1. 选模型
MeWai
  • 开始使用
    • 关于珂艾
    • 新建第一个API Key令牌
    • 5 分钟快速接入指南
    • 从 OpenAI 换到珂艾:三步迁移
    • 国内网络能不能直连珂艾网关
    • 令牌、充值、付款凭证、消费清单
    • 日志怎么看:用时、上游首包、缓存命中与计费
    • 如何提高缓存命中率:提示词结构写法指南
    • 设置钉钉飞书企微收取余额预警 系统通知
    • API Key 额度查询服务
  • 选模型
    • 【模型总览】模型排位与搭配推荐(新模型为主)
    • 【模型选择】一张表说清按任务选模型
    • 珂艾网关【视频类模型】全景使用指南
    • 珂艾网关【图像类模型】全景使用指南
    • 模型分组详细表格
    • 模型分组与价格差异
    • 厂商速查
  • 接入配置
    • 配置三要素:不管用什么工具,填的都是这三样
    • 在线调试说明
    • 发第一个请求
    • 在 Dify 里使用珂艾网关
    • 在 Cherry Studio 里使用珂艾网关
    • 在 Claude Code 里使用珂艾网关
    • 配置报错对照表:先看现象,再找原因
    • 编程工具
      • Claude Code 安装教程
      • 在 Codex 里使用珂艾网关
      • 在 Gemini CLI 里使用珂艾网关
      • 在 OpenClaw 里使用珂艾网关
      • 在 Cursor 里使用珂艾网关
      • 在 aider 里使用珂艾网关
      • 在 Cline 里使用珂艾网关
      • 在 opencode 里使用珂艾网关
    • 桌面 AI 工作台
      • 在 DeepSeek Harness 里使用珂艾网关
      • 在 WorkBuddy 桌面版里使用珂艾网关
      • 在 ZCode 里使用珂艾网关
      • 在 MiMo Desktop 里使用珂艾网关
      • 在 Hermes Agent 里使用珂艾网关
    • 工作流与平台
      • 在 n8n 里使用珂艾网关
      • n8n 图文生成视频:完整工作流示例
      • 在 Coze 里使用珂艾网关
      • 扣子工作流:从输入到获取 URL
      • 部署 chatgpt-on-wechat 微信机器人
      • 在 CNB 里使用珂艾网关
    • 聊天客户端
      • Cherry Studio 生成 2K / 4K 图片
      • Cherry Studio 设置 o 系列推理级别
      • Cherry Studio 调用 Claude MCP
      • 在 Obsidian 里使用珂艾网关
      • 在 Chatbox 里使用珂艾网关
      • 在 LobeChat 里使用珂艾网关
      • 在 NextChat 里使用珂艾网关
      • 在 Zotero 里用 GPT 读文献
      • 在 ChatGPT Sidebar 里使用珂艾网关
      • 在沉浸式翻译里使用珂艾网关
      • 部署 gpt_academic 学术优化版
      • 在 RikkaHub 里使用珂艾网关
    • SDK 与语言
      • Python 快速开始:对话、多轮、流式
      • Python 识图:在线图、本地图、Claude 视觉
      • Python 语音:转文字与文字转语音
      • Python 生成图片:文生图与图片编辑
      • Python 工具调用与框架接入
      • Python Embeddings 向量化
      • Node.js
        • nodejs 基础对话
      • PHP
        • php使用图片编辑demo
  • API 参考
    • 异步任务通用说明:视频、音乐、图片怎么拿结果
    • 通用参考
      • 各平台任务状态值对照表
      • AI返回字段: 思考相关
      • HTTP状态码及其含义
      • 自建图床API
      • 上传图片到图床
    • 系统API
      • 获取令牌列表
      • 新增令牌
      • 获取令牌支持模型
      • 获取账号信息
      • 修改令牌
      • 搜索令牌
      • 获取令牌使用情况
      • 删除令牌
      • 批量修改令牌
    • 聊天(Chat)
      • 免费AI聊天项目导航
      • ChatGPT 接口
        • ChatGPT音频(Audio)
          • GPT-4o-audio
          • 音频转文字 whisper-1
          • 音频转文字 gpt-4o-transcribe
          • 创建语音 gpt-4o-mini-tts
          • 创建翻译 (不支持)
        • ChatGPT聊天(Chat)
          • 聊天完成对象
          • 聊天完成块对象
          • 创建聊天补全 (流式)
          • 创建聊天补全 (非流)
          • 创建聊天识图 (流式)
          • 创建聊天识图 (流式) best64
          • 创建聊天识图 (非流)
          • 创建聊天创作图 (非流)
          • 官方Function calling调用
          • 官方N测试
          • 列出模型
          • 创建聊天函数调用
          • 创建结构化输出
          • 控制推理模型努力程度
          • 创建聊天补全 qwen-mt-turbo
          • 创建聊天补全 deepseek v3.1思考程度 (流式)
          • deepseek-ocr 识别
          • 创建聊天
        • ChatGPT自动补全(Completions)
          • 完成对象
          • 创建完成
        • ChatGPT嵌入(Embeddings)
          • 嵌入对象
          • 创建嵌入
        • Web 搜索
          • web搜索
          • deepseek-联网搜索
      • Anthropic Claude 接口
        • 聊天完成对象
        • 聊天完成块对象
        • 原生格式
          • 创建格式化输出
          • 联网搜索
        • 创建聊天补全 (流式)
        • 创建思考聊天
        • 创建聊天补全 (流式) [原生格式]
        • 创建函数调用 (流式) [原生格式]
        • 创建思考聊天 [原生格式]
        • PDF支持 [原生格式]
        • PDF支持 [原生格式] base64格式
        • 创建聊天补全 (非流)
        • 创建聊天识图 (流式)
        • 创建聊天识图 (非流)
      • 谷歌Gemini 接口
        • 原生格式
          • 文本生成
          • 文本生成-流
          • 文本生成+思考-流
          • 图片生成
          • 图片生成 gemini-2.5-flash-image
          • 图片生成 gemini-2.5-flash-image 控制宽高比
          • 图片生成 gemini-3-pro-image-preview 控制宽高比 +清晰度
          • 图片编辑
          • 图片理解
          • 格式化输出
          • 函数调用
          • 文档理解
          • URL context [原生格式]
          • 代码执行
          • google search
          • 视频理解
          • URL context
          • 音频理解
          • Embeddings
          • TTS 文本转语音
          • 文本生成 gemini-3-pro-preview:generateContent
          • Imagen 生成图片
          • Imagen 4 开发中
          • 视频理解-url [原生格式] 开发中
          • gemini-tts文本转语音
          • 文本嵌入
        • chat兼容格式
          • gemini图片创作接口 [chat兼容格式]
          • 聊天接口 [chat兼容格式]
          • 聊天接口-思考1 [chat兼容格式]
          • 聊天接口-思考2 [chat兼容格式]
          • 识图接口 [chat兼容格式]
          • 聊天+读取文件接口 [chat兼容格式]
          • 文本嵌入 [chat兼容格式]
    • 聊天(Responses)
      • Responses API与Chat API对比
      • 创建模型响应
      • 创建函数调用
      • 创建模型响应(流式返回)
      • 创建模型响应 (控制思考长度)
      • 创建网络搜索
      • 创建模型响应 gpt-5启用思考
      • 创建函数调用 Copy
      • gpt 上下文压缩
    • 绘画模型
      • README
      • 图像对象
      • Midjourney
        • 上传图片
        • 提交Imagine任务
        • 根据任务ID 查询任务状态
        • 根据ID列表查询任务
        • 获取任务图片的seed
        • 执行Action动作
        • 提交Blend任务
        • 提交Describe任务
        • 提交Modal
      • Ideogram
        • Generate 3.0(文生图)Generate
        • Generate 3.0(图片编辑)Edit
        • Generate 3.0(图片重制)Remix
        • Generate 3.0(图片重构)Reframe
        • Generate 3.0(替换背景) Replace Background
        • ideogram(文生图)
        • Remix(混合图)
        • Upscale(放大高清)
        • Describe(描述)
      • GPT Image-系列
        • 创建 gpt-image-1
        • 编辑 image
        • 蒙版 gpt-image-1
        • 创建 gpt-image-1.5
        • 编辑 gpt-image-1.5
