AI 视频生成器

在一个工作区里用文字、图片、参考视频或音频生成视频。各模型的时长、分辨率和参考素材上限不同,下方每个模型页都写明了真实参数和价格。按次付费,无需订阅;生成失败的任务会退还费用。

开始生成视频 · 查看全部模型与价格 · 查看文档

如何开始

  1. 选择模型:需要综合参考素材选 Seedance 2.5 multi 或 Wan 3.0 r2v,追求速度选 Fast 或 Prime 档。
  2. 写提示词,按需上传首帧、尾帧、参考视频或音频,并设置时长、分辨率和比例。
  3. 提交后等待生成,完成后下载;也可以在画布中把结果接入下一步继续创作。

可用模型

  • animate-motion-transfer — Animate 动作迁移将一条参考视频的动作迁移到一张角色图片,输出视频;不是文生视频,也不需要提示词。
  • Gemini 4 Neon — Gemini 4 Neon 对话模型,支持文本、图片、音频与视频输入、工具调用、推理和流式输出;上下文最长约 105 万 tokens。按输入、输出及缓存命中用量计费。
  • Google Veo 3.1 Lite — 模型能力于等于类似google-veo-3.1-lite
  • Google Veo 3.1 Quality — 模型能力于等于类似google-veo3.1高质量版
  • Grok Video 1.5 — 模型能力于等于类似grok-video-imaine-1.5
  • hailuo-h3-global-multi — 海螺 H3 海外版多素材参考视频:最多 9 张图片、3 段视频、3 条音频组合参考,支持 768P / 2K、5–15 秒。
  • hailuo-h3-multi — 海螺 H3 多素材参考视频:最多 9 张图片、3 段视频、3 条音频组合参考,支持 768P / 2K、5–15 秒。
  • HeyGen Avatar 6 — HeyGen Avatar 6 数字人口播:选择预设形象与音色,输入口播文本或音频生成说话视频,最高 1080p;按实际输出秒数计费。
  • HeyGen Avatar 6 Turbo — HeyGen Avatar 6 Turbo 数字人口播:更快更低价的口播视频生成,预设形象与音色同标准版;按实际输出秒数计费。
  • Kling 4.0 Flash — Kling 4.0 Flash supports text-to-video, image-to-video, and multi-image references for fast 3–20 second 720p video generation.
  • kling-v4-custom-element — 可灵 4.0 免费主体创建工具,用多角度图片或短视频创建可复用主体,返回主体 ID。
  • kling-v4-custom-voice — 可灵 4.0 免费音色创建工具,以音频或已有视频 ID 创建可复用音色,返回音色 ID 和试听信息。
  • kling-v4-omni — 可灵 4.0 全能视频,结合图片、视频及已创建的主体和音色进行参考创作。
  • MiniMax H3 Character Replacement — 角色替换:用1~9张角色参考图替换1段MP4源视频中的角色并保留原音轨。可选480P、768P、1088P或auto(按源视频自动选择),5~15秒,按输出秒数计费。
  • MiniMax H3 Character Replacement · Token — 角色替换按运行时长计费版:用1~5张角色参考图替换1段MP4源视频中的角色,保留原动作、镜头与音轨;固定768P,比例跟随源视频,5~15秒或按帧数。运行越久消耗token越多,按实际费用结算。
  • MiniMax H3 Digital Human — 数字人:用1张人物图和1段MP3/WAV驱动音频生成口型同步的说话视频,成片超分2倍。608P/672P或auto(按人物图自动选择),3~15秒或按帧数,按输出秒数计费。
  • MiniMax H3 Digital Human · Token — 数字人按运行时长计费版:用1张人物图和1段MP3/WAV驱动音频生成口型同步的说话视频,768P采样、成片超分2倍;3~15秒,8种画面比例。运行越久消耗token越多,按实际费用结算。
  • MiniMax H3 Drama — MiniMax H3 特调文戏配方,适合对白和情感表演等以人物神态、台词为主的场面;5–15 秒,480p–2160p,可传参考图、参考音频和参考视频(参考视频须搭配参考图)。
  • MiniMax H3 JY Tuned · SelfLift 12 Steps — YZ金鱼特调,Hybrid INT8底模、专用Qwen编码器、DMAD及Mystic LoRA,SelfLift双阶段12步采样。支持纯文本、0~9张参考图、0~3段MP3/WAV音频;有音频须同时有参考图。不支持参考视频。3~15秒,480P/608P/672P/768P横竖屏,输出24fps H.264 MP4。
  • MiniMax H3 JY Tuned · Token — JY特调按运行时长计费版:固定768P,需1~6张参考图,可选0~3段MP3/WAV音频和1段MP4参考视频;5~15秒,8种画面比例,输出24fps H.264 MP4。运行越久消耗token越多,按实际费用结算。
  • MiniMax H3 Martial Arts — YZ金鱼特调武戏配方,MiniMax H3 Turbo INT8底模,固定动作LoRA组合与采样设置,适合打斗、追逐等动作场面。支持纯文本、0~9张参考图、0~3段MP3/WAV音频、0~3段MP4参考视频(传视频须同时有参考图)。5~15秒,480P/704P/768P/928P/1088P/1440P/2160P,6种画面比例。
