AI 模型与 API 价格
查看可用的图片、视频、音频和语言模型,用一套兼容 OpenAI 的 API 开始调用。
获取 API Key · 查看文档 · AI 视频生成器 · AI 图片生成器 · AI 视频生成 API · AI 图片生成 API
可用模型
视频模型
- animate-motion-transfer — Animate 动作迁移将一条参考视频的动作迁移到一张角色图片,输出视频;不是文生视频,也不需要提示词。
- flashvsr — FlashVSR_video_upscale:通过兼容 OpenAI 的 API 进行视频生成。
- Gemini 4 Neon — Gemini 4 Neon 对话模型,支持文本、图片、音频与视频输入、工具调用、推理和流式输出;上下文最长约 105 万 tokens。按输入、输出及缓存命中用量计费。
- zhenzhen-video-g-omni-1.2-flash — Gemini Omni 1.2 Flash supports text-to-video, image-to-video, first/last frame interpolation, and multi-image references. Generates 3–15 second videos with audio at 360p–4K.
- zhenzhen-video-v31 — 模型能力于等于类似google-veo3.1-fast版
- Google Veo 3.1 Lite — 模型能力于等于类似google-veo-3.1-lite
- Google Veo 3.1 Quality — 模型能力于等于类似google-veo3.1高质量版
- zhenzhen-video-g-omni-1.1-flash — Google Veo Omni 1.1 Flash Low Price:通过兼容 OpenAI 的 API 进行视频生成。
- Google Veo Omni Flash — 模型能力于等于类似google-veo-omni-flash支持视频编辑
- Grok Video 1.5 — 模型能力于等于类似grok-video-imaine-1.5
- hailuo-2.3 — hailuo-2.3-fast-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- hailuo-2.3-pro — hailuo-2.3-i2v-pro:通过兼容 OpenAI 的 API 进行视频生成。
- hailuo-2.3-standard — hailuo-2.3-i2v-standard:通过兼容 OpenAI 的 API 进行视频生成。
- hailuo-h3-global — 海螺 H3 海外版图生视频:支持首帧及可选尾帧,生成 768P / 2K、5–15 秒视频。
- hailuo-h3-global-multi — 海螺 H3 海外版多素材参考视频:最多 9 张图片、3 段视频、3 条音频组合参考,支持 768P / 2K、5–15 秒。
- hailuo-h3 — 海螺 H3 图生视频:上传首帧,可选尾帧控制画面变化,支持 768P / 2K、5–15 秒。
- hailuo-h3-max — 海螺 H3 Max 图生视频:支持首帧及可选尾帧,生成 480P / 768P、5–15 秒视频。
- hailuo-h3-max-turbo — 海螺 H3 Max Turbo 图生视频:Max 的 Turbo 版本,支持首帧及可选尾帧,生成 480P / 768P、5–15 秒视频。
- hailuo-h3-multi — 海螺 H3 多素材参考视频:最多 9 张图片、3 段视频、3 条音频组合参考,支持 768P / 2K、5–15 秒。
- happyhorse-1.1 — happyhorse-1.1-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- HeyGen Avatar 6 — HeyGen Avatar 6 数字人口播:选择预设形象与音色,输入口播文本或音频生成说话视频,最高 1080p;按实际输出秒数计费。
- HeyGen Avatar 6 Turbo — HeyGen Avatar 6 Turbo 数字人口播:更快更低价的口播视频生成,预设形象与音色同标准版;按实际输出秒数计费。
- Kimi K3.1 Pro — 月之暗面 Kimi K3 的后训练升级版旗舰多模态推理模型,1M 上下文,支持图片与视频输入、工具调用、结构化输出和推理,适合长程编码与复杂任务。
- Kling 4.0 Flash — Kling 4.0 Flash supports text-to-video, image-to-video, and multi-image references for fast 3–20 second 720p video generation.
- kling-elements-advanced — kling-elements-advanced:通过兼容 OpenAI 的 API 进行视频生成。
- kling-lip-sync-video — kling-lip-sync-video:通过兼容 OpenAI 的 API 进行视频生成。
- kling-o3-4k — kling-o3-4k-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- kling-o3-pro-edit — kling-o3-pro-edit:通过兼容 OpenAI 的 API 进行视频生成。
- kling-o3-pro — kling-o3-pro-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- kling-o3-std-edit — kling-o3-std-edit:通过兼容 OpenAI 的 API 进行视频生成。
- kling-o3-std — kling-o3-std-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v3-4k — kling-v3-4k-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v3-turbo-pro — kling-v3-turbo-pro-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v3-turbo-std — kling-v3-turbo-std-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v3.0-4k-motion — kling-v3.0-4k-motion:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v3.0-pro — kling-v3.0-pro-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v3.0-pro-motion — kling-v3.0-pro-motion:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v3.0-std — kling-v3.0-std-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v3.0-std-motion — kling-v3.0-std-motion:通过兼容 OpenAI 的 API 进行视频生成。
- kling-v4-custom-element — 可灵 4.0 免费主体创建工具,用多角度图片或短视频创建可复用主体,返回主体 ID。
- kling-v4-custom-voice — 可灵 4.0 免费音色创建工具,以音频或已有视频 ID 创建可复用音色,返回音色 ID 和试听信息。
