Ускоренная версия Seedance 2.0 Fast от ByteDance. Та же функциональность (text-to-video, image-to-video с first/last frame, reference-to-video), но приоритет — скорость и низкая стоимость в ущерб максимальному качеству. Тарификация по видео-токенам: (height × width × duration × 24) / 1024.

Audio-visual модель ByteDance Seedance 1.5 Pro следующего поколения с архитектурой Dual-Branch Diffusion Transformer (4.5B параметров). Генерирует видео и звук одновременно за один проход, что устраняет рассинхрон, характерный для последовательного дубляжа. Поддерживает многоязычный lip-sync (EN, ZH, JA, KO, ES и др.), кинематографичный контроль камеры (pan/tilt/zoom/orbit), диалоги нескольких персонажей и сохранение их облика между кадрами. Клипы 4–12 секунд до 1080p. Тарификация по видео-токенам: (height × width × duration × 24) / 1024.

Средняя по цене модель Google Veo 3.1 Fast — баланс скорости и качества. Принимает текст или изображение, выдаёт высококачественное видео с синхронным звуком быстрее и дешевле полной Veo 3.1. Поддерживает кондишенинг по первому/последнему кадру, разные разрешения и аспекты, водяной знак SynthID.

Флагманская модель видеогенерации Google для финального production-качества. Veo 3.1 создаёт 1080p видео из текста или изображения с нативной синхронной аудиодорожкой (диалоги, эффекты, фон), поддерживает расширение сцены до 140+ секунд, переходы между двумя кадрами, вертикальное видео и 4K-апскейл.

Kling Video O1 — видео-модель от Kuaishou. Принимает текст и изображения, поддерживает text-to-video и image-to-video, ориентирована на кинематографический контент с управлением первым и последним кадром для точной композиции сцены. Клипы 5 или 10 секунд, форматы 16:9, 9:16 или 1:1.

Видео-модель ByteDance Seedance 2.0 нового поколения. Поддерживает text-to-video, image-to-video с управлением первым и последним кадром, а также reference-to-video. Особенно сильна в сохранении консистентности персонажей, визуального стиля и движения камеры с референса. Тарифицируется по токенам: (height × width × duration × 24) / 1024.

Самая бюджетная модель Google Veo 3.1 Lite, рассчитанная на массовые сценарии и быстрые итерации. Выдаёт 720p и 1080p видео из текста или изображения с синхронным звуком за менее чем 50% стоимости Veo 3.1 Fast. Клипы 4–8 секунд, форматы 16:9 и 9:16, водяной знак SynthID.

Самая продвинутая видео-модель Alibaba Wan 2.6 — поддерживает свыше 10 возможностей визуальной генерации в едином API. Создаёт 1080p видео при 24fps из текста, изображений, референс-видео или аудио, с нативной аудиосинхронизацией и точным lip-sync. Ключевые возможности: reference-to-video (вставка облика и голоса персонажа в новые сцены), многошотовое повествование из простого промпта, синхронные эффекты и музыка, форматы 16:9, 9:16, 1:1, клипы до 15 секунд.

Hailuo 2.3 — видео-модель от MiniMax. Принимает текстовые промпты и референсные изображения, поддерживает text-to-video и image-to-video. Сильна в реалистичном движении и выразительной анимации персонажей, подходит для креативного и кинематографического контента.

Wan 2.7 — видео-модель Alibaba нового поколения. Поддерживает text-to-video, image-to-video с управлением первым и последним кадром, а также reference-to-video, где несколько референс-изображений задают стиль и содержание сгенерированной сцены.

Vidu Q1 — версия линейки Q от Vidu, с улучшенной детализацией и динамикой по сравнению с базовой 2.0. Подходит для творческих и анимационных задач.

Kling 1.6 Pro от Kuaishou — pro-уровень линейки 1.6. Сбалансирован по цене и качеству, поддерживает text-to-video и image-to-video.

Google Veo 3.0 — поколение с нативной аудиодорожкой. Версия "audio" генерирует видео с синхронным звуком (речь, эффекты, фон) для production-сценариев, где звук должен совпадать со сценой "из коробки".

