AI 模型 API 商店
浏览图像、视频与换脸模型 API。先试玩任意模型，再通过统一 REST API 接入。
98+ models · pay as you go · credits never expire
Image to Video
30
WAN 2.2 Spicy 图像转视频模型
WAN 2.2 Spicy 将图片转换为无限高质量的视频，具有流畅动画，优化用于可扩展内容生成。即用型 REST 推理 API，最佳性能，无冷启动，价格实惠。
Wan 2.2 动画
Wan 2.2 动画是一个统一的角色动画和替换模型，可从驱动视频中复制动作和表情。它将单张角色图片转换为完整的表演，在保持输出稳定、逼真和身份一致的同时复制身体动作和面部表情。可生成最长120秒的720p视频。
Vidu Q3 图片转视频
Vidu Q3 图片转视频将文本提示词转化为高质量视频，具有卓越的视觉保真度和多样的运动。即用型 REST 推理 API，最佳性能，无冷启动，价格实惠。
Pixverse V6 Reference to Video
PixVerse V6 角色/多图参考模式（Fusion），支持输入1-3张参考图（主体、角色或背景），配合文本提示词精准保持角色一致性与叙事连贯性，并自带原生同步音效。提供企业级 REST 推理 API，无冷启动、高并发，完美契合动漫制作、游戏美术及多镜头短片开发。
Pixverse V6 Image to Video
PixVerse V6 图生视频功能（全面集成单图生成与首尾帧衔接），支持将单张或双张图像转化为具备电影级超清画质、逼真物理交互与极致连贯性的动态片段——完美契合高级分镜控制、无缝循环动效及商业营销短片。提供企业级 REST 推理 API，高并发、无冷启动，性能卓越且价格实惠。
Pixverse V5 T2V
PixVerse V5 文本生成视频可在数秒内根据提示词生成流畅自然的5秒视频，支持720p输出（每5秒$0.20）。提供即用型REST推理API，性能最佳，无冷启动，价格实惠。
Pixverse V5 I2V
PixVerse V5 将图片转换为短视频，视频流畅且自然。5秒视频：$0.15（360p/540p），$0.20（720p），$0.40（1080p）。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。
Pixverse V5.6 文本生成视频
PixVerse V5.6 可在几秒钟内将提示词转化为逼真的视频，具有流畅的运动和自然的细节，非常适合故事、广告和社交短片。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。
Text to Video
16
Pixverse V6 Text to Video
PixVerse V6 带来全新跃升，支持电影级超高清画质与深度语义理解，将文本提示词精准转化为充满细腻光影与逼真物理交互的动态视频。提供高并发、低延迟的 REST 推理 API，无冷启动，助力专业级视频创作与商业落地。
Pixverse C1 Text to Video
PixVerse C1 是一款颠覆性的视频生成大模型。它支持通过文本提示词生成多分辨率（最高可达 1080p）、时长灵活（1-15秒）的电影级高清视频，并支持原生音频同步生成。我们提供即开即用的 REST 推理 API，具备超高性能、零冷启动延迟以及高性价比的计费方案，助力您的创意高效落地。
Sora 2 文生视频
物理引擎级文生视频。 具备逼真的物理碰撞反馈、极强的指令可控性以及音画完美同步。
OpenAI Sora 2
OpenAI Sora 2 Pro 是一款最先进的文本生成视频模型，具有真实的物理效果、同步音频和强大的可控性。支持多种分辨率，最高可达1080p，时长最长可达20秒。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。
Kling Omni Video O3 文本生成视频
Kling Omni Video O3 是快手的先进统一多模态视频模型，采用MVL（多模态视觉语言）技术。文本生成视频模式可通过提示词生成具有主体一致性、自然物理模拟和精准语义理解的电影级视频。支持音频生成。即用型REST API，性能卓越，无冷启动，价格实惠。
Kling Omni Video O1 文本生成视频
Kling Omni Video O1 是快手首款统一多模态视频模型，采用 MVL（多模态视觉语言）技术。文本生成视频模式可根据提示词生成电影级视频，具备主体一致性、自然物理模拟和精准语义理解。支持即用型 REST API，性能卓越，无冷启动，价格实惠。
Kling 3.0 Standard
Kling 3.0 标准版提供高质量的文本生成视频功能，具有流畅的运动效果、电影级视觉效果、精准的提示词匹配以及原生音频，适合直接分享的短片。支持即用型 REST 推理 API，性能卓越，无冷启动，价格实惠。
Kling V2.6 文本生成视频 API
Kling 2.6 提供顶级的文本生成视频功能，具有流畅的运动效果、电影级视觉效果、强大的提示词匹配能力，以及原生音频支持，可直接分享视频片段。即用型 REST 推理 API，性能卓越，无冷启动，价格实惠。
