
KI-Text-zu-Bild-Generator
Erstelle hochwertige Bilder aus Prompts mit fuehrenden KI-Bildmodellen, flexiblen Einstellungen und einem schnellen browserbasierten Ablauf.
Testen Sie die Vidu Q3 Reference-to-Video API kostenlos mit bis zu vier Referenzbildern, 1080p-Ausgabe, optionalem Ton, flexibler Dauer und Seed-Steuerung.
// 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: 'viduq3-reference-to-video',
prompt: 'Keep the character from image one and the jacket details from image two while walking through a rainy city',
resolution: '1080p',
duration: 8,
aspect_ratio: '9:16',
images: [
'https://example.com/character-reference.jpg',
'https://example.com/outfit-reference.jpg'
],
sound: true,
seed: 42
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
// Placeholder numbering is 1-based and follows the images array order:
// <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<image_3>>> = images[2]
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: 'viduq3-reference-to-video',
prompt: 'Keep the character from <<<image_1>>> wearing the coat from <<<image_2>>> while entering the rainy city shown in <<<image_3>>>, then return to a close-up of <<<image_1>>>',
resolution: '1080p',
duration: 8,
aspect_ratio: '9:16',
images: [
'https://example.com/character-reference.jpg',
'https://example.com/coat-reference.jpg',
'https://example.com/rainy-city-reference.jpg'
],
sound: true,
seed: 42
})
});
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': 'viduq3-reference-to-video',
'prompt': 'Keep the character from image one and the jacket details from image two while walking through a rainy city',
'resolution': '1080p',
'duration': 8,
'aspect_ratio': '9:16',
'images': [
'https://example.com/character-reference.jpg',
'https://example.com/outfit-reference.jpg'
],
'sound': True,
'seed': 42
}
)
result = response.json()
task_id = result['data']['task_id']
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based and follows the images array order:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<image_3>>> = images[2]
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': 'viduq3-reference-to-video',
'prompt': 'Keep the character from <<<image_1>>> wearing the coat from <<<image_2>>> while entering the rainy city shown in <<<image_3>>>, then return to a close-up of <<<image_1>>>',
'resolution': '1080p',
'duration': 8,
'aspect_ratio': '9:16',
'images': [
'https://example.com/character-reference.jpg',
'https://example.com/coat-reference.jpg',
'https://example.com/rainy-city-reference.jpg'
],
'sound': True,
'seed': 42
}
)
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": "viduq3-reference-to-video",
"prompt": "Keep the character from image one and the jacket details from image two while walking through a rainy city",
"resolution": "1080p",
"duration": 8,
"aspect_ratio": "9:16",
"images": [
"https://example.com/character-reference.jpg",
"https://example.com/outfit-reference.jpg"
],
"sound": true,
"seed": 42
}'
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based and follows the images array order:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<image_3>>> = images[2]
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": "viduq3-reference-to-video",
"prompt": "Keep the character from <<<image_1>>> wearing the coat from <<<image_2>>> while entering the rainy city shown in <<<image_3>>>, then return to a close-up of <<<image_1>>>",
"resolution": "1080p",
"duration": 8,
"aspect_ratio": "9:16",
"images": [
"https://example.com/character-reference.jpg",
"https://example.com/coat-reference.jpg",
"https://example.com/rainy-city-reference.jpg"
],
"sound": true,
"seed": 42
}'
# 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 Vidu Q3 Reference-to-Video API bietet Entwicklern und Kreativteams produktionsreife KI-Videogenerierung, wenn sie einheitliche Figuren, Objekte und Szenen benötigen. Diese Reference-to-Video-API-Integration verwendet ein oder mehrere Referenzbilder, um die Identität von Motiven zu verankern und gleichzeitig schlüssige Videos mit mehreren Einstellungen und synchronisierter nativer Audioausgabe zu generieren. Das Q3-Modell der neuen Generation von Vidu kombiniert intelligente Kamerawechsel, hohe einstellungsübergreifende Einheitlichkeit und flexible Ausgabe- steuerung für skalierbare Storytelling-Workflows auf Flaq AI.
Hinweis Stellen Sie sicher, dass Ihre Prompts und Referenzbilder den Inhaltssicherheitsrichtlinien von Vidu entsprechen. Falls ein Fehler auftritt, prüfen Sie Ihre Eingaben auf unzulässige Inhalte, passen Sie sie an und versuchen Sie es erneut.
Vidu Q3 Reference-to-Video vs. Vidu Q3 Image-to-Video Vidu Q3 Image-to-Video animiert ein Ausgangsbild. Vidu Q3 Reference-to-Video verwendet mehrere Motivreferenzen, um Identität und Kontinuität bei einer facettenreicheren narrativen Generierung mit mehreren Einstellungen zu wahren.
Vidu Q3 Reference-to-Video vs. Vidu Q3 Turbo Reference-to-Video Vidu Q3 Turbo priorisiert maximale Geschwindigkeit und Kosten- effizienz. Vidu Q3 konzentriert sich auf eine stärkere Einheitlichkeit über Kamerapositionen hinweg und ausgewogene Produktionsqualität für narrative, marken- und figurenbezogene Workflows.
Vidu Q3 Reference-to-Video vs. Seedance V2.0 Reference-to-Video Seedance V2.0 unterstützt umfassende Referenzeingaben aus gemischten Modalitäten. Vidu Q3 zeichnet sich durch Motivverankerung mit mehreren Bildern, intelligente Kamerawechsel und präzise synchronisierte native Dialoge, Effekte und Musik aus.
Vidu Q3 Reference-to-Video vs. Wan 2.7 Reference-to-Video Wan 2.7 unterstützt gemischte Bild-, Video- und optionale Stimm- referenzen. Vidu Q3 legt den Schwerpunkt auf effiziente Einheitlichkeit aus mehreren Bildern, native Audio-Video-Ausgabe und schlüssiges Storytelling über Kamerawechsel hinweg.
Vidu Q3 Reference-to-Video vs. Kling Video O3 Reference-to-Video Kling Video O3 bietet ausgeprägtes referenzgesteuertes Bewegungs- und Szenenverständnis. Vidu Q3 bietet die Einheitlichkeit von Motiven aus mehreren Bildern, native mehrsprachige Audioausgabe und intelligente Einstellungswechsel für vollständige audiovisuelle Geschichten.
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.

Erstelle hochwertige Bilder aus Prompts mit fuehrenden KI-Bildmodellen, flexiblen Einstellungen und einem schnellen browserbasierten Ablauf.

Lade ein Referenzbild hoch, steuere Bearbeitungen mit Prompts und transformiere Visuals fuer Design, Marketing und kreative Produktion.

Verwandle geschriebene Szenenideen mit Modellauswahl, Bewegungs-Prompts und praktischen Generierungssteuerungen in kurze KI-Videos.

Animiere Referenzbilder zu fluessigen KI-Videoclips fuer Produkte, Portraets, Social Posts und kreative Konzepte.