Google Veo 3.0 Fast — ускоренный вариант Veo 3.0 без нативного аудио. Снижает задержку и стоимость генерации, подходит для итераций и черновых вариантов сцен.

Kling 2.1 Pro — pro-уровень линейки 2.1 от Kuaishou. Высокое качество видео при заметно меньшей стоимости, чем у Master. Подходит для большинства коммерческих сценариев генерации.

Vidu Q3 Turbo — ускоренная версия Q3 от Vidu. Жертвует частью качества ради скорости и стоимости, подходит для итераций и черновых проходов.

Kling 2.1 Master от Kuaishou — топовая версия 2.1 с максимальным качеством движения и детализации. Применяется для production-сценариев, где важны фотореализм и сложная динамика сцены.

Hailuo 02 — предыдущее поколение видео-модели от MiniMax. Поддерживает text-to-video и image-to-video, фокус на естественном движении и анимации персонажей.

Предыдущее поколение Google Veo 2.0 — генерация видео из текста и изображения без нативного звука. Подходит для базовых сценариев генерации видео, когда требования к фотореализму и аудио ниже, чем у Veo 3.x.

Kling 2.0 Master — флагман предыдущего поколения 2.0 от Kuaishou. Высокое качество и расширенный контроль над сценой, ориентирован на профессиональный контент.

Vidu Q3 — старшая модель линейки Q от Vidu с максимальным для линейки качеством движения и детализации. Ориентирована на профессиональные сценарии генерации видео.

Wan 2.7 в режиме reference-to-video от Alibaba. На вход подаются несколько референс-изображений, по которым модель собирает сцену, опираясь на их стиль и содержание.

ByteDance Seedance 1.0 Pro — предыдущее поколение pro-уровня от ByteDance. Поддерживает text-to-video и image-to-video, фокус на консистентности персонажей и кинематографичной композиции.

PixVerse v5.6 — обновлённая версия v5 с улучшенным качеством движения и стабильностью кадров. Подходит для коротких клипов, сторис и анимационного контента.

Kling 2.1 Standard — базовый тариф линейки 2.1 от Kuaishou. Оптимален по соотношению цена/качество для массовых задач: соцсети, превью, итеративная разработка сценариев.

Vidu 2.0 — видео-модель Vidu, ориентированная на анимацию и стилизованный контент. Поддерживает text-to-video и image-to-video, выгодна по соотношению цена/качество для массовой генерации.

OpenAI Sora 2 — стандартная версия флагманской видеомодели OpenAI. Генерирует видео с физически достоверным движением и синхронным звуком из текста или изображения, на ступень дешевле Sora 2 Pro при сохранении основных возможностей линейки.

PixVerse v5 — видео-модель PixVerse для стилизованной творческой генерации. Поддерживает text-to-video и image-to-video, ориентирована на креативные и анимационные сценарии, включая работу с персонажами и стилями.

Флагманская модель видеогенерации OpenAI с production-качеством, физически достоверным движением, синхронным звуком и сохранением состояния мира между кадрами. Sora 2 Pro следует сложным многошотовым инструкциям без потери пространственных отношений, поддерживает text-to-video и image-to-video, синхронные фоновые звуки, речь и эффекты. Включает C2PA-метаданные и водяной знак.

Google Veo 3.0 Fast Audio — ускоренный Veo 3.0 с нативной синхронной аудиодорожкой. Компромисс между скоростью и звуковым сопровождением для быстрых превью с озвучкой.

ByteDance Seedance 1.0 Lite — облегчённая lite-версия линейки 1.0. Подходит для массовой генерации коротких видео с минимальной стоимостью, при этом сохраняет основные возможности text-to-video / image-to-video.

Wan 2.7 в режиме text-to-video от Alibaba. Генерирует видео по текстовому промпту без визуальных референсов, ориентирован на креативные и универсальные сценарии.

Wan 2.7 в режиме image-to-video от Alibaba. Принимает изображение и оживляет его в видеоклип с заданной динамикой движения и сохранением визуального стиля исходника.

Kling 1.6 Standard — самый доступный тариф линейки 1.6 от Kuaishou. Подходит для массовых задач и экспериментов с минимальным бюджетом.