Video to Video
13
WAN 2.2 Spicy 视频扩展
使用 WAN 2.2 Spicy 将短片扩展为无限长的高质量视频，动画流畅。提供即用型 REST 推理 API，最佳性能，无冷启动，价格实惠。
AI Video Watermark Remover（视频水印去除）
去除视频中的水印、标志、字幕和文字，同时保持质量；支持多种格式和10分钟文件。即用型REST推理API，最佳性能，无冷启动，价格实惠。
VT 唇形同步
VT 唇形同步通过翻译后的视频、翻译后音频、翻译后字幕时间轴，以及原始视频和原始字幕时间轴，对翻译后的视频进行口型同步。
Kling Omni Video O3
Kling Omni Video O3 参考到视频模型可通过多个视角的角色、道具或场景参考生成创意视频。提取主体特征并创建新的视频内容，同时保持帧间身份一致性。支持音频生成。即用型 REST API，性能最佳，无冷启动，价格实惠。
Kling Omni Video O3
Kling Omni Video O3 参考到视频模型可通过多个视角的角色、道具或场景参考生成创意视频。提取主体特征并创建新的视频内容，同时保持帧间身份一致性。支持音频生成。即用型 REST API，性能最佳，无冷启动，价格实惠。
Kling Omni Video O1 参考视频生成
Kling Omni Video O1 参考视频生成使用多个视角的角色、道具或场景参考来生成创意视频。它提取主体特征并在生成新视频内容的同时保持跨帧的身份一致性。提供即用型 REST API，最佳性能，无冷启动，价格实惠。
Kling Omni Video O1 参考视频生成
Kling Omni Video O1 参考视频生成使用多个视角的角色、道具或场景参考来生成创意视频。它提取主体特征并在生成新视频内容的同时保持跨帧的身份一致性。提供即用型 REST API，最佳性能，无冷启动，价格实惠。
Kling 3.0 Standard 动作控制
Kling 3.0 Standard 动作控制将参考视频中的动作转移到静态图片中进行动画化。上传角色图片和动作片段（舞蹈、动作、手势），模型提取动作生成流畅、逼真的视频。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。
Text to Image
13
OpenAI GPT Image 2 文本生成图片
OpenAI 的 GPT Image 2 文本生成图片模型可根据自然语言提示词生成高质量图片。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。
OpenAI GPT Image 2 Edit 图像编辑
OpenAI 的 GPT Image 2 Edit 可通过自然语言指令结合一张或多张参考图片进行图像编辑。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。
Nano Banana 文生图
Gemini 2.5 Flash 标准版。轻量极速。兼顾速度与成本，是批量生成与快速原型设计的最佳选择。
Nano Banana Pro 文生图
Gemini 3.0 Pro 旗舰版。专为 4K 原生画质打造，支持图像内多语言文字渲染与专业摄影参数控制。
Nano Banana Pro 文生图
Gemini 3.0 Pro 旗舰版。专为 4K 原生画质打造，支持图像内多语言文字渲染与专业摄影参数控制。
Google Nano Banana Lite 文生图 API
Google Nano Banana 2 Lite 文生图可根据文本提示词生成高质量图片，具备低延迟、灵活宽高比和快速出图能力，适用于创意与生产工作流。即开即用的 REST 推理 API，性能出色，无冷启动，价格实惠。
Seedream V5.0 Pro 文生图 API
字节跳动推出的 Seedream V5.0 Pro 文生图模型，可根据文本提示词生成高质量图片，支持宽高比选择、强提示词遵循，以及 1K / 2K 输出档位，满足灵活的图片创作需求。开箱即用的 REST 推理 API，性能出色，无冷启动，价格实惠。
Seedream 5.0 Lite Sequential
Seedream 5.0 Lite Sequential 可生成多张图片集，确保角色和物体一致，统一调色、光影和风格。支持高达 4K 的输出，适用于广告活动、故事板和产品线。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。
Image to Image
11
Nano Banana 图像编辑
高性价比智能修图。 无需蒙版即可实现物体替换与风格迁移，极速响应，成本低廉。
Nano Banana Pro 图像编辑
4K 语义级修图。基于自然语言修改现有图像，支持智能光影融合与图像内多语言文字编辑。
Nano Banana 2 图像编辑
4K 语义级修图。基于自然语言修改现有图像，支持智能光影融合与图像内多语言文字编辑。
Seedream V5.0 Pro Edit 图片编辑与生成 API
