Seedance 2.5 Flash hiện đang giảm giá 35% — kết thúc vào ngày 30 tháng 11
Hero background 1Hero background 2Hero background 3

Grok Imagine Video with Reference Guidance

Grok Imagine Video cung cấp cho các nhà phát triển quyền truy cập vào dòng sản phẩm video của xAI để tạo, tạo chuyển động, kéo dài và chỉnh sửa các đoạn video. Tạo video dài từ 1 đến 15 giây từ lời nhắc, định hướng nhân vật, vật thể hoặc phong cách bằng tối đa bảy hình ảnh tham chiếu, và làm việc ở độ phân giải 480p hoặc 720p. Atlas Cloud tập hợp các khả năng này thông qua các endpoint tương thích với OpenAI, cùng mức giá minh bạch theo mức sử dụng. Bắt đầu xây dựng ngay hôm nay.

Grok Imagine Video do xAI phát triển. Atlas Cloud (vận hành bởi Atlas Cloud AI LLC) cung cấp quyền truy cập vào mô hình này và không sở hữu mô hình. Mọi thương hiệu đều thuộc về chủ sở hữu tương ứng.

Khám phá Mô hình Hàng đầu

Atlas Cloud cung cấp cho bạn các mô hình sáng tạo tiên tiến nhất trong ngành.

So sánh các chế độ và quy trình Grok Imagine Video

Chọn endpoint Grok Imagine Video phù hợp với tài sản nguồn, mục tiêu chuyển đổi và quy trình sản xuất của bạn.

Phương thứcMô tả
Grok Imagine Video T2V API (Text To Video)Chuyển các prompt bằng ngôn ngữ tự nhiên thành video dài từ 1 đến 15 giây ở độ phân giải 480p hoặc 720p. Endpoint này phù hợp để trực quan hóa ý tưởng, tạo clip mạng xã hội và dựng cảnh không cần phương tiện nguồn.
Grok Imagine Video I2V API (Image To Video)Bắt đầu từ một hình ảnh được cung cấp, endpoint này áp dụng các prompt chuyển động bằng ngôn ngữ tự nhiên để tạo video ở độ phân giải 480p hoặc 720p. Sử dụng endpoint để tạo hiệu ứng chuyển động cho tác phẩm nghệ thuật, hình ảnh sản phẩm, khung hình nhân vật hoặc hình ảnh chiến dịch.
Grok Imagine Video R2V API (Reference To Video)Hướng dẫn quá trình tạo video bằng 1 đến 7 hình ảnh tham chiếu đại diện cho người, vật thể hoặc phong cách hình ảnh. Đầu ra có thể dài tối đa 10 giây ở độ phân giải 480p hoặc 720p, hỗ trợ quy trình sáng tạo dựa trên hình ảnh tham chiếu.
Grok Imagine Video Extend API (Video Extension)Tiếp tục một tệp MP4 hiện có dài từ 2 đến 15 giây bằng phần mở rộng theo prompt, kéo dài thêm từ 2 đến 10 giây. Đầu ra giữ nguyên định dạng đầu vào và được giới hạn ở 720p, giúp endpoint này phù hợp để kéo dài các cảnh quay đã có.
Grok Imagine Video Edit API (Video Editing)Cung cấp tệp MP4 và hướng dẫn bằng ngôn ngữ tự nhiên để chỉnh sửa nội dung hình ảnh trong khi vẫn giữ nguyên thời lượng nguồn. Đầu ra được giới hạn ở 8,7 giây, phù hợp với các chỉnh sửa có mục tiêu và phép biến đổi dựa trên prompt đối với các đoạn phim ngắn.

Grok Imagine Video cho Năm Quy trình Sáng tạo

Grok Imagine Video biến văn bản, khung hình mở đầu và tối đa bảy ảnh tham chiếu thành các đoạn clip ngắn, sau đó kéo dài hoặc chỉnh sửa cảnh quay MP4 hiện có thông qua API hợp nhất với cơ chế thanh toán theo mức sử dụng của Atlas Cloud.

