Valuta di visualizzazione
ByteDance
Da $0.121 /secondo
OpenAI
Da $0.017 /immagine
Alibaba
Da $0.030 /1.000 caratteri
Google
Da $0.021 /immagine
Da $0.057 /immagine
93 modelli
Moonshot AI
Modello testuale di punta di Moonshot AI, incentrato sulla comprensione dei documenti e sulla generazione di testi a contesto lungo, adatto per attività di ricerca e per agenti intelligenti
Da $0.216 /1 mln di token
Modello video diffusionale open source, genera in una singola esecuzione circa 5 secondi con audio sincronizzato a 44 kHz e sincronizzazione labiale, supporta la generazione video da testo/immagine e l'upscaling fino a Full-HD
Da $1.93 /video
Black Forest Labs
La versione di punta per l'editing di immagini della serie Kontext, specializzata in modifiche locali guidate da istruzioni in linguaggio naturale, con una maggiore aderenza ai prompt e una migliore composizione del testo nell'immagine, ideale per la grafica di brand e la produzione in batch di storyboard
Da $0.071 /immagine
La serie di sintesi vocale multilingue gestita di Alibaba Tongyi, che include due livelli: Flash a bassa latenza e Plus ad alta qualità audio, con supporto per il controllo dell'emozione e dello stile espressivo tramite istruzioni in linguaggio naturale
Vidu
Modello di generazione video da immagine di riferimento per pubblicità e short video social, in grado di vincolare l'aspetto del soggetto e la composizione, ideale per una produzione rapida e per l'iterazione su più versioni
Da $0.149 /secondo
Kuaishou
Modello di generazione video di Kuaishou, in grado di generare in una singola esecuzione video di 30 secondi con audio stereo, supporta il controllo multi-keyframe e di primo/ultimo fotogramma, ideale per brevi video marketing e previsualizzazione di storyboard
Da $0.330 /secondo
Modello OpenAI di generazione e modifica delle immagini a due livelli, Flare punta sulla velocità, Sunburst sulla precisione, con supporto sia per la generazione di immagini da testo sia per modifiche iterative
Nuova generazione di modelli di generazione video della serie Wan di Alibaba, in grado di produrre in un'unica generazione clip da circa 30 secondi in 1080p, supporta materiali di riferimento per mantenere la coerenza del soggetto e, per la prima volta, supporta input strutturati di tipo documentale
Da $0.040 /secondo
xAI
Modello di generazione video di xAI: la generazione video da immagine anima immagini statiche e genera audio in sincrono, con supporto da 480p a 1080p e clip fino a 15 secondi
Da $0.011 /secondo
Modello di generazione congiunta audio-video di ByteDance Seed, supporta clip continue fino a 30 secondi e fino a 4K, con controllo preciso delle immagini basato su riferimenti multimodali e editing a livello di timestamp
Modello di generazione video multimodale di ByteDance, supporta la generazione di video da testo, da immagine e da riferimento, in grado di produrre brevi filmati cinematografici multi-inquadratura con audio nativo sincronizzato
Da $0.017 /secondo
Modello di generazione e modifica di immagini orientato alla qualità, basato sul backbone di ragionamento Gemini 3 Pro, più efficace nella coerenza dei personaggi su più immagini e nel rendering del testo, supporta output nativo 2K con upscaling intelligente a 4K
Modello di immagine rapido di Google per la generazione di immagini su larga scala, supporta da 512px fino a 4K nativo e diversi formati, genera combinando informazioni in tempo reale dalla ricerca, ideale per la creazione ad alta frequenza
Da $0.036 /immagine
Generazione di immagini guidata dal linguaggio naturale e fotoritocco conversazionale multi-turno, con una buona conservazione della coerenza di personaggi e soggetti durante le modifiche, e una copertura di generazione, modifica e miglioramento
Modello di generazione e modifica di immagini di OpenAI, incentrato sul fotorealismo, sul rendering testuale ad alta precisione e sull'output nativo in 4K, adatto a materiali commerciali e immagini di prodotto che contengono testo
Da $0.007 /immagine
Zhipu AI
