Vidu API: Consistent Subjects from Reference Images
Vidu API ให้นักพัฒนาเข้าถึงแบบจำลองวิดีโอจาก Shengshu AI และ Tsinghua University ที่สร้างบนสถาปัตยกรรม U-ViT ซึ่งรวม Diffusion และการออกแบบ Transformer เข้าด้วยกัน ให้ภาพอ้างอิง 1-4 ภาพ และ Vidu จะรักษาความสอดคล้องของวัตถุประสงค์ในทั่วทั้งภาพยนตร์ด้วยการเปลี่ยนกล้องอัจฉริยะและการเคลื่อนไหวที่เรียบและมีลักษณะภาพยนตร์ Atlas Cloud เพิ่มการเข้าถึงแบบจำลอง Day-0 และคีย์ที่เข้ากันได้กับ OpenAI หนึ่งคีย์สำหรับผลิตภัณฑ์ทั้งหมด เริ่มสร้างวันนี้
สำรวจโมเดลชั้นนำ
Atlas Cloud มอบโมเดลสร้างสรรค์ล่าสุดที่นำหน้าในอุตสาหกรรมให้กับคุณ
Every Vidu API Endpoint Compared: Q1, Q2, Q3, and 2.0 at a Glance
Scan durations, resolutions, reference image limits, and audio options across all 25 Vidu API video generation endpoints to match the right model to your workload.
| Modality | Description |
|---|---|
| Vidu Q3-Pro T2V API (Text to Video) | Describe a scene in plain text and Q3-Pro renders it as video up to 16 seconds long, with five aspect ratios plus general and anime styles. Super resolution output reaches 1440p, and audio with background music generates in the same pass. It suits cinematic ads and narrative shots where fidelity matters most. |
| Vidu Q3-Turbo T2V API (Text to Video) | Need volume more than polish? This turbo tier converts text prompts into clips of 1 to 16 seconds below Pro tier pricing, while keeping the same 1440p super resolution ceiling, style presets, and optional audio track. Teams use it for rapid storyboarding and testing creative directions. |
| Vidu Q3-Pro I2V API (Image to Video) | Upload one still image, describe the motion you want, and the model animates it with smooth, cinematic movement for up to 16 seconds. Output scales from 540p to 1440p super resolution with generated audio and background music. Product showcases and photo animation pipelines are its natural home. |
| Vidu Q3-Turbo I2V API (Image to Video) | When turnaround matters, the lowest priced Q3 tier brings photos to life from a single reference image and a motion prompt. It reaches 1440p super resolution and attaches audio automatically unless disabled. Social clips and bulk catalog animation run economically on it. |
| Vidu Q3-Pro SE2V API (Start-End to Video) | Give it a first frame and a last frame, and Q3-Pro interpolates a coherent transition between them lasting up to 16 seconds. The two frames must keep their aspect ratios within 0.8 to 1.25 of each other, and audio plus background music are generated on request. Storyboards, morph effects, and scene bridges all fit here. |
| Vidu Q3-Turbo SE2V API (Start-End to Video) | Fast frame bridging is the turbo variant's specialty. It connects a start image and an end image into one continuous shot, supports 540p through 1440p super resolution output, and toggles audio with a single flag. Iterate transitions quickly here before committing to a Pro render. |
