图像模型
共57个模型可用
Nano Banana Pro
顶尖的图像生成与编辑——Gemini级别
Kling O1
Kling O1 推理模型，电影感画质更强
Nano Banana 2.1
Nano Banana 2.1——Google 最新的 Gemini 图像模型。可根据文字生成，或使用最多 14 张参考图进行编辑，分辨率 1K 至 4K，文字清晰，支持 8:1 到 1:8 的极端比例。
GPT-Image 1.5
GPT Image 1.5 生成高保真图像，严格遵循提示词，并保留构图、光影与细节
Nano Banana 2
Gemini级别的图像生成与编辑——完整版Nano Banana 2。
GPT-Image 2.0
新一代图像模型——近乎完美的文字渲染（>99%）、更强的照片级真实感、UI/截图级细节，以及更出色的多语言文字（JP/KR/HI/BN）。支持可选的参考图引导生成。
GPT-Image 2.0 Edit
精准的单图编辑，保留细节。基于 GPT-Image 2.0 的原生多模态架构。
FLUX 3 Image
FLUX 3 Image — Black Forest Labs 最新的图像模型。原生 2K 和 4K 出图，构图控制精准、文字清晰；也可编辑照片并融合最多 10 张参考图，未要求修改的部分保持原样。
FLUX Kontext Pro
高级图像编辑与变换
Reve 2.1
Reve 2.1——专为贴合提示词和图内排版整洁而打造。单次请求最多生成四个变体，覆盖从方形到宽屏的各种画幅，整组图像的版式和文字位置保持一致。价格偏高，是目录中文字渲染最清晰的模型。
Krea 3
Krea 3——Krea 最新的图像模型。可根据文字生成，或用简单指令编辑并融合最多 8 张参考图：更换场景的同时保持主体一致。提供质量和快速两种模式，分辨率 1K 或 2K。
Cosmos 3 Super
NVIDIA 旗舰级写实文生图模型，可选智能体式精修——每轮生成多张候选图像，并在轮次之间重写提示词以提升提示词遵循度。顶级的物理感知写实效果，支持结构化 JSON 提示词扩展。
Seedream 5.0 Pro
高端图像模型，擅长精准的文本生成图像与多参考图编辑——产品视觉、设计素材、密集排版和商业创意。编辑模式最多支持10张参考图。
Topaz Precision Upscale
Topaz Labs Gigapixel精准图像放大——最高4x忠实放大照片，边缘锐利、细节干净。
Topaz Wonder Upscale
Topaz Labs的生成式Wonder 3.5图像放大器——在放大至多4x的同时，修复并重建低质量或受损图像中的细节。
GPT Image 2.5 Flare
GPT-Image 2.5 Flare——随 ChatGPT Images 2.5 推出的 OpenAI 默认图像模型。快速、高质量的生成，具备自然光影、丰富纹理、复杂版式与透明背景（PNG/WebP）。
GPT Image 2.5 Flare Edit
GPT-Image 2.5 Flare 图像编辑——描述对源图的修改，最多可再附加 15 张参考图。支持透明输出。
GPT Image 2.5 Sunburst
GPT-Image 2.5 Sunburst——OpenAI 面向高端视觉工作的精细图像模型。以更长的生成时间换取复杂细节上的更高保真度。
GPT Image 2.5 Sunburst Edit
GPT-Image 2.5 Sunburst 图像编辑——依据指令和源图进行精确、保留细节的编辑，最多可附加 15 张参考图。
Ideogram 4.5
Ideogram 4.5 — Ideogram 最新的图像模型，图中文字清晰准确。可根据提示词以 15 种画幅、低/中/高三档质量生成图像，也可借助最多四张参考图编辑照片。
Meta Muse Image
Meta的Muse Image模型能忠实遵循指令，视觉保真度出色，文字、图表、二维码等细节都能准确呈现。可从文本提示词生成九种宽高比的图像，统一价格每张$0.01。
Meta Muse Image Edit
Meta的Muse Image模型编辑模式——精准编辑，只改动你要求的部分，多轮之间保持一致，并可融合多张参考图像。支持1-10张参考图像，每张输出图像$0.01。
Wan 2.7 Image Pro
Wan 2.7图像模型，更高质量档位——文本生成图像与图像编辑一体。
Ideogram V4
Ideogram 的 V4——同类最佳的图内文字渲染、更锐利的排版、更强的提示词遵循度，以及三种渲染速度（TURBO / BALANCED / QUALITY）。原生支持多种画面比例，制作海报、标志、缩略图和广告无需微调。
Seedream 5.0 Pro Layer Decomposition
