Devise d'affichage
OpenAI
À partir de $0.017 /image
Alibaba
À partir de $0.030 /1 000 caractères
Google
À partir de $0.057 /image
ByteDance
ByteDance cinematic video generation with native audio, multi-shot consistency, and 1080p output up to 10 seconds.
À partir de $0.017 /seconde
À partir de $0.040 /seconde
93 modèles
Moonshot AI
Modèle de texte phare de Moonshot AI, spécialisé dans la compréhension de documents et la génération de texte à contexte long, adapté aux tâches de recherche et d'agents intelligents
À partir de $0.216 /1 M de tokens
Modèle vidéo de diffusion open source, générant environ 5 secondes avec audio synchronisé à 44 kHz et synchronisation labiale, prenant en charge la génération vidéo à partir de texte ou d'image et pouvant être suréchantillonné jusqu'en Full HD
À partir de $1.93 /vidéo
Black Forest Labs
Version d'édition d'image phare de la série Kontext, excellant dans les modifications locales selon des instructions en langage naturel, avec un meilleur respect des prompts et une typographie plus maîtrisée, idéale pour la production en série de visuels de marque et de storyboards
À partir de $0.071 /image
Série de synthèse vocale multilingue hébergée d'Ali Tongyi, comprenant deux niveaux : Flash à faible latence et Plus à haute qualité audio, avec prise en charge du contrôle des émotions et du style d'expression par des instructions en langage naturel
Vidu
Modèle de génération de vidéo à partir d'une image de référence destiné aux publicités et aux vidéos courtes pour les réseaux sociaux, capable de contraindre l'apparence du sujet et la composition, idéal pour une production rapide et l'itération de plusieurs versions
À partir de $0.149 /seconde
Kuaishou
Modèle de génération vidéo de Kuaishou, capable de générer en une seule fois une vidéo de 30 secondes avec audio stéréo, prenant en charge le contrôle par images clés multiples et par images de début et de fin, adapté aux courts métrages marketing et aux prévisualisations de storyboard
À partir de $0.330 /seconde
Modèles d'OpenAI de génération et d'édition d'images à deux niveaux, Flare privilégiant la vitesse et Sunburst la précision, couvrant à la fois la génération d'images à partir de texte et la retouche d'images en plusieurs tours
Nouvelle génération de modèles de génération vidéo de la série Wan d'Alibaba, capable de produire en une seule fois des clips d'environ 30 secondes en 1080p, prenant en charge des matériaux de référence pour préserver la cohérence du sujet et, pour la première fois, les entrées structurées de type document.
xAI
Modèle de génération vidéo de xAI : la génération vidéo à partir d'image permet d'animer des images fixes avec génération audio synchronisée, avec prise en charge de 480p à 1080p et de clips allant jusqu'à 15 secondes
À partir de $0.011 /seconde
Modèle de génération conjointe audio-vidéo de Byte Seed, prenant en charge des séquences continues jusqu'à 30 secondes et 4K, avec un contrôle précis de l'image grâce à des références multimodales et une édition au niveau des horodatages
À partir de $0.121 /seconde
Modèle de génération vidéo multimodale de ByteDance, prenant en charge la génération de vidéos à partir de texte, d'images et de références, et capable de produire des courts métrages cinématographiques multi-plans avec un audio natif synchronisé
Modèle de génération et d'édition d'images axé sur la qualité, reposant sur le socle de raisonnement Gemini 3 Pro, plus performant pour la cohérence des personnages sur plusieurs images et le rendu du texte, avec une prise en charge de la sortie native en 2K et un agrandissement intelligent jusqu'en 4K
Modèle d'image rapide de Google conçu pour la génération d'images à grande échelle, prenant en charge de 512 px jusqu'à la 4K native et divers formats d'image, générant à partir d'informations en temps réel issues de la recherche, idéal pour la création à haute fréquence
À partir de $0.036 /image
Pour la génération d'images pilotée en langage naturel et la retouche conversationnelle multi-tours, avec une bonne préservation de la cohérence des personnages et des sujets lors de l'édition, couvrant la génération, l'édition et l'amélioration
À partir de $0.021 /image
Modèle de génération et d'édition d'images d'OpenAI, axé sur le photoréalisme, le rendu de texte de haute précision et la sortie native en 4K, adapté aux supports commerciaux contenant du texte et aux visuels produits
À partir de $0.007 /image
Zhipu AI
Modèle de raisonnement textuel phare de Zhipu, axé sur l'ingénierie logicielle complexe et les tâches d'agent à long terme, avec un contexte d'environ 1M, un raisonnement toujours activé et plusieurs niveaux d'intensité de raisonnement, consommant moins de tokens de sortie à score équivalent
À partir de $0.855 /1 M de tokens
