07
模型與價格
每個生成模型和工具花多少點數、最長要等多久
你能選到哪些
在生成面板裡先選模式，模型選擇器再列出這個模式能用的模型。模式名照產品介面寫英文。點數是模型預設設定下跑一次的價格：≥ 表示起步價，素材越長、文字越多越貴；/ 千字和 / 秒是單價。耗時是每個模型的上限，不是平均值。
圖像
12| 模型 | 能做什麼 | 點數 | 最長耗時 |
|---|---|---|---|
| GPT Image 2.5 Sunburst | Text to Image 保真度和提示詞遵循排名第一，最高 4K | 2.4 | 120s |
| Grok Imagine Image 2.0 | Text to Image 另一家頂級引擎，畫風自成一派 | 5 | 120s |
| Nano Banana 2 | Text to Image 生成時接入即時網路搜尋 | 6.3 | 25s |
| Recraft V4.1 Pro Vector | Text to Image 可編輯的 SVG 向量圖，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 最多參照 3 張風格圖 | 6 | 120s |
| Ideogram V3 Quality | Text to Image 圖中文字寫得好，可參照 3 張風格圖 | 9 | 120s |
| Recraft V4 Style | Text to Image 照你的風格圖畫出同樣的觀感 | ≥ 4.4 | 120s |
| GPT Image 2.5 Sunburst | Image to Image 保真度最高的改圖，13 張參考圖加 3 張風格圖 | ≥ 3.9 | 120s |
| Muse Image | Image to Image 另一種畫風，7 張參考圖加 3 張風格圖 | 1.1 | 120s |
| Nano Banana Pro Ultra | Image to Image 唯一能超過 4K 的圖像模型，最高 8K | 15 | 120s |
| Qwen Image Multiple Angles | Image to Image 按指定機位角度重拍主體 | 2.5 | 120s |
影片
24| 模型 | 能做什麼 | 點數 | 最長耗時 |
|---|---|---|---|
| Gemini Omni 1.1 Flash (Text-to-Video) | Text to Video · Multi-Shot 排名第一，帶同步音訊，最高 4K | 80 | 600s |
| Wan 3.0 (Text-to-Video) | Text to Video · Multi-Shot 一鏡到底最長 30 秒，自帶音訊 | 47.5 | 600s |
| Seedance 2.5 (Text-to-Video) | Text to Video · Multi-Shot 4K，最多參照 50 個素材 | 162 | 600s |
| MiniMax H3 (Text-to-Video) | Text to Video · Multi-Shot 無聲 2K，畫幅從 21:9 到 9:16 | 50 | 600s |
| Kling 3.0 4K | Text to Video · Multi-Shot 4K，支援反向提示詞 | 210 | 600s |
| Gemini Omni 1.1 Flash (Image-to-Video) | Image to Video · First-Last Frame · Multi-Shot 自帶音訊，最高 4K，可加尾幀 | 80 | 600s |
| MiniMax H3 (Image-to-Video) | Image to Video · First-Last Frame · Multi-Shot 同類投票第一，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，音訊可關 | 47.5 | 600s |
| Seedance 2.5 (Image-to-Video) | Image to Video · First-Last Frame · Multi-Shot 單幀出 4K，最長 30 秒 | 162 | 600s |
| Kling Video O3 4K | Image to Video · Multi-Shot 你提到的圖片在整段裡保持一致，4K | 210 | 600s |
| Wan 2.2 Animate 2 | Image Animation 讓角色跟著驅動影片動，120 秒不走樣 | ≥ 12 | 600s |
| ByteDance DreamActor V2 | Image Animation 非人類角色和多角色也能驅動 | 5 / 秒 | 600s |
| MiniMax H3 (Reference) | Reference to Video · Multi-Shot 評分最高，混合參考出 2K | 50 | 600s |
| Gemini Omni 1.1 Flash (Reference) | Reference to Video · Multi-Shot 10 張參考圖，4K，口型同步音訊 | 80 | 600s |
| Wan 3.0 (Reference) | Reference to Video · Multi-Shot 最多 20 個混合素材，單段 30 秒 | 47.5 | 600s |
| HappyHorse 1.1 | Reference to Video · Multi-Shot 保住畫風，不只是保住臉 | 70 | 600s |
| FLUX 3 | First-Last Frame 嚴格落在尾幀上 | 85 | 600s |
| OmniHuman 1.5 | Talking Head 整個人隨音訊表演，不只是對口型 | 16 / 秒 | 180s |
