
Gemini Omni 1.2 Flash text and reference image to video
Gemini Omni 1.2 Flash
Google视频
发布时间2026年11月
28 个模型

Gemini Omni 1.2 Flash text and reference image to video
Google视频
发布时间2026年11月

Seedance 2.5 Flash 是 ByteDance Seed 面向成本优化的 Seedance 2.5 轻量版本。支持 480p / 720p 输出,可通过文本、首尾帧与多模态参考生成视频,并默认生成同步音频,异步任务流程与 Seedance 系列一致。
ByteDance视频
发布时间2026年11月

Seedream 5.0 Flash 是字节跳动面向速度优化的图片模型。它支持 1K / 2K 出图,并可接收最多 10 张参考图进行引导编辑,适合快速草稿与风格探索。
ByteDance图像
发布时间2026年10月

GPT Image 2.5 是 OpenAI 在 2026 年下半年推出的图像生成与编辑系列,不是一个模型,而是两个变体:偏重编辑精度的 Sunburst 与偏重日常出图速度的 Flare。相比 GPT Image 2,它的细节更锐利、光照更自然、材质更丰富,能更忠实地保留参考照片里的主体,也更可靠地执行多步骤改图指令,OpenAI 还给出了延迟大幅下降的说法。两个变体都接受文本与图片输入,质量档位可以开到最高一档,支持透明背景与用于圈定区域的 markup 蒙版,并能在渲染过程中流式返回中间图。调用时的模型名需要带变体后缀。
OpenAI图像
发布时间2026年9月

Midjourney imagine generation with native --ar and --stylize parameters
其他图像
发布时间2026年8月

MiniMax H3 text, first/last frame and multimodal reference video
MiniMax视频
发布时间2026年8月

Wan 3.0 是阿里的多模态视频模型。支持 2–30 秒、480p / 720p / 1080p,可从文本、首尾帧、最多 10 张参考图、参考视频或参考音频出发,并默认随画面生成声音。
Alibaba视频
发布时间2026年8月

Wan 3.0 Pro 是阿里 Wan 3.0 系列的高分辨率档位。保留多模态输入与 2–30 秒时长,输出 1080p / 2K / 4K,适合成片而不是草稿。
Alibaba视频
发布时间2026年8月

Seedance 2.5 是字节跳动 Seed 团队的新一代视频创作模型,通过官方 API 提供。它延续 Seedance 2.0 的音视频联合生成架构,并把重心从「生成一个镜头」推向「完成一支片子」:单次生成可承载多镜头叙事,支持多轮延长,可同时参考大量图片、视频与音频素材;新增时间戳级编辑、绿幕替换、机位改写与参考式编辑,并原生支持多语言对白。适合广告、短剧、产品片与预演等需要连贯性、声音与可修改性的场景。
ByteDance视频
发布时间2026年7月

Seedream 5.0 Pro 是字节跳动 Seed 团队面向专业设计生产的图像模型,目标不是出一张好看的图,而是产出可以直接用的物料。它的四条主线很明确:把密集信息排成可读的信息图、用点选和圈选代替反复改提示词、把光影材质与皮肤质感做得像摄影、以及原生支持十余种语言(含从右到左书写的文字)。它还能把完成的海报拆成可编辑图层,这在生成模型里不常见,却正是把结果搬进设计文件时需要的能力。模型可通过官方 API、豆包与即梦使用,API 侧开放坐标式交互编辑与图层拆分。字节自己也说明,更细的文字渲染与像素级编辑一致性仍有提升空间。
ByteDance图像
发布时间2026年7月

Nano Banana 2 Lite 是 Google Nano Banana 家族中速度最快、成本最低的型号,对应 Gemini 3.1 Flash Lite Image。它的目标不是极限画质,而是产量与交互感:一次快速的往返就能把提示词变成可用图片,因此聊天界面、实时预览、缩略图流水线和消费级功能可以做到“每次交互都出图”。它擅长日常编辑动作——换颜色、做贴纸、清理或替换背景、快速改风格——并提供覆盖面很广的画面比例,包括极宽与极长的横幅格式。它刻意不面向多张参考图叠加或长时间多轮编辑,那些交给更大的 Nano Banana 型号。输出带水印与来源元数据。
Google图像
发布时间2026年6月

Kling 3.0 Turbo 是快手 Kling 3 系列中主打速度与成本的档位。输入提示词或一张首帧图,即可生成 3–15 秒、720p / 1080p 的视频,动作质量与同系列一致。
Kling视频
发布时间2026年6月