| Vidu Q3 R2V API (Reference to Video) | Consistency across camera angles sets this endpoint apart. Feed it 1 to 4 reference images and it keeps subjects stable through intelligent camera switching, producing clips of 3 to 16 seconds at up to 1440p super resolution with audio. Character driven ads and episodic content benefit most. |
| Vidu Q3-Mix R2V API (Reference to Video) | Blend up to 4 reference images into one scene with intelligent transitions and smooth dynamic effects. The Q3-Mix endpoint holds subject identity while settings shift, renders clips of 1 to 16 seconds in five aspect ratios, and adds generated audio by default. Multi-shot brand stories and mashup creative are built on it. |
| Vidu Q2 T2V API (Text to Video) | Text goes in, and a finished clip of 1 to 8 seconds comes out at up to 1080p. General and anime styles, five aspect ratios, and automatic audio with background music are all controlled through simple parameters. It makes a solid default for everyday prompt to video work. |
| Vidu Q2-Pro I2V API (Image to Video) | Animating a single photo with prompts of up to 5000 characters, this Pro endpoint outputs 540p to 1080p clips running as long as 10 seconds. Movement amplitude can be pinned to small, medium, or large for precise motion control. Explainers and marketing stills convert well here. |
| Vidu Q2-Pro-Fast I2V API (Image to Video) | The Fast variant keeps 720p and 1080p output and the same price as the standard Pro tier while shortening generation queues for image animation jobs. Durations stretch from 1 to 10 seconds with optional audio and background music. Pick it when pipelines demand quick iteration. |
| Vidu Q2-Turbo I2V API (Image to Video) | At the lowest price in the entire Vidu family, this endpoint animates one image into clips of up to 10 seconds at 540p, 720p, or 1080p. Audio and background music generate automatically unless switched off. High volume UGC tools and batch jobs are where it earns its keep. |
| Vidu Q2-Pro SE2V API (Start-End to Video) | Two keyframes become one fluid shot. Q2-Pro fills the gap between a start image and an end image over 1 to 8 seconds at up to 1080p, with generated audio and background music available. Keep the frame aspect ratios within 0.8 to 1.25 of each other for a valid request. |
| Vidu Q2-Pro-Fast SE2V API (Start-End to Video) | Prefer speed for frame interpolation? This variant renders start to end transitions at 720p or 1080p in clips up to 8 seconds, with audio and background music toggles included. It shares standard Pro pricing while tightening iteration loops for editors. |
| Vidu Q2-Turbo SE2V API (Start-End to Video) | The most economical start-end option in the family lives here. Supply first and last frames and receive a 1 to 8 second clip at up to 1080p, with optional audio in the same call. Prototyping transitions before a Pro render is a common workflow. |
