Dziennik zmian

Każda zmiana w katalogu, formacie żądania i zasadach rozliczeń – od najnowszej. Warto zasubskrybować, jeśli zależy od nich integracja.

1. 2026.10.14.1

   Dodano2026-10-14

   Wan 2.6 Flash obsadza teraz osoby ze zdjęć i klipów

   Wan 2.6 Flash, szybszy i tańszy poziom modelu Wan 2.6 od Alibaba, ma w SpicyAPI drugi endpoint: referencje na wideo.

   • Wan 2.6 Flash, referencje na wideo (alibaba/wan-2.6-flash/reference-to-video): do pięciu referencji, w tym do trzech krótkich klipów, a resztę stanowią obrazy, albo same obrazy. W prompcie nazywasz je character1, character2 i tak dalej, a model obsadza je w nowej scenie trwającej od 2 do 10 sekund, w 720p lub 1080p i w pięciu proporcjach.
   • Dźwięk to przełącznik. generate_audio jest domyślnie wyłączone; włączone zwraca klip z wygenerowanymi głosami, efektami i tłem w dwukrotnej stawce za sekundę.
   • Obrazy są bezpłatne. Klipy referencyjne dodają swoje sekundy do rachunku, liczone łącznie najwyżej do pięciu sekund.

   Przed tym endpointem nie ma filtra treści, a rozszerzanie promptu jest domyślnie wyłączone, więc prompt dociera do modelu tak, jak został napisany. Żadne z naszych żądań testowych nie zostało odrzucone.

   Model	Endpoint	Cena
   Wan 2.6 Flash	Referencje na wideo, bez dźwięku	$0.0225 za sekundę w 720p, $0.03375 w 1080p
   Wan 2.6 Flash	Referencje na wideo, z dźwiękiem	$0.045 za sekundę w 720p, $0.0675 w 1080p

   Rozliczane sekundy to długość wyniku plus klipy referencyjne, każde zaokrąglone w górę do pełnych sekund, przy czym klipy liczą się łącznie najwyżej do pięciu sekund.

2. 2026.10.14

   Dodano2026-10-14

   Qwen Image 2.1 Pro już dostępny, Turbo tańszy, a Wan 2.6 Flash potrafi dodać dźwięk

   Qwen Image 2.1 Pro, hostowany poziom Pro modelu Qwen Image 2.1 od Alibaba, można już wywoływać w SpicyAPI, a dwa modele, które już były w katalogu, zmieniają się dzisiaj.

   • Qwen Image 2.1 Pro, tekst na obraz (alibaba/qwen-image-2.1-pro/text-to-image): od jednego do sześciu obrazów w jednym żądaniu, piętnaście proporcji, 1k, 1.5k lub 2k. Nasze żądania trwały od 14 do 43 sekund.
   • Qwen Image 2.1 Pro, edycja obrazów (alibaba/qwen-image-2.1-pro/edit): od jednego do dziesięciu obrazów referencyjnych i polecenie zapisane zwykłym językiem. Jeśli pominiesz proporcje, wynik zachowa kształt obrazu źródłowego przy około 2K.
   • Qwen Image 2.1 Turbo kosztuje teraz $0.0144 za obraz na obu endpointach, zamiast $0.0192.
   • Wan 2.6 Flash, obraz na wideo ma nowy przełącznik generate_audio. Wyłączony, czyli domyślnie, zostawia klip niemy w tej samej cenie za sekundę co dotąd; włączony, zwraca klip z wygenerowaną ścieżką dźwiękową w dwukrotnej stawce.

   Przed Qwen Image 2.1 Pro nie ma filtra treści, a rozszerzanie promptu jest domyślnie wyłączone, więc prompt dociera do modelu tak, jak został napisany. Żadne z naszych żądań testowych nie zostało odrzucone.

   Model	Endpoint	Cena
   Qwen Image 2.1 Pro	Tekst na obraz, edycja obrazów	$0.036 za obraz
   Qwen Image 2.1 Turbo	Tekst na obraz, edycja obrazów	$0.0144 za obraz (było $0.0192)
   Wan 2.6 Flash	Obraz na wideo, bez dźwięku	$0.0225 za sekundę w 720p, $0.03375 w 1080p (bez zmian)
   Wan 2.6 Flash	Obraz na wideo, z dźwiękiem	$0.045 za sekundę w 720p, $0.0675 w 1080p

   W obu modelach Qwen wszystkie poziomy rozdzielczości kosztują tyle samo, każdy zwrócony obraz jest rozliczany, a liczba obrazów referencyjnych nie zmienia ceny.

3. 2026.10.13

   Dodano2026-10-13

   Video Extend już dostępne: kontynuuj dowolny własny klip w 31 rodzinach modeli wideo

   Możesz teraz kontynuować wideo, które już masz. Wgraj klip, napisz, co dzieje się dalej, a SpicyAPI wygeneruje nowy fragment od ostatniej klatki Twojego klipu i połączy oba w jeden plik MP4. Działa w 31 rodzinach modeli wideo, zarówno przez API, jak i na stronie.

   • Jak to działa. Wyślij klip jako video_url (MP4, MOV lub WebM, do 60 sekund) oraz krótki prompt opisujący, co dzieje się dalej. W większości modeli prompt jest opcjonalny. Dostajesz połączony plik MP4 i osobno sam nowy fragment. Połączony wynik możesz przedłużać ponownie, ile razy chcesz.
   • Opcjonalna klatka końcowa. Niektóre modele przyjmują last_image_url, czyli klatkę, na której ma kończyć się nowy fragment. Seedance 2.5 czyta jako referencję do ostatnich 30 sekund Twojego klipu, dzięki czemu nowy fragment dokładniej podąża za ruchem.
   • Cena. Płacisz tylko za nowy fragment, według ceny obraz na wideo danego modelu. Twój oryginalny klip nie jest rozliczany. Seedance 2.5 dolicza też sekundy odczytane jako referencja, w tej samej cenie co generowanie z referencji. Jeśli łączenie się nie powiedzie, całe zadanie jest zwracane.
   • Czysty łącznik. Kolor, jasność i głośność nowego fragmentu są automatycznie dopasowywane do Twojego klipu, a liczba klatek na sekundę jest taka jak w klipie. Nie są dodawane czarne pasy. Aby dopasować łączenie, obraz może zostać przycięty lub skorygowany o kilka procent przy krawędziach.
   • Na stronie. W Playground, Studio, Zasobach, historii zadań w konsoli i edytorze krótkich metraży każdy wynik wideo ma przycisk Extend na jedno kliknięcie. Twój klip jest już wstawiony, wybrany jest ten sam model, a cena widnieje obok przycisku.
   • Klipy 4K HDR. Nagrania z telefonu w 4K HDR mają limit długości: około 15 sekund przy 60 kl./s i około 40 sekund przy 30 kl./s. HDR w 1080p nie jest objęty limitem.

   FLUX 3 i Wan 2.2 Spicy LoRA miały już własne natywne przedłużanie i je zachowują. Nowością są modele video-extend każdej z poniższych rodzin.

   Model	Nazwa w API
   LTX 2.3 Spicy	lightricks/ltx-2.3-spicy/video-extend
   LTX 2.3 Spicy LoRA	lightricks/ltx-2.3-spicy-lora/video-extend
   LTX-2 19B	lightricks/ltx-2-19b/video-extend
   MiniMax H3	minimax/h3/video-extend
   MiniMax H3 LoRA	minimax/h3-lora/video-extend
   MiniMax H3 Max	minimax/h3-max/video-extend
   MiniMax H3 Singularity LoRA	minimax/h3-singularity-lora/video-extend
   MiniMax H3 Spicy	minimax/h3-spicy/video-extend
   Seedance 1.5 Pro	bytedance/seedance-1.5-pro/video-extend
   Seedance 1.5 Pro Spicy	bytedance/seedance-1.5-pro-spicy/video-extend
   Seedance 2.0	bytedance/seedance-2.0/video-extend
   Seedance 2.0 Fast	bytedance/seedance-2.0-fast/video-extend
   Seedance 2.0 Fast Spicy	bytedance/seedance-2.0-fast-spicy/video-extend
   Seedance 2.0 Mini	bytedance/seedance-2.0-mini/video-extend
   Seedance 2.0 Mini Spicy	bytedance/seedance-2.0-mini-spicy/video-extend
   Seedance 2.0 Spicy	bytedance/seedance-2.0-spicy/video-extend
   Seedance 2.5	bytedance/seedance-2.5/video-extend
   Seedance 2.5 Spicy	bytedance/seedance-2.5-spicy/video-extend
   Vidu Q3 Spicy	vidu/q3-spicy/video-extend
   Vidu Q3 Turbo	vidu/q3-turbo/video-extend
   Vidu Q4 Preview	vidu/q4-preview/video-extend
   Wan 2.2 LoRA	alibaba/wan-2.2-lora/video-extend
   Wan 2.2 Spicy	alibaba/wan-2.2-spicy/video-extend
   Wan 2.5	alibaba/wan-2.5/video-extend
   Wan 2.7 Spicy	alibaba/wan-2.7-spicy/video-extend
   Wan 3.0	alibaba/wan-3.0/video-extend
   Wan 3.0 Prime	alibaba/wan-3.0-prime/video-extend
   Wan 3.0 Prime Spicy	alibaba/wan-3.0-prime-spicy/video-extend
   Wan 3.0 Pro	alibaba/wan-3.0-pro/video-extend
   Wan 3.0 Pro Prime	alibaba/wan-3.0-pro-prime/video-extend
   Wan 3.0 Spicy	alibaba/wan-3.0-spicy/video-extend