| Seedance 2.5 Talking Avatar | Talking Head 人像照片開口說你的音訊，最長兩分鐘 | ≥ 176 | 180s |
| Sync Lipsync 3 | Talking Head 給實拍素材重新對口型，最長 5 分鐘 | 13.5 / 秒 | 600s |
| InfiniteTalk (Video-to-Video) | Talking Head 重演實拍素材，頭部和身體一起動 | ≥ 9 | 600s |
| InfiniteTalk (Multi) | Talking Head 一個鏡頭兩個說話人，最長 10 分鐘 | ≥ 9 | 600s |
| Sync React 1 | Talking Head 可選情緒：開心、生氣、難過 | 16.7 / 秒 | 600s |
| LTX 2.3 | Talking Head 1080p，說話人可以由模型生成 | ≥ 9 | 600s |
音訊
15| 模型 | 能做什麼 | 點數 | 最長耗時 |
|---|---|---|---|
| Mureka V9.5 (Song) | Text to Music · Reference to Music 排名第一，唱你寫的歌詞 | 22.5 | 300s |
| Mureka V9.5 (BGM) | Text to Music 純器樂墊樂，沒有人聲 | 22.5 | 300s |
| Lyria 3 Pro | Text to Music 用一張參考圖定音樂情緒 | 8 | 300s |
| MiniMax Music Cover | Reference to Music 保留旋律，換掉風格 | 15 | 300s |
| Sonilo Video to Music | Reference to Music 配樂卡著影片的剪輯點走 | ≥ 9 | 300s |
| Mirelo SFX 1.6 | Sound Effects 擬音級音效，可無縫循環 | 10 | 300s |
| Sonilo Text to SFX | Sound Effects 一整段不間斷的音效底，最長 3 分鐘 | 1 | 10s |
| HunyuanVideo-Foley | Sound Effects 48 kHz 擬音，和畫面嚴格對齊 | 5 | 300s |
| Inworld Realtime TTS-2 | Text to Speech 單人朗讀最自然的一個 | 5 / 千字 | 120s |
| Gemini 3.1 Flash TTS | Text to Speech 兩個具名說話人，一次生成整段對話 | ≥ 1 | 120s |
| MiniMax Speech 2.8 HD | Text to Speech 可自訂讀音，指定情緒 | 10 / 千字 | 120s |
| ElevenLabs Eleven v3 | Text to Speech 每次生成可調平穩或富有表現力 | 20 / 千字 | 30s |
| MiniMax Voice Clone | Voice Cloning 複製出的聲音可在多個鏡頭裡重複使用 | 10 / 千字 | 120s |
| OmniVoice | Voice Cloning 把聲音複製到 600 多種語言 | ≥ 0.5 | 120s |
| ElevenLabs Voice Changer | Voice Cloning 保留你的節奏，換成另一個聲音 | 0.4 / 秒 | 120s |
工具選單背後的模型
節點選單的「工具」裡，下面這些各跑一個產品指定的模型，計價方式同上。選單裡其他工具不跑模型：圖片的裁切、旋轉這類不扣點數，影片的剪切、變速這類按用掉的算力扣。
| 工具 | 模型 | 點數 | 最長耗時 |
|---|---|---|---|
| 圖像 · 去背景 | Bria Remove Background | 1.8 | 120s |
| 圖像 · 放大 | Pro Upscaler | 12 | 120s |
| 圖像 · 數位人 | Seedance 2.5 Talking Avatar | ≥ 176 | 180s |
| 圖像 · 局部修改 | Bria GenFill | 4 | 30s |
| 圖像 · 擦除 | Bria Eraser | 4 | 15s |
| 圖像 · 塗鴉改圖 | Seedream 4.5 Edit | 4 | 30s |
| 影片 · 放大 | SeedVR2 | 12 | 600s |
| 影片 · 補幀 | RIFE | 1 | 30s |
| 影片 · 延長 | Seedance 2.5 | 138.6 | 600s |
| 影片 · 編輯 | Wan 3.0 | 50 | 600s |
| 影片 · 動作遷移 | Kling 3.0 Pro | 50.4 | 180s |
| 影片 · 動畫化 | Wan 2.2 Animate 2 | ≥ 12 | 600s |
| 音訊 · 人聲分離 | Vocal Remover | 0.1 / 秒 | 30s |
| 音訊 · 延長 | Mirelo SFX 1.6 | 10 | 300s |
一次部署只提供它設了 API key 的模型，所以你在產品裡看到的可能少於這份名單。
我們替你選的
三處由我們選模型
生成面板裡的模型由你選，工具選單跑的是上面列出的模型。這三處跑在我們設定的模型上，你的文字送到它那裡，跟送到其他廠商是一樣的。
- Nano Banana 2 作畫前，把你的描述改寫成結構化提示詞
deepseek/deepseek-chat - 節點選單裡的「理解」，讀這個節點上的圖片、影片或聲音
google/gemini-3.8-flash - 助手的回覆，以及它寫進記憶的摘要
deepseek/deepseek-v4-pro