#model-release

306 articles - Page 21

Google Gemini 2.5 Flash Image 文本生成图像功能现已登陆WaveSpeedAI

Google Gemini 2.5 Flash Image 提供先进的文本生成图像和图像编辑功能，具有创意控制选项以生成高质量图像。即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。

Kling LipSync 将音频转换为说话头部视频，通过生成逼真的唇动完美同步输入音频。提供即用型 REST 推理 API，最佳性能，无冷启动，价格实惠。

Luma Ray 2 Flash 将文本转换为高质量视频，支持灵活的尺寸和内置提示词优化，确保精确输出。提供即用型 REST 推理 API、最佳性能、零冷启动、价格实惠。

Luma Ray 2 是一个文本转视频模型，可以从文本提示创建高质量视频，具有高级提示优化和对各种视频尺寸的支持。随时可用的 REST 推理 API、最佳性能、无冷启动、价格实惠。

SteadyDancer 是一个 14B 参数的人类图像动画框架,可将静态图像转换为连贯的舞蹈视频。具有首帧保留、强大的身份一致性和时间连贯性,用于逼真的运动生成。提供即用型 REST 推理 API,性能最佳,无冷启动

MiniMax Speech 2.5 HD预览版提供高清文本转语音、增强的多语言表现力、精确的声音克隆和40种语言支持。提供开箱即用的REST API、最佳性能、无冷启动、价格实惠。

MiniMax Speech 2.6 HD：超人类质量、低延迟（<250ms）的文本转语音，支持语音克隆、文本标准化和 40 多种语言。开箱即用的 REST 推理 API，最佳性能，无冷启动，价格实惠。

MiniMax Speech 2.6 Turbo 是一款文本转语音模型，提供超逼真语音克隆、业界领先的文本规范化、低于 250ms 的延迟和 40+ 种语言支持。定价：每 1000 个字符 $0.06。随时可用的 REST 推理 API，最佳性能，无冷启动，价格实惠。

Clarity AI Crystal 放大器通过 AI 放大和可调整的细节增强来提升图像分辨率，适用于人像和风景。提供即用型 REST 推理 API、最佳性能、无冷启动、价格实惠。

MiniMax Speech 2.5 Turbo Preview：支持多语言的高清文本转语音，可准确复制 40 种语言的声音。仅需 $0.04/1000 字符。即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。

Whisper Large v3 语音转文字：支持多语言，具有自动语言检测和标点符号功能，可生成即时准确的转录文本。上传音频即可获得转录文本。提供即用型 REST API，无冷启动，价格实惠。

GPT Image 1.5文本到图像是OpenAI快速、经济高效的文本到图像生成器，由GPT-5指导驱动。从自然语言提示创建逼真照片、产品渲染、概念艺术和风格化图形（可选地用图像调节）。支持自定义纵横比、种子