Grok Imagine Video từ Văn bản

Viết prompt bằng ngôn ngữ tự nhiên để tạo đoạn clip dài từ 1 đến 15 giây ở 480p hoặc 720p. Bảy tỷ lệ khung hình, bao gồm 16:9, 1:1 và 9:16, giúp mỗi cảnh phù hợp với khung hình dự kiến. Điều khiển chủ thể, hành động, chuyển động máy quay và bầu không khí ngay trong prompt. Đây là điểm khởi đầu linh hoạt cho các nhịp truyện, ý tưởng chiến dịch và video mạng xã hội.

Tạo Chuyển động cho Khung hình Mở đầu

Biến ảnh khung hình mở đầu được cung cấp thành video dài từ 1 đến 15 giây ở 480p hoặc 720p. Hình ảnh thiết lập bố cục mở đầu, trong khi prompt chuyển động bằng ngôn ngữ tự nhiên định hướng chuyển động và diễn biến cảnh. Chọn một trong bảy tỷ lệ khung hình khi cần hình dạng đầu ra khác. Quy trình này phù hợp với cảnh quay sản phẩm, cảnh minh họa và các ý tưởng được chỉ đạo nghệ thuật cần chuyển động mà không phải dựng lại khung hình mở đầu.

Điều khiển bằng Ảnh tham chiếu với Grok Imagine Video

Định hướng video bằng 1 đến 7 ảnh tham chiếu đại diện cho con người, đồ vật hoặc phong cách hình ảnh. Tham chiếu đến từng đầu vào trong prompt, sau đó tạo video dài tối đa 10 giây ở 480p hoặc 720p với bảy tỷ lệ khung hình được hỗ trợ. Vì ảnh tham chiếu định hình cảnh mà không chỉ đóng vai trò là khung hình mở đầu, nhà sáng tạo có thêm quyền kiểm soát đối với các yếu tố hình ảnh xuất hiện lặp lại. Sử dụng quy trình này cho các cảnh lấy nhân vật làm trung tâm, hoạt động kể chuyện bằng sản phẩm hoặc các chiến dịch chú trọng phong cách.

Kéo dài Mạch truyện

Tiếp tục một MP4 hiện có dài từ 2 đến 15 giây bằng phần mở rộng do prompt điều khiển, kéo dài thêm từ 2 đến 10 giây. Grok Imagine Video tiếp nối từ khung hình cuối và trả về clip gốc cùng phân đoạn mới, giữ nguyên độ phân giải đầu vào lên đến 720p. Mô tả hành động, màn hé lộ hoặc chuyển động máy quay tiếp theo bằng ngôn ngữ đơn giản. Nhờ đó, các đoạn kết đột ngột dễ dàng được chuyển thành những nhịp truyện hoàn chỉnh.

Chỉnh sửa Clip bằng Grok Imagine Video

Cung cấp cho Grok Imagine Video một MP4 cùng hướng dẫn bằng ngôn ngữ tự nhiên để biến đổi cảnh quay mà vẫn giữ nguyên thời lượng nguồn. Đầu vào có thể dài tối đa 8.7 giây và chi phí được tính theo thời lượng video đầu vào. Yêu cầu thay đổi hình ảnh, chuyển đổi bầu không khí hoặc chỉnh sửa ở cấp độ cảnh mà không cần dựng lại clip từ đầu. Quy trình này đặc biệt phù hợp với các biến thể sáng tạo ngắn và những tinh chỉnh hậu kỳ có kiểm soát sau khi tạo.

Năm Quy trình, Một API

Chuyển đổi giữa tạo video từ văn bản, tạo video từ hình ảnh, tạo video có hướng dẫn bằng ảnh tham chiếu, kéo dài và chỉnh sửa thông qua một API hợp nhất. Chọn endpoint phù hợp với nguồn dữ liệu hiện có và gửi từng tác vụ qua luồng dự đoán bất đồng bộ. Duy trì nhất quán các mô hình xác thực và tích hợp trong toàn bộ quy trình. Quyền truy cập theo mức sử dụng hỗ trợ thử nghiệm cũng như các pipeline sản xuất có thể lặp lại. Nhà phát triển có thể xây dựng những công cụ video toàn diện hơn với ít chi phí tích hợp hơn.

Một prompt, ba góc nhìn: So sánh Grok Imagine Video

Xem Grok Imagine Video và hai lựa chọn hàng đầu khác diễn giải các prompt giống hệt nhau như thế nào qua chuyển động, tính liên tục, khả năng điều khiển camera, ánh sáng và cách kể chuyện bằng hình ảnh.