| Vidu Q2 R2V API (Reference to Video) | Up to 7 distinct subjects, each defined by 1 to 3 reference images, can appear together in a single generated scene. Clips run 1 to 10 seconds at up to 1080p, and an audio type switch isolates speech or sound effects. Multi-character storytelling is the headline use case. |
| Vidu Q2-Pro R2V API (Reference to Video) | Casting several consistent characters into premium footage is what the Pro reference tier does best. It accepts up to 7 subjects with 3 images each, prompts up to 1500 characters, and outputs clips of up to 10 seconds at 1080p with speech only or sound effect only audio modes. Serialized content and virtual character work fit naturally. |
| Vidu Q1 T2V API (Text to Video) | The first generation text endpoint outputs fixed 5 second clips locked at 1080p, with 16:9, 9:16, and 1:1 aspect ratios plus general and anime styles. Audio and background music remain switchable. Choose it when predictable, uniform clip specs simplify a pipeline. |
| Vidu Q1 I2V API (Image to Video) | Simplicity defines this endpoint: one image, one prompt of up to 5000 characters, one 5 second 1080p clip. Movement amplitude and audio toggles are the only knobs to tune. Integrations that standardized on Q1 output keep running unchanged. |
| Vidu Q1 SE2V API (Start-End to Video) | Interpolating between two uploaded frames, Q1 produces a 5 second 1080p transition with adjustable motion amplitude and optional audio plus background music. Frame pairs must keep their aspect ratios within 0.8 to 1.25 of each other. It remains a stable choice for fixed length transition effects. |
| Vidu Q1 R2V API (Reference to Video) | Structured casting is the pattern here: up to 7 subjects, each backed by 1 to 3 images, render into a fixed 5 second 1080p clip. Audio narrows to speech only or sound effects only when needed. Multi-character scenes with locked output specs suit it well. |
| Vidu 2.0 I2V API (Image to Video) | Would a short silent clip do the job? Vidu 2.0 turns one image into a 4 or 8 second video with adjustable movement amplitude and seed control for reproducible results. Thumbnails, previews, and lightweight animation tasks are typical fits. |
| Vidu 2.0 SE2V API (Start-End to Video) | Exactly two images, a prompt of up to 1500 characters, and a choice of 4 or 8 second duration define this compact endpoint. Motion intensity runs from small to large under one movement amplitude parameter. It handles quick morphs and simple frame pair transitions. |
| Vidu 2.0 R2V API (Reference to Video) | From 1 to 3 reference images, this endpoint composes videos in 16:9, 9:16, or 1:1 while preserving the referenced subjects. Seed and movement amplitude round out a deliberately small parameter set. Consistent character clips for social formats are the common case. |
| Vidu R2V Q1 API (Multi-Image Reference to Video) | Broader flat input distinguishes this reference endpoint, which takes a single list of 1 to 7 images in 16:9, 9:16, or 1:1. Prompts cap at 1500 characters and each image can reach 50MB. It works well when subjects arrive as loose image sets rather than structured casts. |