        • 蒙版 gpt-image-1.5
        • 编辑 gpt-image-2
        • 创建 gpt-image-2
        • 创建 gpt-image-2-all
      • Grok Image 系列
        • 创建 Image
        • 编辑 image
      • 即梦绘画
        • 创建绘画
        • 编辑图片
      • DALL·E 3
        • 创建 DALL·E 3
      • FLUX 系列
        • gpt 兼容格式
          • 创建/编辑 image
          • Flux编辑(OpenAI dall-e-3格式)
      • 豆包系列
        • 创建图片
        • doubao-seededit-3-0-i2i-250628
        • doubao-seedream-4-0-250828-文生图
        • doubao-seedream-4-0-250828-图生图
        • doubao-seedream-4-0-250828-多图生图
        • doubao-seedream-4-5-251128 文生图(纯文本输入单图输出)
        • doubao-seedream-4-5-251128 图文生图(单图输入单图输出)
        • doubao-seedream-4-5-251128 多图融合(多图输入单图输出)
        • doubao-seedream-4-5-251128 组图输出(多图输出)
        • doubao-seedream-4-5-251128 单张图生组图
        • doubao-seedream-4-5-251128 多参考图生组图
      • 腾讯AIGC生图
        • 创建任务
        • 获取请求结果
      • 千问 Qwen-Image 系列
        • qwen-image-max
        • z-image-turbo
        • qwen-image-edit-2509
        • qwen-image-max-2025-12-30新地址
        • qwen-image-2.0-2026-03-03
      • 通义万相
        • wan2.7-image-pro
    • 视频模型
      • veo 视频生成
        • 视频统一格式
          • 创建视频
          • 创建视频,带图片
          • 查询任务
          • 创建视频(参考图)
        • OpenAI 视频格式
          • openai 创建视频,带图片
          • openai 查询任务
          • openai 下载视频
        • 3.1原生格式
          • 视频生成 veo-3.1-generate-preview
          • 查询任务
          • 视频生成 veo-3.1-fast-generate-preview
      • luma 视频生成
        • 官方API格式
          • 提交生成视频任务
          • 扩展视频
        • 查询任务
          • 查询单个任务
          • 批量获取任务
      • Runway 视频生成
        • 提交视频生成任务
        • 查询视频任务(免费)
      • 即梦 视频生成
        • 视频统一格式
          • 创建视频
          • 查询任务
        • 提交视频生成任务
        • 查询视频任务(免费)
      • 海螺 视频生成
        • 提交视频生成任务
        • 视频任务状态查询
        • 图生视频
        • 首尾帧视频
      • 豆包 视频生成
        • 创建任务
        • 查询单个任务
        • 查询视频生成任务列表-默认
        • 查询视频生成任务列表-搜索多个任务 ID
        • seedance-1-5-pro-首尾帧
        • seedance-1-5-pro
        • 创建视频生成任务 API(doubao-2.0)
        • doubao-2.0 查询视频生成任务 API
        • doubao-2.0 查询视频生成任务列表
      • sora 视频生成
        • 统一视频格式
          • 查询任务
          • 创建视频,带图片 sora-2
          • 创建视频 sora-2
          • 创建视频 sora-2-pro
          • 创建视频 (带 Character)
          • 创建视频,带图片 sora-2 Copy
        • chat格式
          • 创建视频
          • 创建视频, 带图片
          • 连续修改生成视频
        • OpenAI官方视频格式
          • openai 创建视频,带图片
          • 创建一个来自上传视频的角色
          • 使用故事板创建视频
          • openai 创建视频,带图片 私有模式
          • openai 创建视频(带Character)
          • openai 编辑视频
          • openai 下载视频
          • openai 查询任务
        • 创建角色
      • grok 视频生成
        • 视频统一格式
          • 创建视频
          • 查询任务
          • 创建视频
          • 查询任务
          • 扩展视频
        • OpenAI视频格式
          • openai 创建视频,图生,视频生视频
          • openai 创建视频,图生
          • 查询任务
        • 官方格式
          • 创建视频
          • 编辑视频
          • 查询视频
      • 通义万象 视频生成
        • 生成视频
        • 视频查询
        • happyhorse-1.0-i2v
        • happyhorse-1.1-i2v
        • happyhorse-1.0-t2v
        • happyhorse-1.1-t2v
        • happyhorse-1.0-r2v
        • happyhorse-1.1-r2v
        • happyhorse-1.0-video-edit
      • TC-Vidu视频生成
        • 视频统一格式
          • 创建视频
          • 查询任务
      • 腾讯AIGC视频生成
        • 创建任务
        • 获取请求结果
        • 特效模板创建任务
      • omni 视频生成
        • 查询结果
        • omni 视频生成
    • 文生音乐
      • 说明
      • 参数
      • Suno
        • 任务提交
          • 生成歌曲(灵感模式)
          • 生成歌曲(自定义模式)
          • 生成歌曲(纯音乐模式)
          • 生成歌曲(续写模式)
          • 生成歌曲(续写-URL直传)
          • 生成歌曲(歌手风格)
          • 生成歌曲(Cover翻版)
          • 生成歌曲(拼接歌曲)
          • 创建歌手风格(Persona)
          • 生成歌词
          • 提升音乐风格
          • 生成歌曲(局部编辑)
          • 生成歌曲(添加伴奏)
          • 生成歌曲(添加人声)
          • 生成歌曲(重制)
          • 上传参考音频
          • 生成歌曲(哼唱成曲)
          • 生成歌曲(混音)
          • 生成歌曲(启发创作)
          • 生成歌曲(音效)
          • 局部替换歌词
          • 生成歌曲(集成)
          • 上传版权歌曲
        • 查询接口
          • 查询单个任务(主用)
          • Timing:歌词、音频时间线
          • 获取wav
          • 批量获取任务
          • 我的音乐列表
          • 生成 MIDI
          • 波形图数据
          • MP4 生成状态
          • 账户积分余额
          • 获取音乐风格
        • 音频处理
          • 人声/伴奏分离(clipId)
          • 人声/伴奏分离(URL)
          • 全轨12路分离(clipId)
          • 全轨12路分离(URL)
          • 生成 MP4 视频
          • 重新生成封面图
          • 调整播放速度
          • 修改标题/封面
          • Fade 淡入淡出
          • 资源转临时地址
    • 语音模型
      • 通义万象 语音合成
        • 语音合成
        • 语音合成 Copy
    • 品牌平台
      • 可灵 Kling
        • Callback协议
        • 可灵3.0turbo
          • 文生视频
          • 图生视频
          • 查询视频
        • 文生视频
          • 文生视频
          • 查询任务(单个)
        • 图生视频
          • 图生视频
          • 查询任务(单个)
        • Omni-Video
          • Omni-Video
          • 查询任务(单个)
        • 多图参考生视频
          • 多图参考生视频
          • 查询任务(单个)
        • 多模态视频编辑
          • 初始化待编辑视频
          • 增加视频选区
          • 删减视频选区
          • 预览已选区视频
          • 多模态视频
          • 查询任务(单个)
        • 视频延长
          • 视频延长
          • 查询任务(单个)
        • 视频特效
          • 视频特效
          • 查询任务(单个)
        • 图像生成
          • 图像生成