将图像拆分为可编辑图层——背景、主体以及每个关键视觉元素各自成为独立的透明PNG。基于Seedream 5.0 Pro的图像理解能力，分离后结构与细节依然保留。图层数量取决于图像本身。
Grok Imagine Image 2.0
xAI 的 Grok Imagine Image 2.0——快速 text-to-image，可选 2K，提供低/中质量档位和从超宽到超高的十三种画面比例。每次请求最多四张图像。
Grok Imagine Image 2.0 Fast
xAI 的 Grok Imagine Image 2.0，统一低价——字体清晰、精准遵循提示词，提供五种画面比例。每次请求一张图像，无质量或分辨率选项。
Grok Imagine Image 2.0 Edit
xAI 的 Grok Imagine Image 2.0 编辑模式——最多提供三张图像，它会在保持身份和风格的前提下进行编辑、合成或风格重塑。与生成模式相同的 1K/2K 及低/中档位，每次请求最多四张结果。
Google Virtual Try-On
Google 的虚拟试穿模型。将人物照片与服装商品图像合成为逼真的试穿效果图。
Topaz Bloom Creative Upscale
Topaz Labs的Bloom 2创意图像放大器——重塑细节，带来惊艳提升。最适合值得高端质感的AI生成图像。
Ideogram Vector
Ideogram Vector — Ideogram 的矢量模型。可根据提示词生成可编辑的 SVG，并可借助最多五张参考图引导，也可将现有图像转换为 SVG。每个结果都包含 PNG 预览和 SVG 文件。
FLUX 3 Klein LoRA
FLUX 3 Klein LoRA：Black Forest Labs 的 FLUX 3 Klein 基础模型，可加载最多 3 个你自己的 LoRA。以训练好的风格、角色或产品外观生成最高 4K 的图像，或用它编辑并组合最多 10 张参考图。
Krea 2 Turbo
Krea 2 Turbo——速度优化的 text-to-image 生成，保留 Krea 2 的完整美学表现。配合提示词扩写与加速模式，快速构思创意。
MAI-Image-2.5
Microsoft的MAI-Image-2.5——通用文本生成图像模型，照片级真实感强，贴合提示词，并能在图像中渲染文字。单次请求最多4张图像，支持七种宽高比。
Grok Imagine — Image
Grok Imagine 的图像版本。支持 text-to-image 以及 image-to-image 变体编辑，严格遵循提示词。Grok Imagine Video 的姊妹模型。
SeedVR2 Upscale
SeedVR2图像放大——快速、低价，最高4x。日常放大性价比极高。
Marigold V2
Marigold V2: turn a photo into a depth map, surface normals or albedo. One image in, one map out, same size.
Wan 2.7 Image
Wan 2.7图像模型——文本生成图像与图像编辑一体。
Recraft V4.1 Flash
Recraft V4.1 Flash — Recraft's fastest text-to-image model, built for quick iteration: test a composition, adjust the prompt and try another direction in seconds. Strong on design work like logos, posters and social graphics.
Z-Image
Tongyi-MAI的轻量6B图像模型——写实输出、亚秒级生成，双语（英文+中文）文字渲染尤为准确。采用Apache-2.0许可。
Nano Banana 2 Lite
快速、低成本的Gemini图像模型——快速构思、高吞吐生成和轻量编辑。专为概念探索、社交视觉、产品草图和规模化生产打造。
Image Translator
将图像中的文字翻译成另一种语言，并得到干净的本地化版本——非常适合海报、菜单、截图和产品图的本地化。
Qwen Image 2.1
Qwen Image 2.1 — text-to-image and multi-reference editing at 1K or 2K, with native transparent backgrounds and automatic prompt enhancement. Edit mode takes up to 10 reference images.
