
Gerador de texto para imagem com IA
Crie imagens refinadas a partir de prompts com modelos líderes de imagem por IA, configurações flexíveis e um fluxo rápido baseado no navegador.
Teste grátis a API Reference-to-Video Vidu Q3 com até quatro imagens de referência, saída em 1080p, som opcional, duração flexível e controle de seed.
// 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"
| Parâmetros | Preço | Preço original | Desconto |
|---|
A API Vidu Q3 Reference-to-Video oferece geração de vídeo por IA pronta para produção a desenvolvedores e equipes criativas que precisam de personagens, objetos e cenas consistentes. Esta integração de API reference-to-video utiliza uma ou mais imagens de referência para fixar a identidade dos sujeitos enquanto gera vídeos coerentes com vários planos e áudio nativo sincronizado. Baseada no modelo Q3 de nova geração da Vidu, combina mudanças inteligentes de câmera, grande consistência entre planos e controles de saída flexíveis para fluxos de trabalho narrativos escaláveis na Flaq AI.
Nota Certifique-se de que os prompts e as imagens de referência estejam em conformidade com as diretrizes de segurança de conteúdo da Vidu. Se ocorrer um erro, verifique se a entrada contém conteúdo restrito, ajuste-a e tente novamente.
Vidu Q3 Reference-to-Video vs. Vidu Q3 Image-to-Video O Vidu Q3 Image-to-Video anima uma imagem inicial. O Vidu Q3 Reference-to-Video utiliza várias referências de sujeitos para manter a identidade e a continuidade numa geração narrativa mais rica e com vários planos.
Vidu Q3 Reference-to-Video vs. Vidu Q3 Turbo Reference-to-Video O Vidu Q3 Turbo dá prioridade à velocidade máxima e à eficiência de custos. O Vidu Q3 se concentra em uma consistência mais forte entre posições de câmera e em uma qualidade de produção equilibrada para fluxos de trabalho narrativos, de marca e centrados em personagens.
Vidu Q3 Reference-to-Video vs. Seedance V2.0 Reference-to-Video O Seedance V2.0 suporta uma ampla entrada de referências de modalidades mistas. O Vidu Q3 se diferencia pela definição de sujeitos através de várias imagens, mudanças inteligentes de câmera e diálogos, efeitos e música nativos rigorosamente sincronizados.
Vidu Q3 Reference-to-Video vs. Wan 2.7 Reference-to-Video O Wan 2.7 suporta referências mistas de imagem, vídeo e voz opcional. O Vidu Q3 dá ênfase à consistência eficiente a partir de várias imagens, à saída nativa de áudio e vídeo e à narrativa coerente entre mudanças de câmera.
Vidu Q3 Reference-to-Video vs. Kling Video O3 Reference-to-Video O Kling Video O3 oferece uma interpretação robusta de movimentos e cenas orientada por referências. O Vidu Q3 oferece consistência de sujeitos a partir de várias imagens, áudio multilíngue nativo e mudanças de plano inteligentes para histórias audiovisuais completas.
Explore várias ferramentas de criação com IA para fluxos rápidos de imagem e vídeo no navegador, depois escale ideias bem-sucedidas com as APIs de modelos prontas para produção da Flaq AI. A Flaq AI fornece uma camada de API unificada para todos os modelos, facilitando o uso e a escala dos seus fluxos.

Crie imagens refinadas a partir de prompts com modelos líderes de imagem por IA, configurações flexíveis e um fluxo rápido baseado no navegador.

Envie uma imagem de referência, oriente edições com prompts e transforme visuais para design, marketing e produção criativa.

Transforme ideias de cena escritas em vídeos curtos de IA com seleção de modelo, prompts de movimento e controles práticos de geração.

Anime imagens de referência em clipes de vídeo de IA suaves para produtos, retratos, posts sociais e conceitos criativos.