Modelle

GPT Image 2 Bilderzeugung-API von OpenAI - bis zu 4K mit nativem Reasoning, mehrsprachigem Textrendering und referenzgesteuerter Bearbeitung.

GPT Image 1.5 Bilderzeugung-API von OpenAI — 4x schneller als v1 mit überlegenem Textrendering, 3 Seitenverhältnissen und Qualitätsmodi medium/high.

GPT Image 1 Bilderzeugung-API von OpenAI — OpenAIs erstes GPT-4o-natives Bildmodell mit starker Prompt-Treue und bis zu 5 Referenzbildern.

Nano Banana 2 Bilderzeugung-API von Google - Gemini 3.1 Flash mit 4K-Ausgabe, 15 Seitenverhältnissen und Charakterkonsistenz für bis zu 5 Figuren.

Nano Banana Pro Bilderzeugung-API von Google - Gemini 3 Pro mit schärfstem Textrendering, 4K-Ausgabe und höchster Wiedergabetreue in der Familie.

Nano Banana Bilderzeugung-API von Google - günstiges Gemini 2.5 Flash-basiertes Modell mit 11 Seitenverhältnissen und bis zu 10 Referenzbildern.

Seedream 5.0 Lite Bilderzeugung-API von ByteDance — neueste Generation mit Geschwindigkeit und visueller Kohärenz bei 2K/3K-Ausgabe und 14 Referenzbildern.

Seedream 4.5 Bilderzeugung-API von ByteDance — vereinte Erzeugung und Bearbeitung in einem Modell mit bis zu 4K-Ausgabe und 14 Referenzbildern.

Seedance 2.0 Videoerzeugung-API von ByteDance — bis zu 1080p mit nativem Audio und Dialog, Bild-zu-Video und Clips von 4 bis 15 Sekunden.

Seedance 2.0 Fast Videoerzeugung-API von ByteDance — geschwindigkeitsoptimierte Variante mit Audioerzeugung, adaptivem Seitenverhältnis und Clips bis 15 Sekunden.

Seedance 1.5 Pro Videoerzeugung-API von ByteDance — Kinoqualität-Video mit synchronisiertem Audio, mehrsprachigem Dialog und bis zu 1080p.

Seedance 1.0 Pro Videoerzeugung-API von ByteDance — hochwertige cineastische Videos mit Multi-Shot-Übergängen bei 720p und 1080p Auflösung.

Seedance 1.0 Lite Videoerzeugung-API von ByteDance — kostengünstiger Einstieg für schnelle Clips bis 1080p mit Text-zu-Video und Bild-zu-Video.

Kling 3.0 Videoerzeugung-API von Kuaishou — natives 4K bei 60fps mit Multi-Shot-Storyboarding, Audio in 5 Sprachen und 3 Qualitätsmodi.

Veo 3.1 Fast — Google DeepMinds schnelles, kosteneffizientes Veo 3.1-Videomodell mit nativem Audio (Dialog und Soundeffekte), Bild-zu-Video und bis zu 1080p Auflösung.

Hailuo Pro Videoerzeugung-API von MiniMax — schnelles Text-zu-Video und Bild-zu-Video mit starker Bewegungsqualität und Charakterkonsistenz.

MiniMax H3 (Hailuo 03) ist ein vereinheitlichtes multimodales Videogenerierungsmodell, das Text, Bilder, Video und Audio-Referenzen in einwandfreie 2K-Videos mit nativem Stereosound verwandelt. Erstelle originelle Szenen, animiere Standbilder, bearbeite bestehendes Filmmaterial und steuere alles über eine einzige MiniMax H3 API.

Qwen Image 3.0 (Qwen-Image-3.0-Pro) ist Alibabas fortschrittliches Bildgenerierungsmodell für realistische Darstellungen, strukturierte Layouts, reiche Details und hochwertige Typografie. Generiere und bearbeite Bilder mit präzisem Kleintext, mehrsprachigem Rendering und komplexen Kompositionen über eine einzige Qwen Image 3.0 API.

FLUX 3 ist Black Forest Labs' bevorstehendes vereinheitlichtes multimodales Fundament, das Bild, Video, Audio, Sprache und Aktionsvorhersage in einem Modell vereint. Die Flux 3 API wird Text-to-Video mit nativem Audio, Bildsynthese und -bearbeitung sowie Physical-AI-Fähigkeiten abdecken, sobald diese verfügbar werden.