Modelos de generación de vídeo
Clasificaciones de modelos actualizadas según datos de uso reales.
Los modelos se clasifican según el total de segundos de vídeo generados a través de la API de OpenRouter durante los últimos 7 días. Se muestran los 10 modelos mejor clasificados. Las clasificaciones miden el uso en OpenRouter y reflejan la adopción, no la calidad del modelo ni su rendimiento en pruebas de evaluación.
Los modelos de generación de vídeo convierten instrucciones de texto e imágenes en clips de vídeo cortos. En OpenRouter, envíe una tarea a POST /api/v1/videos, consulte su estado hasta que se complete y descargue el vídeo terminado, utilizando la misma clave de API para todos los modelos de esta página. Los mejores modelos actuales son HeyGen Video, Seedance 2.5 y Veo 3.1 Lite. Cada ficha muestra su precio inicial por segundo de vídeo. Para consultar las duraciones, resoluciones y relaciones de aspecto compatibles antes de enviar la solicitud, llame a GET /api/v1/videos/models y consulte la guía de generación de vídeo para conocer el flujo completo de la solicitud.
Modelos de generación de vídeo en OpenRouter
HeyGen: HeyGen Video
149 horas
HeyGen Video is a general-purpose video generation model from HeyGen. It renders short clips with synthesized audio (dialogue, ambience, and sound effects) in a single call, working from a text prompt, from a first-frame image, or from a set of image, video, and audio references that the prompt can address directly. It is aimed at short-form business video with a lot of motion in frame: brand moments, product and equipment demos, and training or onboarding content.
It is not an avatar product. Unlike HeyGen's Avatar IV and Video Agent, there is no talking-head, script, or lip-sync step; the prompt and references drive the whole scene.
ByteDance: Seedance 2.5
82 horas
Seedance 2.5 is a video generation model from ByteDance. It is suited for long-form storytelling, multimodal reference-based generation, video editing, and video extension. It supports first-frame and first-and-last-frame control, up to 50 image, video, and audio reference assets, optional generated audio, and multilingual audiovisual generation.
Google: Veo 3.1 Lite
79 horas
Google's most cost-effective video generation model, designed for high-volume applications and rapid iteration. Veo 3.1 Lite generates 720p and 1080p video from text or image prompts with native synchronized audio at less than 50% of the cost of Veo 3.1 Fast. Supports 4–8 second clips in landscape (16:9) and portrait (9:16) formats, with SynthID watermarking. Ideal for content platforms, short-form video creation, and automated media generation.
Alibaba: Wan 3.0
66 horas
Wan 3.0 is a video generation model from Alibaba for text-to-video, image-to-video, and reference-guided video generation. It produces 480p, 720p, or 1080p video with durations from 2 to 30 seconds.
ByteDance: Seedance 2.0 Fast
59 horas
Seedance 2.0 Fast is a video generation model from ByteDance. It supports text-to-video, image-to-video with first and last frame control, and multimodal reference-to-video. It prioritizes generation speed and lower cost over maximum output quality. The number of tokens is given by (height of output video * width of output video * duration * 24) / 1024
Grok Imagine Video 1.5 Lite is a faster, lower-cost video generation model from SpaceXAI, distilled from Grok Imagine Video 1.5. It supports text-to-video and image-to-video, trading some quality for speed and price. 1080p output is rendered at 720p and upscaled.
Google: Veo 3.1 Fast
45 horas
Google's mid-tier video generation model balancing speed and quality. Veo 3.1 Fast generates high-quality video from text or image prompts with native synchronized audio, offering faster turnaround than Veo 3.1 at lower cost. Supports first-frame and last-frame conditioning, multiple resolutions and aspect ratios, and SynthID watermarking.
ByteDance: Seedance 2.0
40 horas
Seedance 2.0 is a video generation model from ByteDance. It supports text-to-video, image-to-video with first and last frame control, and multimodal reference-to-video. It is particularly strong at preserving character consistency, visual style, and camera movement from reference material. The number of tokens is given by (height of output video * width of output video * duration * 24) / 1024
HeyGen: Avatar IV
34 horas
HeyGen: Avatar IV is an image-to-video model that animates a single photo into an expressive, lip-synced talking-head video. Rather than only matching mouth shapes to words, it interprets the vocal tone, rhythm, and emotion of the audio to drive head motion, facial expression, and gestures, producing output at up to 1080p.
The spoken audio comes from one of two inputs: a text script, which the model voices with HeyGen text-to-speech, or a supplied audio track, which the image is lip-synced to directly. Passthrough parameters let you choose a voice, tune voice settings, set expressiveness, prompt specific motion, replace or remove the background, add captions, and title the video.
Kling: Video v3.0 Pro
24 horas
Kling v3.0 Pro is Kuaishou's premium video generation model, offering higher visual quality than the Standard tier. It supports text-to-video and image-to-video workflows, with first-frame and last-frame control for precise scene composition. Clips range from 3 to 15 seconds in 16:9, 9:16, or 1:1 aspect ratios. Native audio generation is available as an option.
Preguntas frecuentes
Envíe un trabajo de generación a POST /api/v1/videos con el slug del modelo y su prompt, consulte periódicamente el trabajo devuelto hasta que se complete y, a continuación, descargue el video terminado. La guía de generación de video explica todo el flujo de solicitudes.
Los listados con precios publicados muestran un precio inicial por segundo de video generado. La tarifa varía según el modelo, la resolución y si el clip incluye audio, así que consulte la página del modelo para ver el desglose completo de precios antes de enviar un trabajo.
Sí. Los modelos que aceptan imágenes como entrada animan una imagen de referencia para crear un clip corto, por lo que puede enviar un prompt de texto o una imagen según el modelo. Llame a GET /api/v1/videos/models para comprobar qué entradas admite cada modelo.
La lista anterior muestra los modelos de generación de vídeo de OpenRouter. La disponibilidad cambia a medida que los proveedores lanzan nuevos modelos y variantes, y GET /api/v1/videos/models devuelve la lista completa actual.
No. Una sola clave de API de OpenRouter funciona con todos los modelos de esta página: cree una clave en su página de claves de API y reutilícela con distintos modelos y proveedores.