4. 2026.10.13.1

   Dodano2026-10-13

   Qwen Image 2.1 Turbo już dostępny: tekst na obraz i edycja bez cenzury w 8 krokach

   Qwen Image 2.1 Turbo, 8-krokowy checkpoint modelu Qwen Image 2.1, który zespół Qwen z Alibaba udostępnił z otwartymi wagami 9 października 2026 roku, można już wywoływać w SpicyAPI. Strona, która pokazywała go jako „wkrótce”, teraz go uruchamia.

   • Tekst na obraz (alibaba/qwen-image-2.1-turbo/text-to-image): od jednego do sześciu obrazów w jednym żądaniu, piętnaście proporcji, 1k, 1.5k lub 2k. Nasze żądania trwały od 13 do 39 sekund.
   • Edycja obrazów (alibaba/qwen-image-2.1-turbo/edit): od jednego do dziesięciu obrazów referencyjnych i polecenie zapisane zwykłym językiem. Jeśli pominiesz proporcje, wynik zachowa kształt obrazu źródłowego przy około 2K.

   Przed żadnym z tych dwóch endpointów nie ma filtra treści. Rozszerzanie promptu jest domyślnie wyłączone: po włączeniu przepisywanie przez Alibaba łagodzi prompty dla dorosłych, a w naszych testach edycja, która miała sprawić, by ubrany portret pokazał więcej, wróciła bez zmian.

   Endpoint	Za obraz
   Tekst na obraz	$0.0192
   Edycja obrazów	$0.0192

   Wszystkie poziomy rozdzielczości kosztują tyle samo, każdy zwrócony obraz jest rozliczany, a liczba obrazów referencyjnych nie zmienia ceny.

5. 2026.10.12.1

   Dodano2026-10-12

   Zasoby z folderami, ulubionymi, postaciami i własną stroną

   Twoja biblioteka Zasobów ma teraz własną stronę: spicyapi.ai/assets. To ta sama biblioteka, którą widzisz w Studio. Wszystko, co zachowujesz, jest tam: zapisane wyniki, wgrane pliki i postacie.

   • Foldery. Trzymaj razem to, co do siebie pasuje. Przeciągnij elementy na folder w panelu bocznym albo użyj Dodaj do folderu.
   • Ulubione. Stuknij serduszko przy wszystkim, po co sięgasz często.
   • Postacie. Zbierz kilka zdjęć tej samej osoby, nadaj jej imię i wpisz w prompcie @ oraz to imię. Postacie utworzone wcześniej w Studio przeniosły się same, nic nie musisz robić od nowa. Nie mają już własnego limitu: liczą się do miejsca w Twojej bibliotece jak wszystko inne.
   • Twórz z tym. Każdy element i każda postać otwiera się od razu w Studio z gotowym odniesieniem, na stronie modelu z wypełnionym polem odniesienia albo jako kod API gotowy do skopiowania.

   Dla programistów: GET /api/v1/assets filtruje teraz po ulubionych i folderze oraz sortuje według daty, nazwy lub rozmiaru, a postacie odczytasz przez GET /api/v1/assets/entities. Dotychczasowe odwołania spicy://p/ nadal działają. Szczegóły znajdziesz w dokumentacji: Biblioteka zasobów.

6. 2026.10.12

   Dodano2026-10-12

   Zasoby: postacie i materiały referencyjne w jednej bibliotece, wspólnej dla zespołu i dostępnej z API

   Obrazy, filmy i nagrania audio, z których korzystasz wielokrotnie, na przykład zdjęcia referencyjne postaci, możesz teraz trzymać w Zasobach i wstawiać do dowolnego zapytania jako spicy://a/<id>. Ta sama biblioteka działa w Playground, w Studio i przez API.

   • Zapisuj skądkolwiek. Dodaj wynik do zakładek, prześlij pliki albo zapisz przez API za pomocą POST /api/v1/assets (z ukończonego zadania, z przesłanego pliku lub z publicznego linku). Włącz automatyczny zapis w Zasobach, aby zachować wszystko, co generujesz na stronie.
   • Prywatność od początku. Zasoby zostają, dopóki ich nie usuniesz. Podglądy to krótkotrwałe linki podpisane tylko dla Ciebie, a żaden element biblioteki nie dostaje publicznego adresu URL.
   • Biblioteki zespołowe. Każda przestrzeń robocza zespołu ma własną wspólną bibliotekę. Klucze API zespołu odczytują z niej i zapisują do niej, a role decydują, kto może dodawać i usuwać.

   Suma doładowań	Miejsce	Elementy
   10 $	500 MB	200
   100 $	1 GB	400
   250 $	2 GB	800
   1 000 $	10 GB	4 000

   Nowości dodatkowo:

   • Wskazuj referencje w samym prompcie. Wpisz @, aby wstawić obraz, film, klip audio lub nazwany element referencyjny, zapisany tak, jak oczekuje tego dany model. W Seedream 5.0 możesz zaznaczyć punkt lub ramkę na obrazie referencyjnym, a w endpointach do inpaintingu maskę rysujesz od razu w formularzu.
   • MiniMax H3 reference to video przyjmuje teraz do 3 filmów referencyjnych (łącznie 15 sekund) i do 3 klipów audio. Sekundy filmów referencyjnych mają teraz własną, niższą stawkę (0,0231 $ za sekundę przy 768p, 0,0378 $ przy 2K), pierwszych pięć obrazów referencyjnych nadal jest za darmo, a każdy obraz od szóstego kosztuje 0,014 $.
   • Studio otwiera się szybciej, wyświetla filmy na początku i oprócz zdjęć przyjmuje filmy referencyjne oraz audio.

   Szczegóły API znajdziesz w dokumentacji: Asset library

7. 2026.10.10

   Dodano2026-10-10

   18 nowych rodzin modeli LoRA jest już dostępnych: FLUX.2, FLUX.1, Krea 2, Qwen Image, Wan i LTX-2.3

   Dziś do katalogu dołączyło osiemnaście rodzin modeli obsługujących LoRA, łącznie 33 endpointy. Każda wczytuje Twoje własne pliki LoRA przez bezpośredni link bez dodatkowej opłaty (do trzech na żądanie w większości, jeden w P-Image), a platforma nie stosuje żadnego filtra treści.

