Альтернатива API LTX-2.5: сравнение 3 видеомоделей HiAPI

На этот раз fal.ai устроил для LTX-2.5 полноценный запуск — у текста-в-видео, изображения-в-видео и аудио-в-видео есть отдельные страницы, и каждый режим делится на уровни Fast и Pro. Запуск такого масштаба обычно говорит об одном: множество разработчиков вскоре начнут искать «LTX-2.5 API», а затем быстро обнаружат, что достойных оценки вариантов больше одного.

LTX-2.5 отсутствует в каталоге моделей HiAPI, поэтому мы не будем здесь показывать, как его вызывать. Что мы можем сделать — разобрать, что именно обещает этот запуск, а затем представить три видеомодели, уже доступные через эндпоинт /v1/tasks HiAPI — в зависимости от ваших задач, с нативным аудио, большей длительностью или выводом в 4K.

Что fal.ai выпустил для LTX-2.5

Согласно собственной странице модели fal.ai, LTX-2.5 опирается на две новые базовые технологии:

• Diffusion Fidelity Rendering (DFR) — fal.ai описывает это как процесс рендеринга, призванный сохранять более резкие детали между кадрами.
• Diffusion Video Decoder — fal.ai утверждает, что этот шаг декодирования уменьшает мерцание и временные артефакты, которые досаждали ранним конвейерам диффузионного видео.

Модель выпускается в двух скоростных уровнях (Fast и Pro) и охватывает три режима генерации: текст-в-видео, изображение-в-видео и аудио-в-видео, где режим аудио-в-видео синхронизирует сгенерированное изображение с уже существующей звуковой дорожкой, а не генерирует звук самостоятельно. Цены на страницах fal.ai составляют примерно $0.09–$0.30 в секунду в зависимости от уровня и разрешения.

Это реальный, заслуживающий доверия запуск — DFR и новый декодер являются собственными техническими заявлениями fal.ai, которые мы не можем независимо проверить. Но то, что совершенно новая модель разворачивается сразу на 18 страницах, также означает, что она ещё не прошла масштабную проверку; и если вы строите на HiAPI, её попросту нет в доступном наборе. Ниже — варианты, которые есть сейчас.

3 видеомодели, уже доступные в HiAPI

Приведённая ниже информация взята напрямую из эндпоинта /v1/models HiAPI и данных о ценах — названия, цены и доступность не требуют догадок.

Модель	Нативное аудио	Длительность	Разрешение	Цена
wan2.7-video	Нет	2–15 секунд	До 1080p, 5 соотношений сторон	$0.167/сек
seedance-2.5	Да	4–30 секунд	480p / 720p, 7 соотношений сторон	$0.1395/сек (текст-в-видео/изображение-в-видео) · $0.1214/сек (референс-в-видео)
veo-3.1 / veo-3.1-fast	Да	Фиксировано 4 сек / 6 сек / 8 сек	До 4K	$0.57/сек (стандартная) · $0.25/сек (быстрая)

Цены отражают публичные данные о ценах HiAPI на момент написания и могут измениться — перед оценкой бюджета проекта обязательно проверьте актуальные тарифы на странице цен.

wan2.7-video — самое дешёвое в секунду, без аудио

wan2.7-video — экономный выбор для немых B-roll, вращающихся витрин товаров или любого клипа, к которому вы всё равно будете подбирать музыку самостоятельно. Он поддерживает и текст-в-видео, и изображение-в-видео, предлагает пять соотношений сторон и длительность от 2 до 15 секунд — достаточно гибко для большинства коротких форматов соцсетей и без переплаты за неиспользуемую генерацию аудио.

seedance-2.5 — нативное аудио, самый долгий лимит

Когда клипу нужна собственная звуковая дорожка — эмбиент, ритм диалога или звуковые эффекты, генерируемые вместе с изображением, — выбирайте Seedance 2.5. Он также поддерживает режим референс-в-видео, позволяющий подать исходный фрагмент и получить стилистически согласованное продолжение, причём цена за секунду немного ниже, чем у обычного текст-в-видео. Один фрагмент может длиться до 30 секунд — самый высокий лимит среди трёх.

veo-3.1 / veo-3.1-fast — флагман Google, до 4K

veo-3.1 — флагманская видеомодель Google, также с нативным аудио, и единственная из трёх с поддержкой до 4K. Длительность фиксирована, а не задаётся свободным диапазоном — 4, 6 или 8 секунд — что лучше подходит для сильного ключевого фрагмента или рекламной нарезки, чем для длинных повествовательных сцен. Вариант -fast обменивает чуть более низкое качество на цену менее чем вдвое ниже ($0.25/сек против $0.57/сек) и является более практичным выбором по умолчанию, если вам не нужна дополнительная точность стандартного уровня.

Вызов видеомоделей в HiAPI

Все три используют один и тот же эндпоинт асинхронных задач. Вот минимальный пример с wan2.7-video:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.7-video/text-to-video",
    "input": {
      "prompt": "a paper airplane gliding through a sunlit office, slow motion",
      "ratio": "16:9",
      "duration": 5
    }
  }'

Ответ вернёт taskId. Опрашивайте GET /v1/tasks/{taskId}, пока status не станет success, затем получите видео из output[0].url — та же схема «отправить задачу и опрашивать» работает и для seedance-2.5, и для veo-3.1, только с собственными полями ввода. Полная структура запроса/ответа приведена в документации быстрого старта.

Какую выбрать?

• Нужно встроенное аудио? seedance-2.5 или veo-3.1 — у wan2.7-video нет опции нативного аудио.
• Ограниченный бюджет в секунду, немой фрагмент приемлем? wan2.7-video, $0.167/сек.
• Самый длинный фрагмент? seedance-2.5, до 30 секунд.
• Максимальное разрешение? veo-3.1, до 4K — если только вам не нужен стандартный уровень, используйте -fast.
• Нужно переосмыслить стиль существующего фрагмента? режим референс-в-видео у seedance-2.5.

Часто задаваемые вопросы

Доступен ли LTX-2.5 через HiAPI? Нет. На момент написания статьи он отсутствует в каталоге моделей HiAPI. Если вам нужны специфические функции LTX-2.5, придётся использовать его напрямую в fal.ai.

Какая видеомодель HiAPI ближе всего к режиму аудио-в-видео LTX-2.5? И seedance-2.5, и veo-3.1 могут генерировать нативное аудио вместе с видео — это ближайшее по возможностям, но ни одна из них не синхронизирует видео с уже существующей звуковой дорожкой, как режим аудио-в-видео LTX-2.5.

Есть ли среди этих трёх поддержка изображение-в-видео? Да — wan2.7-video и seedance-2.5 поддерживают изображение-в-видео помимо текст-в-видео. Поддержку изображение-в-видео у veo-3.1 следует проверять на его текущей странице модели, поскольку доступность зависит от эндпоинта.

Почему veo-3.1 стоит в секунду намного дороже остальных двух? Это флагманская модель Google и единственная из трёх, предлагающая вывод в 4K — цена отражает это позиционирование, а не универсальную наценку за «аудио» или «качество».

Начало работы

Все три модели — wan2.7-video, seedance-2.5 и veo-3.1 — уже доступны в HiAPI и используют один API-ключ, так что вы можете прототипировать на самом дешёвом варианте, а когда определитесь, какой компромисс подходит вашему проекту, сменить модель, изменив всего одну строку. Получите ключ и посмотрите актуальные точные характеристики на странице модели wan2.7-video, или узнайте, чем Seedance отличается от своего предшественника, в нашем сравнении Seedance 2.5 vs 2.0.