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
Семейство видеомоделей ByteDance Seedance 2.0 Mini со скидкой 25% ($0.045/с в 480p, $0.09/с в 720p): текст-в-видео, изображение-в-видео, переходы между начальным и конечным кадрами и мультимодальное референс-видео (до 9 изображений, 3 видео и 3 аудиодорожек).
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)Оценочная стоимость генерации по длительности и разрешению. Вы платите только за то, что запускаете.
Узнайте о других моделях ИИ для Референс в видео
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.
Новейшая генерация видео от Google DeepMind — высокая детализация и разнообразные стили.
Генерация видео от Google DeepMind с высокой детализацией и разнообразными стилями.
Аналитика, руководства и новости от команды E2X.
Интегрируйте ByteDance Seedance 2.0 Mini text-to-video, image-to-video, start-end-frame и reference-to-video на E2X по $0.045/s (480p) и $0.09/s (720p, скидка 25%).
Лица, руки и нативный диалог в Gemini Omni 1.1 Flash — прилагательные, превращающие кожу в пластик, почему занятая делом рука держится, и границы, которые Google прописал письменно.
Google открыл общий доступ к gemini-omni-1.1-flash 27 августа 2026. Продление сцены, контроль первого и последнего кадра, референсные клипы — что изменилось.
Четыре возможности Omni стоят одинаково и держат разное. Как выбирать одну под каждую задачу непрерывности, что на самом деле фиксирует seed и где куртка всё равно меняется.
ByteDance Seedance 2.0 Mini reference-to-video (bytedance/seedance-2.0-mini/reference-to-video) — это эндпоинт мультимодальной генерации по референсам, который принимает до 9 референсных изображений (reference_urls), 3 референсных видеороликов (reference_video_urls) и 3 референсных аудиодорожек (reference_audio_urls) в одном запросе, позволяя обращаться к ним прямо в тексте промпта через теги @Image1..@Image9, @Video1..@Video3 и @Audio1..@Audio3.
С учетом нашей постоянной скидки 25% от базовой ставки $0.06/s, E2X взимает фиксированную плату $0.045 за секунду в 480p и $0.09 за секунду в 720p независимо от того, сколько референсных изображений, видео или аудиофайлов вы прикрепили. Генерация 5-секундного ролика в 720p стоит $0.45, а 5-секундного черновика в 480p — $0.225.
Для более простых режимов в рамках того же семейства моделей используйте Seedance 2.0 Mini image-to-video, когда одно изображение должно служить первым кадром; Seedance 2.0 Mini start-end-frame-to-video для интерполяции между двумя ключевыми кадрами; или Seedance 2.0 Mini text-to-video для генерации только по тексту.
На платформах с оплатой за токены и у ряда провайдеров с посекундной тарификацией передача референсных видео (reference_video_urls) меняет схему расчета стоимости задачи:
10s на входе) для генерации 5-секундного ролика (5s на выходе), вам выставляется счет за 15 секунд токенов или длительности видео.bytedance/seedance-2.0-mini при наличии видео на входе (video_in), взимая $0.05/s в 480p (вместо $0.04/s) и $0.11/s в 720p (вместо $0.09/s).На E2X эндпоинт bytedance/seedance-2.0-mini/reference-to-video тарифицируется строго по длительности и разрешению выходного ролика. Добавление 9 референсных изображений, 3 референсных видео и 3 референсных аудиоклипов прибавляет к посекундной ставке ровно $0.00:
| Сценарий (5с выходного видео в 720p) | E2X (скидка 25%) | Replicate | WaveSpeed | fal.ai |
|---|---|---|---|---|
3 референсных изображения (non_video_in) | $0.45 ($0.09/s) | $0.45 ($0.09/s) | $0.60 ($0.12/s) | ~$0.77 (~$0.155/s) |
| 1× 5с видеореференс + 5с на выходе | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $0.75 (10s × $0.075/s) | ~$0.93 (10s по ставке токенов 0.6×) |
| 2× 5с видеореференса + 5с на выходе | $0.45 ($0.09/s) | $0.55 ($0.11/s) | $1.125 (15s × $0.075/s) | ~$1.39 (15s по ставке токенов 0.6×) |
Тарифы проверены 5 ноября 2026 года. Цены и условия предоставления услуг могут меняться. Проверяйте актуальные тарифы каждого провайдера перед принятием решения о покупке. Это целевое сравнение, а не утверждение о том, что E2X является самым дешевым вариантом в любой конфигурации.
@Image, @Video и @AudioСхема bytedance/seedance-2.0-mini/reference-to-video включает три поля-массива наряду с prompt:
reference_urls (maxItems: 9): референсные изображения для лиц персонажей, одежды, ракурсов товара или фоновых локаций. Обращайтесь к ним в промпте как @Image1, @Image2 и до @Image9 в порядке следования в массиве (нумерация с 1).reference_video_urls (maxItems: 3): референсные видеоклипы для хореографии камеры, переноса движения или пластики персонажа. Обращайтесь к ним как @Video1, @Video2 и @Video3.reference_audio_urls (maxItems: 3): референсные аудиоклипы для тембра голоса, ритма или атмосферных звуковых акцентов. Обращайтесь к ним как @Audio1, @Audio2 и @Audio3.И BytePlus ModelArk, и наш обработчик проверяют одно обязательное правило валидации: каждый запрос к reference-to-video должен содержать хотя бы один визуальный референс (reference_urls или reference_video_urls). Передача reference_audio_urls без единого изображения или видео вызовет ошибку валидации еще до отправки задачи.