   Rodzina	Endpointy	Cena
   FLUX.2 Dev LoRA	Tekst na obraz, edycja	$0.0216 / $0.036 za obraz
   FLUX.2 Klein 9B LoRA	Tekst na obraz, edycja	$0.018 / $0.0252 za obraz
   FLUX.2 Klein Base 9B LoRA	Tekst na obraz, edycja	$0.024 / $0.0312 za obraz
   FLUX.2 Klein 4B LoRA	Tekst na obraz, edycja	$0.0156 / $0.0204 za obraz
   FLUX.2 Klein Base 4B LoRA	Tekst na obraz, edycja	$0.018 / $0.024 za obraz
   FLUX.1 Krea Dev LoRA	Tekst na obraz, edycja	$0.024 za obraz
   FLUX.1 Schnell LoRA	Tekst na obraz, edycja	$0.006 za obraz
   FLUX.1 Fill Dev LoRA	Edycja wewnątrz maski	$0.042 za obraz
   FLUX.1 Dev ControlNet LoRA	Tekst na obraz sterowany obrazem kontrolnym	$0.036 za obraz
   Krea 2 Turbo LoRA	Tekst na obraz, edycja	$0.0216 przy 1k, $0.036 przy 2k za obraz
   P-Image LoRA	Tekst na obraz, edycja	$0.006 / $0.012 za obraz
   Qwen Image 1.0 LoRA	Tekst na obraz, edycja	$0.03 za obraz
   Qwen Image Edit 2509 LoRA	Edycja z maksymalnie trzema obrazami źródłowymi	$0.03 za obraz
   Wan 2.1 Image LoRA	Tekst na obraz, edycja	$0.03 za obraz
   Wan 2.2 Image LoRA	Tekst na obraz	$0.03 za obraz
   Wan 2.1 LoRA	Tekst na wideo, obraz na wideo, wideo na wideo	$0.24 do $0.54 za klip (5 lub 10 sekund, 480p lub 720p)
   Wan 2.2 5B LoRA	Tekst na wideo, obraz na wideo	$0.12 za 5-sekundowy klip w 720p
   LTX-2.3 LoRA	Tekst na wideo, obraz na wideo, z dźwiękiem	$0.06 za klip plus $0.024 do $0.048 za sekundę

   Zanim podepniesz LoRA:

   • Dopasuj bazę. LoRA działa tylko na modelu bazowym, do którego został wytrenowany. Ten stworzony pod inną bazę zwykle wczytuje się bez błędu i nic nie zmienia, więc najpierw sprawdź jego kartę modelu. Każda strona modelu wymienia to, co przetestowaliśmy.
   • Użyj bezpośredniego linku do pliku z wagami. Link do strony repozytorium albo do pliku wymagającego logowania kończy się czytelnym błędem i nie jest naliczany.
   • Zacznij od scale 1. Siła wyraźnie powyżej 1 szybko pogarsza obraz.

   Otwórz dowolną z nowych rodzin w Modelach, aby zobaczyć przetestowane wyniki, przykładowe prompty i pełną tabelę cen.

8. 2026.10.09

   Zmieniono2026-10-09

   Vidu Q4 Preview kosztuje teraz tyle, co cennik własny Vidu

   Od 9 października 2026 roku oba endpointy Vidu Q4 Preview są tańsze o około 17%, a stawki za sekundę odpowiadają cennikowi samego Vidu.

   Rozdzielczość	Wcześniej	Teraz
   540p	$0.054	$0.045
   720p	$0.114	$0.095
   1080p	$0.144	$0.12
   2k	$0.228	$0.19
   4k	$0.468	$0.39

   Ceny dotyczą sekundy materiału, dla vidu/q4-preview/image-to-video i vidu/q4-preview/reference-to-video.

   • Po twojej stronie nic się nie zmienia. Żądania, rozdzielczości i długości pozostają te same, a szacunek przed wysłaniem i obciążenie po nim liczone są według nowych stawek. Włączony lub wyłączony dźwięk oraz liczba referencji nadal nie zmieniają ceny.
   • Tego samego dnia Vidu zaostrzyło obraz na wideo. Żądanie intymnej sceny między dwiema dorosłymi osobami, które 8 października wracało tylko jako sugestia, jest teraz odrzucane, a odrzucone żądania nie są naliczane. Odważne sceny i zgodne krępowanie w naszym ponownym teście nadal przechodziły.

9. 2026.10.08.1

   Dodano2026-10-08

   Vidu Q4 Preview: obraz na wideo i referencje na wideo z dźwiękiem i wypowiadanymi kwestiami

   Vidu wydało Vidu Q4 Preview 7 października 2026 r. — publiczną wersję zapoznawczą swojego modelu wideo Q4. Oba endpointy tworzą klipy o długości od 3 do 16 sekund w 540p, 720p, 1080p, 2k lub 4k, a dialogi, efekty i dźwięki otoczenia powstają razem z obrazem; kwestia zapisana w prompcie w podwójnym cudzysłowie jest wypowiadana na głos.

   • Obraz na wideo (vidu/q4-preview/image-to-video): animuje jedną klatkę początkową i zachowuje jej kształt. W naszych testach treści nie została odrzucona ani razu: odważne sceny i krępowanie przeszły, najbardziej śmiałe treści zostały poza kadrem, a intymna scena między dwiema dorosłymi osobami była jedynie zasugerowana.
   • Referencje na wideo (vidu/q4-preview/reference-to-video): buduje jedną scenę z 1–15 obrazów referencyjnych osób, strojów, produktów lub miejsc oraz do 3 klipów głosowych, w proporcjach 16:9, 9:16, 1:1, 3:4 lub 4:3. Odrzuca najbardziej śmiałe sceny, a odrzucone zapytania nie są naliczane.

   Klipy 2k i 4k wracają jako 10-bitowe pliki HEVC, których część przeglądarek nie odtworzy w treści strony.

   Rozdzielczość	Za sekundę
   540p	$0.054
   720p	$0.114
   1080p	$0.144
   2k	$0.228
   4k	$0.468

   Włączony lub wyłączony dźwięk oraz liczba referencji nie zmieniają ceny.

10. 2026.10.08.1

    Dodano2026-10-08

    Claude Haiku 5.5: najszybszy Claude od Anthropic w cenie katalogowej

    • Claude Haiku 5.5 jest już dostępny. Najnowszy Haiku od Anthropic, wydany 7 października i najszybszy model w obecnej linii Anthropic, działa na jednym endpoincie kompatybilnym z OpenAI: tekst i obrazy na wejściu, okno 1 000 000 tokenów i do 128 000 na wyjściu. Odpowiedzi można odbierać strumieniowo przez SSE, a nieudane żądania nie są rozliczane.
    • 20 z 24 testów treści napisanych w całości. Dwa wróciły złagodzone, a dwa zostały odrzucone — oba dotyczyły dosłownego studium postaci, część po części. Osiem z dziewięciu próśb o scenę intymną między dorosłymi zostało napisanych do końca.
    • Wywołania narzędzi, które można wymusić. tool_choice przyjmuje auto, none, required albo nazwane narzędzie, a parallel_tool_calls: false ogranicza turę do jednego wywołania. Nie ma reasoning_effort, stop ani temperature, a max_tokens nie skraca odpowiedzi, więc długość podaj w prompcie.
    • Cena katalogowa Anthropic. 0,10 $ za milion tokenów wejściowych i 0,50 $ za wyjściowe dla promptów do 100 000 tokenów, a powyżej tego progu 0,50 $ i 2,50 $. Trafienie w cache kosztuje 0,10 $ za milion tokenów, a zapis do cache stawkę wejścia.

11. 2026.10.07.1

    Dodano2026-10-07

    Nano Banana 2.1: najnowszy model obrazów Google, z generowaniem z tekstu i edycją

    Google wydało Nano Banana 2.1 6 października 2026 r. jako aktualizację Nano Banana 2 (Gemini 3.1 Flash Image): lepsza jakość obrazu, wierniejsze trzymanie się promptu, spójniejsze postacie między kolejnymi edycjami, lepsze renderowanie tekstu i brak szwów kafelkowania na szerokich banerach w 2K i 4K.

    • Tekst na obraz (google/nano-banana-2.1/text-to-image): 1K, 2K lub 4K w czternastu proporcjach od 1:8 do 8:1, wyjście w PNG lub JPEG, opcjonalnie z wyszukiwaniem w sieci i wyszukiwaniem obrazów.
    • Edycja (google/nano-banana-2.1/edit): od jednego do czternastu obrazów źródłowych; auto utrzymuje proporcje obrazu źródłowego.

    Obowiązuje polityka treści Google: sugestywna moda jest generowana, natomiast najbardziej śmiałe prośby są w trybie tekst na obraz łagodzone, a w edycji odrzucane (odrzucone edycje nie są naliczane).

    Poziom rozmiaru	Za obraz
    1k	$0.048
    2k	$0.072
    4k	$0.162

    Edycja dolicza $0.0024 za każdy obraz źródłowy; wyszukiwanie w sieci i wyszukiwanie obrazów dolicza po $0.0168 każde po włączeniu.

