通过统一的接口调用多家顶级视频生成模型,支持文生视频、动作控制等能力。
所有请求需在 Header 中携带 Bearer Token:
Authorization: Bearer YOUR_API_KEY
/api/v1/video/generations创建视频生成任务
/api/v1/video/generations?task_id=xxx查询任务状态并获取视频链接
/api/v1/video/p-video同步P-Video 专属同步接口:单次请求阻塞约 30-60 秒,直接返回视频链接,无需轮询
选择模型提供商查看对应的参数和示例
xAI 出品的高质量文生视频模型,支持 5秒/10秒/15秒 视频生成,动作自然流畅。
grok-video-3grok-video-3-10s# Step 1: Create task
curl -X POST https://apimodels.app/api/v1/video/generations \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "grok-video-3",
"prompt": "A cat playing piano in a jazz club, cinematic lighting",
"aspect_ratio": "16:9"
}'
# Step 2: Poll status
curl "https://apimodels.app/api/v1/video/generations?task_id=TASK_ID" \
-H "Authorization: Bearer YOUR_API_KEY"{
"code": 200,
"msg": "success",
"data": {
"taskId": "clxxx...",
"state": "pending"
}
}{
"code": 200,
"msg": "success",
"data": {
"taskId": "clxxx...",
"state": "completed",
"resultUrls": ["https://cdn.example.com/video.mp4"],
"createTime": 1705123450000,
"completeTime": 1705123500000
}
}{
"code": 200,
"msg": "success",
"data": {
"taskId": "clxxx...",
"state": "failed",
"failMsg": "Content policy violation"
}
}在创建请求中传入 callback_url 后,任务进入 completed 或 failed 终态时,我们会向该地址发起一次 HTTP POST。请求头仅包含 Content-Type: application/json,无签名头。失败会自动重试 3 次(指数退避 1s/2s/4s,单次超时 10s);如果仍未成功,后台会在 30 分钟内继续补偿重发,直到接收端返回 2xx。
POST {your callback_url}
Content-Type: application/json
{
"code": 200,
"msg": "success",
"data": {
"taskId": "clxxx...",
"model": "<provider>/<model_name>",
"state": "completed" | "failed",
"param": "<JSON string>", // request params, JSON.parse once
"resultJson": "<JSON string> | null", // result object, JSON.parse once
"failCode": null | "CONTENT_MODERATION | INVALID_INPUT | INSUFFICIENT_BALANCE | UPSTREAM_BUSY | UPSTREAM_FAILED | TIMEOUT | INTERNAL_ERROR | OTHER",
"failMsg": null | "string",
"retryable": true | false, // present when state=failed: safe to retry/fallback
"costTime": 12345, // duration in ms
"completeTime": 1705123500000, // ms epoch
"createTime": 1705123450000 // ms epoch
}
}注意:data.param 与 data.resultJson 都是 JSON 字符串,使用前必须 JSON.parse 一次。
{
"resultUrls": ["https://r2.apimodels.app/videos/xxx.mp4"],
"thumbnailUrl": "https://...jpg", // optional (some models only)