- kling-v4 — 可灵 4.0 图生视频,以首帧图片引导画面,可添加尾帧约束结束画面,支持 3–30 秒视频。
- kling-v4-omni — 可灵 4.0 全能视频,结合图片、视频及已创建的主体和音色进行参考创作。
- MiniMax H3 Character Replacement — 角色替换:用1~9张角色参考图替换1段MP4源视频中的角色并保留原音轨。可选480P、768P、1088P或auto(按源视频自动选择),5~15秒,按输出秒数计费。
- MiniMax H3 Character Replacement · Token — 角色替换按运行时长计费版:用1~5张角色参考图替换1段MP4源视频中的角色,保留原动作、镜头与音轨;固定768P,比例跟随源视频,5~15秒或按帧数。运行越久消耗token越多,按实际费用结算。
- MiniMax H3 Digital Human — 数字人:用1张人物图和1段MP3/WAV驱动音频生成口型同步的说话视频,成片超分2倍。608P/672P或auto(按人物图自动选择),3~15秒或按帧数,按输出秒数计费。
- MiniMax H3 Digital Human · Token — 数字人按运行时长计费版:用1张人物图和1段MP3/WAV驱动音频生成口型同步的说话视频,768P采样、成片超分2倍;3~15秒,8种画面比例。运行越久消耗token越多,按实际费用结算。
- MiniMax H3 Drama — MiniMax H3 特调文戏配方,适合对白和情感表演等以人物神态、台词为主的场面;5–15 秒,480p–2160p,可传参考图、参考音频和参考视频(参考视频须搭配参考图)。
- MiniMax H3 JY Tuned · SelfLift 12 Steps — YZ金鱼特调,Hybrid INT8底模、专用Qwen编码器、DMAD及Mystic LoRA,SelfLift双阶段12步采样。支持纯文本、0~9张参考图、0~3段MP3/WAV音频;有音频须同时有参考图。不支持参考视频。3~15秒,480P/608P/672P/768P横竖屏,输出24fps H.264 MP4。
- MiniMax H3 JY Tuned · Token — JY特调按运行时长计费版:固定768P,需1~6张参考图,可选0~3段MP3/WAV音频和1段MP4参考视频;5~15秒,8种画面比例,输出24fps H.264 MP4。运行越久消耗token越多,按实际费用结算。
- MiniMax H3 Martial Arts — YZ金鱼特调武戏配方,MiniMax H3 Turbo INT8底模,固定动作LoRA组合与采样设置,适合打斗、追逐等动作场面。支持纯文本、0~9张参考图、0~3段MP3/WAV音频、0~3段MP4参考视频(传视频须同时有参考图)。5~15秒,480P/704P/768P/928P/1088P/1440P/2160P,6种画面比例。
- MiniMax H3 WF Motion Comic — Work Fisher漫剧1.0,完整INT8底模与双LoRA,固定15步采样。支持纯文本、0~6张参考图、0~3段MP3/WAV音频;3~15秒,480P/608P/672P/768P,横竖屏。输出24fps H.265 10bit MP4。不支持参考视频,音频引用须有对应音频素材。
- MiniMax H3 WF Motion Comic · Token — WF漫剧1.0按运行时长计费版:固定768P,需1~6张参考图,可选0~3段MP3/WAV音频;5~15秒,8种画面比例,输出24fps H.265 MP4。运行越久消耗token越多,按实际费用结算。
- MiniMax-H3 — 音画同步视频,支持文生/图生、首尾帧,最多 9 张图片、3 段视频、3 条音频多素材参考,另支持 1 条独立驱动音频。兼容 MiniMax 官方 V2 API 接口格式。480P:0.15元/秒;768P:0.30元/秒;1080P:0.45元/秒(16:9原生1920×1088)。
- minimax-h3-comfyui-max — 生成 3–15 秒视频,最高 1440p,可用图片和音频作参考。
- minimax-h3-ow — H3 开源版(OW)图生视频入口:也支持最多 9 图、3 视频、3 音频组合参考,素材可选;支持 480P / 768P / 1080P。
- minmax-h3-context-ir-image — H3 图片提示词优化器:结合首帧及可选尾帧图片,将文字想法整理为视频生成提示词,输出文本。
- minmax-h3-context-ir-multimodal — H3 多模态提示词优化器:结合文字及图片、视频、音频参考,整理适合视频生成的提示词,输出文本。
- minmax-h3-context-ir-text — H3 文本提示词优化器:将简短想法扩写、整理为适合视频生成的提示词,输出文本。
- Motion Video — Creative model: deepseek/deepseek-v4.1-flash. Turn a prompt into a 15-60 second motion-graphics video with animated typography, shapes and transitions. Charged per completed video based on actual creative work, duration and resolution. Historical estimates appear when enough reliable samples are available; failed generations are refunded.
- Muse Video — 支持文生视频和最多 9 张参考图生成,每次返回一段约 2-10 秒、720p、带声音的 MP4 视频。支持七种宽高比或自动构图。
- qwen/qwen3.8-omni-flash — Qwen 3.8 Omni Flash 多模态理解模型,支持文本、图像、音频和视频输入,输出文本。提供 100 万 tokens 上下文和流式对话。
- Seedance 2.0 — Seedance 2.0 共有 18 个公开型号:Standard、Fast、Mini 三档,每档都有文生视频(t2v)、首尾帧图生视频(i2v)和图像、视频、音频混合参考(multi)。不带 global 的是国内版,带 global- 的是海外版。
- seedance-2.5-flash — Seedance 2.5 Flash 图生视频:以首帧或首尾帧驱动生成音画同出的视频,支持 480p/720p。
- seedance-2.5-flash-multi — Seedance 2.5 Flash 多模态视频:最多参考 10 张图、5 段视频和 5 段音频生成视频,支持 480p/720p。
- seedance-2.5-global-flash — Seedance 2.5 Flash 海外版图生视频:以首帧或首尾帧驱动生成音画同出的视频,支持 480p/720p。
- seedance-2.5-global-flash-multi — Seedance 2.5 Flash 海外版多模态视频:最多参考 10 张图、5 段视频和 5 段音频生成视频,支持 480p/720p。
- seedance-2.5-global-standard-draft-to-video — 基于 Seedance 2.5 海外版样片任务生成 1080p 成片:先用 draft 模式出 480p 样片,满意后沿用其提示词、素材、时长与比例生成成片;样片 7 天内有效。
- seedance-2.5-global-standard — Seedance 2.5 Standard 提供文生视频、首尾帧图生视频和图像、视频、音频混合参考生成。调用时使用对应的 t2v、i2v 或 multi 完整模型名。
