
Text zu Bild
KI-Bilder aus Text-Prompts erstellen
Erstellen Sie geführte Videos mit der Seedance 2.0 Reference-to-Video API, mit Unterstützung für realistische Menschengenerierung, Referenzsteuerung, integriertem Sound und stabiler ByteDance-Ausgabe.
// Step 1: Submit generation request
const response = await fetch('https://api.flaq.ai/api/v1/video/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'seedance-v2.0-reference-to-video',
prompt: 'Use image one for the subject, video one for the movement, and audio one for the atmosphere',
resolution: '1080p',
duration: 8,
aspect_ratio: '16:9',
sound: true,
images: ['https://example.com/subject-reference.jpg'],
videos: ['https://example.com/motion-reference.mp4'],
audios: ['https://example.com/atmosphere-reference.mp3']
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
// Placeholder numbering is 1-based for each media array:
// <<<image_1>>> = images[0], <<<image_2>>> = images[1]
// <<<video_1>>> = videos[0], <<<audio_1>>> = audios[0]
const mediaReferenceResponse = await fetch('https://api.flaq.ai/api/v1/video/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'seedance-v2.0-reference-to-video',
prompt: 'Place the explorer from <<<image_1>>> in the environment from <<<image_2>>>, following the camera movement in <<<video_1>>> and speaking with the reference voice from <<<audio_1>>>',
resolution: '1080p',
duration: 10,
aspect_ratio: '16:9',
sound: true,
images: [
'https://example.com/explorer-reference.jpg',
'https://example.com/environment-reference.jpg'
],
videos: ['https://example.com/camera-movement-reference.mp4'],
audios: ['https://example.com/voice-reference.mp3']
})
});
const { data: mediaReferenceData } = await mediaReferenceResponse.json();
const mediaReferenceTaskId = mediaReferenceData.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/video/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.videos[0].url);
break;
}
if (status === 'failed') {
console.error(pollResultData.data.task_status_msg);
break;
}
await new Promise(resolve => setTimeout(resolve, 10000));
}
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/video/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'seedance-v2.0-reference-to-video',
'prompt': 'Use image one for the subject, video one for the movement, and audio one for the atmosphere',
'resolution': '1080p',
'duration': 8,
'aspect_ratio': '16:9',
'sound': True,
'images': ['https://example.com/subject-reference.jpg'],
'videos': ['https://example.com/motion-reference.mp4'],
'audios': ['https://example.com/atmosphere-reference.mp3']
}
)
result = response.json()
task_id = result['data']['task_id']
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based for each media array:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1]
# <<<video_1>>> = videos[0], <<<audio_1>>> = audios[0]
media_reference_response = requests.post(
'https://api.flaq.ai/api/v1/video/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'seedance-v2.0-reference-to-video',
'prompt': 'Place the explorer from <<<image_1>>> in the environment from <<<image_2>>>, following the camera movement in <<<video_1>>> and speaking with the reference voice from <<<audio_1>>>',
'resolution': '1080p',
'duration': 10,
'aspect_ratio': '16:9',
'sound': True,
'images': [
'https://example.com/explorer-reference.jpg',
'https://example.com/environment-reference.jpg'
],
'videos': ['https://example.com/camera-movement-reference.mp4'],
'audios': ['https://example.com/voice-reference.mp3']
}
)
media_reference_result = media_reference_response.json()
media_reference_task_id = media_reference_result['data']['task_id']
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/video/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['videos'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/video/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "seedance-v2.0-reference-to-video",
"prompt": "Use image one for the subject, video one for the movement, and audio one for the atmosphere",
"resolution": "1080p",
"duration": 8,
"aspect_ratio": "16:9",
"sound": true,
"images": ["https://example.com/subject-reference.jpg"],
"videos": ["https://example.com/motion-reference.mp4"],
"audios": ["https://example.com/atmosphere-reference.mp3"]
}'
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based for each media array:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1]
# <<<video_1>>> = videos[0], <<<audio_1>>> = audios[0]
curl -X POST https://api.flaq.ai/api/v1/video/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "seedance-v2.0-reference-to-video",
"prompt": "Place the explorer from <<<image_1>>> in the environment from <<<image_2>>>, following the camera movement in <<<video_1>>> and speaking with the reference voice from <<<audio_1>>>",
"resolution": "1080p",
"duration": 10,
"aspect_ratio": "16:9",
"sound": true,
"images": [
"https://example.com/explorer-reference.jpg",
"https://example.com/environment-reference.jpg"
],
"videos": ["https://example.com/camera-movement-reference.mp4"],
"audios": ["https://example.com/voice-reference.mp3"]
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/video/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
| Parameter | Preis | Ursprünglicher Preis | Rabatt |
|---|
Die Seedance V2.0 Reference-to-Video API von ByteDance bietet referenzgesteuerte Videogenerierung für Entwickler und kreative Teams auf Flaq AI. Die aktuelle API-Integration akzeptiert einen Text-Prompt mit mindestens einem Referenzbild oder -video sowie optionalen zusätzlichen Bild-, Video- und Audioreferenzen. Sie unterstützt eine konfigurierbare Dauer, mehrere Seitenverhältnisse, mehrere Auflösungsstufen und eine optionale Einstellung für generierten Ton in kontrollierten Video-Workflows.
Hinweis Mindestens ein Referenzbild oder -video ist erforderlich; Audio allein kann nicht als einzige Referenzeingabe verwendet werden. Achte darauf, dass deine Prompts und Referenzmedien den Richtlinien von ByteDance zur Inhaltssicherheit entsprechen.
Seedance V2.0 Reference-to-Video vs. Seedance V2.0 Text-to-Video Seedance V2.0 Text-to-Video arbeitet mit einem Text-Prompt. Reference-to-Video ergänzt unterstützte Bild-, Video- und optionale Audioeingaben sowie medienbezogene Erwähnungen im Prompt.
Seedance V2.0 Reference-to-Video vs. Seedance V2.0 Fast Reference-to-Video Beide Varianten bieten dieselben Referenzmedientypen und zentralen Steuerungen auf Flaq AI. Die Standardvariante ergänzt Optionen für 1080p und 4K, während die Fast-Variante auf Workflows mit 480p und 720p ausgerichtet ist.
Seedance V2.0 Reference-to-Video vs. Wan 2.7 Reference-to-Video Beide APIs akzeptieren Bild- und Videoreferenzen. Wan 2.7 bietet zusätzlich Steuerungen für Negative Prompts und Seeds, während Seedance V2.0 mehrere optionale Audioreferenzen und einen Umschalter für generierten Ton unterstützt.
Seedance V2.0 Reference-to-Video vs. Vidu Q3 Reference-to-Video Vidu Q3 Reference-to-Video nutzt Bildreferenzen in der aktuellen Flaq-AI-Konfiguration. Seedance V2.0 akzeptiert zusätzlich Referenzvideos und optionale Referenzaudiodateien.
Seedance V2.0 Reference-to-Video vs. Runway-Videotools Runway bietet eine umfassendere interaktive Erstellungssuite. Seedance V2.0 Reference-to-Video stellt einen fokussierten API-Workflow rund um Prompts, unterstützte Referenz-Uploads, Ausgabe- einstellungen und generierten Ton bereit.
Erkunde mehrere KI-Erstellungstools fuer schnelle Bild- und Videoablaeufe direkt im Browser und skaliere erfolgreiche Ideen anschliessend mit produktionsreifen Modell-APIs von Flaq AI. Flaq AI bietet eine einheitliche API-Schicht fuer alle Modelle, damit Workflows einfach nutzbar und skalierbar bleiben.

