Génération de vidéos

Générez des clips vidéo à partir de texte ou d'images et animez des images fixes.

Disponible
46sur 91
Fournisseurs
15
Gamme de prix
0,0016 $US – 4,80 $USpar exécution par défaut

46 modèles

  • Google Veo 3.1

    Google DeepMind

    Nouveau

    Latest Veo with image-to-video and context-aware audio

    audioi2v

    Modalités: Vidéo

    0,48 $US/s

  • Kling v3

    Kuaishou (Kling)

    Nouveau

    Cinematic video up to 15s with multi-shot and native audio

    audioi2v

    Modalités: Vidéo

    0,2688 $US/s

  • Kling v3 Omni

    Kuaishou (Kling)

    Nouveau

    Most versatile: multi-reference images, video editing, native audio

    audioi2vediting

    Modalités: Vidéo

    0,2688 $US/s

  • Nouveau

    Top-ranked for motion quality and visual fidelity

    top-quality

    Modalités: Vidéo

    0,144 $US/s

  • Google Veo 2

    Google DeepMind

    Google's state-of-the-art video generation model. Simulates real-world physics with various visual styles.

    high-quality

    Modalités: Vidéo

    0,60 $US/s

  • Google's Veo 3 served via Replicate. Text-to-video with native synchronized audio generation. High-fidelity motion and scene coherence in short clips.

    veotext-to-videoaudio

    Modalités: Texte, Image, Vidéo

    0,48 $US/s

  • Tencent's HunyuanVideo, a 13B open-weights text-to-video diffusion transformer. Produces high-motion, photorealistic clips with smooth temporal consistency and was one of the first open models to rival closed systems on motion quality.

    hunyuanvideotext-to-video

    Modalités: Texte, Vidéo

    ≈ 3,06 $US/exécution

  • Kling v2.1

    Kuaishou (Kling)

    Kuaishou's Kling v2.1, generating 5 and 10 second videos at 720p or 1080p from text or an image. Known for cinematic camera work and realistic physical motion, available on Replicate via the official KwaiVGI account.

    videotext-to-videoimage-to-video

    Modalités: Texte, Image, Vidéo

    0,060 $US/s

  • Kling v2.1 Master

    Kuaishou (Kling)

    Kuaishou's premium Kling v2.1 Master. Generates 1080p 5s and 10s clips from text or an image with strong dynamics and prompt adherence. The top tier of the Kling 2.1 family.

    text-to-videoimage-to-video

    Modalités: Texte, Image, Vidéo

    0,336 $US/s

  • MiniMax Hailuo 02 on Replicate. Text-to-video and image-to-video producing 6s or 10s clips at 768p standard or 1080p pro. Known for accurate real-world physics and stable motion.

    hailuotext-to-videoimage-to-video

    Modalités: Texte, Image, Vidéo

    0,324 $US/vidéo

  • Runway's Gen-4 Turbo on Replicate. Fast image-to-video generation producing 5s and 10s clips at 720p with strong character and scene consistency across shots.

    gen-4image-to-videofast

    Modalités: Texte, Image, Vidéo

    0,060 $US/s

  • Google Veo 3 Fast

    Google DeepMind

    Nouveau

    Faster cheaper Veo 3 with audio

    fastaudio

    Modalités: Vidéo

    0,18 $US/s

  • Google Veo 3.1 Fast

    Google DeepMind

    Nouveau

    Faster Veo 3.1 with image-to-video and audio

    fastaudioi2v

    Modalités: Vidéo

    0,18 $US/s

  • Nouveau

    xAI video with native audio and lip-sync, up to 15s

    audioi2v

    Modalités: Vidéo

    0,060 $US/s

  • Hailuo 2.3

    MiniMax

    Nouveau

    Minimax model for realistic human motion and VFX

    i2v1080p

    Modalités: Vidéo

    0,336 $US/vidéo

  • Kling V2.5 Turbo Pro

    Kuaishou (Kling)

    Nouveau

    Kling 2.5 Turbo Pro: Unlock pro-level text-to-video and image-to-video creation with smooth motion, cinematic depth, and remarkable prompt adherence.

