Texto para vídeo vs. imagem para vídeo: os cinco modos da API explicados

Os cinco modos em resumo

Todos os modos usam o mesmo endpoint, POST /v1/generations. O que muda é a entrada que você envia junto com o prompt.

Nem todo modelo suporta todos os modos. A tabela de suporte abaixo cobre os modelos principais, e a página de cada modelo na página de modelos lista as suas tarefas.

Texto para vídeo

Texto para vídeo é o modo mais simples: você descreve a tomada e o modelo decide todo o resto, dos rostos e do cenário às cores e ao enquadramento. Essa liberdade é útil quando você está explorando ideias ou precisa de imagens genéricas, como b-roll, tomadas de estabelecimento ou fundos abstratos.

É o modo errado quando o vídeo precisa mostrar algo específico: seu produto, seu logo, uma pessoa em particular ou um layout que precisa seguir o guia de uma marca. Cada geração inventa esses detalhes do zero, então dois clipes do mesmo prompt não vão combinar.

Um bom prompt de texto cobre o assunto, a ação, o cenário, a câmera e a luz, e o som, se o modelo o gerar. Nosso guia do Seedance 2.0 traz mais dicas de prompt.

Imagem para vídeo

Com imagem para vídeo, a sua imagem vira o primeiro quadro. Tudo nela (o produto, o rosto, a composição e as cores) fica fixo no início, e o prompt só precisa descrever o que acontece depois. Este é o modo para animar fotos de produto, ilustrações e key art, e para qualquer tomada em que o visual precise ser exato.

Um fluxo comum é fazer primeiro a imagem estática com um modelo de imagem como o Nano Banana Pro ou o GPT Image 2, acertá-la e só então animá-la. É mais barato e mais rápido iterar em imagens estáticas do que em vídeo.

Aqui está uma requisição de imagem para vídeo para o Seedance 2.0: um clipe de 5 segundos em 720p com som, que custa $0.75. A proporção adaptive ajusta o quadro ao formato da sua imagem.

export REVANA_API_KEY="sr_live_..."

# 1. Submit the job (returns 202 with the generation id)
curl https://api.revana.si/v1/generations \
  -H "Authorization: Bearer $REVANA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.0",
    "input": {
      "prompt": "The coffee in the cup starts to steam, and a hand reaches in from the right and lifts the cup off the table. Morning light, quiet cafe ambience.",
      "image_url": "https://example.com/coffee.jpg",
      "resolution": "720p",
      "duration": 5,
      "aspect_ratio": "adaptive",
      "audio": true
    },
    "max_cost_usd": 2
  }'

# 2. Poll with the id from step 1 until status is "succeeded" or "failed"
curl https://api.revana.si/v1/generations/gen_01JBX7Q2M4 \
  -H "Authorization: Bearer $REVANA_API_KEY"

import os
import time

import requests

API = "https://api.revana.si/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['REVANA_API_KEY']}"}

resp = requests.post(f"{API}/generations", headers=HEADERS, json={
    "model": "seedance-2.0",
    "input": {
        "prompt": "The coffee in the cup starts to steam, and a hand reaches in from the right and lifts the cup off the table. Morning light, quiet cafe ambience.",
        "image_url": "https://example.com/coffee.jpg",
        "resolution": "720p",
        "duration": 5,
        "aspect_ratio": "adaptive",
        "audio": True,
    },
    "max_cost_usd": 2,
})
resp.raise_for_status()
job = resp.json()

while job["status"] in ("queued", "running"):
    time.sleep(5)
    job = requests.get(f"{API}/generations/{job['id']}", headers=HEADERS).json()

if job["status"] == "succeeded":
    print(job["output"]["urls"], job["cost_usd"])
else:
    print("Failed:", job["error"])

// Node 18 or later. Save as generate.mjs and run: node generate.mjs
const API = "https://api.revana.si/v1";
const headers = {
  Authorization: `Bearer ${process.env.REVANA_API_KEY}`,
  "Content-Type": "application/json",
};

const res = await fetch(`${API}/generations`, {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "seedance-2.0",
    input: {
      prompt: "The coffee in the cup starts to steam, and a hand reaches in from the right and lifts the cup off the table. Morning light, quiet cafe ambience.",
      image_url: "https://example.com/coffee.jpg",
      resolution: "720p",
      duration: 5,
      aspect_ratio: "adaptive",
      audio: true,
    },
    max_cost_usd: 2,
  }),
});
if (!res.ok) throw new Error(`${res.status} ${await res.text()}`);
let job = await res.json();

while (job.status === "queued" || job.status === "running") {
  await new Promise((r) => setTimeout(r, 5000));
  job = await (await fetch(`${API}/generations/${job.id}`, { headers })).json();
}

if (job.status === "succeeded") console.log(job.output.urls, job.cost_usd);
else console.error("Failed:", job.error);

Descreva o movimento, não a imagem: o modelo já consegue vê-la. "O vapor sobe e a xícara é levantada" funciona melhor do que repetir "uma xícara branca de café sobre uma mesa de madeira".