Modello di inferenza testuale di punta di Zhipu, incentrato su ingegneria del software complessa e attività Agent di lunga durata, con contesto di circa 1M, ragionamento sempre attivo e supporto a più livelli di intensità di ragionamento, con un minor consumo di token in output a parità di punteggio
Da $0.855 /1 mln di token
La famiglia di modelli testuali GPT-6 di OpenAI, organizzata per difficoltà del compito: Astra è pensato per i compiti end-to-end più difficili, Sol coniuga un ragionamento potente con i costi quotidiani e potenzia la programmazione, la matematica e i flussi di lavoro agentici
Da $0.0025 /1 mln di token
Serie di modelli linguistici di grandi dimensioni OpenAI a livelli (Sol/Terra/Luna), incentrata su programmazione, ragionamento complesso e sicurezza informatica, con selezione del modello in base alle curve di prestazioni e costi
Da $0.005 /1 mln di token
Anthropic
La serie Claude 5.5 comprende tre livelli, Opus, Sonnet e Haiku, selezionabili in base alla complessità del compito e ai costi, e copre la programmazione di agenti, l'uso del computer e l'elaborazione batch ad alta concorrenza
Da $0.100 /1 mln di token
Modello di testo general-purpose per agenti aziendali a lungo termine, programmazione e ragionamento approfondito, forte nel mantenere la coerenza dei compiti in flussi di lavoro complessi e multi-turno
Da $0.229 /1 mln di token
Modello di generazione video di Google: l'input immagine permette di generare nativamente video di 8 secondi con audio ambientale e dialoghi, con supporto fino al 4K e mantenimento dell'aspetto coerente del soggetto
Da $0.290 /secondo
Livello di generazione video di Google a basso costo e ad alto throughput, con una velocità pari a Veo 3.1 Fast, supporta la generazione di video da immagini, diversi formati e durate
Da $0.060 /secondo
MiniMax
Modello di generazione video lanciato da MiniMax, supporta sia la generazione di video da testo che da immagine; rispetto alla generazione precedente offre miglioramenti nella stabilità dello stile anime, nel rendering dei movimenti di tutto il corpo e nel realismo delle microespressioni facciali, ed è adatto alla creazione di cortometraggi anime e di video commerciali con una resa realistica.
Da $0.270 /video
Modello di generazione e modifica di immagini lanciato da Alibaba, che integra la sintesi testo-immagine, la combinazione di più immagini di riferimento e la modifica guidata da istruzioni in un unico flusso di lavoro, con supporto al rendering di testi lunghi e al controllo dei colori del brand
Da $0.035 /immagine
Modello di generazione di immagini di livello produttivo di ByteDance, che supporta ricerca online e ragionamento logico in più passaggi, output in 4K e modifica basata su esempi, ideale per la creazione di immagini di prodotto e infografiche
Da $0.025 /immagine
Recraft
Modello di generazione di asset di design pensato per la produzione, con output vettoriale SVG nativo e modificabile, in grado di produrre immagini in modo stabile con prompt brevi, ideale per icone, tipografia e illustrazioni di brand
Da $0.010 /immagine
Modello di terza generazione di Alibaba per la generazione e modifica di immagini, specializzato nella composizione tipografica densa e nel rendering multilingue con prompt lunghi, supporta la modifica tramite immagini di riferimento
Modello architetturale unificato di Alibaba per la generazione e l'editing di immagini, specializzato nel rendering di testi cinesi di lunga durata, supporta istruzioni fino a 1000 token e output fino a 2K
Da $0.042 /immagine
Modello frontier di Moonshot AI con pesi aperti, supporto nativo per la comprensione di testo, immagini e video, contesto di 1 milione di token, specializzato nella codifica su lunghe distanze e nell'iterazione delle chiamate agli strumenti
Da $0.232 /1 mln di token
Modello di ragionamento di punta di xAI, potenzia il ragionamento avanzato, le chiamate native agli strumenti e la ricerca in tempo reale, supporta contesti lunghi e input di immagini, ideale per ragionamenti complessi e applicazioni Agent
Da $0.210 /1 mln di token
DeepSeek