ภายใน Vidu API: ความสอดคล้อง เสียง และการควบคุมภาพยนตร์
จากความสอดคล้องของภาพอ้างอิง 4 ภาพไปจนถึงเสียงดั้งเดิมและคลิป 1080p 16 วินาที Vidu API บน Atlas Cloud วางชุด Q ทั้งหมดของ Shengshu ไว้ด้านหลังเอนด์พอยต์แบบจ่ายตามที่ใช้เพียงตัวเดียว
ความสอดคล้องของหัวเรื่องกับ Vidu API
Vidu API ยอมรับภาพอ้างอิง 1 ถึง 4 ภาพและรักษาตัวละคร ผลิตภัณฑ์ และฉากไว้ให้สอดคล้องกันทางสายตาในทุกเฟรม ความน่าเชื่อถือนี้ทำให้การเล่าเรื่องแบบอนุกรมและวิดีโอผลิตภัณฑ์ที่ปลอดภัยสำหรับแบรนด์เป็นไปได้ในระดับใหญ่
การประมาณค่าระหว่างเฟรมเริ่มต้นและสิ้นสุด
อัปโหลดเฟรมเริ่มต้นและเฟรมสิ้นสุด และโมเดลจะสร้างการเปลี่ยนแปลงที่ราบรื่นระหว่างทั้งสองด้วยตัวเอง โมชั่นดีไซเนอร์ใช้สิ่งนี้สำหรับมอร์ฟ เผยให้เห็น และการเปลี่ยนแปลงฉากที่ได้รับการจับเวลาอย่างแม่นยำ
เสียงดั้งเดิมในการผ่านเดียว
ทำไมต้องเรนเดอร์คลิปเงียบและให้คะแนนในภายหลัง ทุก Q3 endpoint สามารถสร้างเอฟเฟกต์เสียงที่ซิงค์และเพลงพื้นหลังในการผ่านเดียว เพื่อให้ฉากบทสนทนาและโฆษณาพร้อมสำหรับการเผยแพร่
สิบหกวินาที สูงสุด 1440p
หากฉากต้องการที่ว่างในการหายใจ ให้เรียกใช้คลิปได้นาน 16 วินาทีที่ 540p ถึง 1080p พร้อมการปรับขนาดความละเอียดสูงเป็น 1440p คลิปที่ตัดเย็บน้อยลงหมายความว่าเรื่องราวที่ราบรื่นและการสร้างภาพยนตร์ที่เบากว่า
การเคลื่อนไหวและสไตล์ที่ปรับได้
การตั้งค่าแอมพลิจูดของการเคลื่อนไหวจะเปลี่ยนผลลัพธ์จากการดริฟต์ภาพยนตร์ที่ละเอียดอ่อนไปจนถึงการกระทำที่มีการแสดงออกอย่างมาก ในขณะที่จุดสิ้นสุดข้อความไปวิดีโอจะสลับระหว่างสไตล์ทั่วไปและอนิเมะ ผู้กำกับได้รับการควบคุมระดับการถ่ายทำโดยไม่ต้องเขียนใหม่
กุญแจหนึ่งตัวทั่วทั้ง Vidu API Lineup
ทุกรุ่นโมเดล Vidu จาก Q1 ถึง Q3 ทำงานอยู่เบื้องหลังคีย์ที่เข้ากันได้กับ OpenAI โดยมีราคาแบบจ่ายตามที่ใช้อย่างโปร่งใสบน Atlas Cloud ร่างบนTurbo จากนั้นเรียกใช้การเรียกเดียวกันอีกครั้งบน Pro สำหรับการเรนเดอร์ขั้นสุดท้าย
Vidu vs Other Models - One Prompt
The same prompt, generated by Vidu and other leading video models
คนสตันต์คนเดียวทำให้รถแมสเคิลสีดำด่างลับผ่านตลาดกลางคืนที่สว่างไสวด้วยนีออนภายใต้สายฝน เปิดด้วยการติดตามแบบต่ำที่ลดลงมาบนพื้นผิวยางเปียก ขณะที่รถไถลรอบมุม ประกายไฟวิวจากรั้ว แพนเร็วไปที่พ่อค้าที่ดึงเคาน์เตอร์ของพวกเขากลับ โคมไฟกระดาษแกว่งป่วนไป ตัดไปที่โดรนช็อตที่โคจรเป็นเกลียวขึ้นไปขณะที่รถคดเคี่ยวผ่านรถเมล์สองคันด้วยระยะห่างเพียงนิ้ว จากนั้นตัดแหลมเข้าไปในห้องโดยสาร มือคว้นพวงมาลัย ตาจ้องไปที่กระจกเต็มไปด้วยไฟตำรวจกระพริบ จบด้วยการหมุน 180 องศาที่ช้าๆ ไปยังซอยควันผุด เสียงเครื่องยนต์และเสียงฝนเต็มไปซาวเธรค โฟโตรีอัลลิสติก แสงภาพยนตร์ 10 วินาที อัตราส่วน 16:9
Vidu Q3
Seedance 2.0
Vidu Q2 Pro
Anime Style: สาวน้อยรักษ์ดาบเผชิญกับมังกรพายุอันยิ่งใหญ่เหนือศาสตร์ลอยนวลที่พังทลาย เริ่มต้นด้วยการดัลลี่เร็วลงไปที่สายตาของเธอขณะที่สายฟ้าแผ่ผ่าท้องฟ้า จากนั้นแพนเร็วตามการวิ่งของเธอข้ามสะพานหินที่ทรุดโทรม เศษซากยกตัวขึ้นรอบเท้าของเธอ กล้องหมุนรอบขณะที่เธอกระโดด ใบดาบของเธอเพลิงไหม้ด้วยเปลวไฟสีน้ำเงิน ในขณะที่ขากรรไกรมังกรปะ ปะ ลงมาที่ที่เธอยืนอยู่ก่อนหน้านี้ หนึ่งเฟรม ดึงกลับไปที่การถ่ายภาพระยะไกลที่อหังการณ์ขณะที่การโจมตีของเธอแบ่งสายฟ้าออกเป็นสองส่วน และคลื่นกระแทกระลอกมองผ่านเมฆ เซลเชดดิ้ง 2D ที่คมชัด เส้นความเร็วแบบไดนามิก ฟ้าร้องและเสียงประสานเสียงที่พองตัวในคะแนน 8 วินาที อัตราส่วน 16:9