Seedream 5.0 Flash
ByteDance's fastest Seedream 5.0 model. Generate images from text or edit with up to 10 reference images, at about 4 megapixels in eight aspect ratios.
Nano Banana
Nano Banana标准图像生成
Nano Banana Edit
Nano Banana图像编辑
FLUX 2 Pro Edit
FLUX 2 Pro 图生图编辑
FLUX 2 Flex
FLUX 2 Flex 快速文生图
Seedream 4.0
Seedream 4.0文本生成图像
Seedream 4.5
Seedream 4.5文本生成图像，质量更佳
Seedream 5.0 Lite
Seedream 5.0 Lite快速文本生成图像
GPT-4o Image
GPT-4o 多模态图像生成
Qwen Image
Qwen文本生成图像
Qwen 2 Image
Qwen 2改进的文本生成图像
Topaz Upscale
Topaz AI图像放大，并增强细节
Recraft Remove BG
Recraft AI背景移除
Recraft Upscale
Recraft AI清晰图像放大
视频模型
共77个模型可用
Veo 3.1
高端视频生成模型，支持原生音频
Kling 4.0
Kling 4.0 — 可灵 AI 最新的原生音频视频模型。支持文生视频、图生视频（可选尾帧），以及最多 10 张参考图生成视频。时长 3 到 30 秒，720p 或 1080p。
Seedance 2.5
ByteDance最新的视频模型。可从提示词、起始帧或最多50个图像、视频和音频参考，在一个镜头内生成最长30秒并带同步音频的视频——对白、音乐和音效一次生成。
Wan 3.0 Prime
Alibaba旗下Wan 3.0的高端档位——出片更快、运动更具电影感、视觉连贯性更强。支持文本、图像和参考模式，单次生成原生30秒片段，带音频。
MiniMax H3 Max
经过后训练的 MiniMax H3，在整体质量、提示词理解和美学上排名第 1，领先于主流视频模型。可根据提示词、首帧，或最多 9 张参考图、3 段动态片段和 3 段音频，生成原生 480p、768p 或 1080p 的 5-15 秒短片。参考视频生成已正式发布：速度提升最高 2 倍，主体一致性大幅增强。
MiniMax H3 Max Multi-Angle
MiniMax H3 Max with a built-in camera rig. Your still frame stays frozen while the camera flies a path you choose — orbit around a subject, push in, crane overhead, or set up to 12 poses by hand. 5-15 second clips in native 480p, 768p or 1080p.
Kling O3 Reference
Kling O3 Reference —— 快手的参考生视频模型。提供你的角色和参考图，它会自行构图并导演镜头，让每个角色从任何角度看都保持一致。
Kling 3.0
Kling 最新旗舰，运动表现同类最佳，画质具电影感
Wan 3.0
Alibaba最新的视频模型。单次生成原生30秒片段——无需拼接——带音频和现实级运动表现，可由提示词、起始帧，或图像、视频和音频参考生成。
MiniMax H3 LoRA
支持 LoRA 的 MiniMax H3（Hailuo-03），用于 image-to-video。使用自定义 LoRA 模型让图像动起来，提供四档分辨率（480p/720p/1080p/2K）、4-15 秒时长和原生立体声。质量优于基础版 H3。
Kling 4.0 Edit
Kling AI's Kling 4.0 video editing: describe one change to a 3 to 30 second clip, such as an expression, a movement, the camera or the background, and keep the rest.
