模型

快速高质量生成与精准编辑，参考图保真度更强。

Google 高速 Gemini 图像模型，适合大批量生成、多图编辑与清晰的图中文字。

xAI Grok Imagine Image 2.0，支持质量控制和最高 2K 输出的图像生成与编辑。

ByteDance 旗舰图像生成与编辑模型，输出清晰 1K 与 2K。

Black Forest Labs 多模态视频模型，可从文本生成同步音频。

fal 后训练 H3 变体，高质量、快于实时的视听生成。

字节跳动旗舰多模态视频模型，支持同步音频、丰富的参考控制和最长 30 秒的视频。

Google 旗舰视频模型，支持原生音频、首尾帧控制与主体参考图。