"videoSize": "1280x720", // optional
"videoDuration": 5, // optional, seconds
"videoModel": "veo3" // optional
}resultUrls 始终存在,长度通常为 1(失败时为空数组)。其它字段可选,按上游不同会缺失,请按需读取。state=failed 时 resultJson 通常为 null 或 {"resultUrls":[]},请不要假设一定有视频链接。
app.post('/webhook/video', express.json(), (req, res) => {
const { taskId, state, resultJson, failMsg } = req.body.data
if (state === 'completed') {
const r = JSON.parse(resultJson)
console.log('video ready', taskId, r.resultUrls[0], r.videoDuration)
} else {
console.warn('video failed', taskId, failMsg)
}
res.status(200).end() // must be 2xx, otherwise we retry
})pending任务已排队,等待处理processing视频生成中completed生成成功,可获取视频链接failed生成失败400请求参数错误或缺失401API 密钥无效402积分不足404任务 ID 不存在500服务器内部错误下列所有模型通过统一 API、一个 key 即可调用。点击模型查看完整 playground 与文档。
| 模型 | model 参数 | 价格 | 说明 |
|---|---|---|---|
| Grok Imagine Video 1.5 | grok-imagine-video-1.5 | $0.098/s+ | xAI Grok Imagine Video 1.5 Preview — image-to-video with native synchronized audio. #1 on the Image-to-Video Arena, with lifelike motion, strong prompt adherence and consistent characters. 480p / 720p, 1-15s. |
| Grok Imagine Video 1.5(Beta) | grok-imagine-video-1.5-beta | $0.35+ | Grok Imagine Video 1.5 (Beta) — an alternative stable channel for xAI Grok image-to-video. Turn one reference image into a cinematic clip with an optional prompt. Simple flat per-clip pricing by duration (5 / 8 / 10 / 12 / 15s), 480p or 720p. |
| LTX-2.3 视频 | ltx-2.3 | $0.02/s+ | LTX-2.3 unified text-to-video and image-to-video. Send a prompt for T2V, or add one reference image for I2V — fast, with 480p / 720p / 1080p output. Billed per second by resolution. |
| Seedance 2.0 | seedance-2.0 | $0.13/s+ | Seedance 2.0 是 ByteDance Seedance 2.0 最全能、最全面的渠道 —— 一个模型即可全模态出片:文生、首帧 / 首尾帧、最多 9 张参考图、参考视频、参考音频、联网搜索增强提示词、原生音频,所有输入可任意组合。**支持真人 + 素材创建**。提供 480p / 720p / 1080p 三档分辨率,时长 4 / 5 / 6 / 8 / 10 / 12 / 15 秒,按秒按分辨率计费(480p $0.13/s、720p $0.26/s、1080p $0.33/s)。面向想用一个模型搞定 Seedance 2.0 全部能力的创作者。请仅对已获授权 / 已同意的对象使用。 |
| Seedance 2 Mini | seedance-2-mini | $0.042/s+ | ByteDance Seedance 2 Mini — multimodal text / image / video / audio → video with native AI audio. Reference images, reference video and reference audio, web search, 480p / 720p, 4-15s. Per-second pricing by resolution and whether AI audio is generated. |
