Gemini Omni 1.2 Flash
Generate smooth video transitions between a start frame and an end frame with Gemini Omni 1.2 Flash. Supports durations from 3 to 10 seconds and resolutions up 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/start-end-frame-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。
開始・終了フレームから動画生成向けの他のAIモデルを探索
Generate smooth video transitions between a start frame and an end frame with Gemini Omni 1.2 Flash. Supports durations from 3 to 10 seconds and resolutions up to 4K.
Generate smooth video transitions between two key frames with Gemini Omni 1.1 Flash. Provide a start frame, an end frame and a text prompt to guide the in-between motion.
Google Veo 3.1 Fast による開始・終了フレームからの動画生成。滑らかな遷移をより短時間で書き出せます。
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 自身のドキュメントから組み立てた Gemini Omni 1.1 Flash の prompt ガイド。FIRST_FRAME と IMAGE_REF のタグ、複数ショットという既定、音声の演出、そして延長時のタイムスタンプの罠。
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。
ByteDance Seedance 2.0 Mini start-end-frame-to-video(bytedance/seedance-2.0-mini/start-end-frame-to-video)は、指定した2つのキーフレームであるimage_url(最初のフレーム)とend_frame_url(最後のフレーム)の間をつなぐ、4秒から15秒の連続した動画トランジションを生成します。定価$0.06/sからの常時25%割引により、E2Xではネイティブの同期オーディオ込みで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。
キーフレーム間の補間により、カメラワークや製品の変形がどこから始まりどこに着地するかを決定論的に制御できます。終了フレームを持たない通常のimage-to-videoで次のカットに必要な構図に偶然収まるのを期待する代わりに、始点と終点の両方をモデルに渡して中間の動きと音声を合成させることができます。
開始フレームのみを固定したい場合はSeedance 2.0 Mini image-to-videoを呼び出してください。最初と最後のフレームを固定せずに、複数のショット間でキャラクター、小道具、または声の一貫性を保ちたい場合はSeedance 2.0 Mini reference-to-videoを呼び出してください。プロンプトのみから生成する場合はSeedance 2.0 Mini text-to-videoをご覧ください。
E2Xでは、2つのキーフレームを指定しても、標準のtext-to-videoやimage-to-videoに対して追加料金は一切発生しません。すべてのジョブは定価ベースレート$0.06/s(60,000マイクロセント)から始まり、25%割引によって480p(×1)では$0.045/s(45,000マイクロセント)、720p(×2)では$0.09/sとなります。
2026年11月5日時点で確認した、fal.aiおよびWaveSpeedとの料金比較マトリックスは以下の通りです。
| トランジション時間 | E2X 480p ($0.045/s) | E2X 720p ($0.09/s) | WaveSpeed 720p ($0.12/s) | fal.ai 720p (~$0.155/s) | fal.aiに対するE2Xの削減率 |
|---|---|---|---|---|---|
| 4秒 | $0.180 | $0.36 | $0.48 | $0.62 | 42%安価 |
| 5秒(デフォルト) | $0.225 | $0.45 | $0.60 | $0.77 | 42%安価 |
| 7秒 | $0.315 | $0.63 | $0.84 | $1.08 | 42%安価 |
| 10秒 | $0.450 | $0.90 | $1.20 | $1.55 | 42%安価 |
| 12秒 | $0.540 | $1.08 | $1.44 | $1.86 | 42%安価 |
| 15秒(最大) | $0.675 | $1.35 | $1.80 | $2.32 | 42%安価 |
キーフレームトランジションの成否は2枚の入力画像が自然に繋がるかどうかにかかっているため、480p層($0.045/s)はストーリーボードのテスト環境として最適です。まず480pで4秒間のブリッジを$0.18でテストし、クリップ途中でジャンプカットを起こさずにカメラの軌道と照明が滑らかに遷移することを確認した上で、最終的な720pテイクを$0.36(4秒)または$0.45(5秒)でレンダリングできます。
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。
4秒、6秒、8秒、10秒といった飛び飛びの選択肢しか持たないモデルとは異なり、bytedance/seedance-2.0-mini/start-end-frame-to-videoでは4秒から15秒までのすべての整数秒("4"、"5"、"6"、"7"、"8"、"9"、"10"、"11"、"12"、"13"、"14"、"15")を指定できます。
開始・終了フレーム生成において、durationは物理的な移動速度を制御します。
4〜6秒): 製品の30度オービット回転、開くドア、レンズに向かって振り向く被写体など、開始フレームと終了フレームの角度や位置が近い場合に最適です。短い尺にすることで、無駄な漂いのないダイレクトな動きになります。7〜10秒): 部屋全体のスケールでのカメラドリー、昼から夜への照明変化、または2段階のキャラクターアクションに最適です。11〜15秒): 8秒の上限では遷移が急ぎ足になってしまうような、ゆったりとした雰囲気のあるクレーンショットや複数ビートのコレオグラフィに最適です。input内の3つのフィールドが必須です。prompt、image_url(開始フレーム)、およびend_frame_url(終了フレーム)を指定してください。両方の画像URLはHTTPS経由でアクセス可能である必要があります。
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/start-end-frame-to-video",
"input": {
"prompt": "Smooth camera orbit clockwise around the matte black headphones as the earcups rotate flat against the walnut stand. Soft studio rim light shifts smoothly across the aluminum headband. Quiet mechanical hinge click.",