Nuova generazione di modelli di testo, con versioni Pro e Flash, supporto per contesti lunghi fino a un milione di token, pensata per attività di coding, ragionamento e agentiche
Da $0.014 /1 mln di token
Modello testuale di punta, con contesto lungo da 1M token, pensato per ragionamento approfondito, coding complesso e attività di agent autonomi su lunghi periodi
Da $0.300 /1 mln di token
Luma
Modello di generazione video cinematografico Luma, con supporto nativo per HDR ed esportazione EXR, adatto per inquadrature d'atmosfera e pubblicità, concept video in pre-produzione cinematografica e televisiva; con istruzioni di ripresa strutturate il rispetto del prompt è stabile
Da $0.214 /video
PixVerse
Modello di generazione video di punta di PixVerse, un unico modello che copre la generazione di video da testo e da immagine, con supporto per il controllo preciso della fotocamera, l'interpretazione dei personaggi e la fusione di immagini di riferimento, pensato per produzioni di livello cinematografico
Da $0.036 /secondo
Modello di punta text-to-image di Black Forest Labs: circa 6 volte più veloce nella generazione rispetto a Flux.1 Pro, con una migliore aderenza ai prompt, ideale per la generazione di immagini su larga scala
Da $0.050 /immagine
Modello open source text-to-image di Alibaba Tongyi, architettura DiT a flusso singolo con circa 6 miliardi di parametri, eccelle nel rendering di testo cinese e inglese e nella comprensione di istruzioni bilingui
Da $0.008 /immagine
Una singola generazione produce contemporaneamente video e audio nativo sincronizzato, supporta il lip-sync multilingue e output multi-formato fino a 1080p, ideale per video brevi con parlato e dialoghi
Da $0.168 /secondo
Modello di sintesi testo-immagine distillato di Black Forest Labs, transformer rectified flow da 12 miliardi di parametri, orientato alla generazione rapida di immagini a bassa latenza, adatto alla creazione in batch di concept art e bozze
Da $0.005 /immagine
Modello leggero ed efficiente della famiglia Google Image, pensato per bassa latenza e bassi costi, ideale per la conceptualizzazione rapida e la generazione di immagini ad alto throughput, sostituisce senza soluzione di continuità la prima generazione di Nano Banana
Da $0.033 /immagine
Basta inserire il testo e la descrizione musicale per generare una canzone stereo di circa 5 minuti, con voce e struttura del brano completa, ideale per produrre rapidamente demo di canzoni e colonne sonore personalizzate
Da $0.0026 /secondo
Modello con voce e strumenti per generare canzoni complete da testo, con nuove funzionalità di adattamento in stile AI Cover e scrittura automatica dei testi; la latenza della prima risposta è dichiarata entro 20 secondi
Da $0.210 /brano
Modello di musica da testo: genera in un'unica soluzione una canzone completa con voce e accompagnamento a partire da una descrizione dello stile e da un testo, con una durata massima di circa 4 minuti per brano e il supporto per organizzare la struttura in sezioni tramite tag strutturali
Da $0.070 /brano
Modello avanzato di generazione musicale di Google, in grado di creare brani completi di circa 3 minuti in stereo a 48kHz, comprende la struttura dei brani come intro, strofa e ritornello, con una fedeltà ai prompt superiore a Lyria 3
Da $0.140 /brano
Ideogram
Modello di sintesi testo-immagine con pesi open source, specializzato nel rendering di testo multilingua e nell'output nativo 2K, con supporto per prompt JSON e controllo del layout tramite bounding box
Modelli di generazione video della serie Alibaba WAN, supportano la generazione di video da testo, da immagine e guidata da riferimenti; input multipli di riferimento mantengono la coerenza di persone e prodotti tra diverse inquadrature
Da $0.100 /secondo
Il modello di generazione video da immagine della serie Veo 3.1 pensato per una produzione rapida, con generazione sincronizzata di video e audio, ideale per la produzione di contenuti finiti come marketing, presentazioni e social media
Da $0.170 /secondo