MiniMax H3
MiniMax的新一代多模态视频模型（Hailuo-03）。可从文本提示词或参考图像生成最高2K、带原生立体声音频的视频，指令遵循能力强，运动自然，画面文字清晰可读。
Gemini Omni Flash
Google 的任意输入视频模型。可从提示词、一张图像、三张参考图或一段已有视频生成 4-10 秒带原生音频的片段，再用日常语言重塑场景。基于 Gemini 的真实世界知识，物理与运动更连贯。
Gemini Omni Flash v1.1
Google 的 Omni 视频模型 v1.1——现已支持分辨率控制（360p/720p/1080p/4K）与视频编辑。可从文本、图像、参考图或已有视频生成或转换 3-10 秒带原生音频的片段。相比 v1 升级，分辨率完全灵活。
MiniMax H3 Max Turbo
MiniMax H3 Max on a faster inference stack at half the price. The same post-trained model tuned for prompt adherence and aesthetics — 5-15 second clips from a prompt or a start frame, in native 480p, 768p or 1080p.
FLUX 3 Max
FLUX 3 Max is the fast, high-adherence version of Black Forest Labs' FLUX 3 video model. Generate 5 to 20 seconds at up to 1080p with sound, from a prompt, a photo, or a first and last frame — and get it back in a fraction of the usual wait.
Kling 2.1 Master
最新的 Kling，运动表现与质量同类最佳
Grok Imagine Video 1.5
Grok Imagine Video 1.5——image-to-video，音画同步、严格遵循提示词、画质稳定。目前在 Arena 盲测榜 image-to-video 类别排名第 1，超过 Seedance 2。
PixVerse V6 Max
PixVerse V6 Max：PixVerse V 系列的旗舰视频模型，专为电影、短剧、广告和音乐视频打造。支持文生视频和图生视频，1 到 15 秒，最高 1080p，带原生音频和口型同步的对白。
Veo 3.1 Fast
Veo 3.1的更快、更具性价比的版本
FLUX 3
Black Forest Labs 的 FLUX 3——文生视频，音频由模型自身同步生成。1080p 下最长 20 秒，无需参考图像。
HeyGen Video
HeyGen Video — HeyGen 基于 MiniMax H3 打造的自带声音的视频模型。支持文生视频、以首帧图生视频，以及参考生视频：可保留最多 9 张图片、3 段视频和 3 段音频中的产品、人物或场景。时长 5 到 15 秒，480p 到 2K。
Kling 2.0 Master
Kling 2.0，质量与运动表现显著提升
Wan 2.7
Wan 2.7——文本生成视频与图像生成视频（首帧／首尾帧／续写）。
Topaz Astra Creative Upscale
Topaz Labs的Astra 2创意视频放大器——重塑精细细节，通常输出4K。片段最长5分钟。
Topaz SDR to HDR (Hyperion)
Topaz Labs的Hyperion 2.5专业SDR转HDR——重新分配亮度与色彩，同时保留文字、面部和运动中的细节。
OmniHuman 2.0
OmniHuman 2.0——字节跳动的说话视频模型。提供一张人物照片和最长 5 分钟的配音，即可生成此人说出这段话的视频，口型、面部表情和肢体动作都跟随音频。可选填提示词来控制场景和镜头。
Vidu Q4
Vidu Q4 — 生数科技的原生音频视频模型。可将首帧图像生成 3 到 16 秒的视频，或用最多 12 张参考图和 3 段参考语音构建场景，保持角色与声音一致。支持 540p 至 4K。
Kling 1.5 Pro
高质量视频生成
Runway Gen 4.5
较新的Runway Gen 4.5——文本生成视频，可选参考图像，5/10s。
Seedance 2.0
Seedance 2.0——文本生成视频和图像生成视频。
FLUX Video Upscale
由 Black Forest Labs 的 FLUX 3 驱动的视频超分辨率，最高 4K，提供忠于原片的 Precise 模式与增强细节的 Creative 模式。片段最长 20 秒。