Vidu Q3 Pro
Seedance 2.0
Vidu Q2 Pro
Vidu API เหมาะสมกับท่อการผลิตของคุณในตำแหน่งใด
จากภาพยนตร์แบรนด์ที่มีตัวละครสอดคล้องกันไปจนถึงการออกแบบการเคลื่อนไหวของเฟรมเริ่มต้นและสิ้นสุด API Vidu รวมเวิร์กโฟลว์ text-to-video, image-to-video และ reference-to-video ไว้ด้านหลังจุดสิ้นสุดแบบจ่ายตามการใช้งานหนึ่งจุดบน Atlas Cloud
ตัวละครที่สอดคล้องกันในทุกช็อต
ป้อน 1 ถึง 4 ภาพอ้างอิงลงใน Vidu Q3-Mix หรือ Q3 reference-to-video และวิชาจะคงที่ทั่วการเปลี่ยนฉาก ทีมละครสั้นและผู้สร้าง IP รักษาใบหน้าเดียวกันจากตอนหนึ่งไปยังอีกตอน
โฆษณาภาพยนตร์ผ่าน Vidu API
การเปิดตัวผลิตภัณฑ์และจุดแบรนด์มีชีวิตชีวาเมื่อ Vidu API แสดงผลเอฟเฟกต์แบบไดนามิกที่ราบรื่นพร้อมเสียงทางเลือกสูงถึง 1080p เอเจนซี่ทำซ้ำแนวคิดโฆษณาโดยไม่ต้องจองวันถ่ายทำ
การออกแบบการเคลื่อนไหวของเฟรมเริ่มต้นและสิ้นสุด
ต้องการการเปลี่ยนแปลงที่แม่นยำระหว่างสองเฟรมหลัก? โมเดล Q3-Pro และ Q2 start-end-to-video จะสอดแทรกการเคลื่อนไหวที่ราบรื่นจากเฟรมแรกของคุณไปยังเฟรมสุดท้าย ซึ่งช่วยเปิดเผยโลโก้ การแปลงฉาก และการแปลงผลิตภัณฑ์
จากสคริปต์ไปยังหน้าจอด้วย Vidu API
นักเขียนแปลงคำใบ้ข้อความเป็นภาพยนตร์ 1080p ที่มีหลายลักษณะภาพผ่านปลายทาง text-to-video ของ Vidu API การสร้างเสียงที่เป็นตัวเลือกให้กระดานเรื่องและคลิป previz ลักษณะที่สำเร็จในการผ่านเดียว
ภาพนิ่งที่เคลื่อนไหว
เมื่อรูปภาพผลิตภัณฑ์ที่อยู่กับที่หรือภาพประกอบต้องการการเคลื่อนไหว โมเดล image-to-video จาก Q1 ถึง Q3-Turbo จะเคลื่อนไหวด้วยการเคลื่อนไหวที่ราบรื่นและเป็นธรรมชาติ ทีมอีคอมเมิร์ซและบรรณาธิการโซเชียลมีเดียเผยแพร่คลิปที่หยุดการเลื่อนทุกวัน
ท่อการสร้างภาพเคลื่อนไหวที่สร้างบน Vidu
สถาปัตยกรรม U-ViT ของ Vidu ถูกสร้างขึ้นเพื่อให้ได้ผลลัพธ์ที่มีความยาวนานและสม่ำเสมออย่างสูง เป็นการปรับตัวที่เป็นธรรมชาติสำหรับการออกแบบภาพเคลื่อนไหวและซีรี่ย์ที่เป็นตอน สตูดิโอสร้างสตอรี่บอร์ด เคลื่อนไหว และแก้ไขลำดับทั้งหมดผ่านการเรียก API แทนการสร้างคีย์เฟรมด้วยตนเอง
Vidu API อยู่ที่ไหนในบรรดา Kling, Veo และ Sora
เปรียบเทียบความยาวของคลิป เพดาน resolution เอาต์พุต audio และอัตรา per second ในแนวเดียวกัน คุณจะเห็นว่า Vidu API มอบให้สำหรับทุกดอลลาร์ในไปป์ไลน์วิดีโอของคุณอย่างชัดเจน
| โมเดล | โหมดการป้อนข้อมูล | ความยาวคลิปสูงสุด | ความละเอียดสูงสุด | เสียงดั้งเดิม |
|---|---|---|---|---|
| Vidu Q3-Mix | ข้อความบวก 1 ถึง 4 ภาพอ้างอิง | 16s | 1080p ดั้งเดิม, 1440p พร้อมการแก้ไขความละเอียดสูงสุด | √ |
| Vidu Q3 (Pro & Turbo) | ข้อความ รูปภาพ เฟรมเริ่มต้น-สิ้นสุด รูปภาพอ้างอิง | 16s | ได้ถึง 1080p 1440p ขยายขนาด | √ |
| Vidu Q2 (Pro & Turbo) | ข้อความ รูปภาพ เฟรมเริ่มต้น-สิ้นสุด หรือการอ้างอิง | 10s | 1080p | √ |
| Kling 2.5 Turbo | ข้อความหรือภาพเดียวพร้อมคำสั่ง | 10s | 1080p (ระดับ Pro) | - |
| Google Veo 3.1 | ข้อความ รูปภาพ ได้ถึง 3 ภาพอ้างอิง | 8 วินาทีต่อคลิป ขยายได้ | 1080p, 4K ในตัวอย่าง | √ |
| OpenAI Sora 2 | โปรแกรมข้อความ | 12s | 720p (1080p บน Sora 2 Pro) | √ |
วิธีใช้ Vidu บน Atlas Cloud
เริ่มต้นได้ในไม่กี่นาที — ทำตามขั้นตอนง่าย ๆ เหล่านี้เพื่อเชื่อมต่อและใช้งานโมเดลผ่านแพลตฟอร์ม Atlas Cloud
สร้างบัญชี Atlas Cloud