ByteDance 推出的 Seedream V5.0 Pro Edit 可基于单张图片或多参考图进行图片编辑与生成，最多支持 10 张参考图片，支持宽高比选择以及 1K / 2K 输出档位。开箱即用的 REST 推理 API，性能出色，无冷启动，价格实惠。
Seedream 5.0 Lite Edit Sequential
Seedream 5.0 Lite Edit Sequential支持多图编辑，同时锁定角色和物体在不同画面中的一致性。它可以检测主要主体，保持连贯性，并进行受控编辑，支持最高4K输出。提供即用型REST推理API，性能最佳，无冷启动，价格实惠。
Seedream 5.0 Edit
Seedream 5.0 Lite Edit 是一款先进的图片编辑模型，可保留参考图片中的面部特征、光线和色调。支持高保真编辑，具备专业质量、出色的提示词响应能力，并支持最高 4K 分辨率。提供即用型 REST 推理 API，性能卓越，无冷启动，价格实惠。
Seedream 4.5 Edit Sequential
Seedream 4.5 Edit Sequential 可进行多图编辑，同时锁定角色和物体在不同画面中的一致性。它能够检测主要主体，保持连贯性，并进行受控编辑，支持最高 4K 输出。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。
Seedream 4.5 Edit
Seedream 4.5 Edit 保留参考图片中的面部特征、光影和色调，提供专业的高保真编辑，支持最高 4K 分辨率，并对提示词有很强的响应能力。即开即用的 REST 推理 API，性能最佳，无冷启动，价格实惠。
Face Swap
6
namifusion 视频换脸
NamiFusion 视频换脸模型 轻松实现单人或多人换脸。兼容多种 model_style 风格，可直接输出真实效果或一键美颜优化结果，换脸自然又好看！
图片换脸V5
NamiFusion Faceswap v5 是兼具极致速度与高性价比的换脸模型，支持智能色调匹配，专为需要高并发、实时处理且追求专业画质的规模化生产而设计。
图片换脸 Pro
Image FaceSwap Pro 支持单人自动检测与多人关键点精确映射。
namifusion 图片换脸
NamiFusion 换脸模型 轻松实现单人或多人换脸。兼容多种 model_style 风格，可直接输出真实效果或一键美颜优化结果，换脸自然又好看！
人脸检测
人脸检测模型, 用于检测输入元素中包含的人脸信息
人脸检测
人脸检测模型, 用于检测输入元素中包含的人脸信息
Text to Speech
4
Eleven v3
The most expressive model. Supports 70+ languages. Requires more prompt engineering than our previous models.
Eleven Turbo v2.5
Our high quality, low latency model in 32 languages. Best for developer use cases where speed matters and you need non-English languages.
Eleven Multilingual v2
Our most life-like, emotionally rich mode in 29 languages. Best for voice overs, audiobooks, post-production, or any other content creation needs
Eleven Flash v2.5
Our ultra low latency model in 32 languages. Ideal for conversational use cases.
Reference to Video
3
Gemini Omni Flash 参考图生视频 API
Gemini Omni Flash 参考图生视频可根据一张或多张参考图片和文本提示词生成带同步音频的短视频，保持视觉主体一致性，并依据提供的参考内容进行引导式多模态视频生成。即开即用的 REST 推理 API，性能出色，无冷启动，价格实惠。
Seedance 2.0 Mini 参考生视频 API
Seedance 2.0 Mini 参考图生视频 (Reference-to-Video) 是字节跳动推出的一款高速度、低成本的视频生成模型，专注于创作具有电影质感的多镜头视频。该模型能够完美融合参考图与文本提示词，生成极具叙事感的连续视频片段。它不仅支持灵动的 AI 镜头控制，更攻克了跨场景角色一致性的难题。模型支持从 480P 到 4K 的多分辨率输出，时长跨越 4-15 秒，并适配灵活的宽高比。提供开箱即用的 REST 推理 API，性能卓越，告别冷启动，是极具性价比的专业视频创作利器
Seedance 2.0 Fast 视频编辑
Seedance 2.0 Fast（reference-to-video）可根据自然语言提示词对输入视频进行编辑，速度更快、成本更低。基于字节跳动 Seed 统一多模态架构构建，在按指令重写光照、风格、天气、环境或特定元素的同时，保留主体身份、构图和运动。提供开箱即用的 REST API，性能出色，无冷启动，价格实惠。