- seedance-2.5-global-standard-multi — Seedance 2.5 Standard 提供文生视频、首尾帧图生视频和图像、视频、音频混合参考生成。调用时使用对应的 t2v、i2v 或 multi 完整模型名。
- seedance-2.5-standard-draft-to-video — 基于 Seedance 2.5 样片任务生成 1080p 成片:先用 draft 模式出 480p 样片,满意后沿用其提示词、素材、时长与比例生成成片;样片 7 天内有效。
- seedance-2.5-standard-multi — Seedance 2.5 Standard 提供文生视频、首尾帧图生视频和图像、视频、音频混合参考生成。调用时使用对应的 t2v、i2v 或 multi 完整模型名。
- Seedance 2.5 Standard — Seedance 2.5 Standard 提供文生视频、首尾帧图生视频和图像、视频、音频混合参考生成。调用时使用对应的 t2v、i2v 或 multi 完整模型名。
- Topaz Upscaler — 模型等于topaz upscaler
- Topaz Upscale — 视频高清修复,提供 Ultra、Max、High、Medium、Low 五档模型与 720p 至 4K 输出;默认 1080p / Max,按输出视频实际时长计费。
- vidu-q3-ad — vidu-q3-ad-r2v:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3-ad-short-play — vidu-q3-ad-short-play:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3-drama — vidu-q3-drama-r2v:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3-drama-short-play — vidu-q3-drama-short-play:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3-mix — vidu-q3-mix-r2v:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3-pro — vidu-q3-pro-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3-pro-start-end — vidu-q3-pro-start-end:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3 — vidu-q3-r2v:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3-turbo — vidu-q3-turbo-i2v:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q3-turbo-start-end — vidu-q3-turbo-start-end:通过兼容 OpenAI 的 API 进行视频生成。
- vidu-q4-global — Vidu Q4 Preview 海外版图生视频:基于 1 张输入图片生成视频,支持 540p–4K、3–16 秒。
- vidu-q4 — Vidu Q4 Preview 图生视频:基于 1 张输入图片生成视频,支持 540p–4K、3–16 秒。
- vosr2-image-upscale — 使用 VOSR2 将单张图片高清放大,输出 4K 图片。
- vosr2 — 使用 VOSR2 将单个视频高清放大,输出 2K 视频。
- wan-2.7-spicy — Alibaba Wan 2.7 Spicy image-to-video
- Wan 3.0 Global — Wan 3.0 提供文生视频(t2v)、首尾帧图生视频(i2v)和多素材参考生成(r2v)。wan-3.0 为国内版,prime 为更快的档位,global 为海外版。
- Wan 3.0 Global Prime — Wan 3.0 提供文生视频(t2v)、首尾帧图生视频(i2v)和多素材参考生成(r2v)。wan-3.0 为国内版,prime 为更快的档位,global 为海外版。
- Wan 3.0 — Wan 3.0 提供文生视频(t2v)、首尾帧图生视频(i2v)和多素材参考生成(r2v)。wan-3.0 为国内版,prime 为更快的档位,global 为海外版。
- Wan 3.0 Prime — Wan 3.0 提供文生视频(t2v)、首尾帧图生视频(i2v)和多素材参考生成(r2v)。wan-3.0 为国内版,prime 为更快的档位,global 为海外版。
图片模型
- dola-seedream-5.0-flash — 海外版图生图,根据文字和 1–10 张参考图生成图片。
- dola-seedream-5.0-flash-layer-decomposition — 海外版图层拆分,对单张图片输出拆分结果图片列表。
- Dola Seedream 5.0 Pro — Dola Seedream 5.0 Pro 是海外版 Seedream 5.0 Pro 图片模型:t2i 根据文字生成图片,i2i 用 1–10 张参考图编辑或重绘,每次输出一张 1k 或 2k 图片。
- dola-seedream-5.0-pro-layer-decomposition — dola-seedream-5.0-pro-layer-decomposition:通过兼容 OpenAI 的 API 进行图片生成。
- Dola Seedream 5.5 — Seedream 5.5 是最新一代 Seedream 图片模型:t2i 文字生图,i2i 用 1–10 张参考图编辑或重绘,可输出透明背景,单次一张,分辨率 1k、1.5k 或 2k。seedream-v5.5 为国内版,dola-seedream-5.5 为海外版。
- dola-seedream-5.5-layer-decomposition — 海外版 Seedream 5.5 图层拆分,输出 1 张底图加最多 99 个图层,可选文字识别。
- flux-3-image — FLUX 3 Image:支持文生图和参考图编辑,最多 10 张参考图,支持多种画幅和分辨率。
- flux-3-image-klein — FLUX 3 Image Klein 图像编辑模型,支持最多 10 张参考图、seed、steps 与 JPEG/PNG 输出。
- flux-3-video-draft-enhance — flux-3-video-draft-enhance:通过兼容 OpenAI 的 API 进行图片生成。
- flux-3-video-global-draft-enhance — flux-3-video-global-draft-enhance:通过兼容 OpenAI 的 API 进行图片生成。
- flux-3-video-global — flux-3-video-global-i2v:通过兼容 OpenAI 的 API 进行图片生成。
- flux-3-video-global-v2v — flux-3-video-global-v2v:通过兼容 OpenAI 的 API 进行图片生成。
- flux-3-video — flux-3-video-i2v:通过兼容 OpenAI 的 API 进行图片生成。
- flux-3-video-v2v — flux-3-video-v2v:通过兼容 OpenAI 的 API 进行图片生成。
- Gemini 4 Argon — Gemini 4 Argon supports text and image input, tool calling, and streaming, with a 1,048,576-token context window.