Seedance 2.0 Mini 是 Seedance 2.0 系列的入门档位,为「量」而不是「极致画质」而设。它保留 2.0 的生成能力——文本与图片输入、全模态参考、视频编辑、延长、同步音频——但输出落在系列内最低的分辨率区间,这也是它能把单条成本压下来、支撑高频生成的原因。官方定位是降低门槛、服务更规模化的场景。适合提示词探索、分镜验证、社媒切片、A/B 变体,以及「一个预算要出很多条」的流水线;需要交付的主镜头放回 Seedance 2.0。
ByteDance视频
发布时间2026年6月

GPT Image 2 是 OpenAI 在 2026 年 4 月推出的图像生成与编辑模型,也是第一次把「思考」引入图像输出的一代。它在指令遵循、物体位置关系、密集文字与界面元素渲染上有明显跃升,发布时还带来了能联网搜索、从一条需求产出多张不同画面的 thinking 模式。API 侧的模型名为 gpt-image-2,接受文本与图片输入,走图像生成与编辑接口,支持局部重绘与批量任务,并按需输出不同尺寸。目前 OpenAI 已在模型文档中把它标记为 deprecated,由 2.5 系列接替,因此它更适合维持既有集成与已固定快照的流程,而不是新项目。
OpenAI图像
发布时间2026年4月

Seedance 2.0 Fast 是 Seedance 2.0 系列里的「快与省」档位。它保留了 2.0 的完整能力——全模态参考、视频编辑、视频延长、同步音频与提示词驱动的运镜规划——但渲染更快、单位成本更低,分辨率上限低于标准版。字节跳动对它的定位是「不必追求极致画质、但要兼顾成本与速度」:适合迭代、看风格、做投放变体,以及一支 campaign 需要的多个版本。需要满分辨率完美交付的镜头放回 Seedance 2.0,需要明天就看到十个方案的,用 Fast。
Kling视频
发布时间2026年4月

Kling 3.0 Motion Control 把参考视频里的动作迁移到角色图上,保留表演者的节奏与身体语言,并可选择角色朝向与背景来源。
Kling视频
发布时间2026年3月

Nano Banana 2 是 Google 面向效率场景的图像模型,对应 Gemini 3.1 Flash Image。它是 Nano Banana Pro 的高吞吐量搭档:以 Flash 级速度给出接近推理时代水准的画质。生成与编辑由同一模型完成,既可以从提示词起稿,也可以从一组参考图出发并持续对话修改。相比初代 Nano Banana,它增加了可选输出尺寸档位、更宽与更长的画面比例、更好的比例遵循、更强的多语言文字渲染,以及可选的 Google 搜索图像依据,让画面能贴合当下的参考而非训练期的假设。需求复杂时可以开启推理。生成图带 SynthID 水印。适合需要稳定质量与产量的生产任务;单张必须完美时再换 Pro。
Google图像
发布时间2026年2月

Kling 3.0(可灵视频 3.0)是快手于 2026 年 2 月推出的旗舰视频生成模型,采用统一的多模态架构,支持文本、图像与视频输入。它的主要升级包括:多语言与方言的原生音频、多镜头叙事、更强的元素一致性,以及动作控制。Kling 3.0 面向电影化叙事,适合角色系列、对白场景与短剧,而不只是单条氛围镜头。在本平台,它是 3.0 系列的标准档位;可用时长、分辨率、音频与多镜头开关取决于运行时,规划序列前请先查看提交表单。
Kling视频
发布时间2026年2月

Kling 3.0 Pro 是本平台中快手 Kling 3.0 的高保真配置,面向最终交付而不是评审草稿。快手将 3.0 作为一条模型线提供不同质量档,并非单独命名的 Pro 型号;这里的 Pro 指每帧投入更多算力、强化细节、材质与运动稳定性的高保真档位,同时保留 3.0 的原生音频、多镜头规划、元素一致性与动作控制。它适合短剧关键场、产品特写与角色品牌片。可用时长、分辨率、音频模式与镜头控制由运行时决定,搭建序列前请先在提交表单确认。
Kling视频
发布时间2026年2月

Kling 3.0 Omni(内部代号 O3)是快手 Kling 3 系列的多模态档位:支持文生视频、首尾帧、最多 7 张参考图、参考视频与视频改造,可选原生音频,最高 4K。
Kling视频
发布时间2026年2月