KI-Bilder aus Text-Prompts erstellen

KI-Bilder aus Bildern und Text-Prompts erstellen

KI-Videos aus Text-Prompts erstellen

Bilder in KI-Videos animieren

KI-Bilder und -Videos in einem zentralen Arbeitsbereich erstellen

Konsistente Videos aus Referenzmedien erstellen
Die Seedance 2.5 API für filmische Videos ist jetzt auf Flaq AI live und bietet Kreativen und Entwicklern direkten Zugang zur promptbasierten Videogenerierung mit optionalem Ton, flexiblen Seitenverhältnissen, 480p- oder 720p-Ausgabe und Clips von 4 bis 30 Sekunden.
Die MiniMax H3 API bietet Videoteams eine nützliche Kombination: Bild-zu-Video-Generierung, Ausgabeoptionen in 768p und 2K, Clips mit einer Länge von bis zu 15 Sekunden sowie einen niedrigeren angegebenen Preis als mehrere vergleichbare Seedance-2.0-Einstellungen. MiniMax hat außerdem H3-Base-Gewichte auf Hugging Face veröffentlicht und schafft damit neue Möglichkeiten für Forschung, benutzerdefinierte Pipelines und selbst gehostete Experimente, sofern die Lizenz dies erlaubt.
Vergleichen Sie Higgsfield MCP und CLI mit den Seedance-2.0-REST-Endpunkten von Flaq AI hinsichtlich Preisgestaltung, Aufgabenabfrage, Modellvarianten, Tests und praktischen Produktionsanwendungsfällen.
Vergleichen Sie WaveSpeed und Flaq AI für Seedance-2.0-API-Workflows, Endpunkt-Auswahl, Prompt-Tests, Latenz, Kosten, Fallback-Routing und skalierbare Video-Builds.
Erkunden Sie den Ausblick auf die Veröffentlichung von Seedance 2.5, wahrscheinliche API-Upgrades, Vergleichspunkte zu Seedance 2.0, Prompt-Tests sowie die Workflow-Planung von Flaq AI für Video-Ersteller.
Ein praktischer Leitfaden zur Seedance 2.0 API auf Flaq AI mit Funktionen, Workflow-Tipps, Preisübersicht und Ideen für eine schnellere Text-zu-Video-Erstellung.