Topaz Starlight Upscale
Topaz Labs的专业Starlight生成式视频放大器（Starlight Precise 2.6）——重建源片中没有的细节，最高4K。
MiniMax H3 Max Extend
用于延长视频的 MiniMax H3 Max：上传片段，描述接下来发生什么，它会接着同一场景生成 5 到 15 秒的新画面。可获取完整的延长视频或仅新增部分，支持 480p、768p、1080p 或 2K。
MiniMax H3 Max Insert
MiniMax H3 Max 视频场景插入：选择新场景的开始位置和原片的恢复位置，描述场景（可附参考图片），即可得到插入了 5 到 13 秒生成场景的完整视频，支持 480p 或 768p。
MiniMax H3 Max Recast
MiniMax H3 Max 人物替换：上传 5 到 30 秒的片段，并为每位新人物提供一张照片，即可替换画面中的人物，同时保留原有的动作、运镜、剪辑和声音。支持 768p 或 1080p。
VEED Dubbing Pro
VEED Dubbing Pro 视频配音：将最长 10 分钟的视频配音为 100 多种语言和地区口音（如墨西哥西班牙语、巴西葡萄牙语），声音更贴近每位说话者，口型与新台词同步。
Sync LipSync
专业口型同步
Kling 3.0 Motion Control
参考图 + 参考视频的动作迁移。通过角色朝向开关选择由谁的姿态驱动输出。
Kling 3.0 Turbo
速度优化版 Kling 3.0——生成更快，同时保持高画质。支持 text-to-video（提示词最长 2,500 字符）、首帧 image-to-video 和多镜头分镜（一段片中最多 6 个提示镜头）。Standard 档为 720p，Pro 档为 1080p。
Runway Gen-4 Turbo
Runway Gen-4 Turbo video generation from text or a reference image. 5 or 10 seconds; 1080p supports 5 seconds.
MiniMax H3 Max VHS
内置 VHS 摄像机质感的 MiniMax H3 Max：描述画面与声音，再选择轻度、中度或重度磁带损伤。可从提示词或首帧生成 5-15 秒、768p、自带原生音频的视频片段，复古家庭录像感一步到位，无需额外描述风格。
MiniMax H3 Max Retro Toon 70s
内置 1970 年代手绘上色卡通风格的 MiniMax H3 Max，你只需写出场景、动作、镜头和声音。可从提示词或手绘上色风格首帧生成 5-15 秒、768p、自带原生音频的复古动画片段，无需额外描述风格。
MiniMax H3 Max Low Poly
内置复古低多边形 3D 风格的 MiniMax H3 Max，无需在提示词里描述风格。可从提示词或低多边形首帧生成 5-15 秒、768p、自带原生音频的视频片段，适合复古 3D 场景与游戏感短片。
MiniMax H3 Max Hand Drawn
内置铅笔手绘动画风格的 MiniMax H3 Max。描述场景、动作、镜头和声音，即可从提示词或铅笔稿首帧生成 5-15 秒、768p、自带原生音频的手绘动画片段，无需额外描述风格，适合故事短片与分镜预览。
MiniMax H3 Max 16-bit Pixel
内置 16-bit 像素画风格的 MiniMax H3 Max，适合复古游戏感场景。可从提示词或像素画首帧生成 5-15 秒、768p、自带原生音频的像素动画片段，无需额外描述风格，横版场景与角色动作都能直接写。
Kandinsky 6.0 Pro
Kandinsky 6.0 Pro — Kandinsky Lab 的旗舰视频模型，生成电影感、高保真并带同步音频的视频。支持 5 秒文生视频和图生视频，480p 输出，或通过内置超分辨率放大到 1080p 或 4K。
Kling 1.6 Pro
最新的 Kling 1.x，质量更佳
MiniMax H3 Max Turbo Extend
更快延长视频的 MiniMax H3 Max Turbo：上传片段，描述接下来发生什么，它会接着同一场景生成 5 到 15 秒的新画面。只需为新增的秒数付费。可获取完整的延长视频或仅新增部分，支持 480p、768p、1080p 或 2K。
Happy Horse 1.1
升级版电影感短视频模型——运动更流畅、指令遵循更强、原生音频表现，以及多语言口型同步。支持 text-to-video、首帧 image-to-video 和参考图生视频（最多 9 张参考图）。