La famille de modèles textuels GPT-6 d'OpenAI, organisée par niveau de difficulté des tâches : Astra est destiné aux tâches de bout en bout les plus difficiles, tandis que Sol concilie un raisonnement puissant et un coût quotidien maîtrisé, avec un renforcement du codage, des mathématiques et des workflows agentiques
À partir de $0.0025 /1 M de tokens
Gamme de grands modèles OpenAI par paliers (Sol/Terra/Luna), axée sur le codage, le raisonnement complexe et la cybersécurité, avec un choix selon la courbe performance-coût
À partir de $0.005 /1 M de tokens
Anthropic
La série Claude 5.5 comprend trois niveaux — Opus, Sonnet et Haiku — à choisir selon la complexité de la tâche et le coût, couvrant la programmation agentique, l'utilisation de l'ordinateur et le traitement par lots à haute concurrence
À partir de $0.100 /1 M de tokens
Modèle de texte universel destiné aux agents d'entreprise de longue durée, à la programmation et au raisonnement approfondi, dont le point fort est de maintenir la cohérence des tâches dans des workflows complexes à plusieurs tours
À partir de $0.229 /1 M de tokens
Modèle de génération vidéo de Google : à partir d'une image en entrée, il génère nativement une vidéo de 8 secondes avec son ambiant et dialogues, jusqu'à la 4K, tout en préservant la cohérence de l'apparence du sujet
À partir de $0.290 /seconde
Offre de génération vidéo à faible coût et haut débit de Google, dont la vitesse est équivalente à celle de Veo 3.1 Fast, avec prise en charge de la génération vidéo à partir d'images, de multiples formats d'image et durées
À partir de $0.060 /seconde
MiniMax
Modèle de génération vidéo lancé par MiniMax, qui prend en charge à la fois la génération de vidéos à partir de texte et à partir d'images. Il améliore la stabilité du style anime, le rendu des mouvements du corps entier et le réalisme des micro-expressions faciales par rapport à la génération précédente, ce qui le rend adapté à la création de courts métrages d'animation et de films commerciaux au rendu réaliste.
À partir de $0.270 /vidéo
Modèle de génération et d'édition d'images lancé par Alibaba, qui intègre la génération texte-image, la combinaison de plusieurs images de référence et l'édition par instructions dans un même flux de travail, avec prise en charge du rendu de textes longs et du contrôle des couleurs de marque
À partir de $0.035 /image
Modèle de génération d'images de niveau production de ByteDance, prenant en charge la recherche en ligne et le raisonnement logique multi-étapes, la sortie 4K et l'édition par exemples, adapté à la création d'images produit et d'infographies
À partir de $0.025 /image
Recraft
Modèle de génération d'actifs de design destiné à la production, avec une sortie vectorielle SVG native et éditable, générant des images stables à partir de prompts courts, adapté aux icônes, à la typographie et aux illustrations de marque
À partir de $0.010 /image
Modèle de génération et d'édition d'images de troisième génération d'Ali, excellent dans la composition dense et le rendu multilingue sous de longs prompts, avec prise en charge de l'édition à partir d'images de référence
Modèle d'architecture unifiée d'Alibaba pour la génération et l'édition d'images, particulièrement performant pour le rendu de longs textes en chinois, avec prise en charge d'instructions allant jusqu'à 1000 tokens et d'une sortie en 2K
À partir de $0.042 /image
Modèle de pointe à poids ouverts de Moonshot AI, avec prise en charge native de la compréhension du texte, des images et des vidéos, un contexte de 1 million de tokens, et une expertise dans le codage de longue haleine et les itérations d'appels d'outils
À partir de $0.232 /1 M de tokens
Modèle de raisonnement phare de xAI, renforçant le raisonnement avancé, l'appel natif d'outils et la recherche en temps réel, avec prise en charge d'un contexte long et de l'entrée d'images, adapté au raisonnement complexe et aux applications Agent
À partir de $0.210 /1 M de tokens
DeepSeek
Nouvelle génération de la série de modèles textuels, comprenant des versions telles que Pro et Flash, prenant en charge un contexte long de l'ordre du million de tokens, destinée aux tâches de codage, de raisonnement et d'agents intelligents
À partir de $0.014 /1 M de tokens
Modèle textuel de pointe, doté d'un contexte long de 1 million de tokens, positionné pour le raisonnement approfondi, le codage complexe et les tâches d'agents autonomes de longue durée
À partir de $0.300 /1 M de tokens
Luma
Modèle de génération vidéo cinématographique Luma, avec prise en charge native de la HDR et de l'export EXR, adapté aux plans d'ambiance sans personnage ainsi qu'aux publicités et aux films conceptuels de préproduction audiovisuelle ; avec des instructions de plan structurées, le respect des prompts reste stable.