สมัครสมาชิกที่ atlascloud.ai และยืนยันตัวตน ผู้ใช้ใหม่จะได้รับเครดิตฟรีเพื่อสำรวจแพลตฟอร์มและทดสอบโมเดล
ทำไมต้องใช้ Vidu บน Atlas Cloud
การรวมโมเดล Vidu ขั้นสูงเข้ากับแพลตฟอร์มที่เร่งด้วย GPU ของ Atlas Cloud ให้ประสิทธิภาพ ความสามารถในการขยาย และประสบการณ์นักพัฒนาที่ไม่มีใครเทียบได้
ประสิทธิภาพและความยืดหยุ่น
เวลาแฝงต่ำ:
inference ที่ปรับแต่ง GPU เพื่อการตอบสนองแบบเรียลไทม์
API แบบรวมศูนย์:
รัน Vidu, GPT, Gemini และ DeepSeek ด้วยการเชื่อมต่อเดียว
ราคาโปร่งใส:
ชำระเงินต่อโทเค็นที่คาดเดาได้พร้อมตัวเลือก serverless
องค์กรและขนาด
ประสบการณ์นักพัฒนา:
SDK, การวิเคราะห์, เครื่องมือปรับแต่ง และเทมเพลต
ความน่าเชื่อถือ:
ความพร้อมใช้งาน 99.99%, RBAC และการบันทึกที่พร้อมสำหรับการปฏิบัติตาม
ความปลอดภัยและการปฏิบัติตาม:
SOC 2 Type II, สอดคล้อง HIPAA, อธิปไตยข้อมูลในสหรัฐอเมริกา
Vidu API Questions, Answered
การเรียกเก็บเงินคิดต่อวินาทีของวิดีโอที่สร้างขึ้นโดยไม่ต้องสมัครสมาชิก Q2-Turbo endpoints เริ่มต้นที่ $0.026 ต่อวินาที Q3-Turbo ทำงานที่ $0.034 ต่อวินาที Q3-Pro และ Q3 reference-to-video มีค่าใช้จ่าย $0.042 ต่อวินาที และ Q3-Mix reference-to-video คือ $0.106 ต่อวินาที คุณจ่ายเฉพาะสำหรับสิ่งที่คุณสร้างภายใต้การกำหนดราคาต่อการโทร แบบโปร่งใส
Q3 endpoints รองรับคลิปต่อ 16 วินาทีพร้อมตัวเลือกความละเอียด 540p, 720p และ 1080p บวกกับเอาต์พุตซูเปอร์เรโซลูชัน 1440p อัตราส่วนภาพครอบคลุม 16:9, 9:16, 4:3, 3:4 และ 1:1 ดังนั้นจุดปลายสิ้นสุดเดียวกันจึงสามารถเน้นเค้า landscape หรือแนวตั้งหรือรูปแบบสี่เหลี่ยม
ใช่ รุ่น Q3 รวมถึงการสลับเสียงที่เปิดใช้งานโดยค่าเริ่มต้น และจุดสิ้นสุด text-to-video เพิ่มสวิตช์เพลงพื้นหลังแยกต่างหาก ปิดทั้งสองเมื่อคุณต้องการวิดีโอไร้เสียงสำหรับการออกแบบเสียงของคุณเอง
อัปโหลดรูปภาพอ้างอิง 1 ถึง 4 รูปของตัวละคร ผลิตภัณฑ์ หรือฉากหนึ่ง และรูปแบบจะรักษาตัวตนของวัตถุนั้นไว้ในขณะที่สร้างการเคลื่อนไหวใหม่และมุมกล้ององศา Q3 reference-to-video เพิ่มการสลับกล้องอัจฉริยะโดยมีความสม่ำเสมอที่ดีขึ้นในหลายตำแหน่งกล้อง ซึ่งเหมาะสำหรับการเล่าเรื่องแบบตอนต่อตอนและหลายช็อต
มัน Endpoints text-to-video เปิดเผยพารามิเตอร์สไตล์พร้อมตัวเลือกทั่วไปและอนิเมะ และแฟมิลี่เป็นที่รู้จักกันในด้านแอนิเมชั่นตัวอักษรที่มีรูปแบบ จับคู่สไตล์อนิเมะกับรูปภาพอ้างอิงเพื่อรักษาตัวละครเดียวกันไว้ทั่วทั้งซีรีส์
สร้าง Atlas Cloud API key เลือกจุดสิ้นสุด Vidu และส่งคำขอ REST พร้อมพรอมต์และพารามิเตอร์ของคุณ แต่ละโมเดลมีสนามเด็กเล่นและสคีมาพารามิเตอร์ที่เผยแพร่ ดังนั้นคุณสามารถตรวจสอบการตั้งค่าก่อนเขียนโค้ด ราคาคือการจ่ายเมื่อใช้ต่อการเรียก และเวอร์ชั่น Vidu ใหม่จะมาพร้อมกับการเข้าถึงวันที่ 0 เริ่มสร้างวันนี้
It does. Text-to-video endpoints expose a style parameter with general and anime options, and the family is known for stylized character animation. Pair the anime style with reference images to keep the same character across an entire series.
Create an Atlas Cloud API key, pick a Vidu endpoint, and send a REST request with your prompt and parameters. Every model has a playground and a published parameter schema, so you can validate settings before writing code. Pricing is pay-as-you-go per call, and new Vidu releases arrive with Day-0 access. Start building today.
