#model-release

346 articles - Page 6

Vidu Text-to-Video Q2 现已登陆WaveSpeedAI

Vidu Q2 Text-to-Video 將文字提示轉換為高品質影片，具有卓越的視覺保真度和多樣化的動作。提供現成可用的 REST 推論 API、最佳效能、無冷啟動、平價定價。

Kling Omni Video O1 (標準版) Reference-to-Video 使用多視角的角色、道具或場景參考生成創意影片。提取主體特徵並建立新影片內容，同時保持整個影格中的身份一致性。現成可用的 REST API，最佳性能，無需配置。

Kling Omni Image O1 是快手的多模態圖像生成模型，採用 MVL 技術。支持多達 10 張參考圖像以確保特徵一致性、精確的細節編輯（添加/移除/修改）、風格控制和系列內容創作。完美適用於 IP 角色設計、漫畫面板和品牌周邊商品

Google 的 Nano Banana Pro (Gemini 3.0 Pro Image) Edit 是新一代圖像編輯模型，能夠在單次運行中生成多張高品質編輯圖像。成本極低——每張圖像僅需 $0.07。隨時可用的 REST 推理 API、最佳效能、無冷啟動、價格親民。

MiniMax Hailuo 2.3 Pro 是一款文字轉視頻模型，可生成 1080p 視頻，效率提升 2.5 倍，複雜指令準確率達 85%。提供即用型 REST 推論 API，性能最優，無冷啟動，價格實惠。

Hailuo 2.3 是一款文本轉視頻模型，可生成物理感知的 768p 視頻，效率提升 2.5 倍，複雜指令回應率達 85%。提供即用型 REST 推理 API，性能最佳，無冷啟動，價格實惠。

Google 的 Gemini 3.0 Pro（Gemini 3.0 Pro Image）Edit 支援圖像編輯和文字轉圖像生成，具有 4K 級別的行動設備輸出能力。提供即用型 REST 推理 API、最佳性能、無冷啟動、價格實惠。

Black Forest Labs 的 FLUX.2 [dev] 提供快速、工作室級別的文字生成圖像功能，具有增強的真實感、更清晰的文字渲染和原生編輯功能，可實現快速迭代。提供即用型 REST 推理 API、最佳效能、無冷啟動、實惠定價。

Google 的 Gemini 3.0 Pro（Gemini 3.0 Pro Preview）是一個尖端的文本轉圖像模型，可實現為手機優化的高解析度 4K 圖像生成。隨時可用的 REST 推論 API、最佳效能、無冷啟動、平價格。

InfiniteTalk fast multi 將單一影像和兩個音訊輸入轉換為多角色對話或唱歌影片。可立即使用的 REST 推論 API，最佳效能，無冷啟動，價格實惠。

HunyuanVideo-Foley 使用文字提示從上傳的影片生成逼真的 Foley 和環境音訊。提供隨時可用的 REST 推論 API、最佳效能、無冷啟動、價格實惠。

ThinkSound 將上傳的影片轉換為逼真、文字引導的音頻。上傳影片並新增文字提示即可生成栩栩如生的聲音。隨時可用的 REST 推理 API、最佳效能、無冷啟動、價格實惠。