Grok Imagine Video 1.5 Lite
Grok Imagine Video 1.5 Lite — xAI 更快、更实惠的视频模型。支持文生视频和图生视频，时长 1 到 15 秒，分辨率 480p、720p 或 1080p。
VEED Dubbing
VEED Dubbing 视频配音：将最长 10 分钟视频中的语音翻译为 85 种以上的语言，用说话者本人的声音重新配音，并让口型与新台词同步。
Motion to Code GSAP
Motion to Code GSAP — 将提示词、图片或最长 15 秒的参考视频转换为可编辑的 GSAP 动画：一个可播放、可修改、可直接发布的独立 HTML 页面，并附带视频预览。最适合扁平风格的动态设计与动态文字。
Vidu 2
高质量视频生成，运动表现强劲
Volcengine Lip Sync
视频到视频口型同步——让已有视频中的口型与目标音频对齐。支持多语言配音。
Bria Video BG Removal (Green-Screen Despill)
Bria 企业级授权视频背景去除，支持绿幕溢色校正。干净地去除视频片段的背景，并校正绿幕溢色，获得专业抠像效果。
Pixelcut Looping Video
适用于产品照片的 Pixelcut Looping Video：把一张图片变成以它开头和结尾的 5 到 15 秒无缝循环视频，可选轻微动态或完整 360° 旋转，分辨率 480p、768p 或 1080p。
Happy Horse
电影感短视频模型——运动表现出色、电影级光影、严格遵循提示词，并支持多镜头叙事。text-to-video 与 image-to-video 共用一个接口。
Video Upscaler
将视频放大并锐化到更高分辨率。可选1x到8x的放大倍数（默认2x）。
Kandinsky 6.0 VSR
Kandinsky 6.0 VSR — Kandinsky Lab 的视频超分辨率模型。将生成或实拍视频放大 2x、2.25x 或 4x，细节更清晰，画面稳定无闪烁（视频的前 5 秒）。
Motion to Code GLSL
Motion to Code GLSL — 将提示词、图片或最长 15 秒的参考视频转换为无缝循环的 GLSL 着色器，可直接用于 Shadertoy，并附带实时播放页面和视频预览。最适合抽象、生成式和氛围感循环。
Pika 2
Pika最新的视频生成模型
MiniMax Video 01
从图像快速生成视频
Video Background Removal
去除视频背景，得到干净的主体抠像，可直接合成到任意场景。可选保留音频和设置背景色。
LatentSync
潜空间口型同步模型
Seedance 2.0 Mini
快速、经济的视频模型——文本生成视频与图像生成视频（首帧、尾帧或参考图），可选同步音频。适合快速草稿和大批量社交短片。
Video Translator
翻译短视频——转写语音，并生成目标语言的配音与字幕。每段最长6分钟。
Music Video
为音轨生成可分享的视频，可选添加艺术家与站点署名。
Kandinsky 6.0 Lite
Kandinsky 6.0 Lite — Kandinsky Lab 快速、低成本的视频模型，适合快速迭代，带同步音频。支持 5 秒文生视频和图生视频，480p 输出，或放大到 1080p 或 4K。
Seedance 2.0 Fast
Seedance 2.0的更快、更便宜版本——文本生成视频与图像生成视频。
Kling 1.0 Standard
Standard 级视频生成模型
Veo 3.1 Lite
Veo 3.1 Lite——经济实惠的视频生成，支持文本生成视频、图像生成视频和参考生成视频模式
Hailuo 2.3 Pro
MiniMax Hailuo 2.3 Pro 高质量视频生成
Hailuo 2.3 Standard
MiniMax Hailuo 2.3 Standard 视频生成
Hailuo 02 Pro
MiniMax Hailuo 02 Pro 视频生成
Wan 2.6 Flash
Wan 2.6 Flash快速图像生成视频
Topaz Video Upscale
Topaz AI视频放大
音频模型
共21个模型可用
ElevenLabs Eleven v4
ElevenLabs' most expressive text-to-speech. Direct the delivery with inline audio tags like [whispers] and [laughs], shift emotion mid-sentence, and speak in 100 languages.