Prompt

Một bộ phim phiêu lưu ngoài trời siêu chân thực dài 8–10 giây, lấy bối cảnh tại một hẻm núi xanh ngọc ngay sau một trận mưa xối xả. Một người chèo kayak mặc bộ đồ chống nước xanh cobalt và áo phao đỏ cam lao qua dòng nước trắng dữ dội từ khung hình đầu tiên đến khung hình cuối cùng. Mở đầu bằng cú máy bám theo sát mặt nước ở độ cao cực thấp, chạy đua bên cạnh kayak khi lưỡi mái chèo bổ xuống dòng chảy, hất những tia nước sắc nét lên ống kính; kayak vọt lên đỉnh một con sóng dốc rồi bị phóng lên không trung. Whip-pan chuyển sang góc nhìn thứ nhất của người chèo khi chiếc thuyền lăn ngang bên dưới một thân cây đổ, xuyên qua màn nước trong mờ và suýt sượt qua những tảng đá ướt lởm chởm, trong đó bàn tay, mái chèo và mũi kayak màu cobalt vẫn nhất quán về mặt vật lý qua các đợt nước bắn và những khoảnh khắc bị che khuất. Người chèo ghì mái chèo xuống dòng nước, bật khỏi vách hẻm núi bằng một cú ngoặt bật lại gọn hẹp rồi rơi trở xuống dòng thác. Ở cao trào, chuyển sang cú lao của drone từ đỉnh vách đá, nhanh chóng hạ xuống và bay vòng quanh người chèo trong lúc tiếp đất; mũi kayak đâm vào một thùng gỗ nổi với lực va chạm thuyết phục, làm thùng vỡ toang—và trong một màn hé lộ tinh nghịch bất ngờ, một chuỗi đèn lồng giấy nhiều màu hoàn toàn nguyên vẹn được nối liền bật ra, bung mở và bồng bềnh ấm áp trên dòng nước lạnh đang cuộn chảy trong khi kayak tiếp tục lao đi. Chuyển động liên tục đúng về giải phẫu, quán tính kayak chân thực, lực cản của mái chèo, va chạm, động lực học chất lỏng hỗn loạn, chuyển động của vải, giọt nước, nước bắn lên ống kính và nhận diện chủ thể không thay đổi sau mỗi lần bị che khuất; không quay chậm, không có cảnh thiết lập trống, không cắt sang màn hình, giao diện, bảng điều khiển, thanh tiến trình, biểu đồ, chú thích, logo hoặc văn bản giải thích. Ánh sáng ban ngày xanh cyan lạnh dưới trời nhiều mây, vách đá xanh ngọc sẫm màu vì mưa, áo phao đỏ cam nổi bật, ánh sáng ấm nhiều màu của đèn lồng, bố cục điện ảnh màn ảnh rộng theo đường chéo nhấn mạnh tốc độ, tương phản cao, nhòe chuyển động tự nhiên, phong cách quay thể thao hành động siêu chân thực và giàu tính nhập vai. Âm thanh đồng bộ: tiếng ghềnh thác gầm vang, tiếng mái chèo va đập sắc gọn, tiếng gỗ nứt, hơi thở gắng sức, tiếng nước đập vào thân thuyền và một điểm nhấn âm nhạc giàu tiết tấu, tươi sáng khi những chiếc đèn lồng bật tung. Tỷ lệ khung hình 16:9.