สำรวจกลุ่มเพิ่มเติม
Seedance 2.0
Seedance 2.0 API ให้คุณเข้าถึงระดับโปรดักชันของโมเดลวิดีโอแบบมัลติโมดัลจาก ByteDance — รองรับอินพุต 4 รูปแบบ (ข้อความ, รูปภาพ, วิดีโอ, เสียง) และระบบ "Universal Reference" ชั้นนำของอุตสาหกรรมที่ล็อกองค์ประกอบภาพ การเคลื่อนไหวของกล้อง และการกระทำของตัวละครในทุกช็อต ผสานรวมการควบคุมระดับผู้กำกับด้วยการเรียกใช้ API เพียงครั้งเดียว ในราคาคงที่ $0.09/วินาที รับคีย์ได้ทันที และไม่มีคิวรอ — พร้อมการรับประกันเวลาพร้อมใช้งานและการปฏิบัติตามข้อกำหนดระดับองค์กร Seedance 2.0 Native 4K เปิดใช้งานแล้ววันนี้!
Grok Imagine
Grok Imagine API นำเสนอการสร้างภาพ วิดีโอ และเสียงของ xAI ให้นักพัฒนาในชุดเครื่องมือเดียว สามารถสร้างภาพความละเอียดสูงสุด 2K พร้อมการเรนเดอร์ข้อความหลายภาษา รวมถึงวิดีโอความยาวสูงสุด 15 วินาทีพร้อมเสียงที่ซิงโครไนซ์แบบเนทีฟและการแก้ไขตามข้อมูลอ้างอิง บน Atlas Cloud คีย์เดียวสามารถรัน Grok Imagine ได้ทุกโหมด คุณจึงสามารถสลับไปมาระหว่างภาพ วิดีโอ และเสียงได้โดยไม่ต้องตั้งค่าแยกกัน เริ่มต้นที่ $0.02 ต่อภาพ และ $0.05 ต่อวินาที
Gemini Omni Flash
Gemini Omni API นำโมเดลสร้างและแก้ไขวิดีโอแบบมัลติโมดัลของ Google DeepMind ซึ่งเปิดตัวในงาน Google I/O 2026 มาสู่สแต็กของคุณ Gemini Omni ผสานเอนจินการใช้เหตุผลของ Gemini เข้ากับสื่อเชิงสร้างสรรค์ รองรับอินพุตทุกรูปแบบทั้งข้อความ รูปภาพ วิดีโอ และเสียง เพื่อสร้างผลลัพธ์ที่สอดคล้องกันและอิงตามความรู้ ปรับแต่งผลลัพธ์ผ่านการสนทนาอย่างเป็นธรรมชาติ ไม่ว่าจะเปลี่ยนวัตถุ เขียนฉากใหม่ หรือปรับสไตล์ โดยที่ฟิสิกส์ ตัวละคร และความต่อเนื่องยังคงเดิม Atlas Cloud ให้บริการ Gemini Omni Flash ครบทั้งไลน์อัป ทั้งการสร้างวิดีโอจากข้อความ การสร้างวิดีโอจากรูปภาพพร้อมรูปอ้างอิงสูงสุด 7 รูป และการสร้างวิดีโอจากรูปอ้างอิง ผ่าน API เดียวแบบครบวงจร ด้วยราคาต่อวินาทีที่โปร่งใสเริ่มต้นที่ $0.112 โดยไม่ต้องสมัครสมาชิก เริ่มสร้างได้เลยวันนี้
GPT Image 2
GPT Image 2 API ช่วยให้นักพัฒนาสามารถเข้าถึงโมเดลรูปภาพล่าสุดของ OpenAI ซึ่งเป็นรุ่นสืบทอดจาก GPT Image 1.5 โดยสามารถสร้างและแก้ไขรูปภาพพร้อมกับการเรนเดอร์ข้อความที่แม่นยำทั้งในอักษรละตินและ CJK รวมถึงการจัดวางองค์ประกอบที่ยอดเยี่ยมสำหรับโปสเตอร์ ม็อกอัป และอินโฟกราฟิก บน Atlas Cloud คุณสามารถเข้าถึงโมเดลนี้ผ่าน API ที่เป็นหนึ่งเดียวร่วมกับโมเดลอื่นๆ อีกกว่า 300 รุ่น พร้อมเครดิตฟรี เวลาทำงาน 99.99% และไม่จำเป็นต้องมีการตรวจสอบยืนยันองค์กรจาก OpenAI
