seed-audio-1.0/text-to-audio
Gera fala e áudio naturais a partir de texto, áudio de referência ou uma imagem.
Este é o modelo 4K de imagem para vídeo da família O3 da Kuaishou, ajustado para a renderização final e para manter o elemento principal da imagem de origem durante toda a cena. Forneça uma imagem inicial e uma descrição para gerar um clipe 4K de 3 a 15 segundos com movimento fisicamente realista e áudio opcional.
É indicado para transformar uma foto, uma imagem de produto ou um keyframe específico em vídeo 4K com padrão de transmissão, sem filmagem, rotoscopia manual ou GPUs próprias.
| Parâmetro | Obrigatório | Tipo | Padrão | Faixa / Opções | Descrição |
|---|---|---|---|---|---|
| image* | Sim (*) | string (URL) | — | URL pública | Imagem do primeiro quadro que fixa o clipe. |
| prompt* | Sim (*) | string | — | Texto livre | Movimento, câmera, iluminação e clima. |
| end_image | Não | string (URL) | — | URL pública | Último quadro opcional para controlar o movimento. |
| duration | Não | integer | 5 | De 3 a 15 | Duração em segundos; cobrança linear. |
| sound | Não | boolean | false | true / false | Gera áudio ambiente correspondente. |
| shot_type | Não | string | customize | customize, intelligent | Modo de edição: intelligent define automaticamente o ritmo e a estrutura; customize segue o prompt com precisão. |
| multi_prompt | Não | array | — | Lista de segmentos | Segmentos encadeados opcionais para transições. |
| element_list | Não | array | — | Lista de referências | Elementos visuais nomeados que devem permanecer consistentes. |
A tarifa por segundo é fixa na RunComfy e não muda com o som.
| Modo | Tarifa por segundo |
|---|---|
| Som ligado ou desligado | $0.42 |
Custo estimado por geração
| Duração | Custo |
|---|---|
| 3 s | $1.26 |
| 5 s | $2.10 |
| 10 s | $4.20 |
| 15 s | $6.30 |
Gera fala e áudio naturais a partir de texto, áudio de referência ou uma imagem.
Visuals gerados por IA, controle em tempo real e efeitos pro para criadores
Estenda uma faixa de áudio no início, no final ou nas duas direções, mantendo o estilo original.
Reestilize um vídeo existente com instruções de texto, preservando o movimento original e a composição geral.
Crie um vídeo de transição entre imagens inicial e final obrigatórias, com controles de prompt, proporção, resolução, duração, estilo, áudio e otimização.
Transforme imagens estáticas em vídeos realistas e detalhados em 2K.
É o modelo O3 4K da Kuaishou orientado por uma única imagem, ajustado para clipes cinematográficos de 3 a 15 segundos com movimento fisicamente realista. Serve para animação fotográfica, reels premium de produto e campanhas sociais verticais em que detalhes 4K e fidelidade ao elemento principal são essenciais.
Busca a maior resolução e os melhores detalhes finais da linha O3 image-to-video. O Pro entrega saída HD por um preço menor; o Standard custa ainda menos e é voltado a rascunhos e grande volume, segundo informações públicas.
Sim. Você pode acrescentar um end_image ao quadro inicial para fixar o arco do movimento e definir com precisão onde o clipe termina. Usar imagens inicial e final melhora bastante a direção do movimento e a coerência narrativa.
Sim. O controle sound sintetiza áudio ambiente correspondente na mesma geração. Vem desativado e o preço é o mesmo; ativá-lo é útil em cenas com fogo, água ou ambiente sonoro rico.
A duração vai de 3 a 15 segundos em incrementos de um segundo, com 5 segundos como padrão. É recomendável validar o movimento em uma duração curta antes de uma renderização mais longa. Confira os limites atuais no painel da RunComfy.
Ele mantém composição, traços do personagem e estilo do quadro inicial em todos os quadros, principal vantagem de image-to-video em relação a text-to-video. Uma imagem limpa e bem composta, junto com um quadro final opcional, oferece a maior consistência.
image e prompt são obrigatórios; end_image, duration, sound, shot_type, multi_prompt e element_list são opcionais. As URLs devem ser públicas. Os limites podem variar por modo ou provedor, portanto consulte o painel da RunComfy.
Sim. Faça o protótipo na interface da RunComfy e depois chame o mesmo modelo pelo backend usando a API HTTP e os mesmos parâmetros, sem gerenciar hospedagem, GPUs ou escala.
A tarifa fixa é $0.42 por segundo de vídeo, com ou sem som. Um clipe de 5 segundos custa cerca de $2.10 e um de 15 segundos, cerca de $6.30. O valor é descontado do saldo em USD/créditos da RunComfy e novos usuários normalmente recebem um valor de teste.
RunComfy é a principal ComfyUI plataforma, oferecendo ComfyUI online ambiente e serviços, juntamente com fluxos de trabalho do ComfyUI apresentando visuais impressionantes. RunComfy também oferece AI Models, permitindo que artistas utilizem as mais recentes ferramentas de AI para criar arte incrível.
