Todos os modelos.
Uma só chave.

O modelo de vídeo mais novo da ByteDance: até 30 segundos com som, imagens, vídeo e áudio de referência, e primeiro e último quadro.

O Wan 3.0 da Alibaba: texto para vídeo, imagem para vídeo, primeiro e último quadro, referência para vídeo e vídeo para vídeo, até 1080p, com som.

O Wan 3.0 Prime da Alibaba: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 1080p, com som.

Nemesis, também chamado de Genjutsu: envie um clipe e até 8 imagens, e receba os mesmos movimentos, tempo e câmera interpretados pelas suas pessoas, produtos e lugares. Cobrado pelo clipe de entrada mais o vídeo de saída.

Nemesis Lite: o Nemesis no Wan 3.0, por menos. Envie um clipe de até 15 segundos e até 8 imagens, e receba os mesmos movimentos, tempo e câmera interpretados pelas suas pessoas, produtos e lugares. Cobrado pelo clipe de entrada mais o vídeo de saída.

O melhor modelo de imagem do Google. Texto preciso nas imagens, composição de várias imagens e edições precisas, até 4K.

O Nano Banana 2 do Google: texto para imagem e edição de imagem, até 4K.

O GPT Image 2 da OpenAI: texto para imagem e edição de imagem, até 4K.

O modelo de vídeo Omni mais recente do Google: de 3 a 15 segundos com som, a partir de texto, um primeiro quadro, um primeiro e último quadro, ou até 10 imagens de referência, de 360p a 4K.

O nível mais rápido e mais barato do Veo 3.1. Movimento cinematográfico com som sincronizado, feito para iterar em tomadas antes de se comprometer com um render final.

O modelo de vídeo principal do Google. Forte aderência ao prompt, física realista e diálogo, ambiente e música nativos na mesma passada.

O Kling mais novo da Kuaishou: até 30 segundos em 720p ou 1080p, sempre com som estéreo, a partir de texto, de um primeiro e último quadro ou de até 10 imagens de referência.

The fast, low-cost Kling 4.0: 3 to 20 seconds at 720p, always with sound, from text, a first frame, or up to 10 reference images.

O Kling 3.0 da Kuaishou: texto para vídeo, imagem para vídeo e primeiro e último quadro, até 4K, com som.

O nível pro da Kling: 1080p nítido, rostos expressivos e movimentos de câmera fluidos. O som é opcional e tem preço separado.

O modelo de vídeo de várias tomadas da ByteDance. Mantém personagens e estilo entre os cortes, segue o primeiro e o último quadro e aceita imagens de referência.

A família de vídeo da Alibaba. Movimento sólido a um preço baixo, com áudio opcional e prompts de várias tomadas.

O modelo de vídeo da MiniMax, conhecido por ação dinâmica, dança e movimento físico.

Geração de imagens rápida e de baixo custo e edição conversacional. Mantém um assunto consistente ao longo de uma série de edições.

O modelo de imagem da OpenAI. Segue de perto prompts longos e detalhados e gera texto legível, layouts e edições.

O modelo de imagem da ByteDance. Saída nítida em 2K e 4K, boa tipografia e edições guiadas por referência.

O Seedream 5.0 Pro da ByteDance: texto para imagem e edição de imagem, até 2K.

O modelo de produção da Black Forest Labs. Detalhes fotorrealistas, mãos e rostos confiáveis e edição com várias referências.

A estética inconfundível do Midjourney, a partir de um prompt ou de uma imagem de referência.

O melhor da categoria em texto e design gráfico: pôsteres, logotipos, embalagens e gráficos para redes sociais.

O modelo de imagem aberto da Alibaba. Forte renderização de texto multilíngue e edições baseadas em instruções a um preço muito baixo.

O HappyHorse 1.0 da Alibaba: texto para vídeo, imagem para vídeo, referência para vídeo e vídeo para vídeo, até 1080p.

O HappyHorse 1.1 da Alibaba: texto para vídeo, imagem para vídeo e referência para vídeo, até 1080p.

O Wan 2.2 Animate da Alibaba: vídeo para vídeo, até 720p.

O Wan 2.2 Turbo da Alibaba: texto para vídeo e imagem para vídeo, até 720p.

O Wan 2.5 da Alibaba: texto para vídeo e imagem para vídeo, até 1080p, com som.

O Wan 2.6 Flash da Alibaba: imagem para vídeo e vídeo para vídeo, até 1080p, com som.

O Wan 2.6 I2V da Alibaba: imagem para vídeo, até 1080p.

O Wan 2.6 I2V Flash da Alibaba: imagem para vídeo, até 1080p, com som.

O Wan 2.7 da Alibaba: texto para vídeo, imagem para vídeo, primeiro e último quadro, vídeo para vídeo e referência para vídeo, até 1080p.