          • 查询任务(单个)
        • 多图参考生图
          • 多图参考生图
          • 查询任务(单个)
        • Omni-Image
          • Omni-Image
          • 查询任务(单个)
        • 扩图
          • 扩图
          • 查询任务(单个)
        • 图像识别
          • 图像识别
        • 数字人
          • 数字人
          • 查询任务(单个)
        • 文生音效
          • 文生音效
          • 查询任务(单个)
        • 视频生音效
          • 视频生音效
          • 查询任务(单个)
        • 语音合成
          • 语音合成
        • 虚拟试穿
          • 虚拟试穿
          • 查询任务(单个)
        • 对口型
          • 对口型
          • 人脸识别
          • 对口型
          • 查询任务(单个)
        • 自定义音色
          • 自定义音色
          • 查询自定义音色(单个)
          • 查询官方音色
          • 删除自定义音色
        • 动作控制
          • 动作控制
          • 查询任务(单个)
        • 主体
          • 主体(旧)
          • 主体(新版本)
          • 查询自定义主体(单个新版本)
          • 查询官方主体(列表新版本)
          • 删除自定义主体(新版本)
        • 查询任务(免费)
      • 阿里 Pix
        • 生成文生视频
        • 获取视频状态
        • 生成图生视频
        • 生成视频模版
        • 首尾帧生成视频
        • 生成对口型(Lipsync)视频
        • 获取TTS 音色
        • 生成延长(Extend)视频
        • 音效生成(sound_effect)接口
        • 多主体(多参考)生成视频
        • 重绘视频生成视频
        • 主体替换(Swap) Mask 生成
        • 主体替换(Swap) 视频生成
        • 多帧(Multi-transition) 视频生成
        • 动作模仿(Mimic) 视频生成
        • 视频编辑(Modify) 生成视频
        • 上传图片
        • 上传资源(视频/音频)
        • 图片模版生成接口
        • 图片结果查询接口
      • Replicate 聚合
        • 接入教程
        • Flux 分辨率
        • 查询任务
        • 创建任务-通过模型version(predictions)
        • 创建任务 stability-ai/stable-diffusion
        • 创建任务 stability-ai/sdxl
        • 创建任务 stability-ai/stable-diffusion-inpainting
        • 创建任务 stability-ai/stable-diffusion-img2img
        • 创建任务 lucataco/flux-schnell-lora
        • 创建任务 lucataco/flux-dev-lora
        • 创建任务 andreasjansson/stable-diffusion-animation
        • 创建任务 sujaykhandekar/object-removal
        • 创建任务 cjwbw/rembg
        • 创建任务 lucataco/animate-diff
        • 创建任务 ideogram-ai/ideogram-v2-turbo
        • 创建任务 black-forest-labs/flux-kontext-dev
        • 创建任务 minimax/video-01-live
        • 创建任务 minimax/video-01
        • 创建任务 recraft-ai/recraft-v3
        • 创建任务 recraft-ai/recraft-v3-svg
        • 创建任务 black-forest-labs/flux-1.1-pro-ultra
        • 创建任务 black-forest-labs/flux-kontext-pro
        • 创建任务 black-forest-labs/flux-kontext-max
        • 创建任务 flux-kontext-apps/multi-image-kontext-max
        • 创建任务 flux-kontext-apps/multi-image-kontext-pro
        • 创建任务 lucataco/remove-bg
        • 创建任务 riffusion/riffusion
        • 创建任务 black-forest-labs/flux-fill-dev
        • 创建任务 black-forest-labs/flux-fill-pro
        • 创建任务 google/imagen-4-fast
        • 创建任务 google/imagen-4-ultra
        • 创建任务 google/imagen-4
        • 创建任务 prunaai/vace-14b
        • 创建任务 bytedance/seedream-4
      • MINIMAX
        • 创建异步语音合成任务 V2
        • 同步语音合成 V2
        • 文生图生视频生成任务
        • 上传复刻音频
        • 上传示例音频
        • 首尾帧生成视频
        • 音色快速复刻
        • 查询视频生成任务状态
        • 检索(用于视频下载,异步音频下载)
        • 文本合成
        • 查询语音生成任务状态
        • 音色设计
      • VIDU 多媒体
        • 创建文生视频任务
        • 创建图生视频任务
        • 创建图片生成任务
        • 创建文生音频任务
        • 语音合成
        • 创建参考生视频任务(主体调用)
        • 创建参考生视频任务(非主体调用)
        • 创建首尾帧生视频任务
        • 获取请求结果
      • Fal-ai 聚合
        • 接入教程
        • falai-veo3 视频生成
          • /fal-ai/veo3
          • /fal-ai/veo3/fast/image-to-video
          • /fal-ai/veo3/fast
          • /fal-ai/veo3/requests/{request_id}
          • /fal-ai/veo3/image-to-video
        • /fal-ai/nano-banana 文生图
        • /fal-ai/nano-banana/edit 图片编辑
        • 获取请求结果
        • /fal-ai/flux-1/dev
        • /fal-ai/flux-1/dev/image-to-image
        • /fal-ai/flux-1/dev/redux
        • /fal-ai/flux-1/schnell/redux
        • /fal-ai/flux-pro/kontext
        • /fal-ai/flux-pro/kontext/text-to-image
        • /fal-ai/flux-pro/kontext/max
        • /fal-ai/flux-pro/kontext/max/multi
        • /fal-ai/wan/v2.2-a14b/image-to-image
        • /fal-ai/bytedance/seedream/v4/text-to-image
        • /fal-ai/bytedance/seedream/v4/edit
        • /fal-ai/vidu/reference-to-image
        • /fal-ai/imagen4/preview
        • /fal-ai/qwen-image-edit-lora
        • /fal-ai/qwen-image-edit-plus
        • /fal-ai/kling-video/v2.5-turbo/pro/text-to-video
        • /fal-ai/kling-video/v2.5-turbo/pro/image-to-video
        • /fal-ai/flux-lora
        • /fal-ai/flux-lora/image-to-image
        • /fal-ai/flux-lora/inpainting
        • /fal-ai/kling-video/v2.5-turbo/pro/text-to-video
        • /fal-ai/qwen-image-edit-lora
      • 私域人像
        • 虚拟人像·素材组
          • ③ 查询单个素材组
          • ④ 更新素材组
          • ⑤ 删除素材组
          • ① 创建素材组
          • ② 查询素材组列表
        • 虚拟人像·素材
          • ⑦ 查询素材列表
          • ⑧ 查询素材状态
          • ⑨ 更新素材
          • ⑩ 删除素材
          • ⑥ 上传素材
        • 真人人像·认证
          • ⑪ 生成真人认证链接
          • ⑫ BytedToken 换取 GroupId
    • GPTs 相关
      • 简介
      • GPTs对话
    • Rerank 重排序模型
      • 重排序
  • 信任与支持
    • 联系客服与支持
    • 计费与对账说明
    • 服务边界与数据说明
    • 常见问题FAQ
    • 更新与公告
    • 为什么选珂艾
      • 什么是 AI API 网关(珂艾网关)?
      • 三步把现有 OpenAI 代码迁移到珂艾
      • 国内直连调用主流大模型
      • 按 token 计费怎么对账、防止爆账单
      • 怎么验证模型没有被套壳
      • 开发者 / 小团队怎么选 API 网关
  1. 选模型