12. 2026.10.05.1

    Dodano2026-10-05

    Edytor wideo w Spicy Studio: przycinaj, dodawaj napisy i eksportuj w przeglądarce

    • Edytor wideo jest już dostępny. Otwórz go w Spicy Studio: połóż wygenerowane klipy na osi czasu, przycinaj je, dziel i zmieniaj ich kolejność, dodawaj napisy i muzykę, a następnie wyeksportuj jedno gotowe wideo. Działa w przeglądarce, a edycja i eksport są bezpłatne.
    • Zacznij od dowolnego wyniku wideo. Każdy wynik wideo ma akcję Edytor wideo — w Studio i obok wyników wideo na stronach modeli — która otwiera edytor z tym klipem już na osi czasu. Możesz też dodać wideo, zdjęcia i dźwięk z tego urządzenia lub z sekcji Zasoby.
    • Napisy, naklejki i mozaiki. Tekst w 12 stylach i 11 krojach pisma, napisy ustawiane przeciąganiem na osi czasu, naklejki, Twoje własne logo lub znak wodny oraz mozaika (Pikseluj, Rozmyj lub Czarny pasek) na części obrazu. Podążaj za ruchem utrzymuje mozaikę lub napis na poruszającym się obiekcie.
    • Style, filtry i przejścia. Styl ustawia filtr, efekt i przejście jednym dotknięciem — do wyboru jest 14 — albo wybierasz każdy element osobno, z osobnym przejściem dla każdego cięcia.
    • Twoje pliki zostają na Twoim urządzeniu. Wideo, zdjęcia i dźwięk dodane z tego urządzenia nigdy nie są przesyłane; są przechowywane w tej przeglądarce, więc odświeżenie strony nie kasuje Twojej edycji.
    • Eksport. Poziomo, pionowo lub w kwadracie, do 1080p i do 10 minut, jako MP4 tam, gdzie przeglądarka potrafi tak nagrywać, a w pozostałych przypadkach jako WebM.

13. 2026.10.05.3

    Dodano2026-10-05

    Siedem nowych rodzin modeli bez cenzury: Pony XL LoRA, Z-Image Base LoRA, Neta Lumina, Jib Mix Qwen, HunyuanVideo 1.5 i LTX-2 19B

    Do katalogu trafiło siedem nowych rodzin, wszystkie bez cenzury, a do Wan 2.2 LoRA doszedł endpoint text-to-video.

    • Prefect Pony XL LoRA (prefect/pony-xl-lora/text-to-image): anime-checkpoint Pony XL z maksymalnie trzema twoimi LoRA do Pony na żądanie.
    • Z-Image Base LoRA (alibaba/z-image-base-lora/text-to-image, /edit): niedestylowana baza Z-Image, na której trenowana jest większość społecznościowych LoRA do Z-Image, z image-to-image i regulacją siły.
    • Neta Lumina (neta-art/neta-lumina/text-to-image): anime-model Neta.art, do którego piszesz prompty tagami w stylu Danbooru lub zdaniami.
    • Jib Mix Qwen i Jib Mix Qwen LoRA (j1b/jib-mix-qwen-image/text-to-image, j1b/jib-mix-qwen-image-lora/text-to-image): fotorealistyczny fine-tuning Qwen-Image do naturalnych portretów, z twoimi LoRA albo bez nich.
    • HunyuanVideo 1.5 (tencent/hunyuan-video-1.5/text-to-video, /image-to-video): otwarty model wideo Tencent, 5 lub 8 sekund w 480p albo 720p.
    • LTX-2 19B i LTX-2 19B LoRA (lightricks/ltx-2-19b/..., lightricks/ltx-2-19b-lora/...): model wideo Lightricks ze ścieżką dźwiękową w każdym klipie, od 5 do 20 sekund w rozdzielczości do 1080p; wersja LoRA obsługuje też LoRA kamery lub stylu.
    • Wan 2.2 LoRA text-to-video (alibaba/wan-2.2-lora/text-to-video): Wan 2.2 z twoimi własnymi LoRA dla wysokiego i niskiego szumu, teraz nie tylko z obrazu, ale i z promptu.

    LoRA to bezpośredni link do pliku .safetensors wytrenowanego pod dany model bazowy; ładowanie LoRA nie wiąże się z osobną opłatą.

    Rodzina	Cena
    Prefect Pony XL LoRA	$0.024 / obraz
    Z-Image Base LoRA	$0.0144 / obraz
    Neta Lumina	$0.012 / obraz
    Jib Mix Qwen	$0.024 / obraz
    Jib Mix Qwen LoRA	$0.03 / obraz
    HunyuanVideo 1.5	$0.024 / s w 480p, $0.048 / s w 720p
    LTX-2 19B	$0.0144 / s w 480p, $0.0192 / s w 720p, $0.0288 / s w 1080p
    LTX-2 19B LoRA	$0.018 / s w 480p, $0.024 / s w 720p, $0.036 / s w 1080p
    Wan 2.2 LoRA text-to-video	$0.048 / s w 480p, $0.084 / s w 720p

14. 2026.10.05.2

    Dodano2026-10-05

    Anima Turbo i Anima Turbo LoRA: anime-model obrazów bez cenzury, z twoimi własnymi LoRA

    Dwie nowe rodziny obrazów działają na Anima Turbo, szybkiej wersji 8–12 kroków anime-modelu CircleStone Labs z 2 miliardami parametrów. Możesz pisać prompty tagami w stylu Danbooru, zwykłymi zdaniami albo jednym i drugim.

    • Anima Turbo (circlestone-labs/anima-turbo/text-to-image, /edit): ilustracje anime w piętnastu proporcjach i na dwóch poziomach rozdzielczości, zwykle poniżej dziesięciu sekund na obraz, a do tego image-to-image, który zamienia zdjęcia w anime z regulacją siły.
    • Anima Turbo LoRA (circlestone-labs/anima-turbo-lora/text-to-image, /edit): ten sam model z maksymalnie trzema twoimi plikami LoRA na żądanie, każdy z własną siłą, do retro-growych looków, tuszu mangowego, postaci i stylów dla dorosłych.

    LoRA to bezpośredni link do pliku .safetensors: bez wgrywania, bez listy dozwolonych, bez weryfikacji. Wszystkie cztery endpointy są bez cenzury, image-to-image kosztuje tyle samo co text-to-image, a ładowanie LoRA nie wiąże się z osobną opłatą.

    Rodzina	Poziom 1k (ok. 1 megapiksela)	Poziom 1.5k (ok. 2,4 megapiksela)
    Anima Turbo	$0.012 / obraz	$0.024 / obraz
    Anima Turbo LoRA	$0.018 / obraz	$0.036 / obraz

15. 2026.10.01.1

    Dodano2026-10-01

    Claude Sonnet 5.5: najnowszy Sonnet od Anthropic w cenie katalogowej

    • Claude Sonnet 5.5 jest już dostępny. Najnowszy Sonnet od Anthropic, wydany 28 września, działa na jednym endpoincie kompatybilnym z OpenAI: tylko tekst na wejściu, okno 1 000 000 tokenów i do 128 000 na wyjściu — dwa razy więcej niż pułap Sonneta 5. Odpowiedzi można odbierać strumieniowo przez SSE, a nieudane żądania nie są rozliczane.
    • 24 z 24 testów treści napisanych w całości. Bez odmów i bez łagodzenia, łącznie z dziewięcioma prośbami o scenę intymną między dorosłymi — tam, gdzie Sonnet 5 odmówił wszystkich próśb wprost i w ramach opowieści.
    • Sześć poziomów wysiłku. reasoning_effort przyjmuje wartości od none do max, domyślnie medium; none pomija etap myślenia, a xhigh i max zwracają tok rozumowania. tool_choice przyjmuje tylko auto lub none, a temperature i top_p nie są przyjmowane.
    • Cena katalogowa Anthropic. 2 $ za milion tokenów wejściowych, 0,20 $ za tokeny z cache, 2,50 $ za zapis do cache i 10 $ za wyjściowe — tyle samo, ile Sonnet 5 według cennika.

16. 2026.09.30.1

    Dodano2026-09-30

    Seedream 5.0 Flash i rozdzielanie obrazów na warstwy

    • Seedream 5.0 Flash jest już dostępny. Lżejszy poziom Seedream od ByteDance z trybem tekst na obraz, edycją z użyciem do dziesięciu referencji i rozdzielaniem na warstwy. 0,029 $ za obraz w 1K, 1,5K i 2K tak samo, piętnaście proporcji, wyjście w formacie JPEG lub PNG. Treści dla dorosłych nie wymagają dodatkowego przełącznika ani osobnego endpointu.
    • Nowość: rozdzielanie na warstwy. Wysyłasz jeden obraz i dostajesz czystą podstawę oraz do 16 przezroczystych warstw PNG. Flash kosztuje 0,02 $ za obraz wyjściowy; Seedream 5.0 Pro kosztuje 0,042 $ (1K, 1,5K) lub 0,084 $ (2K) i zwraca też położenie każdej warstwy, więc w przeglądarce możesz je pokazywać, przeciągać i eksportować.
    • Płacisz za to, co dostajesz. Liczy się każdy obraz wyjściowy, wraz z podstawowym, do 17. Przy przyjęciu żądania rezerwujemy 17, a różnicę zwracamy, gdy znana jest rzeczywista liczba.