    kwaivgitext-to-video

    Modalités: Texte, Image, Vidéo

    0,084 $US/s

  • Nouveau

    Fast affordable video with I2V support

    fastbudgeti2v

    Modalités: Vidéo

    0,072 $US/s

  • Nouveau

    Physics-accurate video generation up to 1080p

    i2v1080pphysics

    Modalités: Vidéo

    0,084 $US/s

  • Nouveau

    A faster and cheaper version of Seedance 1 Pro

    text-to-video

    Modalités: Texte, Image, Vidéo

    0,072 $US/s

  • Seedance Lite

    ByteDance

    Nouveau

    Budget ByteDance video, fast and cheap

    budgeti2vfast

    Modalités: Vidéo

    0,0432 $US/s

  • Seedance Pro

    ByteDance

    Nouveau

    ByteDance video with T2V and I2V, up to 1080p

    i2v1080p

    Modalités: Vidéo

    0,18 $US/s

  • Wan 2.2 5B Fast

    Alibaba (Wan)

    Nouveau

    The fastest Wan 2.2 text-to-image and image-to-video model

    wan-videotext-to-video

    Modalités: Texte, Image, Vidéo

    0,030 $US/vidéo

  • Nouveau

    Ultra-cheap I2V. Upload image and animate it.

    budgeti2vfast

    Modalités: Vidéo

    0,060 $US/vidéo

  • Nouveau

    Ultra-cheap T2V for pennies

    budgetfast

    Modalités: Vidéo

    0,060 $US/vidéo

  • Wan 3

    Alibaba (Qwen)

    Nouveau

    (50% off until Aug 30!) - Wan 3.0 generates video from a text prompt or a starting image, with cinematic motion and support for 480p, 720p, and 1080p output up to 30 seconds.

    text-to-video

    Modalités: Texte, Image, Vidéo

    0,12 $US/s

  • AnimateDiff

    Community

    Plug-and-play motion module that animates personalized Stable Diffusion models without further training. 16-frame clips at 512x512.

    animationanimatediffopen-source

    Modalités: Texte, Image, Vidéo

    ≈ 0,1201 $US/exécution

  • ByteDance distillation of AnimateDiff. 4-step sampling for over 10x faster inference at comparable quality to multi-step base model.

    animationbytedancefast

    Modalités: Texte, Image, Vidéo

    0,00117 $US/GPU s

  • CogVideoX-5B

    Community

    CogVideoX-5B from Tsinghua/Zhipu AI, an open 5B-parameter text-to-video diffusion transformer. Generates 6-second 720p clips with coherent motion and is widely used in research for its open weights and reproducibility.

    cogvideoxzhipuvideo

    Modalités: Texte, Vidéo

    ≈ 0,60 $US/exécution

  • Zhipu/Tsinghua's 5B open text-to-video model. 720x480 @ 8fps, 6s clips, image-to-video variant available.

    tsinghuacogvideoxtext-to-video

    Modalités: Texte, Image, Vidéo

    ≈ 0,4081 $US/exécution

  • EchoMimic

    Community

    Ant Group EchoMimic. Lifelike audio-driven portrait animation with editable landmark conditioning for fine-grained motion control.

    lipsyncant-groupportrait-animation

    Modalités: Image, Vidéo, Audio

    ≈ 0,48 $US/exécution

  • Google FILM frame interpolation. Synthesizes high-quality intermediate frames between near-duplicate inputs, designed for large motion gaps.

    upscaleframe-interpolationopen-source

    Modalités: Image, Vidéo

    ≈ 0,0016 $US/exécution

  • LivePortrait

    Community

    Kuaishou LivePortrait. Efficient portrait animation driven by reference videos with stitching, retargeting and motion-control parameters.

    lipsynckuaishouportrait-animation

    Modalités: Image, Vidéo

    ≈ 0,0949 $US/exécution

  • Lightricks' 2B DiT video model. Realtime generation on consumer GPUs (~6s @ H100, 24fps).

    ltxtext-to-videoopen-weights

    Modalités: Texte, Image, Vidéo

    ≈ 0,0229 $US/exécution

  • Luma Labs' Ray-2 at 720p on Replicate. Text and image-to-video producing 5s and 9s clips with fast, coherent motion and strong camera control. Successor to Dream Machine.

    ray-2text-to-videoimage-to-video

    Modalités: Texte, Image, Vidéo

    0,216 $US/s

  • MagicAnimate

    Community

    ByteDance MagicAnimate. Temporally consistent human-image animation driven by a DensePose motion sequence with strong identity preservation.

    animationhuman-motionbytedance

    Modalités: Image, Vidéo

    ≈ 0,4081 $US/exécution

  • MiniMax's video generation model. Fast, high-quality video output with text-to-video capabilities.