Generated with Grok Imagine Video v1.5 Text-to-Video on Atlas Cloud

Generated with Seedance 2.5 Text-to-Video on Atlas Cloud

Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud

Prompt

Một chuỗi điện ảnh hành động liên tục dài 8–10 giây tại một khu chợ đêm ngoài trời ngay trước một trận mưa xối xả: một bậc thầy ramen bịt mắt tự tin chạy nước rút qua mê cung các quầy hàng đông đúc, đồng thời liên tục kéo căng một dải mì màu bạc trắng giữa hai tay. Bắt đầu bằng góc nhìn từ trên cao thẳng đứng hoàn hảo, sau đó nhanh chóng lao từ trên xuống mê cung chợ ngập ánh đèn neon khi những giọt mưa nặng hạt đầu tiên rơi xuống mái bạt và mặt đường ướt. Khóa vào dải mì đang bay và chạy đua cách nó chỉ vài inch khi nó quất qua những lò than hồng phát sáng, thực khách giật mình, vỉ nướng xèo xèo và những chiếc ô bật mở trong gió; duy trì chuyển động liền mạch của con người, vật lý đàn hồi đáng tin của sợi mì, hiện tượng che khuất phức tạp ở tiền cảnh, mưa bắn tung tóe, tia lửa và hơi nước dày đặc. Whip-pan đến cảnh đầu bếp nhảy qua một chiếc thùng thấp mà không hề giảm bước, rồi thực hiện một vòng orbit 360 độ nhanh quanh anh ta khi anh xoay người và thả dải mì về phía sau với động lượng chính xác. Dải mì cong gọn gàng rơi vào một nồi đồng đang sôi sùng sục phía sau anh—đúng khoảnh khắc chiến thắng, một con mèo mướp cam tinh quái nhảy ra từ bên dưới quầy, ngoạm một nửa số mì đang rủ xuống rồi phóng đi, tạo nên cú chốt hài hước rõ nét trong khi người đầu bếp vẫn tiếp tục chạy mà không hay biết. Chủ nghĩa hiện thực siêu chân thực phong cách neon-noir, phản chiếu cyan-xanh lục và đỏ tươi trên mặt đường bóng nước, ngọn lửa cam ấm của lò như những điểm nhấn thị giác theo nhịp, hơi nước và mưa giàu cảm giác vật chất, vũ đạo ổn định, chi tiết điện ảnh sắc nét, nhịp độ thời gian thực giàu năng lượng, không quay chậm, không có những cú cắt làm gián đoạn tính liên tục về không gian hoặc nhân vật. Âm thanh: tiếng sấm dâng lên, tiếng trò chuyện trong chợ, tiếng bước chân dồn dập, tiếng ô bật mở, than nướng xèo xèo, nước sôi, tiếng mì vút qua đồng bộ với chuyển động camera, kết thúc bằng tiếng mèo kêu hài hước trong trẻo và tiếng nước bắn khỏi nồi đồng. Không có màn hình, giao diện người dùng, bảng điều khiển, thanh tiến trình, biểu đồ, chú thích, phụ đề, logo, watermark hoặc văn bản giải thích. Tỷ lệ khung hình 16:9.

Generated with Grok Imagine Video v1.5 Text-to-Video on Atlas Cloud

Generated with Seedance 2.5 Text-to-Video on Atlas Cloud

Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud

Video Grok Imagine cho mọi giai đoạn sáng tạo

Grok Imagine Video biến prompt, ảnh tĩnh, hình ảnh tham chiếu và các tệp MP4 hiện có thành những hướng triển khai thiết thực cho clip mạng xã hội, hình ảnh sản phẩm, câu chuyện thương hiệu, chuỗi video dài hơn, chỉnh sửa có mục tiêu và công cụ dành cho nhà sáng tạo.

Clip mạng xã hội với Grok Imagine Video

Grok Imagine Video chuyển các prompt bằng ngôn ngữ tự nhiên thành những clip ngắn 480p hoặc 720p. Sử dụng để tạo teaser mạng xã hội, ý tưởng chiến dịch và bản nháp hình ảnh nhanh mà không cần chuẩn bị cảnh quay nguồn trước.

Tạo chuyển động cho ảnh tĩnh sản phẩm

Bắt đầu từ một hình ảnh sản phẩm, endpoint chuyển ảnh thành video bổ sung chuyển động được điều khiển bằng prompt ở 480p hoặc 720p. Các thương hiệu có thể biến ảnh tĩnh trong catalog thành video giới thiệu sản phẩm, nội dung ra mắt và hình ảnh cho sàn thương mại điện tử.

Câu chuyện thương hiệu định hướng bằng hình ảnh tham chiếu

Với một đến bảy hình ảnh, reference to video đưa con người, vật thể hoặc phong cách vào một clip mới. Các nhóm sáng tạo có thể phát triển câu chuyện thương hiệu, ý tưởng nhân vật và bối cảnh sản phẩm dựa trên những hình ảnh được cung cấp.

Mở rộng câu chuyện với Grok Imagine Video

Tiếp nối một tệp MP4 hiện có bằng phần mở rộng từ hai đến mười giây được điều khiển bằng prompt, đồng thời giữ nguyên độ phân giải đầu vào tối đa 720p. Tính năng này hỗ trợ các nhịp storyboard dài hơn, chuyển cảnh theo tập và chuỗi cảnh tiếp nối từ những cảnh quay đã được phê duyệt.

