KI Modelle
Vergleichen Sie KI Modelle für Bild und Video und öffnen Sie die passende Modellseite oder den Generator.
KI Bildmodelle
FireRed Image Edit
Ein KI-Bildbearbeitungsmodell für gezieltes Inpainting, Objektaustausch, Hintergrundänderungen und Stil-Feinschliff. Es eignet sich ideal für kontrollierbare, hochwertige Bearbeitungen, bei denen die ursprüngliche Komposition und das Hauptmotiv erhalten bleiben – besonders für E-Commerce-Retuschen, Poster-Updates, Social-Media-Assets und kreative Überarbeitungen.
Nano Banana 2
Nächste Generation multimodales Bildgenerierungsmodell mit bis zu 14 Referenzbildern, Google-Suche und 4K-Ausgabe. Bietet mehr kreative Flexibilität mit Ultra-Langen Prompts bis zu 20.000 Zeichen.
Nano Banana 2.1
Googles effizientes Gemini-Bildmodell: präzisere Textdarstellung im Bild und konsistentere Figuren und Stile über mehrere Bearbeitungsschritte. Wähle 1K, 2K oder 4K und nutze bis zu 10 Referenzbilder.
Nano Banana 2 Lite
Google DeepMinds schnellstes und effizientestes Gemini-Image-Modell für Bildgenerierung und Bearbeitung mit niedriger Latenz. Ideal für schnelle Entwürfe, referenzbasierte Edits und leichte visuelle Exploration.
Nano Banana Pro
Ein professionelles Generierungsmodell, das hohe Wiedergabetreue, hohe Detailgenauigkeit und Konsistenz bei Komposition und Charakteren/Objekten erfordert.
Seedream 5.0 Lite
Leichtgewichtiges Bildgenerierungsmodell der nächsten Generation mit verbessertem semantischen Verständnis und fotorealistischem Rendering. Optimiert für schnelle, hochwertige Text-zu-Bild-Generierung mit 2K- und 3K-Ausgabeauflösungen.
Seedream 5.0 Flash
Schnelle Bildgenerierung und -bearbeitung mit bis zu 10 Referenzen und 1K-, 1,5K- oder 2K-Ausgabe.
Seedream 5.0 Pro
Hochwertiges Bildmodell von ByteDance mit starkem Verständnis komplexer Prompts, feinen Details, stabiler Komposition und kommerzieller Bildqualität.
GPT-Image 1.5
Professionelles fotorrealistisches Bildgenerierungsmodell, spezialisiert auf die Erfassung zarter Licht-/Schattentexturen und natürlicher menschlicher Ausdrücke. Unterstützt sowohl Text-zu-Bild- als auch Bild-zu-Bild-Modi mit hervorragender Leistung bei Wiedergabetreue und Detailwiederherstellung, besonders geeignet für kommerzielle Szenarien, die hohen Realismus erfordern.
GPT Image 2
Ein Multi-Referenz-Bildmodell mit Unterstützung für bis zu 16 Referenzbilder, entwickelt für hohe Konsistenz, stärkere Kontrolle und komplexere kommerzielle Workflows. Unterstützt sowohl Text-zu-Bild als auch Bild-zu-Bild.
GPT Image 2.5
OpenAIs GPT Image 2.5 Flare verbessert Detailtreue, Referenzkonsistenz und präzise Bearbeitungen. Unterstützt Text-zu-Bild und Bild-zu-Bild mit bis zu 16 Referenzbildern.
GPT Image 2.5 Flare
OpenAIs GPT Image 2.5 Flare verbessert Detailtreue, Referenzkonsistenz und präzise Bearbeitungen. Unterstützt Text-zu-Bild und Bild-zu-Bild mit bis zu 16 Referenzbildern.
GPT Image 2.5 Sunburst
OpenAIs GPT Image 2.5 Flare verbessert Detailtreue, Referenzkonsistenz und präzise Bearbeitungen. Unterstützt Text-zu-Bild und Bild-zu-Bild mit bis zu 16 Referenzbildern.
Seedream 4.5
Flaggschiff-Modell für visuelle Generierung mit ultimativem Verständnis natürlicher Sprache und Licht-/Schattenausdruck. Es verlässt sich nicht mehr auf mechanische Schlagwortstapelung, sondern versteht 'Geschichten' und 'Atmosphäre' und wechselt frei zwischen hyperrealistischer Fotografie und surrealer Kunst.
