前の被写体のアイデンティティ、照明のパレット、レンズの焦点距離、そして構図をしっかりと固定します。その上で、続く4秒から15秒の間に何がどう動くか、そしてオーディオトラックがどのような音を鳴らすかをpromptで指示します。
ワークフローで異なる条件付け入力が必要な場合は、Seedance 2.0 Miniファミリーの姉妹エンドポイントに切り替えてください。開始フレームと終了フレームの両方がある場合はSeedance 2.0 Mini start-end-frame-to-video、最初のフレームを固定せずに最大9枚の参照画像・3本の参照動画・3つの音声ファイルを渡したい場合はSeedance 2.0 Mini reference-to-video、テキストプロンプトのみから生成する場合はSeedance 2.0 Mini text-to-videoを使用します。
E2Xでは、bytedance/seedance-2.0-mini/image-to-videoはtext-to-videoエンドポイントとまったく同じ料金表を使用します。画像の条件付けやネイティブオーディオ生成に対する追加料金は一切ありません。
$0.06/s(60,000マイクロセント)、25%割引により$0.045/s(45,000マイクロセント)。resolutionファクター: 480pは×1($0.045/s)、720p(デフォルト)は×2($0.09/s)。durationファクター: "4"から"15"までの任意の整数秒(デフォルトは"5")。2026年11月5日時点で確認した、競合プラットフォームに対するE2Xのimage-to-video料金の比較は以下の通りです。
| クリップの長さ | E2X 480p ($0.045/s) | E2X 720p ($0.09/s) | WaveSpeed 720p ($0.12/s) | fal.ai 720p (~$0.155/s) | Replicate 720p ($0.09/s) |
|---|---|---|---|---|---|
| 4秒 | $0.180 | $0.36 | $0.48 | $0.62 | $0.36 |
| 5秒(デフォルト) | $0.225 | $0.45 | $0.60 | $0.77 | $0.45 |
| 8秒 | $0.360 | $0.72 | $0.96 | $1.24 | $0.72 |
| 10秒 | $0.450 | $0.90 | $1.20 | $1.55 | $0.90 |
| 15秒(最大) | $0.675 | $1.35 | $1.80 | $2.32 | $1.35 |
720pにおいて、E2Xはfal.aiより42%安く、WaveSpeedより25%低価格です。また、Eachlabsではimage-to-videoの料金がtext-to-videoよりも高く設定されている点(720pで$0.087/s対$0.075/s)にも注目してください。E2Xでは、Seedance 2.0 Miniの4つの機能すべてが単一の予測可能な料金体系を共有しています。
価格および製品条件は変更される場合があります。購入を決定する前に、各プロバイダーの最新の料金をご確認ください。これは特定条件での比較であり、あらゆる構成においてE2Xが最安であることを主張するものではありません。
BytePlus ModelArk(dreamina-seedance-2-0-mini-260615)を直接呼び出す際によくある運用上の課題が、デフォルトの視覚モデレーションフィルターです。このフィルターは、実在する人間の顔を含む入力写真をInputImageSensitiveContentDetected.PrivacyInformationというエラーで拒否します。
当社のワーカーは、この問題を2つのレイヤーで自動的に処理します。
PrivacyInformationを検出した場合、当社のワーカーは自動的にその画像をModeration.Strategy = "Skip"付きでBytePlusのAIGC Asset Libraryに登録し、タスクペイロードをasset://<id>に書き換えて生成を再試行し、ポーリングが完了した直後に一時アセットを削除します。bytedance-seedance-2-0-mini-image-to-video)へフォールバックします。promptとimage_urlの両方が必須です。image_urlには公開アクセス可能なHTTPSファイル(または少なくとも15分間の有効期限を持つ署名付きURL)を指定してください。
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/image-to-video",
"input": {
"prompt": "The barista slowly pours steamed milk into the ceramic cup, forming a rosetta pattern on the crema as gentle steam rises. Camera pushes in slowly by 15 percent. Cafe espresso machine hiss and soft ceramic clink.",
"image_url": "https://cdn.example.com/frames/latte-pour-start.jpg",
"resolution": "720p",
"duration": "6",
"has_sound": true,
"seed": 10842
}
}'
まずNano Banana 2.1 text-to-image(1Kで$0.03)やGPT Image 2.5 Sunburst text-to-image(1Kで$0.0525)などのE2X画像生成エンドポイントを使って開始フレームを生成し、結果のURLをそのままimage_urlに渡すことも可能です。
const headers = {
Authorization: `Bearer ${process.env.E2X_API_KEY}`,
"Content-Type": "application/json",
};