珂艾网关【视频类模型】全景使用指南

珂艾网关视频模型使用指南#

一句话定位:这是珂艾网关在架视频类模型的全景使用指南——覆盖八大阵营、从生成到后期共 50 个模型 ID,回答四个问题:每个模型是什么、多少钱、怎么调、什么场景选哪个。价格与上架状态为 2026-10-23 核对,模型迭代快,实际以网关价格页实时显示为准。
整理日期:2026-10-23 | 单模型深度介绍见文末互链

一、全景速查:八大阵营一张表#

珂艾网关的视频模型按厂商分八条线。先生成、后加工是基本盘:前六条线负责「把视频生出来」,后两条线(PixVerse 工具链、可灵工具链)负责「把视频改满意」。
阵营代表模型 ID一句话定位单条时长计费标注
MiniMax(海螺)MiniMax-H3、aigc-video-hailuo全模态开源派:视频 + 原生立体声同一次推理产出最长 15 秒按秒
快手可灵 Klingkling-video-v4、kling-video、kling-omni-video、kling-3.0-turbo国内商用最成熟的一条线,4.0 原生 30 秒长镜头 + 大动态稳定3–30 秒(v4)/ 5–15 秒按次 / 按秒
生数科技 Viduviduq4-preview、viduq3-pro、viduq3-turbo、viduq2 系卷「演技」与参考控制,短剧漫剧向最长 16 秒(Q4)按秒
Google Veoveo_3_1-fast、veo_3_1、veo_3_1-components音画同步 + 首尾帧控制,4K 档在 components8 秒按次
字节豆包 Seedancedoubao-seedance-2-5-260628 等 4 个长叙事 + 50 路参考 + 原生音频,工业级最长 30 秒按量(token)
阿里万相 / HappyHorsewan3.0-video、happyhorse-1.1-*、wan2.6-i2vall-in-one 参考生成,30 秒长视频3–30 秒按秒
xAI Grok Imaginegrok-imagine-video、grok-imagine-video-1.5-preview、grok-imagine-video-1.5-lite图/文生短视频带音频;Lite 是 1.5 的蒸馏草稿档,最便宜一档1–15 秒按秒
PixVerse(爱诗)pixverse-video(C1 / V6 / V6 Max / fusion 四档)+ 9 个工具接口(模板 / 对口型 / 换脸 / 动作模仿 / 音效 / 多帧 / 重绘 / 视频编辑 / Mask)一档一价的分层生成 + 最全的后期工具链;V6 Max 专攻定稿镜头1–15 秒按秒(生成)/ 按次(工具)
📌 选型三步:先看「单条时长 + 要不要音频」筛掉一半;再看「参考控制需求」(锁角色 / 锁产品 / 锁音色)定家族;最后看价格表按分组挑单价。第六节按场景直接给组合答案。