Modello di immagini di livello commerciale di ByteDance, incentrato su illuminazione cinematografica, coerenza dei personaggi tra diverse inquadrature e modifica con riferimento a più immagini, ideale per immagini ad alta risoluzione destinate a e-commerce e materiali di marketing
Da $0.045 /immagine
Modello di punta di Google per la generazione musicale: pianifica prima intro, strofe, ritornelli e altre strutture, poi genera brani completi con voce e testo, supporta il canto in più lingue ed è richiamabile tramite l'interfaccia unificata di HiAPI.ai
Da $0.090 /brano
HeyGen
Creare un avatar realistico riutilizzabile da un video di riferimento di circa 15 secondi, trasferendo gesti e movimenti su nuovi script e scenari mantenendo la coerenza tra scenari diversi
Da $0.150 /secondo
851 Labs
Modello di elaborazione delle immagini dedicato al ritaglio automatico, in grado di produrre PNG trasparenti o maschere, ideale per la rimozione in blocco dello sfondo da foto di prodotti e ritratti per l'e-commerce
Da $0.002 /immagine
Modello di generazione video pensato per anteprime rapide e iterazioni ad alta frequenza, supporta sia la generazione video da testo che da immagine, può produrre clip da 1 a 15 secondi in 480p–1080p, con un massimo di 7 immagini di riferimento per la generazione da immagine
Da $0.130 /secondo
Modello xAI di generazione e modifica di immagini ad alta fedeltà, con rendering del testo e composizione più stabili, supporto per output 1K/2K e modifiche coerenti basate su immagini di riferimento
Da $0.070 /immagine
Modello di generazione e modifica di immagini di xAI, con un forte rispetto delle istruzioni e rendering di layout complessi, supporta la modifica iterativa delle immagini tramite immagini di riferimento e può produrre immagini in più rapporti d'aspetto a 1K/2K
Da $0.052 /immagine
Modello di image-to-image a flusso rettificato con 9 miliardi di parametri, distillato fino a 4 passaggi, che unifica la generazione testo-immagine e la modifica con uno o più riferimenti in un'architettura compatta, pensato per scenari di generazione in tempo reale a bassa latenza
Da $0.0086 /immagine
Modello distillato compatto da 4 miliardi di parametri, unifica la generazione testo-immagine e l'editing delle immagini, l'inferenza end-to-end può scendere fino a meno di 1 secondo e funziona con circa 13 GB di VRAM
Da $0.0004 /immagine
La famiglia di generazione e modifica di immagini di Black Forest Labs, che supporta il trasferimento di stile basato su immagini di riferimento e la fusione di più immagini di riferimento, preservando il più possibile la composizione originale e la posizione del soggetto durante la modifica
Modello orientato alle immagini della famiglia multimodale di Black Forest Labs, condivide con video e audio l'architettura di addestramento congiunto e il framework Self-Flow, ideale per l'aggiornamento delle pipeline di generazione di immagini basate sul sistema FLUX
Da $0.041 /immagine
Meta
Modello di generazione e modifica di immagini con ragionamento di Meta: scompone prima i prompt complessi e poi esegue il rendering, può integrare più immagini di riferimento e si avvale della ricerca web per garantire l'accuratezza fattuale
Da $0.015 per task
Modello video multimodale unificato: un unico contesto elabora contemporaneamente testo, immagini, video e audio, supporta la generazione di video da testo, da immagine e da riferimento, oltre alla modifica basata su istruzioni, e può generare audio sincronizzato
Da $0.072 /secondo
Basta caricare una singola foto e uno script per generare un video di un avatar parlante con sincronizzazione labiale, espressioni facciali e gesti, con supporto per output a 1280p+, ideale per speaker digitali e contenuti di tipo talking-head
Modello di generazione video di Alibaba: un unico modello copre la generazione di video da testo, da immagine e da immagine di riferimento, supporta 1080p e clip da 3 a 15 secondi; la fusione di più immagini di riferimento rafforza la coerenza dei personaggi, ideale per narrazioni multi-inquadratura e materiali pubblicitari per l'e-commerce
