Suno
AI music generation — full songs with vocals + lyrics from a one-line idea (inspiration), your own lyrics (custom), or instrumental only. Also sound effects, continue, cover, and voice personas. Each run returns 2 variants.
API Models
Turn a portrait image + an audio clip into a talking-head video. The output length follows the audio; billed per second.
OpenAI
GPT Image 2（All）—— OpenAI 兼容的图片 API。把 OpenAI SDK、Codex、Cursor 的 base_url 指向 https://apimodels.app/api/v1、model 用 gpt-image-2-all，images.generate() / images.edit() 直接可用。完整的分辨率 × 质量矩阵:1K / 2K / 4K 搭配 low / medium / high(以及 auto),支持文生图与多图编辑(最多 16 张参考图)。同步返回、无需轮询,按分辨率 × 质量分档计费,$0.005/张起。生成速度:low 约 40 秒、medium 约 60-90 秒、high 约 2 分钟。一个 API Key,国内可直连,无需 OpenAI 组织认证。
Anthropic
Claude Fable 5 是 Anthropic 最新、最强的公开可用大语言模型，在 API Models 上价格约为官方的一半（比官方便宜约 50%，输入 $5 / 输出 $25 每百万 token）。开箱支持 Claude Code、Anthropic SDK 及 Cursor 等 Anthropic 兼容客户端调用。具备超长上下文、多模态（识图）理解、复杂推理与企业级知识工作能力，并带严格安全保护。通过 Anthropic Messages API（/v1/messages）提供原生工具调用，请求参数与 Opus 4.8 一致。
Anthropic
Claude Sonnet 5 是 Anthropic 最新的 Sonnet 模型，默认且最大都是 100 万 token 上下文窗口（没有更小的上下文变体）、最大 128K 输出 token、自适应思维，工具与平台功能与 Claude Sonnet 4.6 相同，唯一例外是不支持优先级（Priority Tier）。在 API Models 上仅 $1 输入 / $4.5 输出（每百万 token），并支持提示词缓存（缓存命中 $0.1/M）。通过 Anthropic Messages API（/v1/messages）提供原生工具调用，Claude Code、Anthropic SDK 及 Cursor 等 Anthropic 兼容客户端可直接接入，请求参数与 Opus 4.8 一致。
OpenAI
The cheapest, fastest gpt-image-2 channel — 1K-only at a flat $0.015/image. Built for person editing & generation and light-text tutorial/diagram images. Not for 2K/4K HD or text-heavy full-screen layouts (use gpt-image-2 for those).
Google's gemini-3.1-flash-image (GA release). High-quality image generation and conversational editing at low latency. Priced by resolution: 512 $0.04, 1K/2K $0.06, 4K $0.10.
Google's gemini-3-pro-image (GA release). Top-quality, high-fidelity image generation and editing with advanced reasoning. Priced by resolution: 1K/2K $0.10 (25% cheaper than official), 4K $0.15 (37.5% cheaper than official).
ElevenLabs
超低延迟模型，支持 32 种语言。适合实时对话场景。
ElevenLabs
高质量低延迟模型，支持 32 种语言。适合对速度有要求的开发场景。
ElevenLabs
最逼真、最富情感的模型，支持 29 种语言。适合配音、有声书和后期制作。
ElevenLabs
最具表现力的模型，支持 70+ 种语言。支持 [laughs]、[whispers] 等音频标签实现情感控制。
ElevenLabs
多角色对话生成，自然对话流。适合播客和有声书制作。
ElevenLabs
从背景噪声、音乐和环境音中提取人声。高质量音频提取。
ElevenLabs
翻译音频/视频并保留情感、节奏和语调。自动唇形同步。
ByteDance
Seedance 2.0 sd-A — full multimodal HD video (720p / 1080p) with an in-playground tier switch (2.0 / Fast / Mini): text, first/last frame, up to 9 reference images + video + audio, web search, native audio, and asset-library characters.
ByteDance
ByteDance Seedance 2 Mini — multimodal text / image / video / audio → video with native AI audio. Reference images, reference video and reference audio, web search, 480p / 720p, 4-15s. Per-second pricing by resolution and whether AI audio is generated.
DeepSeek
DeepSeek V4 Flash — the lightweight, high-throughput, cost-effective member of the DeepSeek V4 family for general chat and basic text. 1M-token context, tool calling, streaming; OpenAI-compatible.
DeepSeek
DeepSeek V4 Pro — DeepSeek’s high-performance model with top-tier reasoning and agent capabilities, 1M-token context, and full thinking (reasoning_content) output. Tool calling, streaming; OpenAI-compatible.
