
ИИ-генератор Текст в изображение
Создавайте отполированные изображения из промптов с ведущими ИИ-моделями изображений, гибкими настройками и быстрым браузерным процессом.
Бесплатно попробуйте Vidu Q3 Reference-to-Video API с четырьмя референсными изображениями, выводом в 1080p, необязательным звуком, гибкой продолжительностью и управлением 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"
| Параметры | Цена | Исходная цена | Скидка |
|---|
API Vidu Q3 Reference-to-Video обеспечивает готовую к эксплуатации генерацию видео на базе ИИ для разработчиков и творческих команд, которым требуются постоянные персонажи, объекты и сцены. Эта интеграция API reference-to-video использует одно или несколько референсных изображений, чтобы закрепить идентичность объекта при генерации связного многопланового видео с синхронизированным встроенным звуком. Основанная на модели Vidu Q3 нового поколения технология сочетает интеллектуальную смену камеры, высокое постоянство между планами и гибкие настройки результата для масштабируемых процессов создания историй на Flaq AI.
Примечание Убедитесь, что ваши промпты и референсные изображения соответствуют правилам безопасности контента Vidu. При возникновении ошибки проверьте входные данные на наличие запрещенного контента, скорректируйте их и повторите попытку.
Vidu Q3 Reference-to-Video и Vidu Q3 Image-to-Video Vidu Q3 Image-to-Video анимирует исходное изображение. Vidu Q3 Reference-to-Video использует несколько референсов объекта для сохранения идентичности и непрерывности при создании более насыщенных многоплановых историй.
Vidu Q3 Reference-to-Video и Vidu Q3 Turbo Reference-to-Video В Vidu Q3 Turbo приоритет отдается максимальной скорости и экономичности. Vidu Q3 ориентирован на более высокое постоянство при разных положениях камеры и сбалансированное качество для повествовательных, брендовых и персонажных рабочих процессов.
Vidu Q3 Reference-to-Video и Seedance V2.0 Reference-to-Video Seedance V2.0 поддерживает широкий спектр смешанных по модальности референсных входных данных. Vidu Q3 выделяется закреплением объектов по нескольким изображениям, интеллектуальной сменой камеры и точной синхронизацией встроенных диалогов, эффектов и музыки.
Vidu Q3 Reference-to-Video и Wan 2.7 Reference-to-Video Wan 2.7 поддерживает изображения, видео и необязательные голосовые референсы. В Vidu Q3 особое внимание уделяется эффективному постоянству по нескольким изображениям, встроенному аудиовизуальному результату и связному повествованию при смене камеры.
Vidu Q3 Reference-to-Video и Kling Video O3 Reference-to-Video Kling Video O3 обеспечивает развитое понимание движения и сцен с учетом референсов. Vidu Q3 предлагает постоянство объектов по нескольким изображениям, встроенный многоязычный звук и интеллектуальное переключение планов для создания полноценных аудиовизуальных историй.
Изучайте несколько ИИ-инструментов для быстрых процессов создания изображений и видео в браузере, а затем масштабируйте удачные идеи с production-ready API моделей Flaq AI. Flaq AI предоставляет единый API-слой для всех моделей, упрощая использование и масштабирование ваших процессов.

Создавайте отполированные изображения из промптов с ведущими ИИ-моделями изображений, гибкими настройками и быстрым браузерным процессом.

Загрузите референсное изображение, направляйте правки промптами и трансформируйте визуалы для дизайна, маркетинга и творческого производства.

Превращайте письменные идеи сцен в короткие ИИ-видео с выбором модели, промптами движения и практичными настройками генерации.

Анимируйте референсные изображения в плавные ИИ-видеоклипы для продуктов, портретов, социальных публикаций и творческих концептов.