Сохраните ссылки на многократно используемые референсы персонажей, товаров или движений в массив и укажите их индексы (начиная с 1: @Image1, @Video1, @Audio1) непосредственно в тексте 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
}
}'
Ниже приведен пример на JavaScript, объединяющий референсы изображения, видео и аудио в 8-секундный вертикальный ролик формата 9:16 ($0.72 в 720p или $0.36 в 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}`);
}
}
Наш обработчик также принимает псевдонимы входных полей image_urls, video_urls и audio_urls и автоматически сопоставляет их как с элементами content основного провайдера BytePlus ModelArk (role: "reference_image", "reference_video", "reference_audio"), так и с резервным провайдером Eachlabs. Полное описание схемы доступно в машиночитаемой спецификации и в разделе SDK E2X.
На E2X доступны три эндпоинта reference-to-video с различной емкостью и поддерживаемыми типами референсов:
| Эндпоинт | 720p за секунду | Макс. фотореференсов | Видео- и аудиореференсы | Диапазон длительности | Форматы кадра |
|---|---:|:---:|:---:|---|---|
| Seedance 2.0 Mini reference-to-video | $0.09 ($0.045/s в 480p) | 9 изображений | До 3 видео + 3 аудио | От 4 до 15 с (шаг 1с) | 6 (от 21:9 до 9:16) |
| Gemini Omni 1.1 Flash reference-to-video | $0.09 ($0.0297/s в 360p) | 7 изображений | Только референсы изображений | 4, 6, 8, 10 с | 2 (16:9, 9:16) |
| Veo 3.1 Fast reference-to-video | $0.015 (со звуком) | 3 изображения | Только референсы изображений | 4, 6, 8 с | 2 (16:9, 9:16) |
Seedance 2.0 Mini — единственный эндпоинт в каталоге reference-to-video, который принимает 9 референсных изображений одновременно с референсными видеороликами (@Video1..@Video3) и аудиодорожками (@Audio1..@Audio3), а также единственный, поддерживающий соотношения сторон 21:9, 4:3, 3:4, 1:1 и длительность от 11 до 15 секунд. Выбирайте Gemini Omni 1.1 Flash reference-to-video, когда требуется финальное разрешение 1080p или 4K, либо Veo 3.1 Fast reference-to-video, когда достаточно 3 референсных изображений и 8-секундного ролика в формате 16:9/9:16. Ознакомьтесь со всеми моделями в каталоге моделей E2X.
@Image, @Video и @AudioЧтобы добиться четкого разделения ролей между несколькими референсами в многокадровой раскадровке:
@Image1 в джинсовом фартуке из @Image2 стоит внутри пекарни из @Image3", вместо того чтобы заставлять модель угадывать, на какой картинке лицо, а на какой — интерьер.@Image1 изображен персонаж с короткими серебристыми волосами, не описывайте цвет волос заново в промпте — потратьте символы промпта на действие, движение камеры и освещение.@Video1 для переноса движения камеры или хореографии. Явно укажите, должна ли модель позаимствовать траекторию камеры ("повторяя панорамирование камеры из @Video1") или пластику объекта ("выполняя танцевальное движение из @Video1"). Подробные многокадровые примеры разобраны в нашем руководстве по мультимодальным референсам Seedance 2.0 Mini.С учетом нашей постоянной скидки 25% стоимость составляет $0.045 за секунду в 480p и $0.09 за секунду в 720p. Прикрепление до 9 изображений, 3 видео и 3 аудиодорожек не увеличивает посекундную цену.
Вы можете передать до 9 референсных изображений в reference_urls, до 3 референсных видео в reference_video_urls и до 3 референсных аудиофайлов в reference_audio_urls. В каждом вызове обязателен хотя бы один фото- или видеореференс.
Используйте теги с нумерацией от 1 в соответствии с порядком элементов в массиве: от @Image1 до @Image9 для reference_urls, от @Video1 до @Video3 для reference_video_urls и от @Audio1 до @Audio3 для reference_audio_urls.
Нет. В отличие от платформ с токенной тарификацией, которые суммируют длительность входного и выходного видео, или Replicate, где тариф в 720p вырастает с $0.09/s до $0.11/s при наличии video_in, E2X берет плату только за запрошенные секунды выходного ролика ($0.045/s в 480p, $0.09/s в 720p).
Когда BytePlus ModelArk помечает референсное изображение или видео с реальным человеком кодом PrivacyInformation, наш обработчик автоматически регистрирует визуальные материалы в приватной библиотеке AIGC-ресурсов BytePlus с параметром Moderation.Strategy = "Skip", повторно запускает задачу через URI asset://<id> и удаляет временные ресурсы сразу после завершения генерации.
Вы можете выбрать любое из шести соотношений сторон (21:9, 16:9, 4:3, 1:1, 3:4, 9:16) и любую целочисленную длительность от "4" до "15" секунд.