API text-to-video gratuita: API video con quota gratuita e confronto con i servizi a pagamento (2026)

Se cerchi "text to video AI API free", troverai due grandi categorie di opzioni reali — e una marea di landing page vaghe che non reggono dieci minuti di test pratico. Questo articolo ti aiuta a eliminare il rumore: esamina una per una le vere vie gratuite (l'inferenza serverless di Hugging Face, i pesi open source self-hosted), spiega le trappole che ciascuna via porta con sé, e poi mette i numeri fianco a fianco con gli endpoint a pagamento di hiapi, così vedrai chiaramente quando "gratuito" smette di essere più economico.

Questo articolo è pensato per ingegneri che hanno bisogno di un'API video in produzione — automazione di B-roll, varianti di materiali marketing, funzionalità applicative — non per un post una tantum sui social (in quel caso la risposta è "usa un'app consumer").

Cosa significa davvero "gratuito" nel contesto text-to-video del 2026

Nel 2026 nessun fornitore può offrire text-to-video di livello produttivo a costo marginale zero e senza attriti. Solo tre vie si avvicinano a questo obiettivo:

1. Le API di inferenza serverless di Hugging Face — pool GPU condiviso, limiti di rate, pool di crediti mensili, pensate per la prototipazione (documentazione HF).
2. Modelli open source self-hosted (Wan 2.1/2.2, HunyuanVideo, CogVideoX, LTX-Video, Mochi 1), eseguiti su GPU proprie o noleggiate.
3. Web app consumer "gratuite" con quota giornaliera — di solito non utilizzabili come vere chiamate API.

Tutto il resto che si fregia del titolo di "API AI text-to-video gratuita" è uno di questi casi: crediti di prova che si esauriscono dopo poche generazioni, demo con watermark, o tier gratuiti con limiti di rate così severi da risultare inutilizzabili dopo un singolo test. La formulazione onesta è nessun addebito per chiamata, non nessun costo del tutto — paghi il prezzo in una delle tre valute: potenza di calcolo, tempo o limiti.

Il resto dell'articolo analizza una per una ciascuna via, il suo costo reale una volta contate tutte le trappole, e dove un'API a pagamento a basso costo con fatturazione al secondo come wan2.7-video/text-to-video di hiapi, prezzata $0,10/secondo, cambia i calcoli.

Via 1: Hugging Face Inference Providers (l'opzione più vicina a un'API gratuita)

Hugging Face è l'opzione "gratuita" più legittima, perché è un vero endpoint API, compatibile con OpenAI, con scelta dei modelli trasparente e quote documentate.

Cosa ottieni effettivamente nel tier gratuito:

• Ogni utente Hugging Face riceve crediti mensili per gli Inference Provider, scalati automaticamente quando instradi le richieste tramite HF. La quota gratuita mensile è piccola ma reale.
• Esauriti i crediti, si paga per richiesta, in base a tempo di calcolo × prezzo hardware (ad esempio, un task GPU da 10 secondi a $0,00012/secondo costa $0,0012 per inferenza).
• Puoi instradare verso fornitori specifici (Replicate, fal, Together, Novita, Fireworks, Groq, Cerebras, ecc.) attraverso un endpoint compatibile con OpenAI. I modelli video sono particolarmente presenti su Replicate e fal.
• Il tier Pro ($9/mese) alza i limiti e sblocca 2 milioni di crediti Inference Provider al mese più quote ZeroGPU per l'accesso alle H200.

Cosa significa questo in pratica per il text-to-video:

Generare una clip di 5 secondi tramite HF instradando a un modello video open source su Replicate cade di solito nell'intervallo $0,05–$0,30, a seconda del modello e della risoluzione. I crediti "gratuiti" mensili ti permettono di generare circa da 5 a 50 clip brevi, a seconda del modello scelto.

È davvero utile per la prototipazione, per valutare un modello prima di impegnarti, o per strumenti interni a basso volume. Ma non è adatto a nessuna pipeline che necessiti di più di qualche clip al giorno, e l'instradamento tramite terze parti implica una latenza più variabile rispetto a un'API diretta.

La trappola che nessuna landing page dichiara: gli Inference Providers sono router, non potenza di calcolo in sé. Quando il fornitore sottostante ha code, tu aspetti. Quando cambiano i prezzi o ritirano un modello, la tua pipeline si rompe silenziosamente. Cache in modo aggressivo; trattalo come infrastruttura di prototipazione.