À partir de $0.214 /vidéo
PixVerse
Modèle phare de génération vidéo de PixVerse, un seul modèle couvrant la génération vidéo à partir de texte et à partir d'image, avec prise en charge du contrôle précis de la caméra, du jeu d'acteur et de la fusion d'images de référence, destiné à une production de niveau film finalisé
À partir de $0.036 /seconde
Modèle phare de génération d'images à partir de texte de Black Forest Labs, environ 6 fois plus rapide que Flux.1 Pro, avec une meilleure fidélité aux prompts, idéal pour la génération d'images à grande échelle
À partir de $0.050 /image
Modèle de génération d'images à partir de texte open source d'Alibaba Tongyi, architecture DiT à flux unique d'environ 6 milliards de paramètres, remarquable pour le rendu de texte en chinois et en anglais et le respect d'instructions bilingues
À partir de $0.008 /image
Une seule génération produit simultanément la vidéo et un audio natif synchronisé, avec prise en charge de la synchronisation labiale multilingue et une sortie multi-format jusqu'à 1080p, idéale pour les vidéos courtes de type face caméra et dialogue
À partir de $0.168 /seconde
Modèle de génération d'images à partir de texte distillé de Black Forest Labs, transformer à flot rectifié de 12 milliards de paramètres, privilégiant une génération d'images rapide à faible latence, adapté à la génération par lots de concepts et d'esquisses
À partir de $0.005 /image
Modèle léger et efficace de la famille Google Image, axé sur une faible latence et un coût réduit, adapté au prototypage rapide et à la génération d'images à haut débit, et remplaçant sans effort le Nano Banana de première génération
À partir de $0.033 /image
Il suffit de saisir des paroles et une description musicale pour générer une chanson stéréo de 5 minutes maximum environ, avec voix et structure musicale complète, idéale pour produire rapidement des démos de chansons et des musiques personnalisées.
À partir de $0.0026 /seconde
Modèle de génération de chansons complètes avec voix et instrumentation à partir de texte, ajout de l'adaptation de style AI Cover et de l'écriture automatique des paroles, latence annoncée inférieure à 20 secondes pour la première sortie
À partir de $0.210 /morceau
Modèle de musique texte-vers-audio qui génère en une seule fois une chanson complète avec voix et accompagnement à partir d'une description de style et de paroles, jusqu'à environ 4 minutes par morceau, avec prise en charge de l'agencement par sections à l'aide de balises structurelles
À partir de $0.070 /morceau
Modèle avancé de génération musicale de Google, capable de produire des morceaux complets d'environ 3 minutes en stéréo 48 kHz, comprenant la structure des sections telles que l'intro, les couplets et les refrains, avec une fidélité aux prompts supérieure à celle de Lyria 3
À partir de $0.140 /morceau
Ideogram
Modèle texte-image à poids ouverts, spécialisé dans le rendu de texte multilingue et la sortie native 2K, avec prise en charge des prompts JSON et du contrôle de mise en page par boîtes englobantes
Modèles de génération vidéo de la série WAN d'Ali, prenant en charge la génération à partir de texte, d'image et de références guidées ; les entrées multi-références permettent de maintenir la cohérence des personnages et des produits d'un plan à l'autre
À partir de $0.100 /seconde
Modèle image-vers-vidéo de la série Veo 3.1 axé sur la production rapide, générant l'image et l'audio de manière synchronisée, adapté à la production de contenus finis tels que le marketing, les présentations et les réseaux sociaux
À partir de $0.170 /seconde
Modèle d'image commercial de ByteDance, axé sur un éclairage et une ambiance cinématographiques, la cohérence des personnages entre les prises de vue et l'édition par référence multi-images, adapté à la production d'images haute résolution pour le commerce en ligne et les supports marketing
À partir de $0.045 /image