- Google Nano Banana 2 — 模型能力于等于类似nano-banana-2
- Google Nano Banana 2 Lite — 模型能力于等于类似nano-banana-2-lite
- Google Nano Banana 2.1 — Nano Banana 2.1 Ext 文生图与图生图,支持 1K、2K、4K 和标准比例。
- Google Nano Banana Flash — 模型能力于等于类似类似nano-banana-flash
- Google Nano Banana Pro — NB Pro 是 Nano Banana Pro 图片模型,支持文字生图和最多 14 张参考图编辑,每次生成一张,输出 1k、2k 或 4k。
- zhenzhen-image-g2 — 模型能力于等于类似gpt-image-2综合渠道稳定版
- zhenzhen-image-g-v2 — 价格低至4分钱起 支持 1k 2k 4k,低价稳定版,不同尺寸价格略有不同,模型能力于等于类似gpt-image-2
- GPT Image 2.5 — Image G v2.5 低价扩展版支持文字生图和参考图编辑,提供 1k、2k、4k 输出,每次生成一张图片。上游处于灰度升级,实际版本取决于账号升级进度。
- GPT Image 2.5 Flare — 官方版。支持文生图与参考图编辑,适合日常创作与快速迭代。可选择图片质量、输出格式及透明背景。
- GPT Image 2.5 Sunburst — GPT Image Sunburst(v2.5 与 v2.6)是侧重精细编辑的 GPT Image 版本,支持文字生图和最多 16 张参考图编辑,单次可出 1–4 张,输出 1k、2k 或 4k。
- GPT Image 2.6 — GPT Image 2.6 低价版支持文字生图和最多 16 张参考图编辑,每次一张,输出 1k、2k 或 4k,并可在 Flare 与 Sunburst 两个版本间切换。
- GPT Image 2.6 Flare — 可用文字或参考图生成静态图片,也可用文字生成自定义尺寸的 GIF 动图和 SVG 矢量图。 Playground 用法 在模型详情的 Playground 或图片工作台选择输出格式。在“尺寸”框里用英文小写 x 连接宽和高,例如 768x512。生成后点“下载”保存原文件,保留动画或矢量图形。 GIF 单帧尺寸和时长 尺寸指每一帧。auto 默认 512×512,自定义宽、高都须是 16 的倍数。支持 2–16 帧,默认 9 帧。每帧默认 200 毫秒,最短 20 毫秒,以 10 毫秒递增。 4 帧 GIF 示例 4 帧、每帧 120 毫秒时,可用 768x512、1024x512 或 960x960。这个帧数下,正方形单帧最大是 960x960。1024x1024 会超出拼图边长限制。 帧数如何限制 GIF 尺寸 2–8 帧使用 4×2 网格,9 帧用 3×3,10–12 帧用 4×3,13–16 帧用 4×4,行列可互换。整张拼图每边最多 3840 像素,总面积最多 8,294,400 像素,长边最多为短边的 3 倍。超限时可缩小单帧或减少帧数。每段动图按整张拼图的用量结算。 SVG 画布尺寸 可填 auto、16:9 等宽高比,或 1280x768、1536x1024 等像素尺寸。自定义宽、高须为 16 的倍数,每边最多 3840 像素,总面积为 655,360–8,294,400 像素,长宽比不超过 3:1。512x512 只有 262,144 像素,低于最小面积。每次生成一张 SVG,显示时可缩放。 参考图与编辑 编辑 PNG、JPEG 和 WebP 时,可按顺序传入最多 16 张参考图,蒙版与标注层二选一。GIF 和 SVG 只接受文字,不支持参考图、蒙版或标注层。 API 参数 使用这张卡片显示的模型 ID 和 prompt,通过 POST /v1/image/generations 提交,再用 GET /v1/image/generations/{id} 查询结果。 GIF 示例:output_format=gif,size=768x512,frame_count=4,frame_duration_ms=120。 SVG 示例:output_format=svg,size=1536x1024,n=1,svg.model=gpt-5.4-mini。
- GPT Image 2.6 Sunburst — GPT Image Sunburst(v2.5 与 v2.6)是侧重精细编辑的 GPT Image 版本,支持文字生图和最多 16 张参考图编辑,单次可出 1–4 张,输出 1k、2k 或 4k。
- Grok Image 1.5 — 模型能力于等于类似grok-image
- Grok Image 1.5 Edit — 模型能力于等于类似grok-image-edit
- Grok Image 2 — Grok Image 2:通过兼容 OpenAI 的 API 进行图片生成。
- Grok Image 2 Edit — Grok Image 2 Edit:通过兼容 OpenAI 的 API 进行图片生成。
- Grok Image 2 Region Edit — Grok Image 2 Region Edit:通过兼容 OpenAI 的 API 进行图片生成。
- Grok Image 2 Segment — Grok Image 2 Segment:通过兼容 OpenAI 的 API 进行图片生成。
- hitem3d-portrait-v2.1-image-to-3d — Hitem3D Portrait V2.1 单图生 3D,面向人物图像生成可下载的 3D 模型文件。
- zhenzhen-image-hy-v3.5 — 腾讯混元 HY Image 3.5 Preview,支持文生图和最多 5 张参考图生成。支持 1K/2K/4K、十种宽高比和自定义像素尺寸、负面提示词及随机种子,每次输出一张图片。
- kling-v4-image — 可灵 Kling 4.0 图片生成模型,支持文生图和最多 10 张参考图生图,提示词中可用 @Image1、@Image2 引用参考图。支持 2K/4K 输出和 9 种画幅,单次生成 1–9 张,或开启组图模式生成 2–4 张连贯图片。
- kling-v4-long-image — 可灵 Kling 4.0 长图生成模型,一次生成一张完整版面的长图:用 1–3 张商品图生成电商详情页(可选短/中/长三种页面长度),或按提示词生成网页设计,可附加风格参考图和主体参考图。支持 1K/2K 宽度,高度随内容变化,输出 PNG。
- krea-v3 — Krea V3 图片编辑,支持最多 8 张参考图的自然语言合成与改写,并可切换 Berry/Jam 档位。
- mai-image-2-6 — MAI Image 2.6 图片生成模型,支持文生图、单图编辑和最多 5 张参考图合成。每次输出一张 PNG,支持文生图 1K/2K、精确像素尺寸及联网增强。
- mai-image-2-6-flash — MAI Image 2.6 Flash 图片生成模型,支持文生图、单图编辑和最多 5 张参考图合成。每次输出一张 PNG,支持文生图 1K/2K、精确像素尺寸及联网增强。
- mai-image-2-7 — MAI Image 2.7 图片生成模型,支持文生图、单图编辑和最多 5 张参考图合成。每次输出一张 PNG,文生图支持 1K/2K、1:4 至 4:1 画幅及最高 2048×2048 的精确像素尺寸。
- mai-image-2-7-flash — MAI Image 2.7 Flash 图片生成模型,参数与 MAI Image 2.7 相同,速度更快、价格更低。支持文生图、单图编辑和最多 5 张参考图合成,每次输出一张 PNG。