Via 2: modelli video open source self-hosted

Se per te "gratuito" significa "nessuna fattura per chiamata", la via legittima è eseguire modelli open source sul proprio hardware. È anche la via a cui puntano in realtà la maggior parte dei tutorial su "API text-to-video gratuita" — solo che non lo dicono esplicitamente.

Nel 2026 il panorama in questo campo è davvero solido. Ecco una tabella realistica VRAM-modello che ti troverai effettivamente a distribuire:

Modello	VRAM minima	Limite di output	Licenza	Ideale per
Wan 2.1 T2V-1.3B	8 GB	480p / 5 secondi	Apache 2.0	GPU per hobbisti, sandbox ComfyUI
LTX-Video	8 GB	720p / durata variabile	Licenza Lightricks (richiede accordo commerciale separato)	Velocità, clip lunghe
CogVideoX-5B	16 GB	720p / 6–10 secondi	Pesi aperti	Migliore aderenza alle istruzioni
Wan 2.2 T2V-A14B (MoE)	24 GB	720p / 5 secondi	Apache 2.0	Qualità su scala consumer
HunyuanVideo 1.5 (esecuzione con offload)	14–24 GB	1080p	Licenza community Tencent (autorizzazione separata se MAU > 100 milioni)	Qualità di riferimento
HunyuanVideo (versione completa)	80 GB (A100)	1080p	Come sopra	Migliore qualità open source, senza compromessi

Il costo reale per clip con il self-hosting è più o meno questo:

Configurazione	$ effettivi/clip (5 secondi)	Note
RTX 4090 propria (già acquistata)	~$0 costo marginale	Solo elettricità, circa 2–5 minuti per clip a 720p
A100 80GB noleggiata (circa $1,50–$2/ora)	$0,13–$0,50	Circa 5–10 minuti per clip con HunyuanVideo in qualità completa
RTX 4090 noleggiata (circa $0,40/ora)	$0,03–$0,10	Wan 2.2 o HunyuanVideo con offload, 720p
ZeroGPU su HF Pro ($9/mese)	Include fino a 25 minuti al giorno di utilizzo H200	In pratica gratis con utilizzo molto basso

L'interpretazione onesta: se (a) possiedi già una GPU, o (b) il tuo volume è abbastanza alto da ammortizzare il noleggio a ore, il self-hosting è effettivamente più economico per clip. Per un uso sporadico — qualche clip a settimana per testare un'idea di marketing — il costo di configurazione del noleggio e il cold start di una GPU nuova spesso annullano del tutto il risparmio per chiamata.

I costi nascosti che sentirai già dalla seconda settimana:

• Selezione e tuning dei modelli — far sì che lo stesso prompt appaia coerente su Wan 2.2, HunyuanVideo e CogVideoX è un lavoro di ingegneria che richiede giorni.
• Quantizzazione e offload — eseguire HunyuanVideo su una scheda da 24 GB significa pesi FP8, offload del modello e un rischio reale di OOM a metà generazione.
• Superficie operativa — versioni CUDA, blocchi dei driver, manutenzione dei grafi di calcolo ComfyUI, migrazione dei pesi a ogni nuovo rilascio.
• Tetto di throughput — una GPU consumer produce circa 6–20 clip all'ora a seconda di durata e risoluzione. Per raggiungere il parallelismo di un'API gestita servono più schede.

Se sei un team di ricerca, stai costruendo un prodotto in cui la generazione video è l'IP centrale, o hai requisiti specifici di qualità/licenza, il self-hosting è la risposta giusta. Se vuoi lanciare una funzionalità questa settimana e il tuo team è esperto di codice applicativo più che di infrastruttura ML, è la risposta sbagliata.

Via 3: web app "gratuite" con quota giornaliera

Vale la pena menzionarle per evitare confusione: Haiper, il tier gratuito di Runway, l'accesso web a Sora, i crediti gratuiti di Pika, le varie demo Wan/Kling ospitate su Hugging Face Spaces — sono tutte interfacce consumer. Generano davvero video gratis, ma con limiti giornalieri, watermark o entrambi. Nessuna offre una vera API nel tier gratuito; nel momento in cui ti serve accesso programmatico, torni alla Via 1 o 2, oppure paghi il piano a pagamento di quel fornitore.