二、各阵营介绍与特点#

2.1 MiniMax H3 —— 全模态开源派#

是什么:MiniMax 2026-07-31 发布、08-03 开源权重的全模态视频生成模型,把文本、图像、视频、音频放进同一上下文统一理解,单次生成最长 15 秒、最高 2K、24 FPS 的视频,并原生携带 32kHz 立体声——音频和视频在同一次推理中产生,不需要外挂配音。
核心优势
音画一体:对白、音效、立体声与画面同出,成片接近可直接剪辑的初剪;
全模态参考:最多 9 图 + 3 视频 + 3 音频(合计 12 个文件)锚定身份、动作、风格、音色;
支持视频编辑:对已有片段按自然语言指令修改,同级竞品普遍缺失这项;
成本优势:2K 每分钟约 7.80 美元,约为同级闭源方案的三分之一;
可本地部署:权重可下载(ComfyUI / vLLM / SGLang 均支持),数据不出内网。
劣势与注意
单条上限 15 秒,撑不起长叙事;
开源版原生只到 768p,2K 要走托管链路;
33B 稠密模型,原生推理约 80GB 显存,消费卡需多套优化且质量有折扣;
偶发随机对白 / 乱码人声,复杂物理效果和远处人脸仍是风险点;
计费项分散(生成、2K 重建、参考素材分别计费),要按「每条可用成片成本」核算。
深度实测、榜单与部署成本详见:MiniMax H3 模型介绍
网关上还有第二个入口:aigc-video-hailuo 通道同时覆盖 H3 与 H3-MAX 极速版(H3-MAX 支持文生 / 图生首尾帧,不支持中间帧与多模态参考生),分组 Aigc-Video-1,参考价约 0.09 美元/秒——想要极速版走这个,要参考生走 MiniMax-H3。

2.2 快手可灵 Kling —— 版本矩阵最全的商用线#

是什么:国内起步最早、版本迭代最完整的视频模型家族,网关上 kling- 前缀一共 14 个模型(视频相关 12 个,另有两个图像/识图模型),生成层分四个主力入口:
模型 ID定位关键规格
kling-video-v4Kling 4.0 新一代旗舰(2026-10-15 全量上线,独立 ID)单次原生 3–30 秒(1 秒步进),std(720p)/ pro(1080p),新增 21:9 超宽画幅,提示词最高 8,000 tokens,双声道音画同出 + 多语种/方言口型同步,支持传入参考视频(video_list)
kling-video主系列通道,覆盖 V3、V2.6、V2.5-Turbo、V1.6 等多个版本V3 支持 3–15 秒(std/pro/4k),旧版 5/10 秒,部分版本支持音频与音色定制
kling-omni-videoKling O1 / 3.0 Omni,多模态视觉语言(MVL)路线自然语言 + 图 / 视频 / 主体描述理解意图;3.0 Omni 支持智能分镜、主体音色控制、参考视频最长 15 秒、原生 4K
kling-3.0-turbo轻量化极速版(2026-06-17 上线 API)720p/1080p 文生 + 图生,参数互斥关系少、接入成本低,端到端延迟大幅降低,专为高频批量创作
核心优势
4.0 攻克大动态与 30 秒长镜头:kling-video-v4 在高速运动、打斗追逐、跟拍环绕等复杂运镜下保持画面连贯,单次原生直出 3–30 秒并支持 21:9 电影宽银幕,对 8,000 tokens 复杂分镜脚本的还原度极高(详见 Kling 4.0 模型介绍);
能力项最全:3.0/4.0 系列把文生、图生、参考生、视频增删修改融进原生多模态模型,支持多语种及粤语、川渝、东北等方言口音唇形同步;
音画同步重磅升级:文本与视觉角色精准映射,「想让谁说就谁说」,解决多人同框指代混乱;
版本梯度清晰:从 3.0 Turbo(批量试错)到 3.0 Omni(4K 与多模态参考)再到 4.0(30 秒大动态长镜头),按需切换;
工具链配套最完整:对口型、动作控制、视频延长、特效、多元素合成、自定义音色全部在架(见 2.8)。
劣势与注意
🔴 kling-video-v4 带参考视频时计费秒数翻倍起跳:虽然传入参考视频后每秒单价打 6 折(720p $0.0998/秒、1080p $0.1496/秒),但计费秒数 = 输出时长 + max(参考视频总时长, 输出时长),上传前务必先把参考视频剪短;且视频参考与 AI 音效不可同时开启;
kling-video 是「V1–V3 多版本合集通道」,而 Kling 4.0 是独立 ID kling-video-v4(走专属分组 Kling-3),调用时别混;
主力分组(Kling-2 / Kling-3)均为单组固定价,没有低价折扣组;
多人同框、复杂物理、长时程一致性仍是行业通病,别期待「一条过」。

2.3 生数科技 Vidu —— 卷「演技」的短剧向选手#

是什么:清华系生数科技的 Q 系列,网关上三代同堂共 6 个视频模型 ID:
模型 ID定位关键规格
viduq4-preview新一代旗舰首个预览版(2026-10-08 官方发布)最多 15 张参考图 + 3 段参考音频锁角色与音色;最高 4K / 10bit,单条最长 16 秒,声画同出;⚠️ 只支持图生与参考生,没有文生视频
viduq3-pro上代旗舰音画同出、智能镜头切换,720p/1080p
viduq3-turbo上代极速版音画同出,540p/720p/1080p
viduq2 / viduq2-turbo / viduq2-pro上上代,长尾在架文生 / 参考生 / 首尾帧,540p–1080p
核心优势
参考维度全场最多:15 图 + 3 音频分层锁定人物、服装、道具、音色,直接对准短剧 / 漫剧的连贯性痛点;
「演技」导向:人物反应有过程(听完 → 停顿 → 眼神先移 → 再转头),不是只给表情终点;
价格击穿价格带:官方首发 0.09 元/秒起,同预算最高 5 倍内容,「应抽尽抽」的试错策略第一次成立;
交付规格高:4K + 10bit,单条 16 秒。
劣势与注意
⚠️ 预览版没有文生视频:每条必须有一张源图,「一句话出片」走不通;
单条 16 秒上限,长内容需分段拼接;
情绪剧烈转折的自然度仍有提升空间(哭哭笑笑的溃堤过程还不到位);
Elo 等榜单为第三方单一口径,独立复测尚少;
Q4 预览版规格与价格都可能随正式版调整。
深度实测与媒体评价详见:Vidu Q4 Preview 模型介绍