17. 2026.09.29.1

    Dodano2026-09-29

    Cztery kolejne modele text-to-speech: Gemini 3.8 Flash i Flash-Lite TTS, Seed Speech 2.0 i Chatterbox

    • Gemini 3.8 Flash TTS i 3.8 Flash-Lite TTS są już dostępne. Najnowsze modele głosowe od Google zamieniają skrypt liczący do 5000 znaków w jeden plik WAV, w jednym z 30 głosów. 3.8 Flash odgrywa wskazówki w nawiasach kwadratowych, takie jak [whispering] czy [sighs]; 3.8 Flash-Lite jest szybszy i tańszy, ale czasami czyta takie znaczniki na głos, więc dźwięki lepiej zapisać literami. 0,00032 $ i 0,00021 $ za sekundę zwróconego audio.
    • Seed Speech 2.0 od ByteDance. 41 gotowych głosów w dziesięciu językach, wskazówka w prostym języku dotycząca sposobu czytania, wyjście w formacie MP3. To pierwszy model rozliczany za znak — 0,072 $ za 1000 znaków — więc wycena widoczna przed uruchomieniem zadania jest już ceną ostateczną.
    • Chatterbox od Resemble AI. Głos open source w języku angielskim z suwakiem regulującym ekspresję czytania, do 1000 znaków za stałą stawkę 0,036 $ za żądanie.
    • Nie dodajemy filtra treści do żadnego z nich. W naszych testach wszystkie cztery modele czytały skrypty NSFW w całości. Każde żądanie korzysta z jednego gotowego głosu; żaden z tych endpointów nie klonuje głosów.

18. 2026.09.29.2

    Dodano2026-09-29

    Qwen3 TTS: model głosowy Alibaby typu open source z dziewięcioma głosami i bez filtra treści

    • Qwen3 TTS jest już dostępny. Model text-to-speech typu open source od Alibaby odczytuje do 2000 znaków jednym z dziewięciu głosów — w tym głosami mówiącymi po japońsku i koreańsku oraz dwoma głosami dialektów chińskich — i przyjmuje wskazówkę w prostym języku dotyczącą sposobu czytania. Wyjście w formacie MP3, dziesięć języków.
    • 0,068 $ za 1000 znaków, przy minimum 100 znaków na żądanie. Liczba znaków jest znana przed uruchomieniem zadania, więc wycena widoczna wcześniej jest już ceną ostateczną.
    • Nie dodajemy do niego żadnego filtra treści. W testach model czytał skrypty NSFW w całości. Każde żądanie korzysta z jednego gotowego głosu; ten endpoint nie klonuje głosów.

19. 2026.09.29.3

    Dodano2026-09-29

    MiniMax Speech 2.8 HD i Turbo oraz Seed Audio 1.0 do całych scen audio

    • MiniMax Speech 2.8 HD i Turbo są już dostępne. Oba modele odczytują do 5000 znaków jednym z 17 głosów systemowych, z jedną z siedmiu emocji i opcjonalną wskazówką dla 40 języków. Znaczniki dźwiękowe w nawiasach, takie jak (sighs), (laughs) czy (breath), są odgrywane, a nie odczytywane na głos. HD to wariant o wyższej jakości dźwięku w cenie 0,12 $ za 1000 znaków; Turbo jest zoptymalizowany pod kątem szybkości i kosztu, w cenie 0,072 $ za 1000 znaków. Liczba znaków jest znana przed uruchomieniem zadania, więc wycena widoczna wcześniej jest już ceną ostateczną.
    • Seed Audio 1.0 od ByteDance. Jeden prompt opisuje całą scenę — kto mówi i w jaki sposób, kwestie w cudzysłowie, a do tego muzykę, tło dźwiękowe i efekty dźwiękowe — a wynikiem jest jeden plik MP3 trwający do około dwóch minut, obejmujący też dialogi między kilkoma postaciami. To stała stawka 0,36 $ za żądanie.
    • Do żadnego z nich również nie dodajemy filtra treści. W naszych testach wszystkie trzy modele czytały skrypty NSFW w całości.

20. 2026.09.28.1

    Dodano2026-09-28

    Wideo Kling: osiem rodzin, od O3 do Avatar 2.0

    • Osiem rodzin Kling, rozliczanych za sekundę. Kling O3 (tekst, obraz, zdjęcia referencyjne i edycja własnego klipu), Kling 3.0 (pierwsza i ostatnia klatka, do 4K, plus Motion Control), Kling 3.0 Turbo (natywny dźwięk w każdym klipie), Kling 2.6, Kling 2.5 Turbo, Kling 2.1, Kling 2.1 Master i Kling Avatar 2.0 — mówiący awatar z jednego portretu i ścieżki dźwiękowej. Żadnego pakietu do kupienia z góry.
    • Poniżej cennika Kling w czterech rodzinach. Kling O3 i Kling 3.0 zaczynają się od 0,0672 $ za sekundę (720p, bez dźwięku), czyli około 20% poniżej cennika Kling; Kling 2.5 Turbo kosztuje 0,056 $ za sekundę, a Kling Avatar 2.0 zaczyna się od 0,0512 $.
    • Kling sam moderuje treści. Sugestywne ujęcia czasem przechodzą, wszystko bardziej odsłonięte zostaje odrzucone, a za odrzucone żądanie nigdy nie naliczamy opłaty. Edycje wideo wymagają klipu źródłowego o długości od 3 do 10 sekund.

21. 2026.09.28.3

    Dodano2026-09-28

    Gemini 2.5 Pro TTS: synteza mowy od Google, 10% poniżej ceny katalogowej

    • Gemini 2.5 Pro TTS jest już dostępny. Model syntezy mowy od Google zamienia skrypt liczący do 5000 znaków w jeden plik WAV, w jednym z 30 głosów, z opcjonalnym stylem, akcentem i instrukcjami wykonania w prostym języku.
    • 10% poniżej ceny katalogowej Google. 0,00045 $ za sekundę zwróconego audio (około 0,027 $ za minutę). Podczas wykonywania zadania blokowana jest kwota za najdłuższy możliwy klip, a różnica jest zwalniana po zmierzeniu audio; nieudane żądania nie są obciążane opłatą.
    • Nie dodajemy żadnego filtra treści. W naszych testach model czytał skrypty NSFW w całości: bezpośrednie kwestie, fikcję narracyjną, wskazówki na zdyszany głos. Ten endpoint nie obsługuje dialogu dwóch głosów ani klonowania głosu: jeden głos na żądanie.

22. 2026.09.28.2

    Dodano2026-09-28

    Claude Opus 5.5: najnowszy Opus od Anthropic, poniżej ceny katalogowej

    • Claude Opus 5.5 jest już dostępny. Najnowszy Opus od Anthropic, wydany 22 września, działa na jednym endpoincie kompatybilnym z OpenAI: 1 000 000 tokenów na wejściu, do 128 000 na wyjściu, ze stale włączonym rozumowaniem na trzech poziomach effort.
    • 10% poniżej ceny katalogowej Anthropic. 3,60 $ za milion tokenów wejściowych, 0,18 $ za tokeny z cache, 4,50 $ za zapis do cache i 18 $ za wyjściowe.
    • Łagodzi zamiast odmawiać. W 24 testach treści przeprowadzonych w dniu premiery nie odrzucił żadnego zapytania; przy systemowym prompcie do fikcji dla dorosłych pisał każdą intymną scenę w całości. Wymuszenie konkretnego wywołania narzędzia nie jest obsługiwane w tym modelu: zostaw tool_choice na auto i podaj nazwę narzędzia w prompcie.