O Wan 2.7 R2V da Alibaba: referência para vídeo, até 1080p.

O Wan 2.7 Video Edit da Alibaba: vídeo para vídeo, até 1080p.

O Flux 3 Video da Black Forest Labs: texto para vídeo e imagem para vídeo, até fhd, com som.

O ByteDance Lip Sync da ByteDance: vídeo para vídeo, com som.

O OmniHuman 1.5 da ByteDance: imagem para vídeo, com som.

ByteDance's newest talking-human model: one picture and a voice track (4 seconds to 5 minutes) become a 720p video of that person speaking, with natural lip sync, gestures and camera moves.

O Seedance 2.0 Face da ByteDance: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 1080p, com som.

O Seedance 2.0 Fast da ByteDance: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 720p, com som.

O Seedance 2.0 Fast Face da ByteDance: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 720p, com som.

O Seedance 2.0 Mini da ByteDance: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 720p, com som.

O Gemini Omni do Google: texto para vídeo e imagem para vídeo, até 4K, com som.

O Gemini Omni 1.1 Flash do Google: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 4K, com som.

O Gemini Omni Flash Preview do Google: texto para vídeo, imagem para vídeo e referência para vídeo, até 720p.

O Veo 3.1 Lite do Google: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 4K, com som.

O Kling 2.1 Master da Kuaishou: texto para vídeo e imagem para vídeo.

O Kling 2.1 Pro da Kuaishou: imagem para vídeo.

O Kling 2.1 Standard da Kuaishou: imagem para vídeo, até 720p.

O Kling 2.5 Turbo Pro da Kuaishou: texto para vídeo e imagem para vídeo.

O Kling 2.6 Motion Control da Kuaishou: vídeo para vídeo, até 1080p.

O Kling 2.6 Standard da Kuaishou: texto para vídeo e imagem para vídeo, até 720p.

O Kling 3.0 Motion Control da Kuaishou: vídeo para vídeo, até 1080p.

O Kling 3.0 Omni da Kuaishou: texto para vídeo, imagem para vídeo, primeiro e último quadro, referência para vídeo e vídeo para vídeo, até 4K, com som.

O Kling 3.0 Turbo da Kuaishou: texto para vídeo e imagem para vídeo, até 1080p.

O Kling Avatar Pro da Kuaishou: imagem para vídeo, até 1080p, com som.

O Kling Avatar Standard da Kuaishou: imagem para vídeo, até 720p, com som.

O Kling O1 da Kuaishou: texto para vídeo, imagem para vídeo e referência para vídeo.

O Midjourney Video da Midjourney: imagem para vídeo, até 720p.

O Hailuo 02 da MiniMax: texto para vídeo, imagem para vídeo e primeiro e último quadro, até 1080p.

O Hailuo 02 Pro da MiniMax: texto para vídeo e imagem para vídeo, até 1080p.

O Hailuo 02 Standard da MiniMax: texto para vídeo e imagem para vídeo, até 768p.

O Hailuo 2.3 Fast da MiniMax: imagem para vídeo, até 1080p.

O Hailuo 2.3 Standard da MiniMax: imagem para vídeo, até 1080p.

O MiniMax H3 da MiniMax: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 2K, com som.

O MiniMax H3 Max da MiniMax: texto para vídeo, imagem para vídeo e referência para vídeo, até 1080p.

O MiniMax H3 Regeneration da MiniMax: ampliação, até 2K.

O PixVerse V6 da PixVerse: texto para vídeo, imagem para vídeo, primeiro e último quadro, referência para vídeo e vídeo para vídeo, até 1080p, com som.

O PixVerse V6 Max da PixVerse: texto para vídeo e imagem para vídeo, até 1080p, com som.

O Runway da Runway: texto para vídeo, imagem para vídeo e vídeo para vídeo, até 1080p.

O Vidu Q3 da Shengshu: referência para vídeo, até 1080p.

O Vidu Q3 Mix da Shengshu: referência para vídeo, até 1080p.

O Vidu Q3 Pro da Shengshu: texto para vídeo, imagem para vídeo e primeiro e último quadro, até 1080p, com som.

O Vidu Q3 Turbo da Shengshu: texto para vídeo, imagem para vídeo e primeiro e último quadro, até 1080p, com som.

O Vidu Q4 da Shengshu: imagem para vídeo e referência para vídeo, até 4K.

O Vidu Q4 Preview da Shengshu: imagem para vídeo e referência para vídeo, até 4K, com som.

O SkyReels V4 Fast da Skywork: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 1080p.

O SkyReels V4 Standard da Skywork: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 1080p.

O Grok Imagine Extend da xAI: vídeo para vídeo, até 720p.