Chỉnh sửa video bằng ngôn ngữ tự nhiên

Chỉnh sửa một tệp MP4 bằng hướng dẫn ngôn ngữ tự nhiên trong khi giữ nguyên thời lượng nguồn, với đầu ra tối đa 8.7 giây. Các nhóm có thể tạo diện mạo thay thế, biến thể chiến dịch bản địa hóa hoặc cách xử lý hình ảnh được điều chỉnh.

Xây dựng với Grok Imagine Video

Xây dựng các công cụ video điều khiển bằng prompt dựa trên năm chế độ của Grok Imagine Video để tạo video, tạo chuyển động, sử dụng hình ảnh tham chiếu, mở rộng và chỉnh sửa. Nhà phát triển có thể phục vụ quy trình làm việc của nhà sáng tạo từ một họ sản phẩm, đồng thời lựa chọn đầu ra 480p hoặc 720p.

Vị thế của Grok Imagine Video giữa các mô hình video

So sánh quy trình làm việc của Grok Imagine Video với một số lựa chọn thay thế của Atlas Cloud về phương thức đầu vào, độ dài clip, độ phân giải tối đa và mức giá tiêu chuẩn.

Mô hìnhQuy trình đầu vàoĐộ dài clip hoặc phân đoạnĐộ phân giải tối đaGiá tiêu chuẩn
Grok Imagine Video Text-to-VideoPrompt văn bản1–15s720p$0.05/sec
Grok Imagine Video Image-to-VideoẢnh bắt đầu + prompt văn bản1–15s720p$0.05/sec
Grok Imagine Video Reference-to-Video1–7 ảnh tham chiếu + prompt văn bản1–10s720p$0.05/sec
Grok Imagine Video ExtendMP4 dài 2–15s + prompt văn bảnMở rộng 2–10sKhớp với đầu vào, tối đa 720p$0.07/sec
Grok Imagine Video EditMP4 + hướng dẫn bằng văn bảnKhớp với đầu vào, tối đa 8.7s-$0.07/input sec
MiniMax H3 Text-to-VideoPrompt văn bản4–15s2K$0.038/sec
Seedance 2.0 Image-to-VideoẢnh bắt đầu + văn bản, tùy chọn khung hình cuối4–15s4K gốc$0.112/sec
Vidu Q3-Mix Reference to Video1–4 ảnh tham chiếu + prompt văn bản1–16sSR 1440p, gốc tối đa 1080p$0.125/run
Wan-2.7 Video-editVideo nguồn + văn bản, tùy chọn hình ảnh hoặc âm thanh-1080p$0.10/run

Cách Sử Dụng Grok Imagine Video trên Atlas Cloud

Bắt đầu trong vài phút — làm theo các bước đơn giản sau để tích hợp và triển khai mô hình qua nền tảng Atlas Cloud.

Tạo Tài Khoản Atlas Cloud

Đăng ký tại atlascloud.ai và hoàn tất xác minh. Người dùng mới nhận được tín dụng miễn phí để khám phá nền tảng và thử nghiệm mô hình.

Tại sao Sử dụng Grok Imagine Video trên Atlas Cloud

Sự kết hợp của các mô hình tiên tiến của Grok Imagine Video với nền tảng được tăng tốc GPU của Atlas Cloud mang lại hiệu suất, khả năng mở rộng và trải nghiệm nhà phát triển độc đáo.

Hiệu suất và Tính linh hoạt

Độ Trễ Thấp:
Suy luận được tối ưu hóa GPU cho suy luận thời gian thực.

API Thống nhất:
Chạy Grok Imagine Video, GPT, Gemini và DeepSeek với một tích hợp duy nhất.

Giá cả Minh bạch:
Thanh toán dựa trên token có thể dự đoán với tùy chọn serverless.

Doanh nghiệp và Mở rộng

Trải nghiệm Nhà phát triển:
SDK, phân tích, công cụ tinh chỉnh và mẫu.

Độ tin cậy:
99,99% khả dụng, RBAC và ghi nhật ký sẵn sàng cho tuân thủ.

Bảo mật và Tuân thủ:
SOC 2 Type II, tuân thủ HIPAA, chủ quyền dữ liệu tại Hoa Kỳ.