Alibaba
Alibaba Qwen3.7 Max — the most capable Qwen3.7 model: top-tier reasoning and agent ability, 1M-token context, hybrid thinking. Tool calling, streaming; OpenAI-compatible.
Alibaba
Alibaba Qwen3.7 Plus — the best-value Qwen3.7 model: strong reasoning at a fraction of Max’s price, 1M-token context, hybrid thinking. Tool calling, streaming; OpenAI-compatible.
OpenAI
GPT-5.4 是 OpenAI 面向复杂专业工作与 Agent 编码的前沿模型。通过 Responses API（/v1/responses）调用，推理强度用请求体的 reasoning.effort（low–xhigh）控制，支持联网搜索、函数调用与多模态输入。OpenAI Codex 设 wire_api = "responses" 即可直接接入。
Zhipu
Zhipu GLM-5.2 — a reasoning model with strong function-calling / tool-use, served via the OpenAI-compatible chat-completions endpoint.
OpenAI
GPT-5.5 是 OpenAI 面向 Agent 编码、知识工作、科研与复杂多步任务的高级推理模型。通过 Responses API（/v1/responses）调用，支持可调推理强度（low–xhigh）、联网搜索、函数调用与多模态输入。OpenAI Codex 设 wire_api = "responses" 即可直接接入。
API Models
视频字幕擦除。去除视频里的硬字幕和画面文字，重建干净背景；可选「字幕」或「全部文字」模式、质量或更小体积输出，可选区域定位，$0.01 每秒。
ByteDance
Seedance 2.0 最全能渠道 —— 全模态视频生成:文生 / 首帧 / 首尾帧 / 最多 9 张参考图 / 参考视频 / 参考音频 / 联网搜索 / 原生音频,任意组合。支持真人 + 素材创建。480p / 720p / 1080p,时长 4 / 5 / 6 / 8 / 10 / 12 / 15 秒,按秒计费 $0.13/s 起。
ByteDance
Seedance 2.0 Fast —— 最全能 Seedance 2.0 渠道的提速降价版,保留全模态能力(文生 / 首尾帧 / 最多 9 图 / 参考视频 / 参考音频 / 联网搜索 / 原生音频),支持真人 + 素材创建。480p / 720p,4-15 秒,按秒计费 $0.11/s 起。
Lightricks
LTX-2.3 视频 —— 文生视频 + 图生视频二合一:只填提示词即文生视频,加一张参考图即图生视频(自动识别)。支持 480p / 720p / 1080p、16:9 / 9:16,文生 5-15 秒、图生 5-20 秒。按秒计费:480p $0.02/s、720p $0.04/s、1080p $0.045/s。
Minimax
MiniMax speech-2.8-hd 最新高保真 TTS,情感语调自然,支持声音克隆与声音设计。$0.07/千字符。
Minimax
MiniMax speech-2.8-turbo 最新快速经济 TTS,性价比高、多语言强,支持声音克隆与声音设计。$0.04/千字符。
Minimax
MiniMax speech-02-hd 高保真 TTS,情感语调自然,支持声音克隆与声音设计。$0.07/千字符。
xAI
Grok Imagine Video 1.5（Beta）—— xAI Grok 图生视频的另一条 RunningHub 稳定渠道。上传 1 张参考图、可选填提示词，即可生成电影级短视频。一口价按时长计费（5 / 8 / 10 / 12 / 15 秒），480p 与 720p 同价，成本生成前即可预知。$0.35/条 起。
xAI
xAI Grok Imagine Video 1.5 Preview —— 图生视频 + 原生同步音频。在盲测中登顶 Image-to-Video Arena（720p），超越 Seedance 2.0，具备逼真动作、强提示词遵循与一致的角色生成。480p / 720p、1-15 秒，按秒计费 $0.098/s 起。
Kling
可灵 V3 图像生成。文生图 + 单图参考图生图(image_reference 主体/人脸),1K/2K 分辨率,$0.05/张。
Kling
可灵 V3 全能版(omni-image)。多图参考与融合(image_list)、元素一致性(element_list)、单图/组图输出,1K/2K/4K——1K/2K $0.05、4K $0.10/张。
Omni Flash (Stable) — lower-cost, full-suite Gemini Omni video. Text / image (up to 7 refs) / video-to-video, plus reusable voices and consistent characters. 720p / 1080p / 4k, 4 / 6 / 8 / 10s, 16:9 or 9:16, optional seed.