2.4 Google Veo 3.1 —— 音画同步 + 首尾帧控制#

是什么:Google 最新一代视频模型,网关上一共三档:
模型 ID定位关键规格
veo_3_1-fast快速档,官方称「best value」8 秒片段,自动音频 + 首尾帧控制,文生视频
veo_3_1高品质档8 秒片段,自动音频 + 首尾帧控制
veo_3_1-components组件档(4K)8 秒,最多 3 张参考图输入,更快更稳更可控,4K 输出
核心优势
原生音频生成:对白、音效与画面同出,Google 口径「只有生成成功才计费」;
首尾帧控制:给起止帧补中间过程,转场类需求友好;
4K 档在架:veo_3_1-components 是网关少见的 4K 选项;
三档梯度清晰:fast 试错 → 标准出片 → components 精细控制。
劣势与注意
8 秒时长上限,长叙事必须拼接;
只有 Discounted-Gemini-2 一个分组,档位固定;
官方按秒计费、按分辨率分档(720p / 1080p / 4K 价格递增),网关展示价与官方档位的对应关系以账单明细为准;
高峰期限流与排队常见,批量要设计退避重试。

2.5 字节豆包 Seedance —— 长叙事与 50 路参考#

是什么:豆包大模型的视频系列,网关上一共四个 ID:doubao-seedance-2-5-260628(2.5)、doubao-seedance-2-0-260128(2.0)、doubao-seedance-2-0-fast-260128(2.0 极速)、doubao-seedance-2-0-mini-260615(2.0 mini 性价比档)。
核心优势(以 2.5 为准,官方与第三方口径)
单条最长 30 秒:目前单次生成时长最长的模型之一,适配短剧 / 漫剧的完整叙事;
50 路参考:30 图 + 10 视频 + 10 音频,角色 / 产品 / 场景 / 声轨跨镜头锁定;
原生音频:对白、音乐、环境声、口型同步同一次生成,省掉后期配音环节;
局部精修:可单独改人物面部、服装或场景道具,不用整段重绘;
多语言:官方定位「长叙事、强参考、准编辑、多语言」的工业级阶段。
劣势与注意
⚠️ 计费口径特殊:Seedance 家族按量(token)计费,与火山方舟官方 API 一致,价格页显示的是 token 档位参考价而非「一条视频」单价,核算务必以账单明细为准;
版权风险是家族历史问题:前代 Seedance 2.0 曾收到迪士尼、派拉蒙、Netflix 的停止侵权函,品牌商用建议过法务;
2.0 系列单条 15 秒、参考 12 路,与 2.5 差距明显,别按同一个预期选;
⚠️ 网关描述中明确提示:Seedance-1 分组不支持 480p,用 fast / mini 时注意切分辨率。

2.6 阿里万相 & HappyHorse —— all-in-one 参考生成#

是什么:阿里云百炼的两条视频线,网关上共 10 个视频模型 ID:
模型 ID定位关键规格
wan3.0-videoall-in-one 旗舰2–30 秒,480p/720p/1080p,四模态全能参考(图 / 视频 / 音频 / 文件网页),可解析 docx、ppt、pdf 与网页链接,生产级角色一致性,音画真实
happyhorse-1.1-t2v / -i2v / -r2vHappyHorse 1.1 三件套(2026-06-22 发布)3–15 秒有声视频,480p/720p/1080p,24 FPS MP4;r2v 最多 9 张参考图,皮肤质感、ID 跨片段保持、文字渲染稳定性、音画同步全面升级
happyhorse-1.0-*(t2v/i2v/r2v/video-edit)上代(2026-04 灰测)720p/1080p,3–15 秒;video-edit 支持自然语言指令编辑,最多 5 张参考图
wan2.6-i2v / wan2.5-i2v-preview上代图生视频多镜头叙事,支持自动配音与自定义音频输入
核心优势
参考形态最丰富:wan3.0 能吃文件、网页、复杂图片当参考,「给他一份产品资料让他拍广告」的流程成立;
时长覆盖最广:从 3 秒到 30 秒全段覆盖,首尾帧串联可拼长视频;
有声输出:HappyHorse 全系与 wan3.0 都带音频;
阿里云百炼官方迁移表把 Sora 2 / Veo 3.1 / Kling 3.0 / Seedance 2.0 / Runway Gen-4 的都指向这条线,国产替代语境下兼容性最好。
劣势与注意
HappyHorse 1.0 与 1.1 规格差距明显(1.0 只到 720p/1080p、无 480p),选型时注意版本号;
分组差价大:Alibaba-video-1 与 Alibaba-video-2、Alibaba-1/2/3 之间单价差最高约 1.4 倍,用之前先看价格页;
wan2.5-i2v-preview 是 preview 版,稳定性优先选 2.6 或 3.0。

2.7 xAI Grok Imagine —— 图生短视频 + 编辑#

是什么:xAI 的视频生成模型,网关上两个 ID:grok-imagine-video(正式)与 grok-imagine-video-1.5-preview(预览)。核心能力是从图 / 文提示快速生成带音频的短视频,grok-imagine-video 还带视频编辑(edit)能力。
核心优势:出片快、单价低(约 0.0386 美元/秒)、带音频、支持对生成结果做编辑;图生场景(首帧)体验最顺。
劣势与注意:1.5 仍是 preview 版;长叙事与复杂参考控制不是强项;生态工具(ComfyUI 等)支持度不如国产阵营。

2.8 视频工具链:把「能看」改成「能用」#

生成只是前半场。珂艾把各家后期工具也上齐了,按用途分五类:
用途模型 ID说明
对口型kling-advanced-lip-sync、pixverse-lipsync人脸检测 + 唇形精准对齐音频;可灵这个接口人脸检测按次、唇形同步按 5 秒单位计费
数字人kling-avatar-image2video静态人像 → 动态说话视频,std/pro 两档,按秒计费
动作迁移kling-motion-control、pixverse-mimic把参考视频的动作搬到静态角色图上;可灵单次最长 30 秒
视频延长kling-video-extend智能延续已有视频,保持视觉与风格连贯
编辑 / 替换 / 风格pixverse-modify、pixverse-swap、pixverse-restyle、pixverse-mask-selection、kling-multi-elements、kling-effects、happyhorse-1.0-video-edit局部增删改、主体替换、整体风格重绘(3D / 动漫 / 电影感)、多元素合成、136+ 特效模板(按场景 1–7 元/次)、自然语言视频编辑
转场 / 模板pixverse-multi-transition、pixverse-image-template2–7 个关键帧生成 1–30 秒风格一致的转场视频;图片模板一键出片
音频配套kling-audio、kling-custom-voices、pixverse-sound-effect文生音效 / 视频自动配音、自定义音色(可复用后续配音)、画面匹配音效与背景乐
主体资产kling-custom-elements、kling-advanced-custom-elements创建可复用的主体元素(3–8 秒),后续生成直接引用
💡 工具链是省钱关键:生成不满意时,用对口型 / 修改 / 替换补一刀,通常比整条重生成便宜一个量级。