- midjourney-blend — midjourney-blend:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-describe — midjourney-describe:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-edits — midjourney-edits:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-high-variation — midjourney-high-variation:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-imagine — midjourney-imagine:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-inpaint — midjourney-inpaint:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-low-variation — midjourney-low-variation:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-modal — midjourney-modal:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-pan — midjourney-pan:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-remix-strong — midjourney-remix-strong:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-remix-subtle — midjourney-remix-subtle:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-reroll — midjourney-reroll:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-upscale — midjourney-upscale:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-variation — midjourney-variation:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-video — midjourney-video:通过兼容 OpenAI 的 API 进行图片生成。
- midjourney-zoom — midjourney-zoom:通过兼容 OpenAI 的 API 进行图片生成。
- minimax-h3-image — 支持文生图和多图编辑,最多可用 16 张参考图,最高输出 4K。
- Moss Image — Moss Image 闪电版文生图,使用 SFT 观澜 15 步工作流,主打快速出图;不支持参考图。
- Muse Image — 支持文生图和最多 9 张参考图合成,每次生成一张图片。支持七种宽高比或自动构图,输出尺寸和格式由模型决定。
- qwen-image-2.1-turbo — 支持文生图和图片编辑,可用 1–4 张参考图编辑,最高输出 2K。
- qwen-image-3.0-global — qwen-image-3.0-global-i2i:通过兼容 OpenAI 的 API 进行图片生成。
- qwen-image-3.0-global-pro — qwen-image-3.0-global-pro-i2i:通过兼容 OpenAI 的 API 进行图片生成。
- qwen-image-3.0 — qwen-image-3.0-i2i:通过兼容 OpenAI 的 API 进行图片生成。
- qwen-image-3.0-pro — qwen-image-3.0-pro-i2i:通过兼容 OpenAI 的 API 进行图片生成。
- qwen-image-global-2.1 — qwen image global 2.1:支持文生图和图生图,可选 0–10 张参考图。分辨率可选 1K、2K、4K,默认 2K,最高 4K。1K 为 ¥0.10/张,2K 为 ¥0.20/张,4K 为 ¥0.40/张,两种模式同价。
- seedream-v5-flash — 根据文字和 1–10 张参考图生成图片。
- seedream-v5-flash-layer-decomposition — 对单张图片进行图层拆分,输出图片列表。
- Seedream 5.0 Pro — Seedream 5.0 Pro 是国内版 Seedream 5.0 Pro 图片模型:t2i 根据文字生成图片,i2i 用 1–10 张参考图编辑或重绘,每次输出一张 1k 或 2k 图片,以人民币计费。
- seedream-v5-pro-layer-decomposition — seedream-v5-pro-layer-decomposition:通过兼容 OpenAI 的 API 进行图片生成。
- Seedream 5.5 — Seedream 5.5 是最新一代 Seedream 图片模型:t2i 文字生图,i2i 用 1–10 张参考图编辑或重绘,可输出透明背景,单次一张,分辨率 1k、1.5k 或 2k。seedream-v5.5 为国内版,dola-seedream-5.5 为海外版。
- seedream-v5.5-layer-decomposition — Seedream 5.5 图层拆分,输出 1 张底图加最多 99 个图层,可选文字识别。
- tripo-h-v2.5-image-to-3d — Tripo H v2.5 图生 3D,依据单张图像生成可下载的 3D 文件。
- tripo-h-v3.0-image-to-3d — Tripo H v3.0 图生 3D,依据单张图像生成可下载的 3D 文件。
- tripo-h-v3.1-image-to-3d — Tripo H v3.1 图生 3D,依据单张图像生成可下载的 3D 文件。
- tripo-image-to-splat — Tripo Image to Splat,从图像生成可下载的 3D Gaussian Splat 文件。
- tripo-p-p1-image-to-3d — Tripo P P1 图生 3D,依据单张图像生成可下载的 3D 文件。
- tripo-p-p2-image-to-3d — Tripo P P2 图生 3D,依据单张图像生成可下载的 3D 文件。
- wan-2.7-global — wan-2.7-global-i2i:通过兼容 OpenAI 的 API 进行图片生成。
- wan-2.7-global-pro — wan-2.7-global-i2i-pro:通过兼容 OpenAI 的 API 进行图片生成。
- z-image — Z-image 文生图模型,支持多种宽高比和可选随机种子,每次生成一张图片。
音频模型
- doubao-seed-audio-1.0 — doubao-seed-audio-1.0:通过兼容 OpenAI 的 API 进行音频生成。
- doubao-seed-tts-2.0 — 豆包语音合成 2.0,面向对话场景,支持情感演绎与文本指令控制。
- flowmusic-cover — flowmusic-cover:通过兼容 OpenAI 的 API 进行音频生成。
- flowmusic-download-audio — flowmusic-download-audio:通过兼容 OpenAI 的 API 进行音频生成。
- flowmusic-extend — flowmusic-extend:通过兼容 OpenAI 的 API 进行音频生成。
- flowmusic-generation — flowmusic-generation:通过兼容 OpenAI 的 API 进行音频生成。
- flowmusic-lyrics — flowmusic-lyrics:通过兼容 OpenAI 的 API 进行音频生成。
- flowmusic-replace — flowmusic-replace:通过兼容 OpenAI 的 API 进行音频生成。
- flowmusic-stems — flowmusic-stems:通过兼容 OpenAI 的 API 进行音频生成。
