Reference to Video AI: każdy model, jego limity i cena

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

1. Otwórz Video Studio i wybierz model reference-to-video — na przykład Seedance 2.0 Reference-to-Video lub Seedance 2.5 Reference-to-Video.
2. Wgraj swoje referencje i opisz ujęcie: kto co robi, gdzie i jak przesuwa się kamera.
3. 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.