Modèle phare de génération musicale de Google, il planifie d'abord la structure (introduction, couplet, refrain, etc.) avant de générer une chanson complète avec voix et paroles, prend en charge le chant multilingue et est accessible via l'interface unifiée de HiAPI.ai
À partir de $0.090 /morceau
HeyGen
Créer un avatar réaliste réutilisable à partir d'une vidéo de référence d'environ 15 secondes, transférer les gestes et les mouvements vers de nouveaux scripts et scènes tout en préservant la cohérence entre les scènes
À partir de $0.150 /seconde
851 Labs
Modèle de traitement d'image spécialisé dans la suppression automatique d'arrière-plan, capable de produire un PNG transparent ou un masque, adapté au détourage en lot des photos de produits e-commerce et des portraits
À partir de $0.002 /image
Modèle de génération vidéo conçu pour les aperçus rapides et les itérations fréquentes, prenant en charge à la fois la génération vidéo à partir de texte et à partir d'images, capable de produire des clips de 1 à 15 secondes en 480p–1080p, avec jusqu'à 7 images de référence pour la génération à partir d'images
À partir de $0.130 /seconde
Modèle de génération et d'édition d'images haute fidélité de xAI, plus stable sur le rendu du texte et la composition, avec prise en charge des sorties 1K/2K et de l'édition cohérente à partir d'images de référence
À partir de $0.070 /image
Modèle de génération et d'édition d'images de xAI, avec un fort respect des instructions et un rendu de mises en page complexes, prenant en charge l'itération et la modification d'images à partir d'images de référence, et capable de produire des images 1K/2K dans divers formats d'image
À partir de $0.052 /image
Modèle d'image à flux rectifié de 9 milliards de paramètres, distillé jusqu'à 4 étapes, unifiant la génération texte-image et l'édition à partir d'une ou plusieurs images de référence dans une architecture compacte, destiné aux scénarios de génération en temps réel à faible latence
À partir de $0.0086 /image
Petit modèle distillé de 4 milliards de paramètres, unifiant la génération d'images à partir de texte et l'édition d'images, avec une inférence de bout en bout pouvant descendre sous 1 seconde, exécutable avec environ 13 Go de mémoire GPU
À partir de $0.0004 /image
La famille de génération et d'édition d'images de Black Forest Labs, prenant en charge le transfert de style à partir d'images de référence et la fusion de plusieurs images de référence, tout en préservant autant que possible la composition d'origine et la position du sujet lors de l'édition
Modèle orienté image de la famille multimodale Black Forest Labs, partageant avec la vidéo et l'audio une architecture d'entraînement conjointe et le framework Self-Flow, adapté à la mise à niveau des pipelines de génération d'images basés sur l'écosystème FLUX
À partir de $0.041 /image
Meta
Modèle de génération et d'édition d'images par raisonnement de Meta, qui décompose d'abord les invites complexes avant de les rendre, peut fusionner plusieurs images de référence et s'appuie sur une recherche web pour garantir l'exactitude factuelle
À partir de $0.015 per task
Modèle vidéo multimodal unifié, un seul contexte traite simultanément le texte, l'image, la vidéo et l'audio, prend en charge la génération de vidéo à partir de texte, d'image ou de référence ainsi que l'édition par instruction, et peut générer un audio synchronisé
À partir de $0.072 /seconde
Importez une seule photo avec un script pour générer une vidéo d'avatar parlant avec synchronisation labiale, expressions faciales et gestes, avec une prise en charge de la sortie 1280p+, idéale pour les présentateurs numériques et les contenus en voix off
Modèle de génération vidéo d'Alibaba, un seul modèle couvrant la génération de vidéos à partir de texte, d'image et d'images de référence, prenant en charge la 1080p et des clips de 3 à 15 secondes, avec fusion de plusieurs images de référence renforçant la cohérence des personnages, adapté à la narration multi-plans et aux contenus publicitaires e-commerce.
