07
模型与价格
每个生成模型和工具花多少积分、最长要等多久
你能选到哪些
在生成面板里先选模式，模型选择器再列出这个模式能用的模型。模式名照产品界面写英文。积分是模型默认设置下跑一次的价格：≥ 表示起步价，素材越长、文字越多越贵；/ 千字和 / 秒是单价。耗时是每个模型的上限，不是平均值。
图像
12| 模型 | 能做什么 | 积分 | 最长耗时 |
|---|---|---|---|
| GPT Image 2.5 Sunburst | Text to Image 保真度和提示词遵循排名第一，最高 4K | 2.4 | 120s |
| Grok Imagine Image 2.0 | Text to Image 另一家顶级引擎，画风自成一派 | 5 | 120s |
| Nano Banana 2 | Text to Image 生成时接入实时网络搜索 | 6.3 | 25s |
| Recraft V4.1 Pro Vector | Text to Image 可编辑的 SVG 矢量图，放多大都清晰 | 30 | 120s |
| Riverflow 2.0 Pro | Text to Image 4K 透明背景 | 15 | 120s |
| Krea V2 Large | Text to Image 最多参照 3 张风格图 | 6 | 120s |
| Ideogram V3 Quality | Text to Image 图中文字写得好，可参照 3 张风格图 | 9 | 120s |
| Recraft V4 Style | Text to Image 照你的风格图画出同样的观感 | ≥ 4.4 | 120s |
| GPT Image 2.5 Sunburst | Image to Image 保真度最高的改图，13 张参考图加 3 张风格图 | ≥ 3.9 | 120s |
| Muse Image | Image to Image 另一种画风，7 张参考图加 3 张风格图 | 1.1 | 120s |
| Nano Banana Pro Ultra | Image to Image 唯一能超过 4K 的图像模型，最高 8K | 15 | 120s |
| Qwen Image Multiple Angles | Image to Image 按指定机位角度重拍主体 | 2.5 | 120s |
视频
24| 模型 | 能做什么 | 积分 | 最长耗时 |
|---|---|---|---|
| Gemini Omni 1.1 Flash (Text-to-Video) | Text to Video · Multi-Shot 排名第一，带同步音频，最高 4K | 80 | 600s |
| Wan 3.0 (Text-to-Video) | Text to Video · Multi-Shot 一镜到底最长 30 秒，自带音频 | 47.5 | 600s |
| Seedance 2.5 (Text-to-Video) | Text to Video · Multi-Shot 4K，最多参照 50 个素材 | 162 | 600s |
| MiniMax H3 (Text-to-Video) | Text to Video · Multi-Shot 无声 2K，画幅从 21:9 到 9:16 | 50 | 600s |
| Kling 3.0 4K | Text to Video · Multi-Shot 4K，支持反向提示词 | 210 | 600s |
| Gemini Omni 1.1 Flash (Image-to-Video) | Image to Video · First-Last Frame · Multi-Shot 自带音频，最高 4K，可加尾帧 | 80 | 600s |
| MiniMax H3 (Image-to-Video) | Image to Video · First-Last Frame · Multi-Shot 同类投票第一，原生 2K，15 秒 | 50 | 600s |
| Wan 3.0 (Image-to-Video) | Image to Video · First-Last Frame · Multi-Shot 2 到 30 秒，音频可关 | 47.5 | 600s |
| Seedance 2.5 (Image-to-Video) | Image to Video · First-Last Frame · Multi-Shot 单帧出 4K，最长 30 秒 | 162 | 600s |
| Kling Video O3 4K | Image to Video · Multi-Shot 你提到的图片在整段里保持一致，4K | 210 | 600s |
| Wan 2.2 Animate 2 | Image Animation 让角色跟着驱动视频动，120 秒不走样 | ≥ 12 | 600s |
| ByteDance DreamActor V2 | Image Animation 非人类角色和多角色也能驱动 | 5 / 秒 | 600s |
| MiniMax H3 (Reference) | Reference to Video · Multi-Shot 评分最高，混合参考出 2K | 50 | 600s |
| Gemini Omni 1.1 Flash (Reference) | Reference to Video · Multi-Shot 10 张参考图，4K，口型同步音频 | 80 | 600s |
| Wan 3.0 (Reference) | Reference to Video · Multi-Shot 最多 20 个混合素材，单段 30 秒 | 47.5 | 600s |
| HappyHorse 1.1 | Reference to Video · Multi-Shot 保住画风，不只是保住脸 | 70 | 600s |
| FLUX 3 | First-Last Frame 严格落在尾帧上 | 85 | 600s |