三、计价方式与价格#

3.1 三种计费粒度,先看懂再下单#

计价货币:美元(USD)——珂艾网关账户以美元充值结算,下表单价均为美元;折算人民币按当期汇率(约 7.1)。
珂艾网关视频模型有三种计费粒度,价格页每个模型卡片上都有标注:
计费标注含义哪些家族
按秒计费按成片时长扣费MiniMax-H3、aigc-video-hailuo、Vidu 全系、可灵 3.0 Turbo / 数字人 / 动作控制、万相与 HappyHorse 全系、Grok Imagine 全系、PixVerse 生成档(C1 / V6 / V6 Max / fusion)
按次计费按每次调用扣费可灵主系列 / Omni / 延长 / 特效 / 多元素 / 对口型、Veo 全系、PixVerse 工具接口(模板 / 特效 / 音效 / 动作模仿等)
按量计费(token)与火山方舟官方 API 一致的 token 口径Seedance 全系
四条通用规则:
1.
同一个模型,不同分组单价不同——下表列出各分组的实际单价,差价最高超过 2 倍,用之前先看自己在哪个分组;
2.
分辨率经常是价格变量——万相 3.0 按 480p/720p/1080p 分档、Veo 官方按 720p/1080p/4K 分档、Vidu 全系按 540P~4K 分档,核算时按目标分辨率算,别按最低档算;
3.
预览版和特效类价格可能随场景浮动——kling-effects 按场景 1–7 元/次,viduq4-preview 是预览版规格;
4.
Vidu 系要看「每秒单价」,别看卡片头图价——价格页卡片上 Vidu 系的头图价是「一条 5 秒 540P 视频」的参考总价,展开详情才是按清晰度的每秒单价(做预算用后者,见 3.2 表)。
5.
卡片上的「按次/按秒」标注和头图价都只是摘要,展开模型的「分组价格」详情表才是权威——可灵多个模型卡片标「按次」但详情表是每秒分档价(如 kling-omni-video 实际 $0.0938~$0.1876/秒),PixVerse 生成也是按清晰度每秒计价。

3.2 主力生成模型价格表(价格页 2026-10-30 核对,单位:美元)#

模型 ID计费分组与实际单价
MiniMax-H3按秒Hailuo-2:约 $0.075/秒(768P 档;15 秒约 $1.13)
aigc-video-hailuo按秒Aigc-Video-1:768P 约 $0.09/秒、2K 约 $0.146/秒;H3-MAX 480P/768P 约 $0.056/$0.09 每秒
kling-video-v4按秒Kling-3:std(720p)无参考视频 $0.1663/秒、有参考视频 $0.0998/秒;pro(1080p)无参考视频 $0.2494/秒、有参考视频 $0.1496/秒(时长 3–30 秒;⚠️ 有参考视频时计费秒数 = 输出时长 + max(参考视频总时长, 输出时长))
kling-video按条/按秒Kling-2:v2.5-turbo/v2.6 按条(std 5 秒约 $0.2345、pro 5 秒约 $0.3908、pro 有声 5 秒约 $0.7815);v3 按秒(std 无声约 $0.0938/秒 ~ pro 有声约 $0.1876/秒)
kling-omni-video按秒Kling-2:约 $0.0938~$0.1876/秒(std/pro × 参考视频 × 音频分档;4K 档约 $0.4689/秒)⚠️ 卡片标注「按次」是误示,详情页为每秒价
kling-3.0-turbo按秒Kling-2:720P 约 $0.125/秒、1080P 约 $0.1563/秒
viduq3-pro按秒Vidu-1:540P 约 $0.0483/秒、720P 约 $0.1036/秒、1080P 约 $0.1105/秒 | Vidu-2:约 $0.0643 / $0.1379 / $0.1471 每秒
viduq3-turbo按秒Vidu-1:540P 约 $0.0276/秒、720P 约 $0.0414/秒、1080P 约 $0.0553/秒 | Vidu-2:约 $0.0368 / $0.0551 / $0.0735 每秒
viduq2 / viduq2-turbo / viduq2-pro按秒阶梯结构(第 1 秒 + 后续每秒,另有音频直出/提示词附加费),明细见价格页;头图参考价(5 秒 540P)约 $0.0345 / $0.0207 / $0.0276(Vidu-1)
veo_3_1-fast按次Discounted-Gemini-2:约 $0.1034/次
veo_3_1按次Discounted-Gemini-2:约 $0.1379/次
veo_3_1-components按次Discounted-Gemini-2:约 $0.1379/次
grok-imagine-video按秒Xai-Grok-1:约 $0.0386/秒
grok-imagine-video-1.5-preview按秒Xai-Grok-1:约 $0.0386/秒
grok-imagine-video-1.5-lite按秒Xai-Grok-1:480p 约 $0.0110/秒、720p 约 $0.0165/秒、1080p 约 $0.0772/秒;图生视频输入图另计 $0.00551/张
wan3.0-video按秒Alibaba-video-2:480p 约 $0.0438/秒、720p 约 $0.0875/秒、1080p 约 $0.175/秒
happyhorse-1.1-t2v / -i2v / -r2v按秒Alibaba-video-1:约 $0.1075/秒
happyhorse-1.0-t2v / -i2v / -r2v / -video-edit按秒Alibaba-video-1:约 $0.1075/秒 | Alibaba-video-2:约 $0.1158/秒
wan2.6-i2v / wan2.5-i2v-preview按秒Alibaba-1:约 $0.0896/秒 | Alibaba-2:约 $0.1344/秒 | Alibaba-3:约 $0.1971/秒
pixverse-video(V6 Max 档)按秒Pix-CN-1 / Pix-GL-1(同价):360p 无声 $0.0227 / 有声 $0.0340;540p $0.0340 / $0.0415;720p $0.0415 / $0.0566;1080p $0.0831 / $0.1057(每秒);仅文生与图生
pixverse-video(V6 档)按秒同上两组:360p $0.0188 / $0.0264、540p $0.0264 / $0.0339、720p $0.0339 / $0.0452、1080p $0.0679 / $0.0867(每秒);文生 / 图生 / 首尾帧 / 视频延长
pixverse-video(C1 档)按秒同上两组:360p $0.0226 / $0.0302、540p $0.0302 / $0.0377、720p $0.0377 / $0.0490、1080p $0.0716 / $0.0905(每秒);文生 / 图生 / 首尾帧 / 多主体
pixverse-video(V6 参考 fusion)按秒同上两组:360p $0.0378 / $0.0529、540p $0.0529 / $0.0680、720p $0.0680 / $0.0906、1080p $0.1359 / $0.1737(无声 / 有声,每秒);最多 2 条参考,成片对齐最长参考且不超过 15 秒
doubao-seedance-2-5-260628按量Seedance-2:约 $12.04(token 档位参考价)
doubao-seedance-2-0-260128按量Seedance-2:约 $7.88(token 档位参考价)
doubao-seedance-2-0-fast-260128按量Seedance-1:约 $4.55 | Seedance-2:约 $6.30(token 档位参考价)
doubao-seedance-2-0-mini-260615按量Seedance-1:约 $2.84 | Seedance-2:约 $3.94(token 档位参考价)
⚠️ 两个必须提醒的价格要点:
1.
viduq4-preview 按清晰度分档计价(Vidu-2 分组):540P 约 $0.2813/秒、720P 约 $0.5938/秒、1080P 约 $0.75/秒、2K 约 $1.188/秒、4K 约 $2.438/秒(一条 5 秒 540P 约 $1.41)。注意:网上流传的「官方 0.09 元/秒」是 Vidu 消费者端(网页/App)会员价(540P、约 2 积分/秒),不是 API 价;Vidu 官方 API 同档是 9 积分/秒,珂艾网关价按分组折算——两套口径不可直接对比,「比官方便宜/贵多少倍」这类说法都是口径错位。要便宜 Q4 只能走 Vidu 官网会员,走 API 就没有这个价。
2.
Seedance 全系是 token 口径,表里的 $2.84~$12.04 是 token 档位参考价,不是「一条视频」的价格。一条 5 秒 720p 视频的实际 token 花费以账单明细为准——别直接拿这个数除以时长当秒单价。