Các câu hỏi và câu trả lời về Grok Imagine Video API

Grok Imagine Video là dòng mô hình tạo video của xAI, dùng để tạo, tạo chuyển động, kéo dài và chỉnh sửa các clip ngắn. Atlas Cloud cung cấp các endpoint API riêng cho quy trình chuyển văn bản thành video, hình ảnh thành video, hình ảnh tham chiếu thành video, kéo dài và chỉnh sửa video.

Grok Imagine Video có thể tạo clip từ văn bản, tạo chuyển động cho một hình ảnh ban đầu hoặc sử dụng tối đa bảy hình ảnh tham chiếu để định hướng người, vật thể và phong cách. Các endpoint riêng biệt có thể tiếp tục một clip hiện có hoặc chỉnh sửa tệp MP4 bằng hướng dẫn ngôn ngữ tự nhiên.

Tạo khóa API Atlas Cloud và gửi yêu cầu POST có xác thực đến /api/v1/model/generateVideo. Chỉ định ID mô hình bắt buộc, prompt và mọi dữ liệu hình ảnh hoặc video mà route đó yêu cầu. Phản hồi bao gồm ID yêu cầu, trạng thái và các trường đầu ra.

Chọn text-to-video khi cảnh bắt đầu từ một prompt hoặc image-to-video khi hình ảnh được cung cấp phải trở thành khung hình đầu tiên. Reference-to-video cung cấp khả năng định hướng rộng hơn từ nhiều hình ảnh, trong khi extend-video và edit-video hoạt động trên các tệp MP4 hiện có.

Text-to-video và image-to-video hỗ trợ các clip dài từ 1 đến 15 giây ở độ phân giải 480p hoặc 720p. Reference-to-video hỗ trợ từ 1 đến 10 giây ở cùng các độ phân giải, với các tỷ lệ khung hình phổ biến gồm 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 và 2:3. Các route mở rộng và chỉnh sửa có những giới hạn đầu vào riêng.

Có. xAI mô tả tính năng tạo âm thanh gốc là một phần của quy trình video Grok Imagine, cho phép tạo âm thanh và hình ảnh cùng lúc. Các schema được Atlas Cloud công bố cho những route này không cung cấp tùy chọn bật/tắt âm thanh riêng.

Cung cấp từ một đến bảy URL hình ảnh HTTPS công khai hoặc URI dữ liệu base64 thông qua endpoint reference-to-video. Các thẻ như <IMAGE_0> có thể liên kết từng hình ảnh tham chiếu với người, vật thể hoặc phong cách được mô tả trong prompt. Route này trả về các clip dài tối đa 10 giây ở độ phân giải 480p hoặc 720p.

Sử dụng extend-video với tệp MP4 dài từ 2 đến 15 giây và yêu cầu thêm từ 2 đến 10 giây hành động được điều khiển bằng prompt. Để thực hiện các thay đổi cụ thể, edit-video chấp nhận tệp MP4 không dài quá 8.7 giây và giữ nguyên thời lượng của tệp. Cả hai route đều giới hạn độ phân giải đầu ra ở mức 720p.

Mức giá tiêu chuẩn của Atlas Cloud là $0.05 mỗi giây cho text-to-video, image-to-video và reference-to-video. Extend-video và edit-video áp dụng mức giá tiêu chuẩn $0.07 mỗi giây. Chỉnh sửa được tính phí theo thời lượng video đầu vào vì đầu ra giữ nguyên thời lượng đó.

Trước tiên, hãy xác nhận endpoint đã chọn phù hợp với loại dữ liệu đầu vào và mọi prompt, URL hình ảnh hoặc URL video bắt buộc đều đã được cung cấp. Kiểm tra các giới hạn riêng của route về thời lượng, độ phân giải, tỷ lệ khung hình, số lượng hình ảnh tham chiếu và tệp MP4 trước khi gửi lại. Nếu yêu cầu thành công nhưng cảnh tạo ra không chính xác, hãy viết lại prompt với mô tả rõ ràng về chuyển động của chủ thể, chuyển động máy quay, nhịp độ và các chi tiết hình ảnh.