Primeiro e último quadros

Adicione end_image_url e o modelo gera o movimento entre duas imagens que você escolher. Como o final é fixo, este modo serve para transições entre cenas, tomadas de antes e depois, revelações de produto e clipes que precisam emendar direto no seguinte. Para um loop, experimente a mesma imagem nas duas pontas.

Os dois quadros devem ser finais plausíveis de uma mesma tomada: a mesma cena, o mesmo enquadramento e a mesma luz. Se forem diferentes demais, o modelo precisa inventar uma grande mudança em poucos segundos, e os resultados ficam menos previsíveis. Este clipe silencioso de 5 segundos em 1080p do Kling 3.0 custa $0.60:

{
  "model": "kling-3.0",
  "input": {
    "prompt": "Time-lapse: the empty plot fills with a small wooden cabin as the camera holds still, clouds racing overhead",
    "image_url": "https://example.com/plot-empty.jpg",
    "end_image_url": "https://example.com/plot-cabin.jpg",
    "resolution": "1080p",
    "duration": 5,
    "audio": false
  },
  "max_cost_usd": 1
}

Seedance 2.5, Seedance 2.0, Seedance 2.0 Mini, Veo 3.1, Veo 3.1 Fast, Veo 3.1 Lite, Kling 3.0, Kling 3.0 Omni, Wan 3.0 e Grok Imagine Video 1.5 listam primeiro e último quadro no catálogo. O Hailuo 2.3 aceita um quadro inicial, mas não um final.

Imagens de referência

Imagens de referência não são quadros. O modelo as usa para aprender como é uma pessoa, um produto ou um lugar, e então os coloca em uma nova tomada descrita pelo prompt. Isso faz das referências o modo da consistência: o mesmo personagem em dez tomadas, ou o mesmo produto em cenários diferentes.

Envie as imagens como image_urls e refira-se a cada uma pela posição no prompt, por exemplo "a mulher da primeira imagem segura a bolsa da segunda imagem". O limite depende do modelo: o Seedance 2.5 aceita até 30, o Wan 3.0 aceita até 10, o Seedance 2.0 aceita até 9, o Seedance 2.0 Mini aceita até 9, o Veo 3.1 Fast aceita até 3 e o Veo 3.1 Lite aceita até 3. Nos modelos Seedance, envie quadros ou referências em uma requisição, não os dois.

Esta requisição de 8 segundos em 720p com som no Veo 3.1 Fast custa $0.80:

{
  "model": "veo-3.1-fast",
  "input": {
    "prompt": "The man from the first image walks into the bakery from the second image, picks up a loaf and smiles at the camera. Bell over the door, quiet chatter.",
    "image_urls": [
      "https://example.com/man.jpg",
      "https://example.com/bakery.jpg"
    ],
    "resolution": "720p",
    "duration": 8,
    "aspect_ratio": "16:9",
    "audio": true
  },
  "max_cost_usd": 1.5
}

Vídeo para vídeo

Vídeo para vídeo parte de um clipe que você já tem. A origem guia o movimento e o tempo, e o prompt descreve o que deve mudar: um novo estilo, um novo cenário ou detalhes diferentes. Serve para refazer o estilo de filmagens reais, retrabalhar uma geração anterior ou manter uma atuação mudando o visual.

Entre os modelos deste guia, Seedance 2.5, Kling 3.0 Omni e Wan 3.0 listam vídeo para vídeo, e o Kling 3.0 Motion Control também trabalha a partir de um vídeo de origem. As entradas para um clipe de origem variam por modelo, então confira a página do modelo antes de construir sobre ele.

Jobs com entrada de vídeo têm preço diferente em alguns modelos. No Seedance 2.5, os segundos cobrados são a saída mais o clipe de entrada, a uma tarifa menor com entrada de vídeo: um clipe de 10 segundos em 720p feito a partir de uma origem de 10 segundos custa $3.00, contra $2.50 para o mesmo clipe feito a partir de um prompt. O Kling 3.0 Omni lista uma tarifa própria para jobs com entrada de vídeo, $0.13 por segundo em 720p.

Quais modelos suportam cada modo

Do catálogo da Revana em outubro de 2026:

O modo muda o preço?

Quase nunca. Os modelos de vídeo são cobrados por segundos de saída, resolução e, em alguns modelos, som. Um clipe de 5 segundos em 720p do Seedance 2.0 custa $0.75 quer parta de um prompt, quer de uma imagem, e adicionar um quadro final ou imagens de referência não muda o preço do catálogo. A exceção é a entrada de vídeo, tratada acima.

O preço de cada job é reservado do seu saldo pré-pago quando você o envia e só é cobrado se o job tiver sucesso. A página de preços lista todas as tarifas.

Como escolher um modo

• Ainda sem materiais: comece com texto para vídeo, ou crie uma imagem estática com um modelo de imagem e anime-a.
• O visual precisa ser exato: imagem para vídeo, a partir de um quadro que você aprovou.
• O final importa: primeiro e último quadro.
• O mesmo personagem ou produto em várias tomadas: imagens de referência.
• Você já tem filmagem: vídeo para vídeo.

Pronto para testar? Obtenha uma chave de API e envie sua primeira requisição.