- flowmusic-upload-audio — flowmusic-upload-audio:通过兼容 OpenAI 的 API 进行音频生成。
- flowmusic-video-clip — flowmusic-video-clip:通过兼容 OpenAI 的 API 进行音频生成。
- Gemini 2.5 Flash TTS — Gemini 2.5 Flash 语音合成:30 个角色音色,可用自然语言指令控制语气、节奏和情绪,自动识别多种语言;价格约为 Pro 的一半、速度更快。按实际 Token 用量计费。
- Gemini 2.5 Pro TTS — Gemini 2.5 Pro 语音合成:30 个风格各异的角色音色,可用自然语言指令控制语气、节奏和情绪,自动识别多种语言;表现力强,适合有声书、配音和播客。按实际 Token 用量计费。
- Gemini 4 Carbon — Gemini 4 Carbon 对话模型,支持文本、图片与音频输入、工具调用、推理和流式输出;上下文最长约 105 万 tokens,单次最多输出 65,536 tokens。
- Gemini 4 Hydrogen — Gemini 4 Hydrogen 对话模型,支持文本、图片与音频输入、工具调用、推理和流式输出;上下文最长约 105 万 tokens,单次最多输出 65,536 tokens。
- kling-lip-sync-tts — kling-lip-sync-tts:通过兼容 OpenAI 的 API 进行音频生成。
- minimax-music-2.6 — minimax-music-2.6:通过兼容 OpenAI 的 API 进行音频生成。
- minimax-speech-2.8-hd — minimax-speech-2.8-hd:通过兼容 OpenAI 的 API 进行音频生成。
- minimax-speech-2.8-turbo — minimax-speech-2.8-turbo:通过兼容 OpenAI 的 API 进行音频生成。
- minimax-voice-clone — minimax-voice-clone:通过兼容 OpenAI 的 API 进行音频生成。
- mureka-o2-song — mureka-o2-song:通过兼容 OpenAI 的 API 进行音频生成。
- mureka-v8-bgm — mureka-v8-bgm:通过兼容 OpenAI 的 API 进行音频生成。
- mureka-v9-bgm — mureka-v9-bgm:通过兼容 OpenAI 的 API 进行音频生成。
- mureka-v9-song — mureka-v9-song:通过兼容 OpenAI 的 API 进行音频生成。
- qwen-audio-3.1-tts-flash — 千问音频 3.1 低延迟语音合成,面向语音助手、客服和实时对话,69 个系统音色,可用指令控制情绪和方言。
- qwen-audio-3.1-tts-next — 千问音频 3.1 统一音频生成,可按描述和最多三段参考音频生成人声、多人对话、播客或声景。
- qwen-audio-3.1-tts-plus — 千问音频 3.1 精品语音合成,强调音质与表现力,面向品牌音色、有声内容和配音,4 个旗舰音色。
- Qwen3 TTS 1.7B — 通义千问 Qwen3 TTS 1.7B 多语种语音合成:9 个预置音色,支持中、英、日、韩、德、法、俄、西、意、葡 10 种语言;按朗读文本的字符数计费,价格低。
- qwen3-tts-flash — qwen3-tts-flash:通过兼容 OpenAI 的 API 进行音频生成。
- suno-add-instrumental — 为源音轨添加伴奏,支持 V6 版本与自定义模型。
- suno-add-stem — 为已有音乐添加音轨,支持 V6 版本与自定义模型。
- suno-add-vocals — 为源音轨添加人声,支持 V6 版本与自定义模型。
- suno-adjust-speed — suno-adjust-speed:通过兼容 OpenAI 的 API 进行音频生成。
- suno-aligned-lyrics — suno-aligned-lyrics:通过兼容 OpenAI 的 API 进行音频生成。
- suno-bpm — suno-bpm:通过兼容 OpenAI 的 API 进行音频生成。
- suno-concat — suno-concat:通过兼容 OpenAI 的 API 进行音频生成。
- suno-cover-song — 对已有歌曲进行风格翻唱,支持 V6 版本与自定义模型。
- suno-create-model — 使用 6–24 条音频参考创建自定义音乐模型,生成后可通过模型 ID 调用。
- suno-create-voice — suno-create-voice:通过兼容 OpenAI 的 API 进行音频生成。
- suno-crop — suno-crop:通过兼容 OpenAI 的 API 进行音频生成。
- suno-extend — 续写已有音轨,支持 V6 版本与自定义模型。
- suno-fade-in — suno-fade-in:通过兼容 OpenAI 的 API 进行音频生成。
- suno-fade-out — suno-fade-out:通过兼容 OpenAI 的 API 进行音频生成。
- suno-generate-mp4 — suno-generate-mp4:通过兼容 OpenAI 的 API 进行音频生成。
- suno-generation — Suno V6 音乐生成,支持灵感描述、自定义歌词和纯音乐,可选 v6、v6-wild、v6-mini。
- suno-inspo — 使用音频参考生成音乐,支持 V6 版本与自定义模型。
- suno-lyrics — suno-lyrics:通过兼容 OpenAI 的 API 进行音频生成。
- suno-mashup — 将两条源音轨混搭生成音乐,支持 V6 版本与自定义模型。
- suno-midi — suno-midi:通过兼容 OpenAI 的 API 进行音频生成。
- suno-persona — suno-persona:通过兼容 OpenAI 的 API 进行音频生成。
- suno-remaster — 对已有音轨进行母带处理,可选择改编强度与输出音频格式。
- suno-remove-section — suno-remove-section:通过兼容 OpenAI 的 API 进行音频生成。
- suno-replace-music — 替换已有音轨的指定片段,支持 V6 版本与自定义模型。
- suno-sample — 根据源音轨的采样片段生成歌曲,支持 V6 版本与自定义模型。
- suno-sounds — 根据文字描述生成音效,可选 v6、v6-wild、v6-mini。
- suno-stems — suno-stems:通过兼容 OpenAI 的 API 进行音频生成。
- suno-stems-all — suno-stems-all:通过兼容 OpenAI 的 API 进行音频生成。
- suno-upload — suno-upload:通过兼容 OpenAI 的 API 进行音频生成。
- suno-upload-cover — 上传公开音频链接进行风格翻唱,支持 V6 版本与自定义模型。
- suno-upload-extend — 上传公开音频链接并从指定位置续写,支持 V6 版本与自定义模型。
- suno-upsample-tags — suno-upsample-tags:通过兼容 OpenAI 的 API 进行音频生成。
- suno-vox — suno-vox:通过兼容 OpenAI 的 API 进行音频生成。
- suno-wav — suno-wav:通过兼容 OpenAI 的 API 进行音频生成。
- whisper-1 — Speech-to-text (OpenAI Whisper). Billed by audio duration: 1 minute = 1000 tokens. Sync POST /v1/audio/transcriptions.