ElevenLabs Multilingual V2
高质量多语言文本转语音
OpenAI TTS HD
高级文本转语音模型
HeyGen Voice
HeyGen Voice — HeyGen 的文本转语音。24 种音色库声音、39 种语言的自然语音，也可以用单人短录音即时克隆声音。
Suno Music
AI音乐生成——创作歌曲、伴奏和配乐
ElevenLabs Eleven v4 Turbo
The low-latency Eleven v4 from ElevenLabs. The same voices and inline audio tags as Eleven v4, at half the price per character.
ElevenLabs Turbo V2.5
快速文本转语音，质量良好
Suno Cover
以同样的风格改编歌曲：上传或链接一首音轨，描述改动，Suno 会返回两个新版本。
HeyGen Voice Turbo
HeyGen Voice Turbo — HeyGen Voice 的快速低价版本。同样的 24 种音色库声音、39 种语言，以及基于短录音的即时声音克隆。
OpenAI TTS
文本转语音模型
F5-TTS
高质量文本转语音
Google Lyria 3.5
Google DeepMind's latest music generation model. Generate almost any type of music from text descriptions, with optional image inspiration.
VEED Clean Audio
适用于录音的 VEED Clean Audio：去除最长 30 分钟语音中的背景噪音、嗡嗡声和房间回声，并统一响度，输出 FLAC 或 WAV。
Gemini 3.8 Flash TTS
Google's Gemini 3.8 Flash text-to-speech. 30 voice presets, inline vocal cues like <laugh> and <sigh>, and a separate delivery-style prompt.
Gemini 3.1 Flash TTS
Gemini 3.1 Flash 文本转语音。30 种预设音色、80+ 种语言、行内表现力标签（[sigh]、[laughing]）、最长 4K 字符的风格指令，以及多说话人支持。
Vocal Separation
将曲目拆分为人声与伴奏音轨，或最多十二条独立乐器音轨。
Extend Music
从任意位置续写现有音轨，并保持其风格。
Add Vocals
在你上传的伴奏上演唱。
Add Instrumental
为你上传的人声配上伴奏。
Replace Section
只重新生成音轨中的某一时间段，其余部分保持不变。
Gemini 3.8 Flash Lite TTS
The lower-cost Gemini 3.8 text-to-speech model from Google. The same 30 voice presets, vocal cues and delivery-style prompt as Flash.
3D模型
共7个模型可用
Meshy 7.1 Multi-Image
Reconstruct a 3D mesh from up to four views of the same object. Resolves the sides a single photo can't see, with optional 2K geometry. Downloads as GLB.
Meshy 7.1
Turn a single photo into a textured 3D mesh, now with 4K geometry for the finest surface detail. Standard, low-poly or smart-topology meshes, optional PBR maps and auto-rigging. Downloads as GLB.
Meshy V7 Multi-Image
最多可用同一物体的四个视角重建3D网格，补全单张照片拍不到的侧面。支持导出 GLB、FBX、OBJ、USDZ 和 STL。
Meshy 7.1 Text-to-3D
Generate a textured 3D mesh from a text description, now with 4K geometry for the finest surface detail. Controllable topology and polygon count, optional PBR maps and auto-rigging. Downloads as GLB.
Meshy V7
将单张照片转换为带贴图的3D网格。可控拓扑与面数，PBR贴图和自动绑定骨骼为可选项。支持导出 GLB、FBX、OBJ、USDZ 和 STL。
Meshy V7 Text-to-3D
根据文本描述生成带贴图的3D网格。拓扑和面数可控，可选PBR贴图与自动绑定骨骼。支持导出GLB、FBX、OBJ、USDZ和STL。
Tripo P2 Text-to-3D
Tripo P2 turns a text description into a textured 3D model with PBR materials, as a GLB. Choose quad or triangle topology and a face budget.