Recently Added

根据提示词重做现有视频中的指定片段，并可选择替换音频、画面或同时替换两者。

ltx-2/fast/text-to-video

根据文字提示词生成 16:9 视频，可选择时长、分辨率、帧率以及是否生成音频。

ltx-2/pro/image-to-video

根据提示词让必填源图片动起来，可精确选择 6、8 或 10 秒，1080p，25 或 50 FPS，固定 16:9，并可生成音频。

gpt-image-2.6/sunburst/edit

基于指令的精确编辑最多 16 个图像，具有稳定的细节。

gpt-image-2.6/sunburst/text-to-image

具有精细细节的高保真文本到图像，GIF 和 SVG，最高可达 4K。

gpt-image-2.6/flare/edit

基于指令的快速编辑最多 16 个图像，并支持蒙版。

gpt-image-2.6/flare/text-to-image

快速文本到图像，图像内文本清晰，GIF 和 SVG，最高可达 4K。

kling-v4/text-to-video

根据 720p 或 1080p 的文本提示生成 3-30 秒的剪辑。

~~$0.235~~$0.215/sec

kling-v4/video-edit

根据提示和可选参考编辑 3-30 秒的源剪辑。

$0.105/sec

kling-v4/reference-to-video

根据参考图像、视频和保存的主题构建 3-30 秒的剪辑。

~~$0.094~~$0.085/sec

kling-v4/image-to-video

将静止图像动画化为 3-30 秒的剪辑，并带有可选的中间帧和结束帧。

~~$0.235~~$0.215/sec

heygen-image/identity-remix

保留一张脸并根据参考照片重新摆出姿势、衣服和光线。

$0.25/image

heygen-video/text-to-video

根据提示生成带有图片和声音的 5 到 15 秒场景。

~~$0.03~~$0.009/sec

heygen-voice/text-to-audio

text-to-audio

以公共声音大声朗读纯文本并返回一个 WAV 文件。

~~$15~~$13.50/M chars

avatar-v/text-to-video

以口型同步谈话视频的形式在公众场合朗读剧本。

$0.07/sec

minimax-h3-fast/reference-to-video

MiniMax H3 Fast：一个剪辑的视频和最多四张图片

$0.033/sec

minimax-h3-fast/first-last-frame

MiniMax H3 Fast：视频介于第一帧和最后一帧之间

$0.033/sec

minimax-h3-fast/image-to-video

MiniMax H3 Fast 将第一帧动画化为一个5-15秒的片段

$0.022/sec

minimax-h3-fast/text-to-video

MiniMax H3 Fast 制作带音频的 5-15 秒文本转视频剪辑

$0.022/sec

flux-3-max/image-to-video

FLUX 3 Max 可以从文本、静态图像或关键帧制作视频片段。

$0.05/sec

flux-3-max/text-to-video

FLUX 3 Max Text To Video 将提示转换为短片。

$0.05/sec

flux-3-max/keyframes-to-video

FLUX 3 Max Keyframes To Video 将最多十张静止图像连接成一个片段。

$0.05/sec

omnihuman/v2.0

把人像和音频做成最长 5 分钟的说话视频。

nano-banana-2.1/edit

通过提示词编辑图片，支持最多 10 张参考图片及 1K、2K、4K 输出。

$0.039/image

nano-banana-2.1/text-to-image

根据文字生成 1K、2K 或 4K 静态图片，画幅从正方形到 8:1。

$0.039/image

flux-3/image-edit

根据文字指令编辑最多十张图片，输出分辨率可选 1K、2K 或 4K。

$0.055/image

pixverse-v6/image-to-video

从图像、文本、参考资料或视频创建受控的1080p剪辑。

~~$0.09~~$0.089/sec

pixverse-v6/text-to-video

根据提示生成带有可选音频的定向多片段视频。

~~$0.09~~$0.089/sec

pixverse-c1/transition

在选定的首帧和末帧之间制作受控过渡动画。

~~$0.4~~$0.094/sec

pixverse-c1/reference-to-video

使用多达七张图片和精确的提示引导电影片段。

~~$0.095~~$0.094/sec

pixverse/motion-control/mimic

将舞蹈和姿势动作从视频转移到静态图像上。

$0.089/sec

pixverse/lipsync

将现有的面部视频同步到新的音轨以进行配音。

~~$0.04~~$0.039/sec

pixverse-v6/extend

通过提示引导的动作和原生音频继续播放现有视频。

$0.024/sec

pixverse-v6/transition

在指定的开始帧和结束帧之间创建平滑的 V6 运动。

~~$0.09~~$0.089/sec

pixverse-v6/reference-to-video

使用图像或视频参考和文本方向指导新视频。

~~$0.09~~$0.089/sec

pixverse-c1/image-to-video

根据文本、图像、过渡和参考创建可用于影片的剪辑。

~~$0.095~~$0.094/sec

pixverse-c1/text-to-video

将书面场景转换为带有可选本地音频的电影剪辑。

~~$0.095~~$0.094/sec

qwen-image-2.1/text-to-image

Qwen Image 2.1 T2I：1K/2K 仍然具有原生透明度

$0.02/image

qwen-image-2.1/edit

Qwen Image 2.1：统一的生成、编辑与透明性

$0.029/image

runway-aleph-2/video-to-video

提示词驱动的视频编辑，在多镜头片段中保留原始运动

gpt-image-2.5/sunburst/edit

针对活动艺术作品和精美产品视觉效果进行精确的参考图像编辑。

$0.019/image

gpt-image-2.5/sunburst/text-to-image

高精度文本到图像，提供精美的生产级视觉效果。

$0.009/image

gpt-image-2.5/flare/edit

针对创作者内容、社交帖子和产品变体进行基于参考的快速图像编辑。

$0.019/image

gpt-image-2.5/flare/text-to-image

快速生成文本到图像，具有清晰的细节和准确的图像内文本。

$0.009/image

minimax-h3-max/reference-to-video

MiniMax H3 Max Reference to video：对 480p/768p 剪辑的多模式引用

$0.09/sec

minimax-h3-max/text-to-video

MiniMax H3 Max text to video：带有本机音频的 480p/768p 剪辑

$0.039/sec

minimax-h3-max/image-to-video

MiniMax H3 Max：文本或图像到带有本机音频的视频，格式为 480p/768p/1080p

$0.039/sec

seedance-2.5/reference-to-video/4k

Seedance 2.5 Reference to Video 4K：多参考 4K 剪辑

$1.09/sec

seedance-2.5/image-to-video/4k

Seedance 2.5 4K Image to Video：将静止图像动画化为 4K 运动

$1.79/sec

seedance-2.5/text-to-video/4k