| Seedance 2.0 Fast | seedance-2.0-fast | $0.11/s+ | Seedance 2.0 Fast 是最全能 Seedance 2.0 渠道的提速降价版本 —— 完整保留全模态能力(文生 / 首尾帧 / 最多 9 张参考图 / 参考视频 / 参考音频 / 联网搜索 / 原生音频,任意组合),同样**支持真人 + 素材创建**。提供 480p / 720p,时长 4 / 5 / 6 / 8 / 10 / 12 / 15 秒,按秒按分辨率计费(480p $0.11/s、720p $0.22/s)。适合在高并发、低成本下使用最全能的 Seedance 2.0。请仅对已获授权 / 已同意的对象使用。 |
| Seedance 2.0 (Official) | seedance-2.0-official | $0.092/s+ | API Models 直连火山引擎官方 Ark API 调用 ByteDance Seedance 2.0 —— 中间无转售,高并发生产流量下依然稳定。支持文生视频、首帧/首尾帧图生视频,以及最多 9 图 + 3 视频 + 3 音频的多模态参考生视频,480p/720p/1080p、4-15 秒、可选同步音频。面向开发者、营销团队和短视频创作者,按秒计费 $0.092/s 起,无最低消费。 |
| Seedance 2.0 · sd-A | seedance-2.0-a | $0.073/s+ | Seedance 2.0 sd-A — full multimodal HD video (720p / 1080p) with an in-playground tier switch (2.0 / Fast / Mini): text, first/last frame, up to 9 reference images + video + audio, web search, native audio, and asset-library characters. |
| 全能视频 Omni Flash | gemini-omni-flash | $0.20+ | 全能视频 Omni Flash 是一款 Gemini 驱动的统一视频生成模型,**一个 slug 同时支持文生视频和图生视频**:纯文本直接出片,或附带 1 张 / 3 张参考图做单图动态化或多图融合(注意:上游明确不支持 2 张参考图)。支持 720p / 1080p / 4K 三档分辨率,4 / 6 / 8 / 10 秒四档时长,可选 16:9 / 9:16 宽高比。按秒计费:720p $0.075/秒、1080p $0.08/秒、4K $0.12/秒;如需更低价请用 Omni Flash 稳定版。适合创意短片、广告素材、社媒视频、商品展示、角色动态化和概念演示 —— 需要 4K 输出时也能直接搞定。 |
| 全能视频 Omni Flash 稳定版 | gemini-omni-video | $0.35+ | 全能视频 Omni Flash 稳定版 是功能更全、稳定性更好的 Gemini Omni 视频模型。**一个模型覆盖文生视频、图生视频(最多 7 张参考图)、视频改写(video_list)**,并可选复用音色(audio_ids,需先用 Omni Audio 端点建音色)与一致性角色(character_ids,需先用 Omni Character 端点建角色)。支持 720p / 1080p / 4K,4 / 6 / 8 / 10 秒,16:9 / 9:16,可选 seed。按次计费:720p 与 1080p 同价($0.35-$0.6),4K 加价档($0.7-$1.0);带视频输入按分辨率固定价(720p/1080p $0.8、4K $1.2)。注意配额:图片×1 + 视频×2 + 角色×1 合计 ≤ 7。 |
| Seedance 2.0 影视版 | seedance-2.0-beta | $1.00+ | Seedance 2.0 影视版(Cinematic)是 ByteDance Seedance 2.0 的影视级版本 —— 专为电影级光影、情绪氛围、镜头运动调优。**核心差异:支持真人 / 拟真人脸参考图** —— Ark 直连的 Seedance 2.0 / Fast 会因内容审核拒绝含真人脸的参考图,而本影视版渠道可直接使用,配合最多 4 张参考图做身份锁定的图生视频,特别适合影视级人物、肖像与角色创作。支持文生 / 图生视频,时长 5 / 10 / 15 秒,四种宽高比(16:9 / 9:16 / 4:3 / 3:4)。输出品质明显高于 Ark 直连版,代价是生成更慢(通常 60-180 秒,高峰偶尔几分钟)。API 名称仍为 `seedance-2.0-beta`(兼容老接入),底层上游与 Ark 系列独立,按时长分档计费 $1.00 / $2.00 / $3.00 对应 5 / 10 / 15 秒。请仅对已获授权 / 已同意的对象使用,遵守平台与法律的肖像与深伪相关规定。 |