Se la tua esigenza è "generare un video per un tweet", usa un'app web gratuita. Se la tua esigenza sta ovunque nello spettro dell'automazione, questa sezione non si applica: continua a leggere.

Via 4: API a basso costo a pagamento come hiapi (quando i conti tornano)

Questa è la via che il titolo non menziona ma che l'intento di ricerca cerca davvero — "quanto in basso posso scendere per un'API text-to-video funzionante e programmabile?" Una volta che smetti di ottimizzare per la parola "gratuito" e inizi a ottimizzare per il costo per clip senza infrastruttura operativa, l'estremità economica del mercato a consumo diventa la risposta.

Ecco i prezzi text-to-video che hiapi pubblica sulla sua pagina di prezzi pubblica, interrogati in tempo reale:

Modello su hiapi	Prezzo al secondo	Note
grok-imagine/text-to-video — 480p	$0,015/secondo	Tariffa al secondo più bassa. 720p è $0,0282/secondo.
seedance-2.0-mini — 480p	$0,0272/secondo	Versione leggera di Seedance 2.0. 720p è $0,0586/secondo.
veo-3.1-lite/text-to-video — 720p, audio disattivato	$0,06/secondo	Google Veo 3.1 Lite.
wan2.7-video/text-to-video — 720p	$0,10/secondo	Alibaba Wan 2.7, clip da 2–15 secondi.
wan2.7-video/text-to-video — 1080p	$0,167/secondo	Stesso modello, risoluzione più alta.
seedance-2.0 — 480p	$0,136/secondo	ByteDance Seedance, movimento cinematografico.
seedance-2.0 — 720p	$0,293/secondo
seedance-2.0 — 1080p	$0,729/secondo	Fascia più alta di Seedance 2.0.
happyhorse-1.1/text-to-video — 720p	$0,16/secondo	Forte aderenza ai prompt, audio nativo.
happyhorse-1.1/text-to-video — 1080p	$0,21/secondo
veo-3.1-fast/text-to-video — HD (720/1080) con audio	$0,25/secondo	Google Veo 3.1 Fast.
veo-3.1-fast/text-to-video — HD audio disattivato	$0,17/secondo	Sconto disattivando l'audio nativo.
veo-3.1-fast/text-to-video — 4K con audio	$0,60/secondo	Fascia per inquadrature principali.

Tutti i prezzi hiapi sopra sono fatturati al secondo di video generato, addebitati solo a generazione riuscita, restituiti attraverso lo stesso endpoint /v1/tasks con una sola chiave. Recupera i prezzi dall'endpoint di prezzo in tempo reale al momento della richiesta — verifica sulla pagina dei prezzi pubblica prima di impegnarti.

Dove i conti del passaggio da gratuito a hiapi tornano:

Prendi un carico di lavoro realistico: 20 clip da 5 secondi a 720p a settimana.

Opzione	Costo mensile reale	Dove vanno i soldi
Crediti gratuiti inferenza HF	$0 + il tuo tempo	Routing, code, attese per rate limit, tetto crediti mensili
Self-hosting su RTX 4090 noleggiata	circa $15–$30	$0,40/ora × ore di GPU attive, più tempo operativo
Self-hosting su 4090 propria	~$0 costo marginale	Elettricità + tempo operativo
hiapi wan2.7-video/text-to-video 720p	20 × 5 × $0,10 × 4 = $40/mese	Fatturazione per chiamata, nessuna operatività, autenticazione compatibile OpenAI
hiapi veo-3.1-fast HD audio disattivato	20 × 5 × $0,17 × 4 = $68/mese	Come sopra, modello di fascia alta

Con meno di circa 30 clip brevi al mese, probabilmente puoi continuare a usare i crediti gratuiti HF. Oltre questa soglia, il risparmio operativo dell'API a pagamento (niente code, niente acquisto di GPU, niente manutenzione dei modelli, niente inferno dei driver) inizia a superare il costo al secondo. Il punto di pareggio dipende interamente da quanto vale il tuo tempo di ingegneria.

Il riassunto onesto: hiapi non è un tier gratuito. È la soluzione text-to-video più vicina nel 2026 a "prevedibile, programmabile, economica per chiamata" — ed è esattamente ciò di cui ha bisogno la maggior parte dei team che cercano "API text-to-video gratuita".

