WaveSpeedAI Blog

AI图像和视频生成模型的最新资讯

Google Veo3.1 快速视频扩展现已登陆WaveSpeedAI

使用快速端点以 7 秒步骤扩展 Veo 3.1 视频——快速、连贯的延续，保留风格和运动，输出为单个合并剪辑。现成可用的 REST 推理 API、最佳性能、无冷启动、价格实惠。

Kling Omni Video O1 图像到视频（标准版）将静态图像转换为动态、高质量的视频，同时保持主体身份和视觉/时间一致性。它增加了自然运动、逼真的物理效果和平滑的场景动态，并在参考帧时支持灵活的片段持续时间

Kling Omni Video O1视频编辑支持通过自然语言命令进行对话式视频编辑。删除对象、更改背景、修改风格、调整天气/光线，使用简单的文本指令如'删除行人'或'将白天改为黄昏'来变换场景。

SCAIL 使用参考图像实现高保真角色动画。它能处理大幅度动作变化、风格化角色和多角色互动,无需显式的逐帧结构指导。提供即用型 REST 推理 API,无冷启动,价格实惠。

Google Nano Banana Pro（Gemini 3.0 Pro Image）编辑功能支持4K输出的图像编辑。即用型REST推理API，最佳性能，无冷启动，价格实惠。

Qwen-Image Layered 是一个统一的图像分层分解模型，用于提示引导的合成。提供点、框或粗糙蒙版来隔离主体和区域，该模型将单个图像分解为多个具有清晰 Alpha 通道、柔和边缘和正确遮挡顺序的 RGBA 图层。即插即用

Z-Image Turbo Inpaint 提供超快速图像修复，支持自然语言指令——无缝填充、修复或替换图像中的区域，生成生产级质量的结果。现成的 REST 推理 API、最佳性能、无冷启动、价格实惠。

InfiniteTalk将一张照片+音频转换为音频驱动的说话或唱歌虚拟形象视频（图像转视频），最长10分钟，720p层级$0.30/5秒。即用型REST API，无冷启动，价格实惠。

Ultimate Image Upscaler 是最先进的 AI 增强工具，可在将图像升级到 4K 或 8K 时重新构想细节。即用型 REST 推理 API、最佳性能、无冷启动、价格实惠。

Z-Image-Turbo 是一个 60 亿参数的文本到图像模型，可在不到一秒的时间内生成逼真照片。提供即用型 REST 推理 API、最佳性能、无冷启动、价格实惠。

Grok 2 Image 是 xAI 最新的图像生成模型，能在几秒内将简单的文本提示转化为清晰、逼真的视觉效果。从产品图到社交媒体帖子和概念艺术，它能紧密遵循你的指示，让你只需一个提示就能从想法直接生成可用于生产的图像。准备好了

MiniMax 的 Hailuo 2.3 Fast 生成高质量的 6 秒和 10 秒图像到视频片段，分辨率为 768p，为创作者和营销人员优化。即用型 REST 推理 API，最佳性能，无冷启动，价格实惠。