Da $0.160 /secondo
Modello di generazione creativa di xAI, supporta l'editing immagine-a-immagine e la guida allo stile, con un massimo di 9 immagini di riferimento per controllare composizione e personaggi; richiamabile tramite l'interfaccia unificata di HiAPI.ai
ElevenLabs
Famiglia di generazione vocale e audio per sviluppatori, che copre sintesi vocale, voce conversazionale, effetti sonori e generazione musicale
Da $0.0029 /secondo
Versione image-to-video ottimizzata per la velocità della serie Wan 2.6, con costi inferiori e tempi di generazione più rapidi, adatta all'esplorazione di bozze e alla generazione batch ad alta frequenza; il livello di dettaglio delle immagini è inferiore rispetto alla versione standard
Da $0.043 /secondo
Krea
Supporta la generazione da testo e la modifica tramite immagini di riferimento, output nativo in 2K, circa 8 secondi per singola modifica, ideale per iterazioni visive ad alta frequenza e riutilizzo dei materiali
Versione distillata accelerata della serie Krea 2, ottimizzata per la velocità, con costo per immagine basso, ideale per iterazioni rapide e per l'esplorazione di concept di design
Modello multimodale per la generazione e la modifica di video: un'unica interfaccia copre la generazione da testo, da immagine e da immagine di riferimento, oltre alla modifica video, con output a livelli dalla bozza al 4K e traccia audio integrata
Da $0.450 /video
Creatify
Modello di generazione video a basso costo per varianti massive di creatività pubblicitarie, supporta la generazione di video da testo, da immagine e la creazione di video parlanti multilingue da foto più audio, con tempi di produzione rapidi
Da $0.015 /secondo
Basta caricare una foto a figura intera per generare un'immagine di prova dei capi specificati; grazie alla tecnologia diffusion vengono simulati pieghe e luci/ombre dei vestiti, aiutando nelle decisioni di acquisto online
Da $0.107 /immagine
Modello di sintesi vocale a bassa latenza che utilizza tag audio incorporati nel testo per controllare timbro, velocità e accento, con supporto per oltre 70 lingue e accesso tramite l'interfaccia unificata di HiAPI.ai
--
Modello professionale di inpainting e outpainting: sostituisce, rimuove o estende con precisione aree specifiche dell'immagine in base a una maschera binaria, mantenendo coerenti illuminazione e prospettiva; richiede una maschera in input ed è adatto alla rifinitura più che alla generazione dell'immagine completa
FASHN
Modello di prova virtuale: basta inserire un'immagine della persona e un'immagine del capo per generare l'effetto indossato dalla modella, con output nativo 864x1296, supporto per l'input di immagini flat lay e tre modalità di qualità
Ingranditore di immagini AI leggero, che durante l'ingrandimento bilancia riduzione del rumore e conservazione dei dettagli, con un costo per singola operazione contenuto, ideale come fase di nitidezza finale nel flusso di lavoro di progettazione
Da $0.004 /immagine
La prima anteprima pubblica della serie Vidu Q4, incentrata sulla recitazione dei personaggi e sull'audio nativo, supporta fino a 15 immagini e 3 riferimenti audio come guida, con output video fino a 4K
Da $0.051 /secondo
Lightricks
Modello di generazione video accelerato di Lightricks, supporta la generazione video da testo e da immagine, con generazione sincronizzata di immagini e audio, ideale per la produzione rapida di video e la validazione di prototipi
Da $0.086 /secondo
Runway
Al momento della pubblicazione è in cima alla classifica di generazione video da testo di Artificial Analysis con 1247 Elo, con prestazioni eccellenti nel rispetto dei prompt, nella fisica e nel movimento del corpo umano, ideale per la creazione di storyboard cinematografici e brevi video di brand
Da $0.172 /secondo
Ingrandimento generativo delle immagini che, aumentando la risoluzione, ridisegna e integra texture, dettagli e tratti del volto, ideale per trasformare materiali a bassa risoluzione in prodotti finiti ad alta risoluzione
Da $0.357 /immagine