FLUX.2
Das Industriemodell der nächsten Generation bricht den 'Textfluch' des KI-Zeichnens. Es verfügt über die bislang stärkste Befehlsbefolgungskapazität und generiert nicht nur spezifizierte Wörter/Texte innerhalb von Bildern perfekt, sondern steuert auch komplexe Handbewegungen und räumliche Objektbeziehungen präzise.
Z-Image
Ein für Text-zu-Bild-Szenarien optimiertes Modell, das darauf spezialisiert ist, komplexe Beschreibungen präzise in visuelle Elemente umzusetzen, insbesondere bei der Konzeptualisierung und der Umsetzung abstrakter Beschreibungen.
Grok Imagine Image 2
xAIs neue Grok-Imagine-Bildgeneration für kreative Kompositionen, stilisierte Visuals und hochwertige Porträts, Szenen, Werbung und Social-Media-Inhalte.
Qwen Image 3
Alibabas Qwen-Bildmodell der nächsten Generation mit verbessertem Prompt-Verständnis, Textdarstellung, Kompositionskontrolle und hochwertiger visueller Ausgabe.
Grok 4.2 Image
xAIs Grok-4.2-Bildmodell für kreative Kompositionen und stilisierte Ausdrucksformen. Unterstützt Text-zu-Bild und Bild-zu-Bild und eignet sich besonders für Porträts, Szenen und Kunstwerke.
FLUX.2 Klein 9B
Ultraschnelles, leichtgewichtiges 9B-Bildmodell von Black Forest Labs für häufige Batch-Generierung, schnelle Entwürfe und zügige Iterationen.
Nano Banana
Google-basiertes Bildgenerierungsmodell mit hervorragender Detailwiedergabe und Multi-Bild-Referenzunterstützung. Unterstützt bis zu 14 Referenzbilder für präzise Stilkontrolle.
GLM Image
Zhipu AIs Text-zu-Bild-Modell mit starkem zweisprachigem Verständnis. Schnelle Generierung zu ultra-niedrigen Kosten, ideal für schnelle Inhaltserstellung.
KI Videomodelle
Grok Video
Grok Video ist das fortschrittliche Videogenerierungsmodell von xAI mit Unterstützung für 6s, 10s, 12s, 16s und 20s Dauern. Unterstützt Text-zu-Video und Bild-zu-Video mit bis zu 5 Referenzbildern. Bietet mehrere Seitenverhältnisse (16:9, 9:16, 2:3, 3:2, 1:1) und bis zu 5000 Zeichen Prompts.
Veo 3.1
Googles neuestes Flaggschiff-Videomodell. Veo 3.1 Quality bietet eine branchenführende Physik-Engine und ultrahochauflösende Wiedergabe realer Texturen, Dynamiken und Details. Unterstützt 16:9, 9:16 und Auto-Seitenverhältnisse, ideal für kommerzielle hochwertige Videoproduktion.
Sora 2
Die Standardversion der Sora-Serie. Behält OpenAIs überlegenes Prompt-Verständnis bei und optimiert Geschwindigkeit und Kosten. Perfekt für Storyboarding, Social-Media-Kurzvideos und schnelle kreative Iteration.
HappyHorse
HappyHorse ist Alibabas nächste Generation multimodaler Videogenerierung mit nativer gemeinsamer Audio-Video-Synthese. Ein einziges Modell deckt vier Szenarien ab — Text-zu-Video, Bild-zu-Video, Multi-Bild-Referenz-zu-Video und In-Place-Videobearbeitung — ideal für Werbung, E-Commerce, Kurzdramen und Social-Media-Creatives.
Wan 2.6
Wan 2.6 ist ein fortschrittliches Videogenerierungsmodell, das die Modi Text-zu-Video, Bild-zu-Video und Video-zu-Video unterstützt. Bietet Daueroptionen von 5s, 10s und 15s mit Auflösungen von 720p und 1080p. Enthält Multi-Shot-Funktionen zur Erstellung vielfältiger Videoinhalte.
Kling 3.0
Kling 3.0 Omni
Kling 3.0 Motion Control
Kling Bewegungssteuerung
Das Kling Motion Control-Modell steuert präzise Charakterbewegungen und -posen durch hochgeladene Referenzbilder und -videos. Unterstützt 3-30 Sekunden Videos, generiert Charakteraktionen konsistent mit Referenzen, ideal für Charakteranimation und Bewegungsübertragungsszenarien.