โมเดลเชิงสร้างสรรค์ที่ทรงพลังที่สุดของ Google พร้อมใช้งานแล้วบน Atlas Cloud โดย Veo 3.1 นำเสนอการสร้างวิดีโอระดับภาพยนตร์ Nano Banana 2 ขับเคลื่อนการสร้างภาพที่มีความเที่ยงตรงสูง และ Gemini นำความชาญฉลาดแบบมัลติโมดัลมาสู่ทุกเวิร์กโฟลว์ เข้าถึงชุดโมเดลของ Google เต็มรูปแบบผ่าน API key เดียวพร้อมความพร้อมใช้งานระดับ Day-0 และการกำหนดราคาแบบจ่ายตามการใช้งาน (pay-as-you-go)
Seedance 2.0 Mini
Seedance 2.0 Mini นำเสนอการสร้างวิดีโอแบบมัลติโมดัลของ ByteDance สู่เวิร์กโฟลว์ที่ความเร็วและต้นทุนมีความสำคัญสูงสุด โดยมอบความสามารถหลักของ Seedance 2.0 ในรูปแบบที่ใช้ทรัพยากรน้อยลง — สร้างได้เร็วกว่า ต้นทุนต่อวิดีโอต่ำกว่า และใช้การผสานรวม API เดิมที่คุณใช้อยู่แล้ว สำหรับทีมที่จัดการไปป์ไลน์ปริมาณมากหรือสร้างต้นแบบในสเกลขนาดใหญ่ Mini คือตัวเลือกเริ่มต้นที่ใช้งานได้จริง
ByteDance
ตั้งแต่การสร้างวิดีโอระดับภาพยนตร์ไปจนถึงการสร้างภาพที่มีความละเอียดสูง โมเดลที่ทรงพลังที่สุดของ ByteDance พร้อมใช้งานแล้วบน Atlas Cloud รัน Seedance และ Seedream ในสเกลขนาดใหญ่ด้วยราคาการอนุมานที่ต่ำที่สุด และไม่มีค่าใช้จ่ายแฝงด้านโครงสร้างพื้นฐาน
Alibaba
Atlas Cloud รวบรวมโมเดลทั้งหมดของ Alibaba ไว้ใน API เดียว: Qwen สำหรับงานด้านภาษาและรูปภาพ และ Wan สำหรับการสร้างวิดีโอความละเอียดสูงสุด 1080p เข้าถึงทุกโมเดลในรูปแบบจ่ายตามการใช้งานจริง (pay-as-you-go) โดยไม่ต้องสมัครสมาชิก Alibaba API พร้อมใช้งานผ่าน base URL เดียวโดยใช้ไคลเอนต์ที่รองรับ OpenAI ที่คุณมีอยู่แล้ว
OpenAI
Atlas Cloud ให้คุณเข้าถึงกลุ่มผลิตภัณฑ์ OpenAI API แบบครบวงจร ตั้งแต่ GPT Image 2 สำหรับการสร้างภาพถ่าย ไปจนถึง Sora 2 สำหรับวิดีโอ ทุกโมเดลพร้อมใช้งานแบบจ่ายตามการใช้งานจริง (pay-as-you-go) โดยไม่มีข้อผูกมัดรายเดือน เชื่อมต่อได้ง่ายดายด้วยการสลับ base URL เพียงจุดเดียวโดยใช้ API ที่เข้ากันได้กับ OpenAI
xAI
สร้างไปป์ไลน์ภาพและวิดีโอที่สมบูรณ์โดยใช้ xAI API บน Atlas Cloud สร้างที่ความละเอียด 2K แก้ไขด้วยภาพอ้างอิง และทำให้ภาพเคลื่อนไหวเป็นคลิปที่ซิงค์กับเสียง
Kwaivgi
Kwaivgi API ในราคาที่ถูกกว่าราคามาตรฐาน 15% Atlas Cloud มอบการเข้าถึง Day-0 สำหรับการเปิดตัว Kling ใหม่ด้วยการกำหนดราคาแบบจ่ายตามการใช้งานจริง (pay-as-you-go) และไม่จำกัดจำนวนผู้ใช้ บัญชีเดียว คีย์เดียว สำหรับโมเดล Kling ทุกรุ่นตั้งแต่ระดับมาตรฐานไปจนถึงระดับมาสเตอร์
Seedream 5.0 Pro
Seedream 5.0 Pro API มอบโมเดลการแก้ไขภาพที่ควบคุมได้ของ ByteDance บน Atlas Cloud ให้กับนักพัฒนา โดยจะวางการแก้ไขอย่างแม่นยำด้วยจุดยึดและพิกัด แยกภาพออกเป็นเลเยอร์ที่แก้ไขได้ ผสานข้อมูลอ้างอิงหลายรายการ และจับคู่สีและวัสดุที่แน่นอน พร้อมข้อความหลายภาษาที่ความละเอียด 2K และ 3K บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่านคีย์เดียว!
