所有模型。
一个密钥。

ByteDance 最新的视频模型：最长 30 秒，带声音，支持参考图、视频和音频，以及首尾帧。

Seedance 2.5 on dedicated, faster compute: your renders start straight away on capacity kept for this model instead of queueing behind shared traffic, so each video comes back sooner and large batches run side by side. 480p, 720p and 1080p, up to 30 seconds with sound, reference images and audio, and first and last frames.

Alibaba 的 Wan 3.0：文生视频、图生视频、首尾帧、参考图生视频和视频生视频，最高 1080p，带声音。

Alibaba 的 Wan 3.0 Prime：文生视频、图生视频、首尾帧和参考图生视频，最高 1080p，带声音。

Nemesis，又名 Genjutsu：发送一段片段和最多 8 张图片，即可得到动作、节奏和镜头完全相同、由你的人物、产品和场景“出演”的片段。按输入片段加输出视频计费。

Nemesis Lite：基于 Wan 3.0 的 Nemesis，价格更低。发送最长 15 秒的片段和最多 8 张图片，即可得到动作、节奏和镜头完全相同、由你的人物、产品和场景“出演”的片段。按输入片段加输出视频计费。

Google 顶级的图像模型。图片中的文字准确，支持多图合成和精确编辑，最高 4K。

Google 的 Nano Banana 2：文生图和图片编辑，最高 4K。

OpenAI 的 GPT Image 2：文生图和图片编辑，最高 4K。

Higgsfield's Soul 2: fashion-grade, true-to-life photos of people from a prompt, at 720p or 1080p, in seven shapes from 9:16 to 16:9.

Google 最新的 Omni 视频模型：时长 3 到 15 秒、带声音，支持文本、首帧、首尾帧或最多 10 张参考图，分辨率 360p 到 4K。

Veo 3.1 中更快、更便宜的档位。电影般的运动加同步声音，适合在确定最终成片之前反复迭代镜头。

Google 的旗舰视频模型。对提示词的遵循度高，物理效果逼真，并能在同一次生成中输出原生对白、环境音和音乐。

Kuaishou 最新的 Kling：最长 30 秒，720p 或 1080p，始终带立体声，支持文本、首尾帧或最多 10 张参考图作为输入。

The fast, low-cost Kling 4.0: 3 to 20 seconds at 720p, always with sound, from text, a first frame, or up to 10 reference images.

Kuaishou 的 Kling 3.0：文生视频、图生视频和首尾帧，最高 4K，带声音。

Kling 的专业档：清晰的 1080p、富有表现力的面部和流畅的运镜。声音可选，单独计价。

ByteDance 的多镜头视频模型。在剪辑切换间保持角色和风格，遵循首尾帧，并接受参考图。

Alibaba 的视频模型系列。运动表现扎实，价格低廉，支持可选音频和多镜头提示词。

MiniMax 的视频模型，以动感十足的动作、舞蹈和物理运动见长。

快速、低成本的图像生成和对话式编辑。在一系列编辑中保持主体一致。

OpenAI 的图像模型。能紧密遵循冗长详细的提示词，并能渲染清晰的文字、版式和编辑效果。

ByteDance's newest Seedream image model: 1K to 2K pictures from a prompt, or edits from up to 10 reference images, with sharp text and consistent subjects.

ByteDance 的图像模型。清晰的 2K 和 4K 输出，出色的文字排版，以及基于参考图的编辑。

ByteDance 的 Seedream 5.0 Pro：文生图和图片编辑，最高 2K。

Black Forest Labs 的生产级模型。逼真的细节，手部和面部可靠，并支持多参考图编辑。

Midjourney 独特的美学风格，可从提示词或参考图生成。

在文字和平面设计方面同类最佳：海报、标志、包装和社交媒体图形。

Alibaba 的开源图像模型。多语言文字渲染能力强，支持基于指令的编辑，价格极低。

Alibaba 的 HappyHorse 1.0：文生视频、图生视频、参考图生视频和视频生视频，最高 1080p。

Alibaba 的 HappyHorse 1.1：文生视频、图生视频和参考图生视频，最高 1080p。

Alibaba 的 Wan 2.2 Animate：视频生视频，最高 720p。

Alibaba 的 Wan 2.2 Turbo：文生视频和图生视频，最高 720p。

Alibaba 的 Wan 2.5：文生视频和图生视频，最高 1080p，带声音。

Alibaba 的 Wan 2.6 Flash：图生视频和视频生视频，最高 1080p，带声音。

Alibaba 的 Wan 2.6 I2V：图生视频，最高 1080p。

Alibaba 的 Wan 2.6 I2V Flash：图生视频，最高 1080p，带声音。

Alibaba 的 Wan 2.7：文生视频、图生视频、首尾帧、视频生视频和参考图生视频，最高 1080p。

Alibaba 的 Wan 2.7 R2V：参考图生视频，最高 1080p。

Alibaba 的 Wan 2.7 Video Edit：视频生视频，最高 1080p。

Black Forest Labs 的 Flux 3 Video：文生视频和图生视频，最高 fhd，带声音。

ByteDance 的 ByteDance Lip Sync：视频生视频，带声音。

ByteDance 的 OmniHuman 1.5：图生视频，带声音。

ByteDance's newest talking-human model: one picture and a voice track (4 seconds to 5 minutes) become a 720p video of that person speaking, with natural lip sync, gestures and camera moves.