    fastaffordable

    Modalités: Vidéo

    0,60 $US/vidéo

  • Mochi 1

    Genmo

    Genmo's Mochi 1, an open text-to-video model with high-fidelity motion built on a 10B Asymmetric Diffusion Transformer. Released under Apache 2.0, it was the largest open video model at launch and is strong on smooth, physically plausible movement.

    mochivideotext-to-video

    Modalités: Texte, Vidéo

    ≈ 0,5041 $US/exécution

  • Mochi 1

    Community

    Genmo's 10B open-weights text-to-video model. AsymmDiT architecture, 5.4s @ 480p.

    genmomochitext-to-video

    Modalités: Texte, Vidéo

    ≈ 0,5041 $US/exécution

  • MuseTalk

    Community

    Tencent MuseTalk real-time lip-sync model. Audio-driven mouth-region editing in latent space at 30+ fps on a single GPU.

    lipsynctencentrealtime

    Modalités: Vidéo, Audio

    ≈ 0,0624 $US/exécution

  • Real-Time Intermediate Flow Estimation. Doubles or quadruples FPS of an existing video via learned optical-flow-based frame interpolation.

    upscaleframe-interpolationopen-source

    Modalités: Vidéo

    ≈ 0,0444 $US/exécution

  • SadTalker

    Community

    Stylized audio-driven talking-head generator. Synthesizes 3D motion coefficients from audio to animate a single portrait image with natural head movements.

    lipsynctalking-headopen-source

    Modalités: Image, Vidéo, Audio

    ≈ 0,1165 $US/exécution

  • SwinIR Video

    Community

    SwinIR transformer-based super-resolution and denoising applied per-frame to video. Handles classic, real-world and lightweight upscaling.

    upscaletransformeropen-source

    Modalités: Vidéo

    ≈ 0,0277 $US/exécution

  • ToonCrafter

    Community

    Tencent ToonCrafter generative cartoon interpolation model. Synthesizes smooth in-between frames between two cartoon keyframes.

    animationtooncrafterinterpolation

    Modalités: Image, Vidéo

    ≈ 0,0852 $US/exécution

  • V-Express

    Community

    Tencent V-Express. Audio-driven portrait animation with progressive training, weak-condition learning, and expressive lip sync.

    lipsynctencentportrait-animation

    Modalités: Image, Vidéo, Audio

    0,00168 $US/GPU s

  • VideoCrafter

    Community

    Tencent VideoCrafter latent video diffusion. Text-to-video and image-to-video generation up to 2s at 1024x576 with strong motion fidelity.

    upscalevideo-generationtencent

    Modalités: Texte, Image, Vidéo

    ≈ 0,1561 $US/exécution

  • Wav2Lip

    Community

    Lip-sync model that re-syncs a target video's lip movement to an arbitrary audio track. Robust to identity and language with a lip-sync discriminator loss.

    lipsyncvideo-editopen-source

    Modalités: Vidéo, Audio

    ≈ 0,0067 $US/exécution

45 modèles actuellement indisponibles

Leurs pages restent en ligne, mais les modèles ne peuvent pas être exécutés pour le moment.

Modèles de génération vidéo pour marketing, motion et prototypage

Les modèles vidéo transforment un prompt — ou une image fixe, ou un court clip de référence — en image en mouvement. C'est la catégorie la plus jeune et la plus volatile du catalogue : chaque trimestre amène un nouveau phare qui repousse la barre. On y a recours quand on veut du contenu en mouvement plus vite qu'un monteur humain ne peut le produire.

Tarification, compromis et pièges

La tarification en vidéo est le plus souvent à la seconde de sortie, pas au token. Sur Railwail, un clip de cinq secondes coûte actuellement de 0,30 USD (Kling v2.1 standard, Runway Gen-4 Turbo) à 3,00 USD (Veo 2) ; Veo 3 avec audio coûte 0,48 USD par seconde. Les tiers avec son coûtent plus cher que les tiers muets. Les multiplicateurs de résolution s'ajoutent à la durée : 720p est le standard, 1080p coûte environ 2× plus, et la 4K est rare et chère.

Le compromis ici est durée contre cohérence. La plupart des modèles commerciaux plafonnent la sortie à cinq ou dix secondes parce qu'au-delà, les clips dérivent — les personnages changent de tenue, les arrière-plans se déforment et la physique s'effondre. Pour des récits plus longs, générez une séquence de plans courts et assemblez-les en post-production. L'image-à-vidéo (frame de départ + prompt de mouvement) produit typiquement des résultats plus stables que le pur texte-à-vidéo, surtout pour les personnages et les shots produit.