const submitRes = await fetch("https://api.e2x.ai/v1/jobs/submit", {
method: "POST",
headers,
body: JSON.stringify({
model: "bytedance/seedance-2.0-mini/image-to-video",
input: {
prompt: "Wind catches the linen curtains on the balcony as waves roll onto the pebble beach below. Locked-off tripod shot. Ocean surf and fluttering fabric.",
image_url: "https://cdn.example.com/stills/balcony-sea-16x9.png",
resolution: "480p",
duration: "5",
has_sound: true,
},
}),
});
const { data: submitted } = await submitRes.json();
for (let poll = 0; poll < 240; poll++) {
await new Promise((r) => setTimeout(r, 3000));
const statusRes = await fetch(
`https://api.e2x.ai/v1/jobs/${submitted.jobId}`,
{ headers }
);
const { data: job } = await statusRes.json();
if (job.status === "completed") {
console.log("Animated MP4 URL:", job.outputs[0].url);
break;
}
if (job.status === "failed" || job.status === "cancelled") {
throw new Error(job.error?.message || `Job failed: ${job.status}`);
}
}
なお、bytedance/seedance-2.0-mini/image-to-videoは入力画像の比率から出力フレームの比率を決定する(21:9、16:9、4:3、1:1、3:4、9:16の中で最も近い対応比率にマッピングされる)ため、送信前に入力画像を目的のアスペクト比にクロップしておいてください。パラメータの詳細は機械可読モデル仕様書およびE2X SDKページに掲載されています。
最大生成時間、解像度、および秒単価によって、当社の3つのimage-to-videoオプションを比較してみましょう。
| エンドポイント | 720p(1秒あたり) | ドラフト層 | 最大生成時間 | 対応アスペクト比 | 最適なユースケース |
|---|---|---|---|---|---|
| Seedance 2.0 Mini image-to-video | $0.09 | $0.045/s (480p) | 15秒 | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 | 10–15秒の長尺アニメーション、正方形(1:1)や4:3のEC商品画像、ミュート切替 |
| Gemini Omni 1.1 Flash image-to-video | $0.09 | $0.0297/s (360p) | 10秒 | 16:9, 9:16 | 高解像度な1080p($0.135/s)および4K($0.18/s)の納品物 |
| Veo 3.1 Fast image-to-video | $0.015(音声あり) | $0.010/s(無音) | 8秒 | 16:9, 9:16 | 16:9または9:16での大量の4–8秒アニメーション生成 |
8秒以内の16:9または9:16クリップで要件を満たせる場合は、Veo 3.1 Fast image-to-videoを使用してください。9秒から15秒の連続した動きが必要な場合や、ソース画像が1:1、4:3、3:4、21:9にクロップされている場合は、Seedance 2.0 Mini image-to-videoへステップアップしてください。すべてのモーションエンドポイントはimage-to-videoカテゴリまたは全モデルカタログから閲覧できます。
入力画像によって視覚的なシーンはすでに確立されているため、プロンプトでは静止画の内容を繰り返し説明するのではなく、変化や動きを中心に記述してください。
16:9、9:16、1:1、4:3、3:4、または21:9にクロップしておきます。当社の25%割引により、image-to-videoは480pで1秒あたり$0.045、720pで1秒あたり$0.09となります。5秒間の720pクリップは$0.45、4秒間の480pドラフト確認は$0.18です。
input内の2つのフィールドが必須です。prompt(最大2,000文字の文字列)とimage_url(開始フレームを指す公開アクセス可能なHTTPS URL)を指定してください。
はい。"4"から"15"までの任意の整数秒のduration文字列を渡すことができます。15秒のクリップは480pで$0.675、720pで$1.35です。
はい。BytePlus ModelArkのデフォルトフィルターがポートレート写真に対してPrivacyInformationチェックを発生させた場合、当社のワーカーが自動的にその画像をモデレーションスキップ付きのプライベート一時アセットとして登録し、生成を完了させた直後に一時アセットを削除します。
inputオブジェクト内で"has_sound": falseを渡してください。デフォルトではhas_soundはtrueになっており、追加料金なしで同期された効果音と環境音を生成します。
姉妹エンドポイントであるbytedance/seedance-2.0-mini/start-end-frame-to-videoを使用してください。まったく同じ$0.045/s(480p)および$0.09/s(720p)の料金で、image_url(最初のフレーム)とend_frame_url(最後のフレーム)の両方を受け付けます。