ByteDance 的 Seedance 2.0 Face：文生视频、图生视频、首尾帧和参考图生视频，最高 1080p，带声音。

ByteDance 的 Seedance 2.0 Fast：文生视频、图生视频、首尾帧和参考图生视频，最高 720p，带声音。

ByteDance 的 Seedance 2.0 Fast Face：文生视频、图生视频、首尾帧和参考图生视频，最高 720p，带声音。

ByteDance 的 Seedance 2.0 Mini：文生视频、图生视频、首尾帧和参考图生视频，最高 720p，带声音。

Google 的 Gemini Omni：文生视频和图生视频，最高 4K，带声音。

Google 的 Gemini Omni 1.1 Flash：文生视频、图生视频、首尾帧和参考图生视频，最高 4K，带声音。

Google 的 Gemini Omni Flash Preview：文生视频、图生视频和参考图生视频，最高 720p。

Google 的 Veo 3.1 Lite：文生视频、图生视频、首尾帧和参考图生视频，最高 4K，带声音。

Higgsfield's Genjutsu motion transfer: the people in your pictures take on every move of a 4 to 30 second clip, at 480p to 1080p.

Higgsfield's Genjutsu object swap: replace a person or object in a 4 to 30 second clip with the one in your pictures, keeping the motion, at 480p to 1080p.

Kuaishou 的 Kling 2.1 Master：文生视频和图生视频。

Kuaishou 的 Kling 2.1 Pro：图生视频。

Kuaishou 的 Kling 2.1 Standard：图生视频，最高 720p。

Kuaishou 的 Kling 2.5 Turbo Pro：文生视频和图生视频。

Kuaishou 的 Kling 2.6 Motion Control：视频生视频，最高 1080p。

Kuaishou 的 Kling 2.6 Standard：文生视频和图生视频，最高 720p。

Kuaishou 的 Kling 3.0 Motion Control：视频生视频，最高 1080p。

Kuaishou 的 Kling 3.0 Omni：文生视频、图生视频、首尾帧、参考图生视频和视频生视频，最高 4K，带声音。

Kuaishou 的 Kling 3.0 Turbo：文生视频和图生视频，最高 1080p。

Kuaishou 的 Kling Avatar Pro：图生视频，最高 1080p，带声音。

Kuaishou 的 Kling Avatar Standard：图生视频，最高 720p，带声音。

Kuaishou 的 Kling O1：文生视频、图生视频和参考图生视频。

Lightricks's LTX 2.5 Fast: text to video, image to video and first and last frames, up to 4K.

Lightricks's LTX 2.5 Pro: text to video, image to video and first and last frames, up to 1080p.