23. 2026.09.27.3

    Dodano2026-09-27

    Spicy Studio: zamiana twarzy, głowy i postaci, pełnoekranowy edytor płótna oraz wszystkie proporcje i długości w polu promptu

    • Wszystkie narzędzia w jednym panelu. Panel Narzędzia w Spicy Studio pokazuje każde narzędzie, przy tych uruchamianych prosto z panelu podaje cenę i uruchamia je na jednym z twoich wyników albo na przesłanym pliku. Nowe w Studio: zamiana twarzy na zdjęciach ($0.013 za obraz w wersji Standard, $0.16 w Plus lub Pro) i w wideo ($0.0325 za sekundę, w blokach po 8 sekund), zamiana głowy na zdjęciach ($0.013) i w wideo, zamiana postaci, sobowtór, który zwraca obraz sławnej twarzy najbardziej podobnej do portretu ($0.05), oraz wydłużenie klipu o 5 lub 8 sekund (od $0.038 za sekundę nowego materiału). Zamiana głowy i postaci w wideo przebiega w dwóch krokach: $0.08 za znalezienie osób w klipie, potem od $0.064 za sekundę zamiany. Jeśli pierwszy krok nikogo nie znajdzie, opłata za niego zostaje zwrócona i nic więcej się nie uruchamia.
    • Jednorazowe potwierdzenie przed narzędziami do twarzy. Przy pierwszym użyciu zamiany twarzy, głowy lub postaci, sobowtóra, mówiącego awatara albo synchronizacji ust Studio prosi o zgodę na trzy zasady: tylko własna twarz albo twarze osób, które się zgodziły; nigdy nikt poniżej 18 lat; żadnego podszywania się ani wprowadzania w błąd. Odpowiedź zostaje zapamiętana na urządzeniu.
    • Pełnoekranowy edytor płótna. Płótna otwierają się na pełnym ekranie na siatce kropek. Węzły dodajesz dwuklikiem, przyciskiem + albo klawiszem N. + po prawej stronie obrazu lub klipu generuje z niego coś nowego, a + po lewej stronie węzła promptu dodaje wejście. Połącz węzeł obrazu z węzłem wideo, żeby zaplanować ujęcie, zanim którykolwiek się uruchomi. Pole promptu węzła promptu otwiera się tuż obok, z ponumerowanymi referencjami, które wskazujesz jako @image2, a w modelach wideo, które przyjmują klatkę końcową, z wyborem między klatką początkową i końcową a obrazami referencyjnymi.
    • Pole promptu dopasowuje się do modelu. Proporcje są podane liczbami, wszystkie, które model przyjmuje, a każdą obsługiwaną długość wybierasz przyciskami albo suwakiem. Długość Auto pokazuje maksimum modelu. Jeśli nowo wybrany model nie ma twoich proporcji lub długości, Studio przełącza się na najbliższą wartość i o tym informuje.
    • Szablony wideo z przykładowymi klipami. Każdy z 20 szablonów wideo po najechaniu odtwarza prawdziwy przykład zrobiony w MiniMax H3 i otwiera się z MiniMax H3. Bibliotekę szablonów można przełączać między obrazami a wideo.

24. 2026.09.27

    Dodano2026-09-27

    Trzy kolejne rodziny LoRA: Z-Image Turbo, FLUX.1 Dev i Qwen Image 2512

    Trzy nowe rodziny obrazów uruchamiają otwarte modele z maksymalnie trzema twoimi plikami LoRA na żądanie, każdy z własną siłą. Każdy obraz ma jedną stałą cenę, niezależnie od proporcji.

    • Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit): ośmiokrokowy Z-Image Turbo firmy Alibaba, kilka sekund na obraz, dziewięć proporcji przy około jednym megapikselu oraz obraz na obraz z regulacją parametru strength.
    • FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image): FLUX.1 [dev] od Black Forest Labs, baza z ponad tysiącem LoRA społeczności na Hugging Face, z regulacją guidance.
    • Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit): Qwen-Image-2512 do 1536 pikseli na dłuższym boku oraz edycja w Qwen-Image-Edit-2511 z jednym do trzech źródeł i z LoRA do edycji, na przykład do nowych kątów kamery.

    LoRA to bezpośredni link do pliku .safetensors: bez przesyłania, bez listy dozwolonych, bez weryfikacji. Wszystkie pięć endpointów działa bez cenzury, a ładowanie LoRA nie kosztuje nic dodatkowo.

    Rodzina	Cena
    Z-Image Turbo LoRA	0,012 $ / obraz
    FLUX.1 Dev LoRA	0,018 $ / obraz
    Qwen Image 2512 LoRA	0,03 $ / obraz

25. 2026.09.27.2

    Zmieniono2026-09-27

    Synchronizacja ust jest rozliczana według długości wysłanego audio

    spicyapi/lip-sync-v1/lip-sync liczy teraz sekundy audio z audio_url, a nie gotowego wideo. Wideo zwykle trwa mniej więcej pół sekundy dłużej niż audio i ta nadwyżka nie jest naliczana.

    Stawka pozostaje na poziomie $0.012 za sekundę, w górę do pełnej sekundy, minimum 3 sekundy, a zapytania się nie zmieniają. Nagranie głosu trwające 4,5 sekundy jest liczone jako 5 sekund ($0.06). Wycena przed wysłaniem nadal rezerwuje maksymalne 60 sekund, a różnica jest zwalniana przy rozliczeniu zadania.

26. 2026.09.26.3

    Dodano2026-09-26

    Spicy Studio jest otwarte: obrazy, wideo, style, efekty i płótno do storyboardu w jednym miejscu

    Spicy Studio działa od 26 września pod adresem spicyapi.ai/create. Te same modele i te same ceny za uruchomienie co w API, ale w przestrzeni stworzonej do tworzenia, a nie do integracji.

    • Jedna linijka i Generuj. Wybierz Obraz albo Wideo, napisz, co chcesz zobaczyć, albo naciśnij Tab, żeby użyć przykładu. Każdy tryb otwiera się z pasującym modelem, który możesz w każdej chwili zmienić, a prompt przechodzi razem z tobą. Cena na przycisku to maksimum, ile może kosztować uruchomienie, i nic nie zostanie pobrane, dopóki go nie naciśniesz.
    • 97 stylizacji, 4 wykończenia i 12 efektów. Stylizacja otacza twój opis sprawdzonymi sformułowaniami o świetle, kolorze i technice — film, edytorial, anime, malarstwo, 3D i zestaw After Dark — i pokazuje pełny prompt przed uruchomieniem. Nie podnosi ceny. Efekt zamienia jedno zdjęcie w gotowe ujęcie: najazd, orbita, wznoszenie drona, deszcz, śnieg, wygląd taśmy 16 mm.
    • 150 szablonów w 13 grupach. Każdy to gotowy brief z opisaną scenografią, światłem i obiektywem; ty podajesz tylko, kto jest w kadrze.
    • Płótno do prac z więcej niż jednym ujęciem. Z każdej klatki możesz rozgałęzić wideo, edycję albo warianty, zrobić z ostatniej klatki klipu początek następnego, a potem zgrupować ujęcia w sceny i odtworzyć je jako storyboard. Przykładowe projekty pokazują każdy prompt i można je skopiować w całości.
    • Narzędzia przy każdym wyniku: osiem nowych narzędzi, od usuwania tła po synchronizację ust, stoi obok przycisków „Wpraw w ruch” i „Warianty”.
    • Ulepsz przepisuje pomysł z jednej linijki na szczegółowy prompt dla wybranego modelu przed uruchomieniem; płacisz za to osobno, niewielką kwotę widoczną na przycisku.
    • Domyślnie prywatnie. Nic nie trafia do feedu ani galerii. Wyniki zostają przez 14 dni w sekcji Moje prace, przesłane pliki są usuwane po jednym dniu, a opcja Rozmyj do kliknięcia ukrywa wyniki, dopóki ich nie klikniesz.

    Bez konta możesz przeglądać, wczytywać przykłady i sprawdzać dokładne ceny; do generowania konto jest potrzebne, a szkic zostaje zachowany na czas rejestracji. Każde uruchomienie w Studio jest też wywołaniem API z tymi samymi parametrami, więc stylizacja dopracowana tutaj trafia prosto do kodu.

    Razem ze Studio zmienił się nagłówek strony: Modele · Studio · Zestawienia · Deweloperzy · Cennik. Zestawy modeli, które były wcześniej w sekcji Przeglądaj, są teraz w pozycji Kolekcje w menu Modele.

27. 2026.09.26.2

    Dodano2026-09-26

    Osiem nowych narzędzi: usuwanie tła, wymazywanie obiektów, poszerzanie kadru, skalowanie, mówiące awatary, synchronizacja ust i efekty dźwiękowe

    26 września uruchomiliśmy osiem endpointów, z których każdy robi jedną rzecz. Każdy wykonuje jedną operację na obrazie lub klipie, który już masz, za stałą cenę. Wywołuj je jak każdy inny model albo korzystaj z nich w Spicy Studio, w sekcji Narzędzia i bezpośrednio przy swoich wynikach.