Khám phá Thêm Dòng

Seedance 2.5

API Seedance 2.5 cung cấp cho các nhà phát triển mô hình âm thanh và video kết hợp của ByteDance Seed, tạo ra nội dung từ 4 đến 30 giây trong một lần chạy với độ phân giải lên đến 4K gốc từ văn bản, khung hình đầu tiên hoặc tối đa 50 tham chiếu trên nhiều hình ảnh, video và âm thanh. Nó chỉnh sửa các vùng đã chọn, kéo dài các clip, và tuân theo các dữ liệu đầu vào là mô hình trắng và màn hình xanh.

Xem Dòng

Seedance 2.5 Flash

Seedance 2.5 Flash API cung cấp cho các nhà phát triển bậc dịch vụ nhanh hơn, chi phí thấp hơn của Seedance 2.5 thuộc ByteDance Seed, được phát hành vào ngày 12 tháng 11 năm 2026. Nó tạo video với tốc độ gần gấp đôi Seedance 2.5, kết xuất lên đến 30 giây mỗi clip ở độ phân giải 480p hoặc 720p và tiếp nhận tối đa 10 hình ảnh, 5 video và 5 đoạn âm thanh cho mỗi yêu cầu, kèm theo khả năng chỉnh sửa video để tạo các biến thể nhanh chóng.

Xem Dòng

Kling 4.0

Kling 4 API cung cấp Kling 4.0, mô hình video được Kuaishou phát hành vào ngày 15 tháng 10 năm 2026. Nó tạo ra tối đa 30 giây trong một lần chạy, theo dõi tối đa 10 khung hình chính, trộn 15 hình ảnh, video và chủ thể thông qua Omni Reference, đồng thời thêm âm thanh nổi với tính năng đồng bộ khẩu hình. Atlas Cloud phục vụ cả bốn điểm cuối, bao gồm cả chỉnh sửa video, trên một khóa tương thích OpenAI duy nhất với giá từ 0,11 USD mỗi giây. Hãy bắt đầu xây dựng ngay hôm nay.

Xem Dòng

Seedream 5.5

Seedream 5.5 là dòng sản phẩm tạo và chỉnh sửa hình ảnh của ByteDance Seed. Hướng dẫn chỉnh sửa với tối đa 10 hình ảnh tham chiếu hoặc chia hình ảnh thành một hình ảnh cơ sở và tối đa 99 lớp có thể chỉnh sửa, với OCR tùy chọn cho các lớp văn bản. Trên Atlas Cloud, chi phí cho mỗi lần tạo, chỉnh sửa và phân tách lớp là 0,02 USD cho mỗi hình ảnh, giúp các nhà phát triển lập kế hoạch ngân sách quy trình làm việc về hình ảnh. Bắt đầu xây dựng ngay hôm nay.

Xem Dòng

Kling 4.0 Flash

Kling 4.0 Flash API cung cấp cho các nhà phát triển phiên bản nhanh, chi phí thấp hơn của mô hình video Kling 4.0 từ Kuaishou. Nó tạo ra các clip 720p từ 3 đến 20 giây với bốn tỷ lệ khung hình, theo dõi tới 15 tham chiếu trên hình ảnh, video và các phần tử Kling thông qua Omni Reference, đồng thời chỉnh sửa cảnh quay hiện có bằng văn bản trong khi tạo âm thanh gốc. Atlas Cloud phục vụ cả bốn điểm cuối trên một khóa với giá từ 0,0571 USD mỗi giây, và các yêu cầu thất bại không bị tính phí.

Xem Dòng

Wan 3.0

Wan 3.0 là mô hình video mới nhất của Alibaba, có thể tạo ra tối đa 30 giây video 1080p ở tốc độ 30fps kèm âm thanh chỉ trong một lần tạo. Điều khiển nó bằng một prompt văn bản, khung hình đầu tiên, tối đa 10 hình ảnh tham chiếu hoặc một tài liệu. Bản Standard có chi phí mỗi giây thấp hơn, trong khi bản Prime giữ nguyên các khả năng và trả về kết quả nhanh hơn. Cả hai đều chạy trên cùng một khóa Atlas Cloud như Wan 2.7, 2.6 và 2.5.