Midjourney 的 Midjourney Video：图生视频，最高 720p。

MiniMax 的 Hailuo 02：文生视频、图生视频和首尾帧，最高 1080p。

MiniMax 的 Hailuo 02 Pro：文生视频和图生视频，最高 1080p。

MiniMax 的 Hailuo 02 Standard：文生视频和图生视频，最高 768p。

MiniMax 的 Hailuo 2.3 Fast：图生视频，最高 1080p。

MiniMax 的 Hailuo 2.3 Standard：图生视频，最高 1080p。

MiniMax 的 MiniMax H3：文生视频、图生视频、首尾帧和参考图生视频，最高 2K，带声音。

MiniMax 的 MiniMax H3 Max：文生视频、图生视频和参考图生视频，最高 1080p。

MiniMax 的 MiniMax H3 Regeneration：放大，最高 2K。

PixVerse 的 PixVerse V6：文生视频、图生视频、首尾帧、参考图生视频和视频生视频，最高 1080p，带声音。

PixVerse 的 PixVerse V6 Max：文生视频和图生视频，最高 1080p，带声音。

Runway 的 Runway：文生视频、图生视频和视频生视频，最高 1080p。

Shengshu 的 Vidu Q3：参考图生视频，最高 1080p。

Shengshu 的 Vidu Q3 Mix：参考图生视频，最高 1080p。

Shengshu 的 Vidu Q3 Pro：文生视频、图生视频和首尾帧，最高 1080p，带声音。

Shengshu 的 Vidu Q3 Turbo：文生视频、图生视频和首尾帧，最高 1080p，带声音。

Shengshu 的 Vidu Q4：图生视频和参考图生视频，最高 4K。

Shengshu 的 Vidu Q4 Preview：图生视频和参考图生视频，最高 4K，带声音。

Skywork 的 SkyReels V4 Fast：文生视频、图生视频、首尾帧和参考图生视频，最高 1080p。

Skywork 的 SkyReels V4 Standard：文生视频、图生视频、首尾帧和参考图生视频，最高 1080p。

xAI 的 Grok Imagine Extend：视频生视频，最高 720p。

xAI 的 Grok Imagine Upscale：放大，最高 1080p。

xAI 的 Grok Imagine Video：文生视频和图生视频，最高 1080p，带声音。

xAI 的 Grok Imagine Video 1.5：文生视频、图生视频、首尾帧和参考图生视频，最高 1080p，带声音。

xAI 的 Grok Imagine Video 1.5 Preview：文生视频和图生视频，最高 720p，带声音。

Alibaba 的 Qwen Image 2.0：文生图和图片编辑，最高 2K。

Alibaba 的 Qwen Image 2.0 Pro：文生图和图片编辑，最高 2K。

Alibaba 的 Qwen Image 2.1：文生图和图片编辑，最高 2K。

Alibaba 的 Qwen Image 3.0：文生图和图片编辑，最高 2K。

Alibaba 的 Qwen Image 3.0 Pro：文生图和图片编辑，最高 2K。

Alibaba 的 Qwen Image Edit：图片编辑。

Alibaba 的 Wan 2.7 Image：文生图和图片编辑。

Alibaba 的 Wan 2.7 Image Pro：文生图和图片编辑，最高 4K。

Alibaba 的 Z Image：文生图。

Alibaba 的 Z Image Turbo：文生图，最高 2K。

Black Forest Labs 的 Flux 2 Flex：文生图和图片编辑，最高 4MP。

Black Forest Labs 的 Flux 2 Max：文生图和图片编辑，最高 4MP。

Black Forest Labs 的 Flux 3：文生图和图片编辑，最高 4K。

Black Forest Labs 的 Flux 3 Klein：文生图和图片编辑，最高 4K。

Black Forest Labs 的 Flux Kontext Max：文生图和图片编辑。

Black Forest Labs 的 Flux Kontext Pro：文生图和图片编辑。

ByteDance 的 Seedream 3.0：文生图。

ByteDance 的 Seedream 4.0：文生图和图片编辑，最高 4K。

ByteDance 的 Seedream 5.0 Flash：文生图和图片编辑，最高 2K。

ByteDance 的 Seedream 5.0 Lite：文生图和图片编辑，最高 4K。

Google 的 Imagen 4：文生图。

Google 的 Imagen 4 Fast：文生图。

Google 的 Imagen 4 Ultra：文生图。

Google 的 Nano Banana 2 Lite：文生图和图片编辑，最高 1K。

Google 的 Nano Banana 2.1：文生图和图片编辑，最高 4K。

Higgsfield's Marketing Studio Image: text to image.

Higgsfield's Soul: text to image, up to 1080p.

Higgsfield's Soul Cinema: film-still pictures with cinematic light and color grading, at 720p or 1080p.

Ideogram 的 Ideogram Character：图片编辑。

Ideogram's Ideogram V4: text to image and image editing.

Microsoft 的 MAI Image 2.6：文生图和图片编辑，最高 2K。

Microsoft 的 MAI Image 2.6 Flash：文生图和图片编辑，最高 2K。

MiniMax's H3 picture model: text to image and edits from up to 4 reference pictures, 1K to 4K, with the prompt rewritten for detail.

OpenAI 的 GPT 4o Image：文生图和图片编辑。

OpenAI 的 GPT Image 1：文生图和图片编辑。

OpenAI 的 GPT Image 2.5 Flare：文生图和图片编辑，最高 4K。

OpenAI 的 GPT Image 2.5 Sunburst：文生图和图片编辑，最高 4K。

OpenAI 的 GPT Image 2.6 Flare：文生图和图片编辑，最高 2K。

OpenAI 的 GPT Image 2.6 Sunburst：文生图和图片编辑，最高 2K。

Recraft 的 Recraft Crisp Upscale：放大。

Recraft's Recraft V4.1: text to image, up to 2K.

Recraft's Recraft V4.1 Utility: text to image, up to 2K.

Tencent 的 Hunyuan Image 3.5 Preview：文生图和图片编辑，最高 4K。

xAI 的 Grok Imagine Image：文生图和图片编辑，最高 2K。

xAI 的 Grok Imagine Image 2.0：文生图和图片编辑，最高 2K。

xAI 的 Grok Imagine Image Quality：文生图和图片编辑，最高 2K。

ElevenLabs' steady, natural voice model for voiceovers and narration in 29 languages, with dozens of voices to pick from. Priced by the characters read.

ElevenLabs' fast, low-cost voice model: quick voiceovers in 32 languages at half the price of Multilingual v2, with language enforcement. Priced by the characters read.

ElevenLabs' most expressive voice model: lifelike narration with emotion and audio tags such as [whispers] or [laughs], and dialogue, several voices in one take. Priced by the characters read.

ElevenLabs' newest voice model: natural, expressive narration with the steadiness of Multilingual v2, for voiceovers and long reads. Priced by the characters read.

Suno 最新的音乐模型：根据创意、你的歌词或风格，生成带人声的完整歌曲或纯音乐。每次生成返回两首曲目。