| 视频字幕擦除 | subtitle-erase | $0.01/s | 视频字幕擦除是一款去除视频「硬字幕」(烧录在画面上的字幕)与画面文字的工具,擦除后会在原本有文字的位置重建干净背景。只需上传一段视频,选择「字幕」模式(默认,只去除字幕样式的文字)或「全部文字」模式(去除画面中任意位置的文字,不限于字幕);输出可选「质量」(最佳清晰度)或「更小体积」(更小的文件)。如需更精细的控制,还可选择性地传入归一化(0-1)的区域框,只擦除这些区域内的文字,画面其余部分保持不变。按输入视频时长计费,$0.01 每秒。 |
| Seedance 2.0 Fast (Official) | seedance-2.0-fast-official | $0.071/s+ | API Models 直连火山引擎官方 Ark API 调用 Seedance 2.0 Fast —— Seedance 2.0 的提速降价版本,高并发批量出片依然稳定。支持文生、首帧/首尾帧图生及多模态参考生视频,480p/720p、4-15 秒、可选同步音频。适合开发者、营销和短视频高频创作,按秒计费 $0.071/s 起,无最低消费。 |
| VEO 3.1 Fast HD | veo-3.1-fast-hd | $0.07 | VEO 3.1 Fast HD 是 Google VEO 3.1 的快速 720p 档:固定 8 秒,支持文生视频与参考图,$0.07/条。是预算优先拿到 720p VEO 风格 8 秒成片的方式;需要同价 1080p,选 VEO 3.1 Fast Full HD。 |
| VEO 3.1 Fast Full HD | veo-3.1-fast-fhd | $0.07 | VEO 3.1 Fast Full HD 是 Google VEO 3.1 的快速 1080p 档:固定 8 秒,支持文生视频与参考图,$0.07/条——与 720p 的 Fast HD 同价却出 1080p。要更高分辨率又不加价时选它。 |
| VEO 3.1 Fast 4K (Beta) | veo-3.1-fast-beta | $0.07-$0.10 | VEO 3.1 Fast 4K(Beta)是 VEO 3.1 Fast 的 4K 档,至少需要一张首帧图,支持首尾帧视频生成(start-end frame),输出 1080p / 4K,计费 5s $0.07、8s $0.10。适合要 4K、且想用首尾帧控制镜头起止的短片。 |
| P-Video | p-video | $0.05+ | P-Video 是 Pruna AI 的快速视频生成模型,支持文生视频、图生视频与音频生视频(audio-to-video),内置音频与对白生成,最高 1080p、48 FPS,时长 1–20 秒。它的亮点是「草稿模式」:约 4 倍速出预览,先低成本试稿,满意再用完整模式出片。按秒计费:720p 草稿 $0.01/s、完整 $0.04/s;1080p 草稿 $0.02/s、完整 $0.08/s。 |
| DreamActor V2 (Motion Transfer) | dreamactor-v2 | $0.06/s | DreamActor V2 是字节跳动(即梦)的动作捕捉与迁移模型。它不是凭空生成,而是「一张图 + 一段参考视频」→ 让图中角色精确复刻参考视频的身体动作、面部表情与口型:你出形象,参考视频出动作。支持多人同框、二次元/卡通角色与宠物,身份锁定保留原图人物特征与背景。适合虚拟主播 / 数字人、舞蹈与表演动作复刻、角色口播、电商讲解等场景。按秒计费 $0.06/s;请仅对已获授权 / 已同意的对象使用。 |
| Kling Motion Control | kling-motion-control | $0.06/s+ | Kling Motion Control 通过「参考图 + 动作视频」生成带角色动作控制的视频:用动作视频驱动参考图里的角色做出指定动作。支持 720p($0.06/s)/ 1080p($0.10/s),最长 30 秒,适合舞蹈、表演与角色动作复刻。它侧重身体动作;若还需要面部表情、口型同步、多人同框、二次元与宠物,可看字节跳动的 DreamActor V2。 |
| Kling V3 Omni | kling-v3-omni | $0.15/s | Kling V3 Omni(Omni-Video)是可灵 V3 的多模态全能视频模型,支持文本/图片/视频/主体输入,主打扩展时长与「保留原声」的视频编辑——对已有视频做编辑/续写时可保留原声而非重生成音轨。计费为一口价 $0.15/s,不分模式与音频,成本简单可预知,时长 5–15 秒。要更细的标准/专业 ± 音频分档,可选 Kling Video-O1。 |
