WaveSpeed 部落格

Qwen Image Max Edit 是一款支持文字提示進行影像編輯的 AI 模型，支援中文和英文兩種語言。提供即用型 REST 推理 API，性價比最佳

Qwen Image Max是一款文字生成圖像模型，支持高質量圖像生成，支援中文和英文提示詞。提供現成可用的REST推理API，性能最佳

Qwen3 TTS：多語言、多語音文字轉語音合成，支援風格控制。支援11種語言和9個語音角色。可直接使用的REST推理API

Qwen3 TTS Voice Clone：從參考音頻克隆任何聲音，並用該聲音生成語音。開箱即用的 REST 推理 API、最佳性能、無冷啟動

Qwen3 TTS Voice Design：使用自然語言描述自訂語音特徵來生成語音。準備就緒的 REST 推論 API、最佳效能、無需複雜設定

SAM 3 是一個統一的基礎模型，用於可提示的圖像分割，使用文本、點或框來檢測和分割對象。支援開箱即用的 REST 推理 API

SAM 3 RLE 是一個統一的基礎模型，用於可提示的圖像分割，使用文本、點或框來檢測和分割物體。返回 RLE（遊程編碼）

SAM 3 Video RLE 是一個統一的基礎模型，用於視頻中的提示式分割。使用文字、點或框追蹤和分割視頻幀中的物體，並返回

Z-Image-Base LoRA (6B) 支援高品質的文字轉圖像生成，具有完整的 CFG 支援和外部 LoRA 支援。支援負面提示詞應用

Z-Image Base LoRA Trainer – 從您自己的數據集訓練自訂圖像 LoRA 模型，支援 zip 上傳、自動調整的預設值和快速迭代品牌、角色

Z-Image-Base 是一個 60 億參數的文字轉圖像模型，提供完整的 CFG 支援。支持負面提示和微調功能，讓您擁有最大的控制力

比較OpenMOSS MOVA、WAN 2.2 Spicy、WAN 2.6 Flash、Sora 2和Seedance 1.5 Pro的影片生成與音訊功能。特性、定價和建議。