语言模型
- bytedance/doubao-seed-2.0-code — bytedance/doubao-seed-2.0-code:通过兼容 OpenAI 的 API 进行语言生成。
- bytedance/doubao-seed-2.0-lite — bytedance/doubao-seed-2.0-lite:通过兼容 OpenAI 的 API 进行语言生成。
- bytedance/doubao-seed-2.0-mini — bytedance/doubao-seed-2.0-mini:通过兼容 OpenAI 的 API 进行语言生成。
- bytedance/doubao-seed-2.0-pro — bytedance/doubao-seed-2.0-pro:通过兼容 OpenAI 的 API 进行语言生成。
- bytedance/doubao-seed-2.1-pro — bytedance/doubao-seed-2.1-pro:通过兼容 OpenAI 的 API 进行语言生成。
- bytedance/doubao-seed-2.1-turbo — bytedance/doubao-seed-2.1-turbo:通过兼容 OpenAI 的 API 进行语言生成。
- bytedance/doubao-seed-evolving — bytedance/doubao-seed-evolving:通过兼容 OpenAI 的 API 进行语言生成。
- Claude Fable 5.2 — Claude Fable 5.2 海外对话模型,支持文本与图片输入、工具调用、推理和流式输出,上下文最长 100 万 tokens。
- Claude Haiku 5.5 — Claude Haiku 5.5 文本对话模型,支持工具调用、结构化输出和流式输出,上下文最长 20 万 tokens;超过 10 万输入 tokens 后按长上下文档位计价,不支持图片输入。
- Claude Opus 5.5 — Claude Opus 5.5 海外对话模型,支持文本、图片输入、工具调用、推理与流式输出。
- Claude Sonnet 5.5 — Claude Sonnet 5.5 对话模型,支持文本与图片输入、工具调用、推理、结构化输出和流式输出,上下文最长 100 万 tokens。
- deepseek/deepseek-v4-flash — deepseek/deepseek-v4-flash:通过兼容 OpenAI 的 API 进行语言生成。
- deepseek/deepseek-v4-pro — deepseek/deepseek-v4-pro:通过兼容 OpenAI 的 API 进行语言生成。
- deepseek/deepseek-v4.1-flash — 官方3-4折的价格 超级性价比 。已更新到最新 1017 版本。 DeepSeek V4.1 Flash 多模态对话模型,支持文本和图片输入、工具调用、推理与结构化输出,上下文长度 262,144 tokens。
- Gemini 3.8 Flash — 对话模型,支持文本与图片输入、工具调用、推理和流式输出,上下文最长 1,048,576 tokens。按输入、输出及缓存命中用量计费。
- glm-5 — glm-5:通过兼容 OpenAI 的 API 进行语言生成。
- glm-5-turbo — glm-5-turbo:通过兼容 OpenAI 的 API 进行语言生成。
- glm-5.1 — glm-5.1:通过兼容 OpenAI 的 API 进行语言生成。
- glm-5.2 — glm-5.2:通过兼容 OpenAI 的 API 进行语言生成。
- glm-5.3 — glm-5.3:通过兼容 OpenAI 的 API 进行语言生成。
- glm-5v-turbo — glm-5v-turbo:通过兼容 OpenAI 的 API 进行语言生成。
- glm/glm-5.3-flash — glm/glm-5.3-flash:通过兼容 OpenAI 的 API 进行语言生成。
- GPT 5.6 Luna — 节省版对话模型,支持文本与图片输入、工具调用、推理和流式输出,上下文最长 105 万 tokens。输入上下文超过 272K tokens 后进入长上下文价格档。
- GPT 5.6 Sol — 节省版对话模型,支持文本与图片输入、工具调用、推理和流式输出,上下文最长 105 万 tokens。输入上下文超过 272K tokens 后进入长上下文价格档。
- GPT 5.6 Terra — 节省版对话模型,支持文本与图片输入、工具调用、推理和流式输出,上下文最长 105 万 tokens。输入上下文超过 272K tokens 后进入长上下文价格档。
- GPT 6 Astra — 节省版,支持文本与图片输入、工具调用、推理和流式输出,上下文最长 105 万 tokens。价格按输入上下文分档,超过 272K tokens 后进入长上下文档。
- GPT 6 Luna — GPT-6 Luna 节省版对话模型,支持文本与图片输入、工具调用、推理和流式输出;上下文最长 105 万 tokens。
- GPT 6 Sol — GPT-6 Sol 节省版对话模型,支持文本与图片输入、工具调用、推理和流式输出;上下文最长 105 万 tokens。
- GPT 6.1 Sol — GPT-6.1 Sol 节省版对话模型,支持文本与图片输入、工具调用、推理和流式输出;上下文最长 105 万 tokens。
- GPT 6.2 Astra — GPT-6.2 Astra 标准版对话模型,支持文本与图片输入、工具调用、推理和流式输出;上下文最长 105 万 tokens。
- GPT 6.2 Sol — GPT-6.2 Sol 标准版对话模型,支持文本与图片输入、工具调用、推理和流式输出;上下文最长 105 万 tokens。
- Grok 4.6 — Grok 4.6:通过兼容 OpenAI 的 API 进行语言生成。
- hitem3d-portrait-v2.1-multi-image-to-3d — Hitem3D Portrait V2.1 多图生 3D,按多视角人物图片生成可下载的 3D 模型文件。
- hitem3d-v2-image-to-3d — Hitem3D V2 单图生 3D,支持从单张图片生成可下载的 3D 模型文件。
- hitem3d-v2-multi-image-to-3d — Hitem3D V2 多图生 3D,按多视角图片生成可下载的 3D 模型文件。
- hunyuan3d-v3.1-image-to-3d — hunyuan3d-v3.1-image-to-3d:通过兼容 OpenAI 的 API 进行语言生成。
- hunyuan3d-v3.1-text-to-3d — hunyuan3d-v3.1-text-to-3d:通过兼容 OpenAI 的 API 进行语言生成。
- Hy4 Flash — Hy4 Flash 对话模型:腾讯混元 Hy4 的高性价比版本,面向代码辅助与智能体任务,支持文本与图片输入、工具调用、结构化输出和推理;上下文最长约 105 万 tokens。按输入、输出及缓存命中用量计费。
- kimi-k3 — Kimi K3 flagship chat (OpenAI-compatible). Always-on reasoning; 1M context. POST /v1/chat/completions.