Modello di immagine unificato per la generazione testo-immagine e l'editing delle immagini, con supporto nativo alla risoluzione 2K e output RGBA con canale alpha reale; è possibile specificare più aree di modifica tramite cerchi, annotazioni a mano libera o mask
Da $0.020 /immagine
Mureka
Un modello di generazione musicale con arrangiamenti più misurati e più spazio lasciato al silenzio, che segue il genere, l'organico e l'umore del prompt, con voci più naturali; supporta sia la modalità puramente strumentale sia quella con testi cantati
Da $0.322 per request
Mirelo AI
Modello di output audio pensato per scenari di generazione di effetti sonori, adatto alla produzione e all'iterazione in batch di materiali sonori per video, giochi e altri contenuti
Da $0.021 /secondo
Generazione di video parlanti con avatar digitali guidati dall'audio: basta una singola immagine e una traccia vocale per ottenere un video con sincronizzazione labiale, con supporto per generazioni continue fino a circa 5 minuti; la versione Standard arriva fino a 720p
Serie unificata di generazione video multimodale, supporta la generazione di video da testo, da immagine, da riferimento e il montaggio all'interno del video, con sincronizzazione labiale nativa e audio multilingue
Modello image-to-video lanciato da Kuaishou, eccelle nella fluidità del movimento e nella coerenza dei personaggi, supporta prompt negativi e regolazione CFG, adatto alla generazione di brevi video con inquadrature altamente dinamiche
La serie di generazione di immagini da testo di Google, incentrata sul rendering del testo all'interno delle immagini e sull'illuminazione complessa, offre tre livelli Fast, Standard e Ultra per bilanciare qualità e costi
Da $0.030 /immagine
Modello di generazione e modifica di immagini che si distingue per la tipografia nitida e la modifica locale precisa in più passaggi, con risoluzione nativa 2K, ideale per poster, logo e packaging design
Da $0.011 /immagine
Utilizza l'immagine di riferimento per bloccare lo stesso personaggio, mantenendo coerenti il volto e l'abbigliamento attraverso cambi di scena, posa e illuminazione, e proseguendo con il vantaggio di Ideogram nella composizione tipografica all'interno dell'immagine
Da $0.090 /immagine
Livello di generazione video leggero e a basso costo, supporta la generazione video da testo e da immagine, con effetti sonori e dialoghi generati nella stessa sessione, ideale per la produzione in serie ad alta frequenza di brevi video
Da $0.029 /secondo
Modello Google di generazione e modifica video multimodale, supporta input combinati di immagini, testo, audio e video e consente di ritoccare in modo iterativo inquadrature e dettagli tramite conversazione in linguaggio naturale
Il primo modello video di Black Forest Labs, architettura multimodale unificata, supporta text-to-video, image-to-video e continuazione tramite keyframe, generazione sincronizzata di immagini e audio nativo, fino a circa 20 secondi HD per singola generazione
Da $0.090 /secondo
Modello di generazione video che supporta la generazione da testo a video e da immagine a video, pensato per una produzione rapida con bassa latenza; secondo benchmark pubblici genera una clip di 10 secondi in circa 11–12 secondi, ideale per l'iterazione creativa e per i materiali dei video brevi
Da $0.061 /secondo
Bria
Modello di immagine distillato DiT con flow matching da 8B di BRIA, genera immagini con campionamento in pochi passi da 4 a 6, supporta prompt strutturati in JSON e consente editing disaccoppiato per attributi
Da $0.058 /immagine
Modello di editing di immagini per foto di prodotti e-commerce, in grado di inserire naturalmente il prodotto in sfondi scenici generati da testo o immagini di riferimento, preservando texture e dettagli del marchio
Modello di editing di immagini specializzato nella cancellazione tramite maschera e nella ricostruzione delle aree, rimuove gli oggetti target secondo una maschera in bianco e nero e completa l'immagine, addestrato su dati autorizzati, ideale per la pulizia in batch di materiali per e-commerce e marketing