"image_url": "https://cdn.example.com/keyframes/headphones-3q-left.jpg",
"end_frame_url": "https://cdn.example.com/keyframes/headphones-flat-top.jpg",
"resolution": "720p",
"duration": "5",
"has_sound": true,
"seed": 88310
}
}'
以下は、2つのキーフレームをつないで7秒間のトランジションを生成するNode.jsのポーリング例です。
const headers = {
Authorization: `Bearer ${process.env.E2X_API_KEY}`,
"Content-Type": "application/json",
};
const submitRes = await fetch("https://api.e2x.ai/v1/jobs/submit", {
method: "POST",
headers,
body: JSON.stringify({
model: "bytedance/seedance-2.0-mini/start-end-frame-to-video",
input: {
prompt: "A single continuous crane shot rising from the rain-slicked street level up to the illuminated second-floor studio window. Rain pattering on pavement fading into muffled piano notes from upstairs.",
image_url: "https://cdn.example.com/keyframes/street-level-start.jpg",
end_frame_url: "https://cdn.example.com/keyframes/window-level-end.jpg",
resolution: "720p",
duration: "7",
has_sound: true,
},
}),
});
const { data: submitted } = await submitRes.json();
for (let i = 0; i < 240; i++) {
await new Promise((r) => setTimeout(r, 3000));
const res = await fetch(`https://api.e2x.ai/v1/jobs/${submitted.jobId}`, {
headers,
});
const { data: job } = await res.json();
if (job.status === "completed") {
console.log("Transition video URL:", job.outputs[0].url);
break;
}
if (job.status === "failed" || job.status === "cancelled") {
throw new Error(job.error?.message || `Job ended with ${job.status}`);
}
}
スキーマ内の正確なフィールド名に注意してください。開始フレームはimage_url(当社のワーカーはstart_frame_urlやfirst_frame_urlのエイリアスも受け付けます)、終了フレームはend_frame_url(またはlast_frame_url)です。完全な型定義については、機械可読モデル仕様書およびE2X SDKドキュメントをご確認ください。
E2X上の3つの動画モデルファミリーはすべて、開始・終了フレーム間の補間に対応しています。
| モデル | 720p(1秒あたり) | ドラフト層 | 生成時間のオプション | アスペクト比 | 音声切替 |
|---|---|---|---|---|---|
| Seedance 2.0 Mini start-end-frame | $0.09 | $0.045/s (480p) | 4〜15秒(1秒刻みの全整数秒) | 6種(21:9, 16:9, 4:3, 1:1, 3:4, 9:16) | あり(has_sound) |
| Gemini Omni 1.1 Flash start-end-frame | $0.09 | $0.0297/s (360p) | 4, 6, 8, 10秒 | 2種(16:9, 9:16) | 常時オン |
| Veo 3.1 Fast start-end-frame | $0.10(定額) | なし | 4, 6, 8秒 | 2種(16:9, 9:16) | なし |
start-end-frame-to-videoにおいては、Veo 3.1 Fastが常時割引なしの定価$0.10/sとなっているため、Seedance 2.0 Mini(480pで$0.045/s、720pで$0.09/s)の方が両方の解像度でVeo 3.1 Fastよりも安価であり、なおかつ9〜15秒のブリッジとネイティブオーディオにも対応しています。1080pまたは4Kの出力が必要な場合は、Gemini Omni 1.1 Flash start-end-frame-to-videoを使用してください。start-end-frame-to-videoカテゴリですべてのキーフレームモデルを比較するか、全モデルカタログを閲覧できます。
image_urlとend_frame_urlの間で不自然なモーフィングの乱れやショット途中のカット切り替えを防ぐには、以下のルールを守ってください。
image_urlが16:9(1280×720)でend_frame_urlが1:1(1024×1024)である場合、トランジション中にジオメトリが引き伸ばされてしまいます。常時適用の25%割引により、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トランジションは$0.45、4秒間の480pテスト生成は$0.18です。
inputオブジェクト内で、開始フレームをimage_urlに、終了フレームをend_frame_urlに渡し、その間をつなぐ動きを記述したpromptを添えてください。
はい。E2Xでは、google/veo-3.1-fast/start-end-frame-to-videoが1秒あたり$0.10であるのに対し、bytedance/seedance-2.0-mini/start-end-frame-to-videoは720pで1秒あたり$0.09、480pで1秒あたり$0.045であり、さらに4〜15秒の生成時間とネイティブオーディオも備えています。
はい。ショット1のend_frame_urlをショット2のimage_urlとして設定してください。2つのクリップ間で境界となるフレームがバイト単位で完全に一致するため、5秒から15秒の複数のクリップを、つなぎ目の違和感なく連結できます。
当社のプライマリであるBytePlus ModelArk統合がPrivacyInformation顔モデレーションチェックを自動的に処理し、モデレーションをスキップしたプライベートAIGC Asset Libraryにフレームを登録してジョブ完了直後に一時アセットを削除します。さらにセカンダリのフォールバックとしてEachlabsが待機しています。
はい。has_soundはデフォルトでtrueになっており、追加料金なしでトランジション全体に同期された環境音とフォーリー効果音を生成します。無音のクリップが必要な場合はhas_sound: falseを設定してください。