    Endpoint	Co robi	Cena
    spicyapi/background-remover-v1/edit	Wycina główny obiekt na przezroczysty PNG w oryginalnym rozmiarze	$0.0048 za obraz
    spicyapi/object-eraser-v1/edit	Usuwa to, co nazwiesz w prompt albo zamalujesz w mask_url, i wypełnia lukę	$0.03 za obraz
    spicyapi/image-expander-v1/edit	Poszerza zdjęcie do 1:1, 16:9, 9:16, 4:3, 3:4, 3:2 lub 2:3 i domalowuje nowy obszar	$0.024 za obraz
    spicyapi/image-upscaler-v1/upscale	Skaluje do 2K, 4K lub 8K (około 4, 17 lub 67 megapikseli), jedna cena dla wszystkich trzech	$0.012 za obraz
    spicyapi/video-upscaler-v1/upscale	Skaluje klip o długości 3–60 sekund do 720p, 1080p, 2K lub 4K, zachowując długość, ruch i dźwięk	$0.006 za sekundę (720p, 1080p), $0.012 (2K), $0.024 (4K)
    spicyapi/talking-avatar-v1/talking-avatar	Zamienia portret i 3–60 sekund mowy w wideo, w którym ta twarz mówi	$0.018 za sekundę
    spicyapi/lip-sync-v1/lip-sync	Rysuje na nowo usta w istniejącym klipie pod nową mowę, do 720p	$0.012 za sekundę
    spicyapi/foley-v1/video-to-audio	Generuje efekty dźwiękowe i tło pasujące do obrazu, do 30 sekund	$0.0012 za sekundę

    Od czego zależy rachunek:

    • Skalowanie wideo rozliczamy według długości klipu źródłowego, zaokrąglonej w górę do pełnej sekundy, minimum 3 sekundy.
    • Mówiący awatar i synchronizację ust rozliczamy według zwróconego wideo, które trwa tyle co twoje audio (minimum 3 sekundy). Przy synchronizacji ust klip krótszy od audio jest zapętlany.
    • Efekty dźwiękowe rozliczamy według zamówionego duration_seconds (1–30, domyślnie 8), a nie długości klipu, więc ustaw wartość równą długości klipu. Narzędzie tworzy efekty i tło, nie dialogi ani muzykę.
    • Wejścia audio i wideo muszą być bezpośrednimi linkami do pliku, a najpewniej jest przesłać plik. Wejścia spoza dozwolonej długości są odrzucane, zanim cokolwiek zostanie naliczone.

28. 2026.09.26

    Dodano2026-09-26

    MiniMax H3 LoRA już dostępne: własne wagi w wideo i obrazach H3

    Trzy nowe rodziny uruchamiają MiniMax H3 z otwartymi wagami z maksymalnie trzema własnymi plikami LoRA na zapytanie, każdy z osobną siłą od 0 do 4.

    • MiniMax H3 LoRA (minimax/h3-lora/text-to-video, /image-to-video, /reference-to-video): od 3 do 15 sekund w 480p, 540p, 768p lub 1080p, z dźwiękiem stereo generowanym w tym samym przebiegu. Referencje na wideo przyjmują do dziewięciu obrazów, trzech klipów i trzech nagrań audio.
    • MiniMax H3 Singularity LoRA (minimax/h3-singularity-lora/image-to-video, /reference-to-video): dostrojona przez społeczność wersja H3 trenowana na materiale HDR, stworzona do szybkiej akcji, tańca i szerokich ujęć, w których twarze muszą pozostać czytelne. Twoje LoRA dla H3 ładują się bez zmian.
    • MiniMax H3 Image LoRA (minimax/h3-image-lora/text-to-image, /edit): H3 jako model obrazów w 1k lub 2k, z edycją na podstawie maksymalnie dziewięciu referencji. Zaprojektuj tu klatkę kluczową, a potem ożyw ją tą samą LoRA.

    LoRA to bezpośredni link do pliku .safetensors: bez przesyłania, bez listy dozwolonych, bez weryfikacji. Wszystkie siedem endpointów działa bez cenzury, a ładowanie LoRA nie kosztuje nic dodatkowo.

    Rodzina	Od
    MiniMax H3 LoRA	0,05 $ / sekunda
    MiniMax H3 Singularity LoRA	0,06 $ / sekunda
    MiniMax H3 Image LoRA	0,042 $ / obraz

29. 2026.09.25

    Zmieniono2026-09-25

    Losowy seed, gdy go brakuje, kod 40310 dla niezweryfikowanych kont i ponowienia na innej trasie

    Cztery zmiany w działaniu zadań. Dwie mogą wymagać zmian po twojej stronie: jeśli zakładasz, że identyczne żądania dają identyczne wyniki, wysyłaj seed; jeśli rozgałęziasz logikę po kodach błędów, obsłuż 40310.

    • Żądania bez seeda dostają losowy seed (od 24 września). W modelach, których schemat ma seed, żądanie bez niego dostaje losowy seed, zwracany w input zadania. Identyczne żądania nie dają już identycznych wyników. Żeby uruchomienia dało się porównywać, odeślij zwrócony seed; stały seed nie gwarantuje jednak identycznego wyniku. Kilka modeli zmienia seed, ale go nie zwraca. Seed wysłany przez ciebie jest zawsze używany bez zmian.
    • 40310 dla kont z niezweryfikowanym adresem e-mail (od 25 września). Klucz takiego konta dostaje teraz ten kod biznesowy zamiast ogólnego 403, z komunikatem, żeby otworzyć link weryfikacyjny albo zamówić nowy w konsoli. Klucz działa, gdy tylko adres zostanie zweryfikowany.
    • Nieudane uruchomienia są ponawiane na innej trasie (od 23 września). Gdy uruchomienie zawiedzie po przyjęciu, a inna trasa obsługuje ten sam model z tymi samymi ustawieniami, zadanie wykonuje się tam, zanim zgłosimy błąd, o ile zostało mu jeszcze czasu. Płacisz raz, za wynik, który dostajesz. Błędów, które powtórzyłyby się wszędzie, na przykład odmowy z powodu praw autorskich, nie ponawiamy.
    • Odmowy z powodu praw autorskich lub prawdziwych twarzy mówią, co zmienić. errorMessage podaje teraz przyczynę i rozwiązanie, na przykład generate_audio: false, gdy blokadę wywołała wygenerowana ścieżka dźwiękowa, albo inny model, gdy wybrany nie przyjmuje prawdziwych twarzy w referencjach. errorCode pozostaje content_rejected, a opłata wraca na konto.

30. 2026.09.24

    Dodano2026-09-24

    MiniMax H3 Max przyjmuje 480p za $0.05 za sekundę

    Od 24 września oba endpointy MiniMax H3 Max przyjmują oprócz 768p także resolution: "480p".

    Endpoint	480p	768p
    minimax/h3-max/image-to-video	$0.05	$0.08
    minimax/h3-max/text-to-video	$0.05	$0.08

    Ceny dotyczą sekundy wyniku i są takie same jak w cenniku opublikowanym przez MiniMax. 480p to natywny poziom, a nie pomniejszenie: tani sposób, żeby sprawdzić ruch i kadr, zanim zapłacisz za 768p.

31. 2026.09.23

    Zmieniono2026-09-23

    15% zniżki na Wan 2.2 LoRA obraz-wideo

    Od 23 września 2026 roku oba endpointy Wan 2.2 LoRA typu obraz-wideo są tańsze o 15%, bez ustalonej daty końca.

    Endpoint	480p	720p
    alibaba/wan-2.2-lora/image-to-video	$0.024 → $0.0204	$0.048 → $0.0408
    alibaba/wan-2.2-spicy-lora/image-to-video	$0.024 → $0.0204	$0.048 → $0.0408

    Ceny dotyczą sekundy materiału.

    • Po twojej stronie nic się nie zmienia. Zniżka jest naliczana przy wycenie żądania, więc nową kwotę widać w szacunku przed wysłaniem, w obciążeniu po nim i na kartach cen. Rozdzielczości, długości, zachowanie wobec treści i postać żądania pozostają te same.
    • W ten sposób oddajemy większość podwyżki z 20 września. Warunek, który ją wymusił, zmienił się od tego czasu na naszą korzyść i przekazujemy to dalej. Przy $0.0204 cena jest jednak wciąż o 2% wyższa niż przed podwyżką, a nie niższa.
    • Nie ma daty końca. Jeśli to się zmieni, data pojawi się na karcie ceny.