Anthropic
claude-opus-4-8 是目前 Anthropic 最强的"能一个人扛住长时间复杂工作的工具"，特别适合开发者做大项目、建 Agent，或者对质量和自主性要求极高的场景。
Anthropic
Claude Opus 4.7 支持 100 万 token 上下文窗口、128K 最大输出 token、自适应思维，与 Opus 4.6 拥有相同的工具与平台能力。
Anthropic
Claude Opus 4.7 扩展思维版，显式开启长链推理，适用于最复杂的任务。
Gemini 3.5 Flash 已正式发布 (GA)，性能稳定，可大规模用于生产。最智能的 Flash 模型，在智能体执行、编码与长链任务上持续领先。
xAI
X 平台推出的多模态 AI 模型，根据文本描述生成高质量图像。支持多种尺寸和风格。
xAI
X 平台升级版多模态 AI 模型，更强理解力与生成细节，实现更高精度图像生成。
ByteDance
ByteDance Seedance 2.0 电影级视频生成 —— 直连火山引擎官方 API，稳定、高并发。支持文生、图生、多模态参考生视频，按秒计费 $0.092/s 起。
全能视频 Omni Flash —— 一个模型同时覆盖文生视频与图生视频：纯文本直接生成，或上传 1 张 / 3 张参考图做单图动态化或多图融合（注意：上游不支持 2 张）。支持 720p / 1080p / 4K、4 / 6 / 8 / 10 秒、可选 16:9 / 9:16，按档计费 $0.30 起，4K 档 $0.48 起。
ByteDance
Seedance 2.0 影视版 —— ByteDance Seedance 2.0 的影视级（Cinematic）版本。最大亮点:支持真人 / 拟真人脸参考图(Ark 直连的 Seedance 2.0 会拒真人脸,本影视版渠道可用),最多 4 张参考图做身份锁定的图生视频,适合影视级人物 / 肖像创作。光影、运镜品质明显高于 Ark 直连版,代价是生成更慢(通常 60-180 秒)。文生 / 图生视频,5 / 10 / 15 秒,按时长计费 $1.00 / 5s 起。请仅对已获授权的对象使用。
ByteDance
Seedance 2.0 Fast —— 直连火山引擎官方 API，提速降价版，稳定高并发。文生 / 图生 / 多模态视频，$0.071/s 起。
ByteDance
字节跳动即梦动作模仿 V2。单图+参考视频精准驱动角色动作，支持多人同框、二次元和宠物，$0.06/秒。
Kling
可灵 AI 对口型视频生成。帧级口型同步，支持真实人物、3D 及 2D 动画角色，支持本地音频和在线配音。
Kling
可灵对口型语音合成。支持多语言多方言、语速调节、情感风格、音色克隆。
Doubao
最新 Doubao Seedream 5.0 Lite 图片生成。支持文生图、图片编辑和多图融合，2K/3K 分辨率。
Omni Video V3.1-Lite 首尾帧官方稳定版。首尾帧必填,生成平滑电影级过渡,720p/1080p 带原生音频。720p $0.72 起。
OpenAI
OpenAI gpt-image-2. Text-to-image and multi-image editing (up to 16 reference images), aspect-ratio control, native 1K / 2K / 4K — $0.025 / $0.04 / $0.06 per image.