- kling-lip-sync-identify-face — kling-lip-sync-identify-face:通过兼容 OpenAI 的 API 进行语言生成。
- meshy-6-global-image-to-3d — Meshy 6 Global 图生 3D,使用单张图片生成可下载的 3D 模型文件。
- meshy-6-global-text-to-3d — Meshy 6 Global 文生 3D,使用文字描述生成可下载的 3D 模型文件。
- minimax/minimax-m2.7 — minimax/minimax-m2.7:通过兼容 OpenAI 的 API 进行语言生成。
- miora-3d — 腾讯 Miora-3D:一个模型同时支持用文字或图片生成 3D 模型。只输入文字时按描述生成;附带图片时自动改为根据图片生成,并可补充最多 7 张其他角度的图片。支持带纹理模型或无纹理白模,可选 PBR 材质,可调节面数。
- qwen/qwen3.6-flash — qwen/qwen3.6-flash:通过兼容 OpenAI 的 API 进行语言生成。
- qwen/qwen3.6-max — qwen/qwen3.6-max-preview:通过兼容 OpenAI 的 API 进行语言生成。
- qwen/qwen3.6-plus — qwen/qwen3.6-plus:通过兼容 OpenAI 的 API 进行语言生成。
- qwen/qwen3.7-max — qwen/qwen3.7-max:通过兼容 OpenAI 的 API 进行语言生成。
- qwen/qwen3.7-plus — qwen/qwen3.7-plus:通过兼容 OpenAI 的 API 进行语言生成。
- qwen/qwen3.8-flash-next — qwen/qwen3.8-flash-next:通过兼容 OpenAI 的 API 进行语言生成。
- qwen/qwen3.8-max — qwen/qwen3.8-max:通过兼容 OpenAI 的 API 进行语言生成。
- tripo-convert — Tripo Convert 3D 格式转换工具,把已有 3D 模型转换为指定输出格式。
- tripo-h-v2.5-multiview-to-3d — Tripo H v2.5 多视图生 3D,按前、左、后、右视图生成可下载的 3D 文件。
- tripo-h-v2.5-text-to-3d — Tripo H v2.5 文生 3D,依据文本提示生成可下载的 3D 文件。
- tripo-h-v3.0-multiview-to-3d — Tripo H v3.0 多视图生 3D,按前、左、后、右视图生成可下载的 3D 文件。
- tripo-h-v3.0-text-to-3d — Tripo H v3.0 文生 3D,依据文本提示生成可下载的 3D 文件。
- tripo-h-v3.1-multiview-to-3d — Tripo H v3.1 多视图生 3D,按前、左、后、右视图生成可下载的 3D 文件。
- tripo-h-v3.1-text-to-3d — Tripo H v3.1 文生 3D,依据文本提示生成可下载的 3D 文件。
- tripo-mesh-complete — Tripo Mesh Complete,补全已有 3D 网格并返回可下载的 3D 文件。
- tripo-mesh-segment-v1 — Tripo Mesh Segment v1,按请求参数分割已有 3D 网格并返回文件。
- tripo-mesh-segment-v2 — Tripo Mesh Segment v2,按请求参数分割已有 3D 网格并返回文件。
- tripo-mesh-smartsegment — Tripo Mesh SmartSegment,按指定粒度分割已有 3D 网格并返回文件。
- tripo-p-p1-multiview-to-3d — Tripo P P1 多视图生 3D,按前、左、后、右视图生成可下载的 3D 文件。
- tripo-p-p1-text-to-3d — Tripo P P1 文生 3D,依据文本提示生成可下载的 3D 文件。
- tripo-p-p2-multiview-to-3d — Tripo P P2 多视图生 3D,按前、左、后、右视图生成可下载的 3D 文件。
- tripo-p-p2-text-to-3d — Tripo P P2 文生 3D,依据文本提示生成可下载的 3D 文件。
- tripo-retopology-v1 — Tripo Retopology v1,为已有 3D 网格执行重拓扑并返回文件。
- tripo-retopology-v2 — Tripo Retopology v2,为已有 3D 网格执行重拓扑并返回文件。
- tripo-texture-v2.5 — Tripo Texture v2.5,为已有 3D 模型生成纹理并返回可下载文件。
- tripo-texture-v3.0 — Tripo Texture v3.0,为已有 3D 模型生成纹理并返回可下载文件。
- typesafe/jev-1.13 — TypeSafe Jev 1.13 决策模型,根据情境与预设问题返回结构化选择和概率。