Xem Dòng

GPT Image 2.6

API GPT Image 2.6 cung cấp cho các nhà phát triển mô hình hình ảnh của OpenAI được phát hành vào ngày 4 tháng 11 năm 2026, dưới hai phiên bản: Flare cho việc lặp lại nhanh và Sunburst cho công việc hình ảnh chi tiết. Nó tạo hình ảnh nhanh hơn 50% so với trước đây và bổ sung đầu ra GIF động, xuất SVG, chỉnh sửa đánh dấu nhắm vào khu vực bạn khoanh tròn và cài đặt độ phức tạp. Atlas Cloud phục vụ cả hai mô hình trên một khóa tương thích với OpenAI với giá cước trả theo mức sử dụng.

Xem Dòng

MiniMax H3 Image

MiniMax H3 Image được xây dựng dựa trên dòng H3 của MiniMax, kết hợp việc tạo và chỉnh sửa hình ảnh trong một checkpoint duy nhất. Các lời nhắc (prompt) chi tiết giúp điều hướng nhân vật, bối cảnh và bố cục, trong khi các đầu vào tham chiếu sẽ định hướng các thay đổi về mặt hình ảnh. Atlas Cloud cung cấp quyền truy cập được lưu trữ với tính năng thanh toán theo mức sử dụng (pay-as-you-go), giúp bạn tích hợp quy trình xử lý hình ảnh mà không cần quản lý cơ sở hạ tầng mô hình. Bắt đầu xây dựng ngay hôm nay.

Xem Dòng

MiniMax H3

MiniMax H3 là dòng video đa phương thức của MiniMax, hỗ trợ sáng tạo từ văn bản, hình ảnh và nội dung tham chiếu. Trên các route được hỗ trợ, sản phẩm duy trì chủ thể từ nội dung tham chiếu, cung cấp các tỷ lệ khung hình linh hoạt và kết hợp âm thanh được tạo với hình ảnh thông qua H3 Developer, với hồ sơ đầu ra được lựa chọn theo endpoint. Atlas Cloud hợp nhất dòng sản phẩm này dưới một khóa tương thích với OpenAI, cùng mức giá trả theo nhu cầu minh bạch bắt đầu từ mức tiêu chuẩn $0.038 mỗi giây. Hãy bắt đầu xây dựng ngay hôm nay.

Xem Dòng

GPT Image 2.5

GPT Image 2.5 là mô hình tạo và chỉnh sửa hình ảnh của OpenAI, được phát hành vào ngày 8 tháng 9 năm 2026 với hai phiên bản API. Flare là phiên bản mặc định, với độ trễ thấp hơn tới 50% so với GPT Image 2, trong khi Sunburst mất nhiều thời gian hơn để cung cấp khả năng kiểm soát tinh vi hơn đối với các chỉnh sửa chi tiết. Cả hai đều hỗ trợ tối đa 16 hình ảnh tham chiếu, năm cấp độ chất lượng, nền trong suốt và kích thước tùy chỉnh lên tới 3840px. Atlas Cloud cung cấp API GPT Image 2.5 theo mức phí tính trên token của OpenAI hoặc theo mức giá cố định trên mỗi hình ảnh theo cấp độ 1K, 2K hoặc 4K.

Xem Dòng

Seedream 5.0 Pro

Seedream 5.0 Pro API cung cấp cho các nhà phát triển mô hình chỉnh sửa hình ảnh có thể kiểm soát của ByteDance trên Atlas Cloud. Nó đặt các chỉnh sửa một cách chính xác bằng các điểm neo và tọa độ, tách hình ảnh thành các lớp có thể chỉnh sửa, kết hợp nhiều tham chiếu và khớp màu sắc cũng như vật liệu chính xác, với văn bản đa ngôn ngữ ở độ phân giải 2K và 3K. Trên Atlas Cloud, bạn có thể truy cập nó chỉ bằng một khóa!

Xem Dòng

Seedance 2.0

Seedance 2.0 là mô hình video phục vụ môi trường production của ByteDance, giúp tạo cảnh quay chính xác. Biến prompt thành video, tạo chuyển động cho hình ảnh khung hình đầu tiên với tùy chọn hướng dẫn bằng khung hình cuối, hoặc định hình kết quả bằng media tham chiếu và tùy chọn tìm kiếm web. Atlas Cloud hợp nhất các quy trình này trong một API duy nhất, với mức giá pay-as-you-go minh bạch và một key tương thích với OpenAI. Bắt đầu xây dựng ngay hôm nay.

Xem Dòng

Một API cho mọi AI đa phương tiện.

Khám phá tất cả mô hình