Kling 2.6
Bekannt für die Erfassung komplexer Bewegungen und physikalischer Gesetze. Kling 2.6 zeichnet sich durch hochdynamische Charakterbewegungen, komplexe Objektinteraktionen und filmische Kamerabewegungen mit Flüssigkeit aus.
Seedance 1.5 Pro
ByteDances fortschrittliches Videogenerierungsmodell. Seedance 1.5 Pro zeichnet sich durch Charakteranimation mit präziser Lippensynchronisation und natürlichen Ausdrücken aus. Bietet realistische Bewegungsphysik, unterstützt mehrere Seitenverhältnisse (1:1, 21:9, 4:3, 3:4, 16:9, 9:16) und bietet flexible Daueroptionen (4s, 8s, 12s) mit optionaler Audiogenerierung.
Seedance 2
ByteDances Videomodell der nächsten Generation. Seedance 2 legt den Fokus auf hohe Bildqualität, komplexe Bewegungen und multimodale Referenzsteuerung. Es unterstützt Text-, Bild-, Video- und Audioeingaben und eignet sich ideal für professionelle Videoproduktionen mit höherer Konsistenz und stärkerer Kamerasprache.
Wan 3.0 Video
Alibabas multimodales Videomodell für Text-zu-Video, Bild-zu-Video, referenzgesteuerte Generierung und Videobearbeitung mit Bild-, Video- und Audioreferenzen.
Wan 3.0 Video Prime
Die hochwertigere Wan-3.0-Variante für anspruchsvolle Text-, Bild- und Referenz-zu-Video-Projekte mit stärker kontrollierter Bewegung und Komposition.
Seedance 2.5
Das Video-Generierungsmodell der nächsten Generation von ByteDance. Unterstützt Text-zu-Video, Bild-zu-Video mit Start-/Endframe und multimodale Referenzen aus Bildern, Videos und Audio sowie 480p/720p, 4–30 Sekunden und optionale Audiogenerierung.
Seedance 2 Fast
Die schnellere und kosteneffizientere Version von Seedance 2. Ideal für schnelle kreative Iterationen, Batch-Tests von Prompts und die Produktion großer Mengen an Content, bei gleichzeitiger Unterstützung von Bild-, Video- und Audio-Referenzen.
Seedance 2 Mini
Lightweight Seedance 2 for lower-cost drafts with first/last frames and multimodal references.
Grok Imagine
Kreatives Videogenerierungsmodell von xAI. Grok Imagine zeichnet sich durch die Umwandlung von Textbeschreibungen in fantasievolle Videoinhalte aus, unterstützt mehrere Seitenverhältnisse (2:3, 3:2, 1:1, 9:16, 16:9), bietet drei Stilmodi (fun, normal, spicy), perfekt für kreative Inhaltsproduktion und schnelles Prototyping.
Grok Imagine 1.5 Preview
Grok Imagine 1.5 Preview ist ein schnelles xAI-Videomodell für Text-zu-Video und Bild-zu-Video mit 16:9/9:16, 480p/720p und kurzen Laufzeiten für Social Clips, Anzeigen und Kreativtests.
Gemini Omni
Gemini Omni ist Googles fortschrittliches Videogenerierungsmodell auf Basis von Omni-Flash-Ext. Unterstützt Text-zu-Video, Einzelbild-zu-Video und 3-Bild-Referenzfusion. Bietet 4/6/8/10 Sekunden Dauer mit Seitenverhältnissen 16:9 und 9:16.
Gemini Omni 1.1 Flash
Googles multimodales Videomodell für Text-zu-Video, Bild-zu-Video und Referenzbilder mit flexibler Dauer und mehreren Seitenverhältnissen.
MiniMax H3
Multimodales Videomodell für Text-, Bild- und Referenz-zu-Video mit 768p/2K-Ausgabe, flexibler Dauer und Referenzaudio.
MiniMax H3 Max
MiniMax H3 Max ist ein schnelles Videomodell für 480p/768p Text-zu-Video und Bild-zu-Video mit Start-/Endframe bei 5 bis 15 Sekunden.
MiniMax H3 Max Turbo
MiniMax H3 Max Turbo ist die günstigere Speed-Variante für 480p/768p Text-zu-Video und Bild-zu-Video mit Pflicht-Startframe und optionalem Endframe.
PixVerse V6
PixVerse V6 ist ein vielseitiges Videomodell für Text-zu-Video, Bildanimation, Übergänge zwischen Start- und Endbild sowie Videoverlängerung. Es unterstützt 360p bis 1080p, 1 bis 15 Sekunden und optional natives Audio.