| Kling V3 | kling-v3 | $0.12/s+ | 可灵 V3(Kling V3)是快手可灵的最新一代视频生成模型,相比前代在镜头运动稳定性、人物与物体一致性、复杂动作的物理合理性上明显提升,画面更干净、动态更自然。一个统一接口同时支持文生视频(仅提示词)与图生视频(加首帧参考图,一致性更好),并可选生成同步音频,声画一次成片。时长 3–15 秒可变,既能做快节奏竖屏社媒片,也能交付带声画的成品镜头。按输出秒数分档计费(标准 $0.12/s、标准+音频 $0.18/s、专业 $0.16/s、专业+音频 $0.24/s),失败不扣费。 |
| Omni Video V3.1-fast (Start-End Frame, Budget) | veo-3.1 | $0.30 | veo-3.1(Omni Video V3.1-fast)是一条高性价比的 VEO 3.1 渠道,核心玩法是「首尾帧补间」:给一张首帧(必填)和一张可选尾帧,模型在两帧之间生成 8 秒过渡动作,人物一致性强、动作自然,并带动态音频同步。支持 720p / 1080p / 4K、16:9 / 9:16,固定 8 秒输出,每条 $0.30(720p / 1080p / 4K 同价)。适合产品揭示、形态变化、场景转场等需要明确起止的镜头;属经济档,比官方 VEO 便宜,代价是稳定性略低。 |
| Omni Video V3.1-Lite (Start-End, Official Stable) | omni-video-v3.1-lite | $0.72-$1.152 | Omni Video V3.1-Lite 是官方稳定渠道的首尾帧视频模型:首帧与尾帧都必填,在两帧之间生成平滑的电影级过渡,720p / 1080p、带原生音频。适合季节变化、场景转场、延时与叙事剪辑等需要明确起止的镜头。比 V3.1-fast 经济档贵(720p $0.72、1080p $1.152)但更稳定,适合生产环境;要省钱试做可选 veo-3.1(V3.1-fast)。 |
| Grok Video 3 (10s) | grok-video-3-10s | $0.10 | Grok Video 3(10 秒)是 xAI Grok Video 3 的固定 10 秒预设档,$0.01/s(约 $0.10/条),音画同步,支持文生视频与图生视频(最多 7 张参考图),720p / 480p。只想要标准 10 秒、成本可预知的成片用这个;需要 6 / 10 / 15 秒灵活时长用主 grok-video-3。 |
| Grok Video 3 | grok-video-3 | $0.06-$0.15 | Grok Video 3 是 xAI 的视频生成模型,主打大批量、低成本:按秒单价低至 $0.01/s,时长可选 6 / 10 / 15 秒。一个接口同时做文生视频(不传图)和图生视频(传 1–7 张参考图,每张 ≤10MB,用于锁定主体、风格或首帧),支持 2:3 / 3:2 / 1:1 / 16:9 / 9:16 五种宽高比,横竖屏皆可。极低单价 + 超长可选时长,使它特别适合社媒短视频批量产出、广告 A/B 素材与故事板。失败不扣费。 |
| Kling Lip-Sync Video | rh-lip-sync-video | $0.065/5s | Kling Lip-Sync Video 做帧级口型同步:把一段音频对到视频人物的嘴型上,支持真实人物、3D 与 2D 动画角色,可本地上传音频或接在线 TTS,支持分钟级时长。常见流程:先用 Kling Face Recognition 识别人脸拿到 faceId,再把音频(上传或 Kling Lip-Sync TTS 生成)对到该人脸。适合数字人口播、配音对口型、动画角色说话。 |
| AI Lip-Sync | ai-lipsync | $0.02/s | Turn a portrait image + an audio clip into a talking-head video. The output length follows the audio; billed per second. |
| Kling Lip-Sync TTS | rh-lip-sync-tts | $0.01 | Kling Lip-Sync TTS 是为对口型设计的文本转语音,支持多语言多方言、语速调节、情感风格与音色克隆。它生成的语音可直接喂给 Kling Lip-Sync Video 做口型同步——把文本合成成带情感、合适语速的语音(可用克隆音色),再对到视频人物嘴型上,一条流程走完。 |
Google Veo、Kling、字节 Seedance 2.0(支持真人)、Grok 等,统一端点。按秒或按条计费,如 Seedance 2.0 $0.13/秒起。仅成功扣费。
Seedance 2.0 可直接吃真人脸;官方 Ark 和定制版A 通过素材库 asset:// 支持真人;Lite 用人像库。详见 Seedance 专页。
调 POST /api/v1/video/generations,带 prompt + first_frame_url(可选 last_frame_url),再 GET ?task_id= 轮询。一把 Key 通用所有视频模型。