  • MiniMax H3 WF Motion Comic — Work Fisher漫剧1.0,完整INT8底模与双LoRA,固定15步采样。支持纯文本、0~6张参考图、0~3段MP3/WAV音频;3~15秒,480P/608P/672P/768P,横竖屏。输出24fps H.265 10bit MP4。不支持参考视频,音频引用须有对应音频素材。
  • MiniMax H3 WF Motion Comic · Token — WF漫剧1.0按运行时长计费版:固定768P,需1~6张参考图,可选0~3段MP3/WAV音频;5~15秒,8种画面比例,输出24fps H.265 MP4。运行越久消耗token越多,按实际费用结算。
  • MiniMax-H3 — 音画同步视频,支持文生/图生、首尾帧,最多 9 张图片、3 段视频、3 条音频多素材参考,另支持 1 条独立驱动音频。兼容 MiniMax 官方 V2 API 接口格式。480P:0.15元/秒;768P:0.30元/秒;1080P:0.45元/秒(16:9原生1920×1088)。
  • minimax-h3-comfyui-max — 生成 3–15 秒视频,最高 1440p,可用图片和音频作参考。
  • minmax-h3-context-ir-image — H3 图片提示词优化器:结合首帧及可选尾帧图片,将文字想法整理为视频生成提示词,输出文本。
  • minmax-h3-context-ir-multimodal — H3 多模态提示词优化器:结合文字及图片、视频、音频参考,整理适合视频生成的提示词,输出文本。
  • minmax-h3-context-ir-text — H3 文本提示词优化器:将简短想法扩写、整理为适合视频生成的提示词,输出文本。
  • Motion Video — Creative model: deepseek/deepseek-v4.1-flash. Turn a prompt into a 15-60 second motion-graphics video with animated typography, shapes and transitions. Charged per completed video based on actual creative work, duration and resolution. Historical estimates appear when enough reliable samples are available; failed generations are refunded.
  • Mureka 9.5 Soundtrack — Mureka 9.5 配乐生成:根据文字描述或视频生成匹配画面情绪的配乐;按每次实际成本计费。
  • Muse Video — 支持文生视频和最多 9 张参考图生成,每次返回一段约 2-10 秒、720p、带声音的 MP4 视频。支持七种宽高比或自动构图。
  • qwen/qwen3.8-omni-flash — Qwen 3.8 Omni Flash 多模态理解模型,支持文本、图像、音频和视频输入,输出文本。提供 100 万 tokens 上下文和流式对话。
  • Seedance 2.0 — Seedance 2.0 共有 18 个公开型号:Standard、Fast、Mini 三档,每档都有文生视频(t2v)、首尾帧图生视频(i2v)和图像、视频、音频混合参考(multi)。不带 global 的是国内版,带 global- 的是海外版。
  • seedance-2.5-flash-multi — Seedance 2.5 Flash 多模态视频:最多参考 10 张图、5 段视频和 5 段音频生成视频,支持 480p/720p。
  • seedance-2.5-global-flash-multi — Seedance 2.5 Flash 海外版多模态视频:最多参考 10 张图、5 段视频和 5 段音频生成视频,支持 480p/720p。
  • seedance-2.5-global-standard-draft-to-video — 基于 Seedance 2.5 海外版样片任务生成 1080p 成片:先用 draft 模式出 480p 样片,满意后沿用其提示词、素材、时长与比例生成成片;样片 7 天内有效。
  • Seedance 2.5 Standard — Seedance 2.5 Standard 提供文生视频、首尾帧图生视频和图像、视频、音频混合参考生成。调用时使用对应的 t2v、i2v 或 multi 完整模型名。
  • seedance-2.5-standard-draft-to-video — 基于 Seedance 2.5 样片任务生成 1080p 成片:先用 draft 模式出 480p 样片,满意后沿用其提示词、素材、时长与比例生成成片;样片 7 天内有效。
  • Topaz Upscaler — 模型等于topaz upscaler
  • vosr2-image-upscale — 使用 VOSR2 将单张图片高清放大,输出 4K 图片。
  • Wan 3.0 — Wan 3.0 提供文生视频(t2v)、首尾帧图生视频(i2v)和多素材参考生成(r2v)。wan-3.0 为国内版,prime 为更快的档位,global 为海外版。

查看全部模型与价格

常见问题

支持哪些视频模型?

包括 Seedance 2.5、Seedance 2.0、Wan 3.0、MiniMax H3 等,下方列出的每个模型都有详细参数页。

如何收费?

按每次生成计费,不需要会员或订阅。每个模型页显示当前价格;任务生成失败时会退还费用。

能用图片或视频作为参考吗?

可以。多数模型支持文生视频、首尾帧图生视频,部分模型还支持参考视频和参考音频,具体上限见各模型页。