À partir de $0.160 /seconde
Modèle de génération créative de xAI, prenant en charge l'édition image-vers-image et le guidage stylistique, avec jusqu'à 9 images de référence pour contrôler la composition et les personnages ; appelable via l'interface unifiée de HiAPI.ai
ElevenLabs
Une famille de génération vocale et audio destinée aux développeurs, couvrant la synthèse vocale, la voix conversationnelle, les effets sonores et la génération musicale
À partir de $0.0029 /seconde
Version image-versus-vidéo optimisée pour la vitesse de la série Wan 2.6, moins coûteuse et plus rapide à produire, adaptée à l'exploration de brouillons et à la génération par lots à haute fréquence, avec un niveau de détail visuel inférieur à la version standard
À partir de $0.043 /seconde
Krea
Prend en charge la génération de texte et l'édition à partir d'images de référence, avec une sortie native en 2K ; une édition prend environ 8 secondes, ce qui convient aux itérations visuelles à haute fréquence et à la réutilisation d'éléments.
Version distillée accélérée priorisant la vitesse dans la série Krea 2, à faible coût par image, idéale pour l'itération rapide et l'exploration de concepts de design
Modèle multimodal dédié à la génération et à l’édition de vidéos : une interface unique couvre la génération à partir de texte, d’image, de références visuelles ainsi que l’édition vidéo, avec une sortie par niveaux allant de l’ébauche à la 4K, accompagnée de sa propre piste audio
À partir de $0.450 /vidéo
Creatify
Modèle de génération vidéo à faible coût conçu pour la production de variantes publicitaires en masse, prenant en charge la génération vidéo à partir de texte, à partir d'image, ainsi que la création de vidéos de personnes parlantes multilingues à partir d'une photo et d'un fichier audio, avec un rendu rapide.
À partir de $0.015 /seconde
Il suffit de téléverser une photo en pied pour générer un rendu de l'essayage du vêtement choisi ; grâce à une technologie de diffusion, les plis du tissu et les jeux d'ombre et de lumière sont simulés afin d'aider à décider d'un achat de vêtement en ligne
À partir de $0.107 /image
Modèle de synthèse vocale à faible latence, contrôlant le timbre, le débit et l'accent à l'aide de balises audio intégrées au texte, prenant en charge plus de 70 langues et s'appelant via l'interface unifiée de HiAPI.ai
--
Modèle professionnel de repeinture locale et d'extension d'image : remplace, supprime ou prolonge des zones précises selon un masque binaire, tout en préservant la cohérence de l'éclairage et de la perspective ; nécessite un masque en entrée, adapté au retouchage fin plutôt qu'à la génération d'images complètes
FASHN
Modèle d'essayage virtuel : il suffit de fournir une photo de la personne et une image du vêtement pour générer le rendu porté par le mannequin, avec une sortie native en 864x1296, la prise en charge des images à plat et trois modes de qualité
Amplificateur d’images IA léger, qui concilie débruitage et préservation des détails lors de l’agrandissement, à faible coût par opération, idéal comme étape de netteté en fin de flux de conception
À partir de $0.004 /image
Première version d'aperçu public de la série Vidu Q4, mettant en avant le jeu d'acteur des personnages et l'audio natif, avec prise en charge de jusqu'à 15 images et 3 références audio de guidage, pour une sortie vidéo jusqu'à 4K
À partir de $0.051 /seconde
Lightricks
Modèle de génération vidéo accéléré de Lightricks, prenant en charge la génération vidéo à partir de texte et à partir d'images, avec génération synchronisée de l'image et de l'audio, idéal pour une production rapide et la validation de prototypes
À partir de $0.086 /seconde
Runway
Lors de sa sortie, il s'est classé premier du classement text-to-video d'Artificial Analysis avec 1247 Elo, se distinguant par le respect des prompts, la physique et les mouvements humains, ce qui le rend adapté à la création de storyboards audiovisuels et de courts-métrages de marque
À partir de $0.172 /seconde
Agrandissement d'image génératif qui, tout en augmentant la résolution, redessine et complète les textures, les détails et les traits du visage ; idéal pour transformer des sources basse définition en rendus haute résolution.
