AI 模型发现
TypeSafe
Alibaba
Black Forest Labs
ByteDance
Google
Grok
Kling
Lightricks
MiniMax
OpenAI
PixVerse
Runway
SeeAPI
Vidu
模型发布时间线
MiniMax H3 Max 16-bit Pixel
MiniMax通过文字或首帧图片生成 5–15 秒的 768P 16-bit 像素风格有声视频。
Wan 3.0 Prime
Alibaba阿里巴巴 Wan 3.0 Prime 视频生成，支持文本、图像、视频、音频、文档和网页参考。
Wan 3.0
Alibaba阿里巴巴 Wan 3.0 视频生成，支持文本、图像、视频、音频、文档和网页参考。
MiniMax H3 Max Turbo
MiniMax通过文字或图片生成 5–15 秒视频，支持 480P、768P 和 1080P。
Gemini Omni Flash 1.1
GoogleGemini Omni Flash 1.1 video generation with image, video, audio, and character references.
Seedance 2.5
ByteDance字节跳动新一代视频生成模型，增强长叙事能力，并支持最多 50 个多模态参考素材
MiniMax H3
MiniMaxMiniMax H3（海螺 03）多模态原生音频视频生成，最高支持 2K 输出。
Seedance 2.0 Mini
ByteDance字节跳动高性价比 Seedance 2.0 视频模型，生成速度更快、推理成本更低
Seedance 2.0 Fast
ByteDance快速且实惠的多模态视频，支持文本、图像、视频和音频输入，最高可达 720p
HappyHorse 1.1
AlibabaHappyHorse 1.1 支持文生视频、图生视频和参考图生视频，并提供更丰富的宽高比选项。
把文字场景整理为模型需求
按所需镜头选择文生视频 API，而非只看模型名称。先写清场景，再比较应用真正需要的控制项。
描述动作，而不只描述外观
说明主体、动作和环境；镜头指令只在服务画面时加入。检查完整片段中的形状、运动和不必要变化。
按相同交付目标比较模型
保持场景目标一致，并按各 Endpoint 文档调整请求。比较支持的时长、画幅和分辨率，再核对所选配置的 API 定价。
确认场景是否需要声音
部分视频条目支持音频生成。若交付物需要对白、环境声或音效，请查看有声视频生成分类及所选 Endpoint 的音频设置。
从场景说明到 API 请求
在构建更大的视频工作流前，先用目录筛选能力。
写出一个完整镜头
说明主体、动作、环境和构图；把必要条件与可选风格分开。
阅读所选 Endpoint
查看已发布的请求字段、输出设置和任务查询说明，并以示例为起点。
扩展前先审查
在自己的集成中运行已授权测试，保存请求设置并检查完整片段。
集成文生视频 API 前的常见问题
选择模型并准备首次请求的实用解答。
核心输入是描述动态场景的文字提示词。附加字段、默认值和限制由所选 Endpoint 决定；若以已确认图片为主要参考，请使用图生视频。