Flusso decisionale: quale via si adatta al tuo caso d'uso

Un metodo di scelta semplice, senza nebbie di marketing:

• Prototipazione sporadica, sviluppatore singolo, < 10 clip al mese → crediti gratuiti di Hugging Face Inference Providers. Zero spesa, accetta le code.
• Ricerca, team ML, necessità di fine-tuning personalizzato → self-hosting. Esegui Wan 2.1/2.2 sul tuo hardware, o HunyuanVideo su una A100 noleggiata quando ti serve il tetto di qualità.
• Funzionalità applicative, necessità di un contratto stabile, > 20 clip al mese → API a pagamento. Parti da wan2.7-video/text-to-video a $0,10/secondo su hiapi; sali gradualmente a Seedance, Happyhorse o Veo quando l'aderenza ai prompt o la qualità audio diventano veri fattori di differenziazione del prodotto.
• Video una tantum per un post sui social → app web consumer; non considerare l'API.

Una chiamata hiapi funzionante (quando la risposta è "a pagamento ma economica")

Se decidi che la via a consumo è quella giusta, ecco il flusso end-to-end minimo. hiapi espone tutti i modelli video attraverso lo stesso endpoint di task asincrono POST /v1/tasks, quindi la superficie di interfaccia è un nome di modello più un blocco di parametri:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.7-video/text-to-video",
    "input": {
      "prompt": "Un barista che estrae un espresso in un caffè caldo, lento push-in in primo piano, luce dorata del pomeriggio, profondità di campo ridotta, fotorealistico. Audio: sibilo della lancia del vapore, chiacchiericcio sommesso.",
      "aspect_ratio": "16:9",
      "resolution": "720P",
      "duration": 5
    }
  }'

La risposta restituisce un taskId. Esegui il polling di GET /v1/tasks/{taskId} finché status non diventa success, poi prendi output[0].url — quell'URL ha validità breve (expireAt è nella risposta), quindi scarica subito i byte. La latenza end-to-end per una clip da 5 secondi a 720p è di solito 45–90 secondi.

5 secondi a $0,10/secondo sono $0,50 per clip. 20 clip: $10. 200 clip: $100. Se questo batta il "gratuito" dipende da quanto vale il tuo tempo e da quanta frizione introducono le opzioni gratuite.

Tre cose da verificare prima di decidere qualsiasi via

1. Licenza. La licenza community di HunyuanVideo ha un tetto di 100 milioni di MAU; LTX-Video richiede un accordo commerciale separato; alcuni modelli su HF instradati via Replicate ereditano termini di licenza upstream che non hai accettato direttamente. Leggi prima di lanciare una funzionalità.
2. Diritti sull'output. Le demo gratuite a volte si riservano diritti di addestramento sui tuoi prompt e output. Le API a pagamento di solito no — ma verifica.
3. Tetto dei rate limit. I fornitori "gratuiti" hanno quasi sempre un soft cap non dichiarato che scatta esattamente al volume che vorresti effettivamente usare in produzione. Testa con un carico di lavoro reale, non con hello world.

Conclusione

Nel 2026 esiste davvero un modo legittimamente gratuito di fare text-to-video — i crediti gratuiti degli Inference Providers di Hugging Face, più un'attenta scelta dei modelli open source — ed è la risposta giusta per la prototipazione e l'uso a volume molto basso. Esiste anche un modo gratuito di scalare, il self-hosting di modelli open source su GPU proprie o noleggiate, ed è la risposta giusta per team ML o carichi di lavoro critici per il prodotto che richiedono controllo totale.

Per tutto ciò che sta nel mezzo — la fascia in cui si trovano in realtà la maggior parte dei team — il modo più economico di lanciare questa settimana una funzionalità text-to-video funzionante è un'API a basso costo a pagamento con fatturazione al secondo. Su hiapi, il prezzo parte da $0,015/secondo per grok-imagine/text-to-video 480p, e $0,10/secondo per wan2.7-video/text-to-video 720p, con una sola chiave per accedere a Wan, Seedance, Happyhorse e Veo attraverso lo stesso endpoint /v1/tasks, senza operatività GPU.

La parola chiave è "gratuito". La risposta onesta è "scegli la via di cui puoi permetterti i costi nascosti".