Reference to Video AI: każdy model, jego limity i cena
AI typu reference-to-video zachowuje twoje postacie, produkty i głosy w nowym ujęciu. Wszystkie modele na Reelinie, liczba referencji dla każdego i ich ceny.

Image-to-video zaczyna się od jednego obrazu. Reference-to-video działa inaczej: podajesz modelowi kilka elementów do zachowania — postać, produkt, strój, miejsce, czasem głos — a on buduje wokół nich nowe ujęcie. To najbliższa rzecz do castingu, jaką AI wideo ma do zaoferowania.
Reelina udostępnia 26 modeli reference-to-video. Różnią się mniej tym, co obiecują, a bardziej tym, co przyjmują: ile obrazów, czy dopuszczalne jest wideo referencyjne, czy dochodzi do tego dźwięk i jak długi może być wynik. Ta lista pochodzi z katalogu Reeliny według stanu na październik 2026 i podaje cenę jednej generacji w monetach przy domyślnej długości każdego modelu.
Jak działa reference-to-video
Wgrywasz referencje — zwykle jeden obraz na podmiot — i piszesz prompt opisujący, co te podmioty robią. Model nie jest trenowany na twoich referencjach — odczytuje je tylko na potrzeby tej jednej generacji. To ma dwie konsekwencje:
- Spójność wynika z ponownego użycia tych samych referencji. Zachowaj czysty portret każdej postaci i podawaj go do każdego ujęcia.
- Najlepiej działa jeden podmiot na obraz. Jednolite tło i równomierne światło zapobiegają kopiowaniu oświetlenia do scenu.
Modele według tego, co przyjmują
| Model | Monety | Referencje | Długość |
|---|---|---|---|
| PixVerse v6 Reference-to-Video | 38 | Referencje | 1–15 s |
| PixVerse c1 Reference-to-Video | 46 | Referencje | 1–15 s |
| Wan 3.0 Reference-to-Video | 60 | Referencje | 2–30 s |
| Vidu Q3 Reference-to-Video | 64 | Referencje, opcjonalne audio | — |
| Seedance 2.0 Mini Reference-to-Video | 68 | Do 9 obrazów, 3 wideo (łącznie 15 s), audio referencyjne | 4–15 s |
| Grok Imagine Video Reference-to-Video | 76 | 1–7 obrazów (ludzie, przedmioty, style) | — |
| Wan 3.0 Prime Reference-to-Video | 92 | Referencje | 2–30 s |
| Vidu Q2 Reference-to-Video | 96 | 1–7 podmiotów, opcjonalne audio | — |
| Kling Video O3 Std Reference-to-Video | 108 | "Elementy" podmiotu | 3–15 s |
| Seedance 2.0 Fast Reference-to-Video | 110 | Do 9 obrazów, 3 wideo, audio referencyjne | 4–15 s |
| MiniMax H3 Fast Reference-to-Video | 112 | Referencje | 5–15 s (domyślnie 8 s) |
| Grok Imagine Video v1.5 Reference-to-Video | 122 | 1–7 obrazów | — |
| Vidu Q2-Pro Reference-to-Video | 128 | 1–7 podmiotów, opcjonalne audio | — |
| Seedance 2.0 Reference-to-Video | 136 | Do 9 obrazów, 3 wideo, audio referencyjne | 4–15 s |
| Kling Video O3 Pro Reference-to-Video | 144 | "Elementy" podmiotu | 3–15 s |
| Wan 2.7 Reference-to-Video | 152 | Do 3 wideo — jedno na postać, które może nieść jej głos | — |
| MiniMax H3 Reference-to-Video | 152 | Referencje | 4–15 s (domyślnie 8 s) |
| Seedance 2.5 Reference-to-Video | 204 | Do 30 obrazów, 10 wideo, audio referencyjne | 4–30 s |
| Veo 3.1 Reference-to-Video | 484 | Referencje, opcjonalne audio | 8 s |
W katalogu znajdziesz też: Vidu Q3-Mix (160), Gemini Omni Flash (204), HappyHorse 1.1 (106) i 1.0 (212), Vidu Reference-to-Video 2.0 (304), Vidu Q1 (516) i Vidu Reference-to-Video Q1 (606). "—" oznacza, że długość jest ustalona przez model, a nie wybierana. Ceny dotyczą domyślnej długości każdego modelu; dłuższe klipy kosztują proporcjonalnie więcej, a dokładny koszt pojawia się przed generacją.
