#model-release

310 articles - Page 3

Vidu文本生成视频Q2版本现已登陆WaveSpeedAI

Vidu Q2文本生成视频将文本提示转化为高质量视频，具有出色的视觉保真度和多样化的动作效果。提供即用型REST推理API、最佳性能、无冷启动、价格实惠。

Kling Omni Video O1（标准版）参考转视频功能利用多个视角的角色、道具或场景参考生成创意视频。提取主体特征并创建新视频内容，同时保持整个帧中的身份一致性。即用型REST API，性能最佳，无需编码

Kling Omni Image O1是快手的多模态图像生成模型，采用MVL技术。支持多达10张参考图像以实现特征一致性、精确细节编辑（添加/删除/修改）、风格控制和系列内容创作。完美适用于IP角色设计、漫画面板和品牌商品

Google 的 Nano Banana Pro (Gemini 3.0 Pro Image) Edit 是一款下一代图像编辑模型，能够在单次运行中生成多张高质量编辑图像。成本极低 — 仅 $0.07 每张图像。即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。

MiniMax Hailuo 2.3 Pro 是一款文本生成视频模型，可生成 1080p 视频，效率提升 2.5 倍，复杂指令准确率达 85%。提供即用型 REST 推理 API、最佳性能、无冷启动、价格实惠。

Hailuo 2.3 是一款文本到视频模型，可生成具有物理感知的 768p 视频，效率提高 2.5 倍，复杂指令响应率达 85%。提供即用型 REST 推理 API，性能最佳，无冷启动，价格实惠。

Google 的 Gemini 3.0 Pro（Gemini 3.0 Pro 图像）编辑功能支持图像编辑和文本生成图像，具有 4K 级输出能力，适用于移动设备。提供即用型 REST 推理 API、最佳性能、无冷启动、价格低廉。

来自 Black Forest Labs 的 FLUX.2 [dev] 提供快速、工作室级别的文本到图像生成，具有增强的真实感、更清晰的文本渲染和原生编辑功能，可实现快速迭代。提供即用型 REST 推理 API、最佳性能、零冷启动、经济实惠的价格。

Google的Gemini 3.0 Pro（Gemini 3.0 Pro预览版）是一款尖端的文本转图像模型，支持高分辨率4K图像生成，针对手机进行了优化。即用型REST推理API、最佳性能、无冷启动、价格实惠。

InfiniteTalk fast multi 将单个图像和两个音频输入转换为多角色说话或唱歌视频。即用型 REST 推理 API，最佳性能，无冷启动，价格实惠。

HunyuanVideo-Foley通过上传视频并使用文本提示描述所需声音，生成逼真的Foley和环境音频。提供即用型REST推理API、最佳性能、无冷启动、价格实惠。

ThinkSound 将上传的视频转换为逼真的、文本引导的音频。上传视频并添加文本提示以生成逼真的声音。随时可用的 REST 推理 API、最佳性能、无冷启动、价格实惠。