Seedance 2.0 是字节跳动 Seed 团队的多模态视频创作模型,也是 2.0 系列里的画质基准。它是 Seedance 首次采用统一音视频联合生成架构的版本:文本、图片、视频、音频都可输入,输出带同步声音的多镜头片段。相比前代,它在复杂交互与运动场景上的可用率明显提升,并把参考生成、视频编辑与视频延长做成了内置能力。当成片本身就是交付物时,这个档位最合适——它拥有系列内最高的分辨率上限与最完整的参考能力,Fast 与 Mini 则用画质换速度与成本。
Kling视频
发布时间2026年2月

Seedream 5.0 是字节跳动 Seed 团队的 5.0 代图像创作模型,先落地在自家的剪辑与创作工具里,随后通过官方 API与 the official API 开放给开发者。这一代最大的变化是「先想再画」:生成前会拆解需求、规划版面,遇到依赖新近事实的提示词还能联网检索,对抽象、模糊的brief也更像设计师的理解方式。同时补上了笔刷式的局部编辑,材质与细节质感也明显更细。在 API 上,同一代模型分为 pro 与 flash 两个变体,能调用的模型名与参数随平台而变;分辨率档位、参考图数量与检索能力都属于运行时配置,接入前请按账号实际开通情况确认。
ByteDance图像
发布时间2026年2月

Nano Banana Pro 是 Google Nano Banana 家族中的高端图像模型,在 Gemini API 中对应 Gemini 3 Pro Image。它把原生图像生成能力建立在 Gemini 3 Pro 的推理模型之上,因此一段提示词可以同时承载版式要求、品牌规范和多步编辑意图,而不只是画面描述。输出面向“一张图必须对”的场景:广告主视觉、包装与产品效果图、编辑插画,以及依赖清晰文字的信息图与图表。它支持参考图输入以维持产品形态、角色或风格一致,也能借助 Google 搜索为事实类画面提供依据。由于生成前会先规划,它是家族中最讲究、也最慢的一档,适合优先保证还原度与指令准确度的任务。生成图带 SynthID 水印。
Google图像
发布时间2025年11月

Google Veo 3.1 是 Google DeepMind 的视频生成模型,能把一段文字描述变成带原生音频的完整短片。它在 2025 年 10 月作为 Veo 3 的升级版推出,提升了提示词与镜头调度的遵循度,并在生成画面的同一次推理中产出对白、环境音与音效。Google 的 API 还为该系列加入了参考图引导、场景延长与首尾帧过渡能力。在本平台,Veo 3.1 是这一系列的标准入口:写清一个镜头,选择横屏或竖屏,即可得到带声音的成片,适合广告、社交预告和单镜头叙事。具体时长、分辨率与可用输入模式由运行时参数决定,提交前会明确展示。
Google视频
发布时间2025年10月

Google Veo 3.1 Pro 是本平台中 Veo 3.1 系列的质量优先档位,面向会被大屏观看、反复播放或逐帧审视的镜头。它把视觉保真度、材质细节与运动稳定性放在生成速度之前,同时保留家族的原生音频能力:对白、环境音与音效和画面在同一次生成中完成。Google 的 Veo 3.1 家族在 API 层面还支持参考图引导、场景延长与首尾帧过渡。Pro 适合 hero 镜头、产品片与最终画面;探索和批量测试可以交给标准档或 Lite。具体时长、分辨率与输入模式由运行时决定,提交前会明确展示。
Google视频
发布时间2025年10月

Nano Banana Flash 就是让“Nano Banana”这个名字流行起来的模型:Gemini 2.5 Flash Image。它不是独立的文生图服务,而是一个原生支持图像生成与编辑的多模态模型——文字与图片一起输入,图片直接输出。这让它特别擅长对话式改图:用日常语言提一个小修改,它会在保留人物、服装和场景的前提下调整画面。它面向速度与吞吐量优化,因此适合聊天式创作工具、商品缩略图和社媒多版本素材。需要可选分辨率档位或联网事实画面时,家族中更新的型号更合适。生成结果带 SynthID 水印。
Google图像
发布时间2025年8月

Grok Imagine 是 xAI 的图片生成模型,偏向照片级真实感而非插画风格。它支持文生图,也能基于单张参考图重绘,适合人像、产品与场景类静态图。
其他图像
发布时间2025年8月

Text-to-image generation and multi-reference image editing
OpenAI图像
发布时间—