Attention à la durée des clips : la plupart des modèles génèrent quatre à dix secondes par appel (Kling v2.1 : 5 ou 10 s, Veo 3.1 Fast : 4, 6 ou 8 s), et la qualité baisse souvent vers le haut de la fourchette. Si votre script demande plus, prévoyez plusieurs plans. Attention aussi au son : beaucoup de modèles livrent muet et il faut superposer l'audio séparément — Veo 3 et Veo 3.1 sont des exemples de modèles qui génèrent de l'audio.

Les top picks ci-dessus couvrent le leader réalisme phare, le cheval de trait le moins cher, le modèle au clip le plus long et l'option preview la plus rapide de la catégorie.

Tâches typiques

  • Publicités sociales courtes
  • Démos produit et explainers
  • Clips musicaux et courts métrages stylisés
  • Storyboard pour tournages live-action
  • B-roll généré par IA
  • Prototypes d'animation de personnages

Guides par cas d'usage

Comparaisons de modèles

Questions fréquemment posées

Quel modèle vidéo est le plus réaliste ?

Veo 3 et Veo 3.1 sont forts sur le mouvement photoréaliste, la physique et l'audio intégré. Runway Gen-4 et Kling v2.1 suivent de près sur la qualité visuelle mais livrent muets. Pour la sortie artistique et stylisée, Pika et Dream Machine battent souvent les phares à une fraction du coût.

Quelle durée peut atteindre un clip généré ?

La plupart des modèles génèrent 4 à 10 secondes par appel — par exemple Kling v2.1 5 ou 10 secondes, Veo 3.1 Fast 4, 6 ou 8 secondes. Les clips plus longs coûtent plus cher. Au-delà de 10 secondes, vous devriez générer une séquence de plans et les monter ensemble — la dérive de qualité domine la durée à un seul appel aujourd'hui.

La tarification vidéo est-elle à la seconde ou à l'appel ?

Le plus souvent à la seconde de sortie. Sur Railwail, un clip de 5 secondes coûte actuellement de 0,30 USD (Kling v2.1 standard, Runway Gen-4 Turbo) à 3,00 USD (Veo 2) ; certains modèles comme Hailuo ou Wan sont facturés au clip. Les tiers avec son et la 1080p+ coûtent plus cher. Chaque page modèle affiche le prix d'une exécution standard.

Puis-je générer une vidéo à partir d'une image de départ ?

Oui — l'image-à-vidéo est le workflow le plus fiable aujourd'hui. Fournissez une frame fixe plus un prompt de mouvement et vous obtenez une sortie bien plus stable qu'à partir de texte seul, surtout pour l'animation de personnages et les shots produit. La plupart des phares prennent en charge les deux modes.

L'audio est-il inclus ?

Veo 3 et Veo 3.1 peuvent générer un audio synchronisé (dialogues, effets sonores, musique). Beaucoup d'autres modèles produisent de la vidéo muette — vous générez l'audio séparément avec un modèle TTS ou musical et le superposez en post-production. Vérifiez le support audio sur la page modèle avant d'intégrer.

Quelles résolutions sont prises en charge ?

Les tiers standards livrent 720p. Les tiers Pro ajoutent 1080p à environ 2× le coût. La sortie 4K est rare et coûteuse en 2026 ; pour des finaux à plus haute résolution, faites un upscale en post avec un upscaler vidéo dédié.

À quelle vitesse va la génération vidéo ?

Le temps réel dépend du modèle : 30 secondes à 2 minutes pour un clip de 5 secondes sur infrastructure phare, 5 à 15 minutes sur GPU open-weights mutualisés. Prévoyez une UX asynchrone — affichez la progression et laissez les utilisateurs revenir.

Les droits d'usage commercial sont-ils accordés ?

Les tiers commerciaux (Veo, Runway, Kling Pro, Pika) accordent un usage commercial perpétuel et libre de droits. Certains modèles open-weights de recherche restreignent au non-commercial — la licence est listée sur chaque page modèle. Lisez-la avant de placer une sortie dans une campagne payée.

Commencer avec une API

Tous les modèles disponibles via une API compatible OpenAI. Crédits prépayés en USD, sans abonnement.