O Grok Imagine Upscale da xAI: ampliação, até 1080p.

O Grok Imagine Video da xAI: texto para vídeo e imagem para vídeo, até 1080p, com som.

O Grok Imagine Video 1.5 da xAI: texto para vídeo, imagem para vídeo, primeiro e último quadro e referência para vídeo, até 1080p, com som.

O Grok Imagine Video 1.5 Preview da xAI: texto para vídeo e imagem para vídeo, até 720p, com som.

O Qwen Image 2.0 da Alibaba: texto para imagem e edição de imagem, até 2K.

O Qwen Image 2.0 Pro da Alibaba: texto para imagem e edição de imagem, até 2K.

O Qwen Image 2.1 da Alibaba: texto para imagem e edição de imagem, até 2K.

O Qwen Image 3.0 da Alibaba: texto para imagem e edição de imagem, até 2K.

O Qwen Image 3.0 Pro da Alibaba: texto para imagem e edição de imagem, até 2K.

O Qwen Image Edit da Alibaba: edição de imagem.

O Wan 2.7 Image da Alibaba: texto para imagem e edição de imagem.

O Wan 2.7 Image Pro da Alibaba: texto para imagem e edição de imagem, até 4K.

O Z Image da Alibaba: texto para imagem.

O Z Image Turbo da Alibaba: texto para imagem, até 2K.

O Flux 2 Flex da Black Forest Labs: texto para imagem e edição de imagem, até 4MP.

O Flux 2 Max da Black Forest Labs: texto para imagem e edição de imagem, até 4MP.

O Flux 3 da Black Forest Labs: texto para imagem e edição de imagem, até 4K.

O Flux 3 Klein da Black Forest Labs: texto para imagem e edição de imagem, até 4K.

O Flux Kontext Max da Black Forest Labs: texto para imagem e edição de imagem.

O Flux Kontext Pro da Black Forest Labs: texto para imagem e edição de imagem.

O Seedream 3.0 da ByteDance: texto para imagem.

O Seedream 4.0 da ByteDance: texto para imagem e edição de imagem, até 4K.

O Seedream 5.0 Flash da ByteDance: texto para imagem e edição de imagem, até 2K.

O Seedream 5.0 Lite da ByteDance: texto para imagem e edição de imagem, até 4K.

O Imagen 4 do Google: texto para imagem.

O Imagen 4 Fast do Google: texto para imagem.

O Imagen 4 Ultra do Google: texto para imagem.

O Nano Banana 2 Lite do Google: texto para imagem e edição de imagem, até 1K.

O Nano Banana 2.1 do Google: texto para imagem e edição de imagem, até 4K.

O Ideogram Character da Ideogram: edição de imagem.

O MAI Image 2.6 da Microsoft: texto para imagem e edição de imagem, até 2K.

O MAI Image 2.6 Flash da Microsoft: texto para imagem e edição de imagem, até 2K.

O DALL·E 3 da OpenAI: texto para imagem.

O GPT 4o Image da OpenAI: texto para imagem e edição de imagem.

O GPT Image 1 da OpenAI: texto para imagem e edição de imagem.

O GPT Image 2.5 Flare da OpenAI: texto para imagem e edição de imagem, até 4K.

O GPT Image 2.5 Sunburst da OpenAI: texto para imagem e edição de imagem, até 4K.

O GPT Image 2.6 Flare da OpenAI: texto para imagem e edição de imagem, até 2K.

O GPT Image 2.6 Sunburst da OpenAI: texto para imagem e edição de imagem, até 2K.

O Recraft Crisp Upscale da Recraft: ampliação.

O Hunyuan Image 3.5 Preview da Tencent: texto para imagem e edição de imagem, até 4K.

O Grok Imagine Image da xAI: texto para imagem e edição de imagem, até 2K.

O Grok Imagine Image 2.0 da xAI: texto para imagem e edição de imagem, até 2K.

O Grok Imagine Image Quality da xAI: texto para imagem e edição de imagem, até 2K.

ElevenLabs' steady, natural voice model for voiceovers and narration in 29 languages, with dozens of voices to pick from. Priced by the characters read.

ElevenLabs' fast, low-cost voice model: quick voiceovers in 32 languages at half the price of Multilingual v2, with language enforcement. Priced by the characters read.

ElevenLabs' most expressive voice model: lifelike narration with emotion and audio tags such as [whispers] or [laughs], and dialogue, several voices in one take. Priced by the characters read.

ElevenLabs' newest voice model: natural, expressive narration with the steadiness of Multilingual v2, for voiceovers and long reads. Priced by the characters read.

O modelo de música mais novo do Suno: uma música completa com vocais, ou um instrumental, a partir de uma ideia, das suas letras ou de um estilo. Cada geração retorna duas faixas.