Który wybrać
- Najtańszy sposób, by sprawdzić ideę: PixVerse v6 (38 monet) lub Wan 3.0 (60 monet, do 30 sekund).
- Obsada postaci plus ruchoma referencja: Seedance 2.0 — do 9 obrazów i 3 wideo referencyjne, z audio referencyjnym. Szkic na Mini (68), finał na pełnym modelu (136).
- Długie ujęcia z dużą liczbą referencji: Seedance 2.5 — do 30 obrazów i 10 wideo, klipy do 30 sekund.
- Postacie, które powinny zachować własny głos: Wan 2.7, gdzie każde wideo referencyjne to jedna postać, która może nieść swój głos.
- Do siedmiu odrębnych podmiotów: Vidu Q2 / Q2-Pro lub Grok Imagine Video.
- Podejście Klinga do tematu: Kling Video O3, z "elementami" podmiotu.
Obrazy referencyjne również dla obrazów
Jeśli potrzebujesz grafiki statycznej, Nano Banana 2 Reference-to-Image (24 monety) i jego wersja Lite (13 monet) budują obraz z referencji, a obie przyjmują klip wideo jako referencję.
Jak to zrobić w Reelinie
- Otwórz Video Studio i wybierz model reference-to-video — na przykład Seedance 2.0 Reference-to-Video lub Seedance 2.5 Reference-to-Video.
- Wgraj swoje referencje i opisz ujęcie: kto co robi, gdzie i jak przesuwa się kamera.
- Sprawdź cenę pokazaną na przycisku i wygeneruj. Zachowaj referencje — ich ponowne użycie zapewnia spójność kolejnego ujęcia.
Dla całego odcinka, a nie jednego ujęcia, generator dramy AI robi to za ciebie: obsadza każdą postać na podstawie portretu referencyjnego i kontynuuje każde ujęcie od ostatniej klatki poprzedniego.
FAQ
Co to jest AI reference-to-video? Model wideo, który przyjmuje kilka wejść referencyjnych — obrazy, a w niektórych modelach także wideo i audio — i generuje nowe ujęcie zachowujące te podmioty, zamiast animować pojedynczy obraz startowy.
Ile obrazów referencyjnych mogę użyć? Zależy to od modelu: do 30 w Seedance 2.5, 9 w Seedance 2.0, 1–7 w Vidu Q2 i Grok Imagine Video. Wan 2.7 przyjmuje natomiast do 3 wideo referencyjnych.
Który model reference-to-video jest najtańszy? Na Reelinie to PixVerse v6 Reference-to-Video za 38 monet za generację.
Czy model uczy się mojej twarzy? Nie. Referencje są odczytywane tylko na potrzeby jednej generacji; nic nie jest trenowane. Spójność wynika z podawania tych samych referencji do każdego ujęcia.
Czy potrzebuję klucza API? Nie. Każdy model działa w przeglądarce na jednym saldzie monet Reeliny. Nie ma darmowego planu.
Wypróbuj sam
Wszystkie modele na jednym saldzie coinów, prosto w przeglądarce. Bez instalacji, bez znaku wodnego.
Zacznij tworzyćCzytaj dalej
Seedance vs Seedream: który model ByteDance jest Ci potrzebny?Seedance tworzy wideo, Seedream tworzy obrazy — oba modele pochodzą od ByteDance. Warianty, rozmiary, dźwięk i ceny w monetach obok siebie, a także jak używać ich razem.
Kling 3.0 vs Veo 3.1: długość klipów, dźwięk i kosztKling 3.0 vs Veo 3.1: klipy 3–15 s kontra 4, 6 lub 8 s, formaty obrazu, rozdzielczości, które warianty generują dźwięk oraz koszt za sekundę dla każdej opcji.
Seedance 2.0 vs Kling 3.0: Specyfikacje, Ceny i Kiedy Używać KtóregoSeedance 2.0 vs Kling 3.0: warianty, długość klipu, formaty obrazu, dźwięk, reference-to-video vs multi-shot i kontrola ruchu oraz koszt za sekundę w monetach.