Gemini 3 Pro Image 经济渠道。$0.025/张,文生图+编辑,1K/2K/4K,高保真文字渲染。
Gemini 3.1 Flash Image 经济渠道。$0.025/张,文生图+编辑,为速度与走量优化。
VEO 3.1 快速 720p 档。固定 8 秒,支持参考图,$0.07/条。
VEO 3.1 快速 1080p 档。固定 8 秒,支持参考图,$0.07/条(与 720p 同价出 1080p)。
VEO 3.1 Fast 4K(Beta)。至少一张首帧,支持首尾帧,1080p/4K,5s $0.07、8s $0.10。
SparkPix
SparkPix 亚秒级文生图。1 秒内出图、$0.01/张,画质与文字渲染出色,支持 LoRA。
SparkPix
1 秒内完成的多图编辑模型。快速、实惠，支持精准提示词控制、文字渲染和多图编辑。$0.013/张。
Pruna AI
Pruna AI 快速视频生成。文生/图生/音频生视频,内置音频与对白,1080p 48FPS,草稿模式约 4 倍速预览。
经济实惠的 Gemini 3.1 Flash 图片生成。支持文生图和图片编辑，成本更低。
MiniMax
MiniMax M2.5 在编程、工具调用、搜索和办公效率任务上达到或刷新了 SOTA。
最具性价比的多模态模型，速度最快，适用于高频轻量级任务。
最新 Pro 模型，具备增强推理和多模态能力。
Kling
从音频样本创建自定义声音。上传 .mp3/.wav/.mp4/.mov (5-30秒) 或引用视频 ID。
Kling
角色动作控制视频生成。提供参考图片和动作视频，即可创建动画内容。
Kling
视频人脸识别，传入 videoUrl 或 videoId，返回 sessionId 和 faceId，用于可灵对口型视频生成。
Anthropic
最新 Opus 模型，具备终极性能和推理能力。
Anthropic
Claude Opus 4.6 扩展思维版，适用于最复杂的推理任务。
Anthropic
最新 Sonnet 模型，具备最佳性能和效率。
Anthropic
Claude Sonnet 4.6 扩展思维版，适用于复杂推理任务。
Kling
Kling AI 图片生成与编辑。支持 1k/2k 分辨率和多图输入，实现创意编辑。
Kling
从文字描述生成音效。3-10 秒音频，自然音质。
Kling
为视频自动生成音效和背景音乐。支持 ASMR 模式，打造沉浸式内容。
Kling
文字转语音，多种声音可选。可调语速，支持多语言。
Kling
Kling V3 Omni-Video，支持扩展时长和保留原声的视频编辑功能。
基于 Gemini 3.1 Flash 的快速图片生成。支持文生图和图片编辑，1K/2K/4K 画质。
Minimax
Minimax (海螺) 高清异步 TTS。表现力丰富，韵律自然。支持声音克隆和声音设计。
经济实惠的 Gemini 3.1 Flash 图片编辑。仅支持图生图，1K/2K/4K 画质。
Minimax
Minimax (海螺) 快速经济异步 TTS。支持声音克隆、声音设计和发音词典。
xAI
基于 Grok 4.2 的图片生成与编辑。支持文生图和蒙版修复编辑。
快速高效的多模态模型。适合快速响应和简单任务。
高级多模态推理模型，具备卓越能力。
Gemini 3 Pro 扩展思维版，适用于复杂推理任务。
Kling
最新可灵 V3 视频生成。3-15 秒可变时长，支持文生视频和图生视频，可选音频。按秒分档计费(标准 $0.12/s 起,专业+音频 $0.24/s)。
Doubao
高质量 Doubao Seedream 4.5 图片生成。支持文生图和图片编辑，2K/4K 分辨率。
Omni Video V3.1-fast 首尾帧版。给首帧(必填)+ 可选尾帧,生成 8 秒补间动作,带动态音频同步。经济档,固定 8 秒 $0.30/条(720p / 1080p / 4K 同价)。
Anthropic
最新 Opus 模型，具备增强能力和改进推理。
Anthropic
Claude Opus 4.5 扩展思维版，适用于最复杂的推理任务。
xAI
最新 Grok 视频模型，音频视频同步生成，10 秒输出。
xAI
基于 Grok 的高质量 5 秒视频生成。支持横屏和竖屏宽高比。
Anthropic
快速且经济的轻量级任务模型。适合简单查询和快速响应。
Anthropic
Claude Haiku 4.5 扩展思维版，适用于复杂推理任务。
Anthropic
最新 Sonnet 模型，性能和效率均有提升。
Anthropic
Claude Sonnet 4.5 扩展思维版，适用于复杂推理任务。
基于 Gemini 3 Pro 的高端图片生成。99% 成功率，最佳画质和可靠性。
基于 Gemini 3 Pro 的高质量图片生成。97% 成功率，支持文生图和图片编辑。
强大的多模态模型，性能优异，适用于复杂任务。
Gemini 2.5 Pro 扩展思维版，适用于复杂推理。
快速且经济的多模态模型。速度与质量的最佳平衡。
Gemini 2.5 Flash 扩展思维版，适用于推理任务。
基于 Gemini 2.5 Flash 的快速图片生成。支持文生图和自然语言图片编辑。
轻量超快模型。适合简单任务和大批量处理。
Anthropic
最强大的模型，具备卓越的推理和分析能力。
Anthropic
Claude Opus 4 扩展思维版，适用于最复杂的推理任务。
Anthropic
均衡型模型，性能优秀且成本高效。适用于大多数任务。
Anthropic
Claude Sonnet 4 扩展思维版，适用于复杂推理任务。
OpenAI
小型嵌入模型，高效且经济，适用于大多数场景。
OpenAI
大型嵌入模型，精度更高，维度灵活可调。