| OmniHuman 1.5 | Talking Head 整个人随音频表演，不只是对口型 | 16 / 秒 | 180s |
| Seedance 2.5 Talking Avatar | Talking Head 人像照片开口说你的音频，最长两分钟 | ≥ 176 | 180s |
| Sync Lipsync 3 | Talking Head 给实拍素材重新对口型，最长 5 分钟 | 13.5 / 秒 | 600s |
| InfiniteTalk (Video-to-Video) | Talking Head 重演实拍素材，头部和身体一起动 | ≥ 9 | 600s |
| InfiniteTalk (Multi) | Talking Head 一个镜头两个说话人，最长 10 分钟 | ≥ 9 | 600s |
| Sync React 1 | Talking Head 可选情绪：开心、生气、难过 | 16.7 / 秒 | 600s |
| LTX 2.3 | Talking Head 1080p，说话人可以由模型生成 | ≥ 9 | 600s |
音频
15| 模型 | 能做什么 | 积分 | 最长耗时 |
|---|---|---|---|
| Mureka V9.5 (Song) | Text to Music · Reference to Music 排名第一，唱你写的歌词 | 22.5 | 300s |
| Mureka V9.5 (BGM) | Text to Music 纯器乐垫乐，没有人声 | 22.5 | 300s |
| Lyria 3 Pro | Text to Music 用一张参考图定音乐情绪 | 8 | 300s |
| MiniMax Music Cover | Reference to Music 保留旋律，换掉风格 | 15 | 300s |
| Sonilo Video to Music | Reference to Music 配乐卡着视频的剪辑点走 | ≥ 9 | 300s |
| Mirelo SFX 1.6 | Sound Effects 拟音级音效，可无缝循环 | 10 | 300s |
| Sonilo Text to SFX | Sound Effects 一整段不间断的音效底，最长 3 分钟 | 1 | 10s |
| HunyuanVideo-Foley | Sound Effects 48 kHz 拟音，和画面严格对齐 | 5 | 300s |
| Inworld Realtime TTS-2 | Text to Speech 单人朗读最自然的一个 | 5 / 千字 | 120s |
| Gemini 3.1 Flash TTS | Text to Speech 两个具名说话人，一次生成整段对话 | ≥ 1 | 120s |
| MiniMax Speech 2.8 HD | Text to Speech 可自定义读音，指定情绪 | 10 / 千字 | 120s |
| ElevenLabs Eleven v3 | Text to Speech 每次生成可调平稳或富有表现力 | 20 / 千字 | 30s |
| MiniMax Voice Clone | Voice Cloning 克隆出的声音可在多个镜头里复用 | 10 / 千字 | 120s |
| OmniVoice | Voice Cloning 把声音克隆到 600 多种语言 | ≥ 0.5 | 120s |
| ElevenLabs Voice Changer | Voice Cloning 保留你的节奏，换成另一个声音 | 0.4 / 秒 | 120s |
工具菜单背后的模型
节点菜单的「工具」里，下面这些各跑一个产品指定的模型，计价方式同上。菜单里其他工具不跑模型：图片的裁剪、旋转这类不扣积分，视频的剪切、变速这类按用掉的算力扣。
| 工具 | 模型 | 积分 | 最长耗时 |
|---|---|---|---|
| 图像 · 去背景 | Bria Remove Background | 1.8 | 120s |
| 图像 · 放大 | Pro Upscaler | 12 | 120s |
| 图像 · 数字人 | Seedance 2.5 Talking Avatar | ≥ 176 | 180s |
| 图像 · 局部修改 | Bria GenFill | 4 | 30s |
| 图像 · 擦除 | Bria Eraser | 4 | 15s |
| 图像 · 涂鸦改图 | Seedream 4.5 Edit | 4 | 30s |
| 视频 · 放大 | SeedVR2 | 12 | 600s |
| 视频 · 补帧 | RIFE | 1 | 30s |
| 视频 · 延长 | Seedance 2.5 | 138.6 | 600s |
| 视频 · 编辑 | Wan 3.0 | 50 | 600s |
| 视频 · 动作迁移 | Kling 3.0 Pro | 50.4 | 180s |
| 视频 · 动画化 | Wan 2.2 Animate 2 | ≥ 12 | 600s |
| 音频 · 人声分离 | Vocal Remover | 0.1 / 秒 | 30s |
| 音频 · 延长 | Mirelo SFX 1.6 | 10 | 300s |
一次部署只提供它配了 API key 的模型，所以你在产品里看到的可能少于这份名单。
我们替你选的
三处由我们选模型
生成面板里的模型由你选，工具菜单跑的是上面列出的模型。这三处跑在我们设定的模型上，你的文字送到它那里，跟送到其他厂商是一样的。
- Nano Banana 2 作画前，把你的描述改写成结构化提示词
deepseek/deepseek-chat - 节点菜单里的「理解」，读这个节点上的图片、视频或声音
google/gemini-3.8-flash - 助手的回复，以及它写进记忆的摘要
deepseek/deepseek-v4-pro