À partir de $0.357 /image
Modèle d'image unifié pour la génération texte-image et l'édition d'images, prenant nativement en charge la résolution 2K et la sortie RGBA avec un véritable canal alpha, permettant de désigner plusieurs zones d'édition à l'aide de cercles, d'annotations manuscrites ou de masques
À partir de $0.020 /image
Mureka
Un modèle de génération musicale plus sobre dans l'arrangement et laissant davantage de respiration, fidèle au genre, à la formation instrumentale et à l'émotion du prompt, avec un chant plus naturel ; prend en charge deux modes : purement instrumental et chanson à partir de paroles
À partir de $0.322 per request
Mirelo AI
Modèle de sortie audio destiné à la génération d'effets sonores, adapté à la production et à l'itération par lots de ressources sonores pour des contenus tels que des vidéos et des jeux
À partir de $0.021 /seconde
Génération de vidéos de personnages numériques parlants pilotées par l'audio : une seule image et une piste vocale suffisent pour produire une vidéo synchronisée avec la parole (synchronisation labiale), avec une génération continue d'environ 5 minutes et une résolution allant jusqu'à 720p pour la version Standard
Série unifiée de génération vidéo multimodale, prenant en charge la génération de vidéo à partir de texte, d'image, de référence, ainsi que l'édition au sein de la vidéo, avec synchronisation labiale native et audio multilingue
Modèle image-vers-vidéo lancé par Kuaishou, remarquable par la fluidité du mouvement et la cohérence des personnages, prenant en charge les prompts négatifs et le réglage CFG, adapté à la génération de courts métrages à plans très dynamiques
Série de génération d'images à partir de texte de Google, mettant l'accent sur le rendu du texte dans l'image et les éclairages complexes, avec trois niveaux Fast, Standard et Ultra selon le compromis entre qualité et coût
À partir de $0.030 /image
Modèle de génération et d'édition d'images réputé pour la clarté de sa typographie et ses modifications locales précises sur plusieurs tours, natif en 2K, idéal pour les affiches, les logos et le design d'emballage
À partir de $0.011 /image
Verrouiller le même personnage à partir de l'image de référence, maintenir la cohérence du visage et des vêtements à travers les changements de scène, de pose et d'éclairage, et prolonger l'avantage de mise en page typographique intégrée à l'image d'Ideogram
À partir de $0.090 /image
Une option de génération vidéo légère et à faible coût, prenant en charge la génération de vidéos à partir de texte et d'images, avec création simultanée d'effets sonores et de dialogues, idéale pour la production de courts métrages en grande quantité et à haute fréquence.
À partir de $0.029 /seconde
Modèle multimodal de génération et d'édition vidéo de Google, prenant en charge des entrées combinées d'images, de texte, d'audio et de vidéo, et permettant d'ajuster les plans et les détails de manière itérative via un dialogue en langage naturel
Premier modèle vidéo de Black Forest Labs, architecture multimodale unifiée, prenant en charge la génération de vidéos à partir de texte, à partir d'images et la continuation par images clés, avec génération synchronisée de l'image et de l'audio natif, jusqu'à environ 20 secondes en HD par génération
À partir de $0.090 /seconde
Modèle de génération vidéo prenant en charge la génération à partir de texte et à partir d'image, axé sur une production rapide à faible latence ; selon les benchmarks publics, un clip de 10 secondes est généré en environ 11 à 12 secondes, ce qui le rend adapté à l'itération créative et aux contenus de vidéos courtes.
À partir de $0.061 /seconde
Bria
Modèle d'image DiT à flux correspondant de 8B de BRIA, dans une version distillée, capable de générer des images en seulement 4 à 6 étapes d'échantillonnage, prenant en charge les prompts structurés en JSON et permettant une édition découplée par attribut
À partir de $0.058 /image
Modèle d'édition d'images destiné aux visuels produits e-commerce, capable d'intégrer naturellement un produit dans un décor généré à partir d'un texte ou d'une image de référence, tout en préservant les textures et les détails de la marque
Modèle d'édition d'image spécialisé dans l'effacement par masque et la reconstruction de zones : il supprime les objets ciblés selon un masque noir et blanc et complète l'image ; entraîné sur des données sous licence, il convient au nettoyage par lots de visuels e-commerce et marketing.