32. 2026.09.22

    Dodano2026-09-22

    Grok 4.7 już działa w cenie Grok 4.6, 40% taniej niż u xAI

    xAI wydało Grok 4.7 21 września, a xai/grok-4.7/chat można u nas wywoływać od 22 września, w tym samym formacie czatu OpenAI i ze streamingiem SSE jak pozostałe endpointy Grok.

    	xai/grok-4.7/chat
    Kontekst	500 000 tokenów, łącznie z obrazami
    Najdłuższa odpowiedź	450 000 tokenów (max_tokens domyślnie 4096)
    Reasoning effort	low · medium · high · xhigh, domyślnie high
    Wejście	Tekst i obrazy; bez części z plikami ani PDF
    Za 1 mln tokenów: wejście / cache / wyjście	$1.20 / $0.30 / $3.60
    Prompty od 200 000 tokenów	$1.60 / $0.40 / $4.80

    • 40% poniżej ceny opublikowanej przez xAI w progu standardowym ($2 / $0.50 / $6) i 60% poniżej progu długiego kontekstu ($4 / $1 / $12).
    • Na tej trasie bez cenzury. 22 września dziewięć prób pisania twórczego z 4. szczebla naszej pięciostopniowej drabiny testów treści, w trzech stylach promptu, wróciło jako dziewięć kompletnych scen bez żadnej odmowy; 24 września model przeszedł też wszystkie pozostałe szczeble, łącznie z najwyższym. Nie dokładamy własnego filtra.
    • Rola system jest respektowana — sprawdziliśmy to celowo — więc ramy ustawione na początku wątku obowiązują do końca.
    • Rozumowanie rozliczane jest jak wyjście. Domyślne high kosztuje więcej, niż się wydaje; w dialogach low albo medium brzmi lepiej i wychodzi taniej.

33. 2026.09.21

    Dodano2026-09-21

    Qwen Image 2.1 w dniu premiery, wraz z edycją LoRA na własne wagi

    Alibaba udostępniła dziś Qwen-Image-2.1 na otwartej licencji. Tego samego dnia model trafił do katalogu jako cztery punkty końcowe: generowanie i edycja na podstawie referencji, każde w wersji zwykłej oraz w wersji LoRA, która wczytuje wskazane przez was pliki wag.

    Punkt końcowy	Co przyjmuje
    alibaba/qwen-image-2.1/text-to-image	Prompt
    alibaba/qwen-image-2.1/edit	Prompt i do dziesięciu obrazów referencyjnych
    alibaba/qwen-image-2.1-lora/text-to-image	Prompt i do trzech wag LoRA
    alibaba/qwen-image-2.1-lora/edit	Referencje i wagi LoRA w jednym żądaniu

    • Własne wagi, bez niczego do zatwierdzenia po drodze. Wersja LoRA przyjmuje do trzech plików wag na żądanie, każdy z własną siłą, wskazany bezpośrednim odnośnikiem HTTPS do pliku .safetensors albo repozytorium Hugging Face. Żadnego etapu wysyłki, żadnej listy dozwolonych, żadnej kolejki akceptacji: wczytywane jest dokładnie to, co wskażecie, zarówno przy generowaniu, jak i przy edycji.
    • Między promptem a modelem nie stoi nic. Wszystkie cztery punkty końcowe są bez ograniczeń: przed modelem nie ma klasyfikatora treści, nie trzeba włączać znacznika dojrzałości ani dołączać do żądania żadnej deklaracji. Materiał bez cenzury idzie tymi samymi punktami końcowymi co wszystko inne.
    • Trzy poziomy rozdzielczości i piętnaście proporcji kadru. Wybierzcie 1k, 1.5k albo 2k — to poziom porusza cenę, więc szukajcie tanio, a udany kadr powtórzcie wyżej. Proporcja buduje kompozycję, zamiast ją przycinać: od pasów 3:1 i 21:9 po kolumny 1:3 i 9:21.
    • Przy edycji każda referencja wchodzi do wyceny. Generowanie rozlicza się za obraz; przy edycji każde dołączone źródło dokłada się do kwoty, więc żądanie z dziesięcioma referencjami kosztuje na tym samym poziomie kilkakrotnie więcej niż żądanie z jedną. Wycena, którą widzicie przed wysłaniem, już to uwzględnia — wyślijcie te referencje, które naprawdę pracują, a resztę zostawcie.

34. 2026.09.20

    Dodano2026-09-20

    Oficjalne SDK dla TypeScriptu, Pythona, Go, Javy i PHP

    API to zwykły REST i takie pozostanie. Zmienia się co innego: pętli odpytywania, trzyetapowego wysyłania plików ani weryfikacji podpisu webhooka nie trzeba już pisać samodzielnie. Robi to pięć oficjalnych SDK, a każde z nich opublikowano w rejestrze, z którego wasza kompilacja i tak korzysta.

    Język	Pakiet	Instalacja
    TypeScript	@spicyapi/sdk	npm install @spicyapi/sdk
    Python	spicyapi	pip install spicyapi
    Go	github.com/spicyapi-ai/spicy-go	go get github.com/spicyapi-ai/spicy-go
    Java	ai.spicyapi:spicyapi-java	Maven Central, Java 17 lub nowsza
    PHP	spicyapi/spicyapi	composer require spicyapi/spicyapi

    • Celowo cienka warstwa zależności. Python i Go nie wciągają niczego poza biblioteką standardową. PHP również obywa się bez bibliotek — wystarczą ext-json i ext-hash. Java przynosi dokładnie jedną, Jacksona. Klient API opartego na HTTP nie powinien być powodem, dla którego kolejny audyt zależności się wydłuża.
    • Cały przepływ asynchroniczny, nie tylko wywołanie HTTP. Każde SDK obsługuje createTask z parametrem waitSeconds: serwer trzyma połączenie otwarte, dopóki zadanie nie osiągnie stanu końcowego, maksymalnie przez sześćdziesiąt sekund, więc w typowym przypadku odpytywanie w ogóle nie jest potrzebne. Do tego dochodzi trzyetapowe wysyłanie własnych obrazów i wideo oraz weryfikacja podpisu webhooków.
    • Terminal, edytor i agent, jeszcze zanim powstanie integracja. @spicyapi/cli przegląda katalog, wycenia zlecenie przed wydaniem pieniędzy i pobiera gotowe wyniki. @spicyapi/mcp daje te same możliwości Claude Code, Codeksowi, Cursorowi i każdemu innemu klientowi MCP, a przed każdym płatnym krokiem zatrzymuje się i pyta. Agent Skill instaluje się poleceniem npx skills add spicyapi-ai/spicy-skill i uczy asystenta programistycznego właściwej kolejności działań — przestaje wtedy zgadywać identyfikatory modeli i wymyślać nieistniejące pola wejściowe.
    • @spicyapi/proxy trzyma klucz z dala od urządzeń waszych użytkowników. Klucz wkompilowany w aplikację przeglądarkową, mobilną albo desktopową jest kluczem publicznym: każdy może go odczytać i wydać całe saldo, a panel pokaże wyłącznie ruchliwy dzień. Ten pakiet to właśnie przeskok po stronie serwera, który przechowuje poświadczenie zamiast aplikacji — jeden reeksport w route handlerze Next.js albo jedno app.all w Expressie.

35. 2026.09.18

    Dodano2026-09-18

    SpicyAPI działa: rejestracja jest otwarta dla wszystkich

    Rejestracja nie odbywa się już partiami. Załóż konto, doładuj saldo i wyślij żądanie jeszcze tego samego popołudnia – ponad sto endpointów w siedemdziesięciu wersjach modeli do wideo, obrazów i czatu, wszystko pod jednym kluczem.

    • Między twoim promptem a modelem nie ma nic: żadnego klasyfikatora treści, żadnej deklaracji przy każdym żądaniu, żadnej kolejki zatwierdzeń. Siedemnaście edycji Spicy bez cenzury – Seedance, Wan, MiniMax, LTX, Vidu, Z-Image i Qwen Image – działa obok głównego katalogu, w którym są m.in. Seedream, Claude, Gemini, DeepSeek, GLM i Kimi.
    • Jedna integracja obejmuje wszystko. Zadania multimedialne korzystają z createTask z odpytywaniem albo callbackiem, czat mówi formatem OpenAI ze streamingiem, a ten sam klucz działa przez natywne REST, nasze SDK, CLI, serwer MCP i Agent Skill.
    • Każdy model rozlicza się we własnej jednostce: za obraz, za sekundę wyniku, za milion tokenów. Wycenę widać przed wysłaniem, a rozliczane jest to, co faktycznie się wykonało. Bez planu, bez pakietu, bez minimum, a nieudane wykonanie nic nie kosztuje. Saldo doładujesz kartą albo kryptowalutą.
    • To ty decydujesz, jak długo cokolwiek jest przechowywane: wygenerowane pliki, treść promptów i przesłane referencje wygasają każde według wybranego harmonogramu, a wyniki zakończonego zadania można od razu trwale usunąć. Rozliczenie zostaje w ewidencji, treść nie.