3.3 视频工具链价格表(价格页 2026-10-23 显示)#

模型 ID计费分组与实际单价
kling-avatar-image2video(数字人)按秒Kling-2:std 约 $0.0625/秒、pro 约 $0.125/秒
kling-motion-control(动作迁移)按秒Kling-2:约 $0.0781/秒
kling-advanced-lip-sync(对口型)按次Kling-2:人脸识别约 $0.0078/次,对口型约 $0.0781/5 秒
kling-video-extend(视频延长)按条Kling-2:v1 std 约 $0.1563/条、v1-5/v1-6 std 约 $0.3125/条、pro 约 $0.547/条(4~5 秒)
kling-effects(特效)按次Kling-2:约 $0.1563~$1.41/次(251 种特效独立定价,按场景浮动)
kling-multi-elements(多元素合成)按条Kling-2:v1-6 std 5 秒约 $0.4689/条、pro 5 秒约 $0.7815/条、pro 10 秒约 $1.56/条
kling-audio(音效 / 配音)按次Kling-2:文生/视频生音效约 $0.0391/次、语音合成约 $0.0078/次
kling-custom-voices(自定义音色)按次Kling-2:约 $0.0078/次
kling-custom-elements / -advanced-custom-elements(主体资产)按次Kling-2:约 $0.0016/次
pixverse-lipsync(对口型)按次Pix-CN-1 / Pix-GL-1:约 $0.0038/次起,详情页按功能分档
pixverse-mimic(动作模仿)按次Pix-CN-1 / Pix-GL-1:约 $0.0038/次起,详情页按功能分档
pixverse-modify / -swap / -restyle / -mask-selection / -multi-transition / -image-template / -sound-effect按次Pix-CN-1 / Pix-GL-1:均约 $0.0038/次起,详情页按功能分档
💡 成本核算的正确姿势:看「每条可用成片成本」而不是单价——生成费 + 参考素材费 + 失败重试 + 修图/后期才是真成本。便宜模型如果重试多,最后可能更贵。这是社区流传的实用算法,视频模型全线适用。

四、调用方式:在哪里、怎么调用#

4.1 通用机制:所有视频模型都是异步任务#

视频、音乐类接口不即时返回,全是「提交 → 轮询 → 读结果」三步。判断方法很简单:接口文档里出现 task_id,它就是异步的。
1. 提交任务(POST)→ 拿到 task_id 或 taskBatchId
2. 轮询查询(GET)→ status: pending / processing / succeed / failed
3. 终态后读 result URL 或产物列表
轮询参数建议:间隔 3–10 秒(低于 1 秒是无效请求)、总超时 10–30 分钟、批量按队列跑别一次打几十个、超时重试前先查一次已有任务避免重复扣费。各平台状态字段名不同(海螺有 failed 和 Cancelled、即梦有 error 和 FAILURE),判断用「包含匹配」别用等号。
完整状态机、错误对照与 Open/Legacy 两种格式差异:异步任务通用说明 · 各平台任务状态值对照表

4.2 各家族端点类型速查#

家族支持的端点类型(接口文档里的分类)
可灵 Kling文生视频、图生视频、多图参考生视频、omni-video、3.0turbo-文生视频 / 图生视频、Digital human(数字人)、Motion control、Lip-sync、Video extend、Video effects、Multi-element video editing、custom-elements、Custom voice、文生音效 / 视频配音 / 语音合成
ViduVidu text to video、Vidu image to video、Vidu first & last frame、Vidu reference to video
VeoOpenAI video format(OpenAI 视频格式)
SeedanceDoubao video
万相 / HappyHorseWan video generation、happyhorse 视频
MiniMaxhailuo-video
Grok Imagine官方格式、edit(视频编辑)
PixVersePix text to video、Pix image to video / video template、Pix first & last frame、Pix extend video、Pix multi-subject、Pix lip-sync、Motion imitation、Video modify、Subject swap、Restyle video、Multi-transition、Image template、Sound effect
提交用哪套路径,查询就必须用同一套;混用会报 task_not_exist 或 404。确切路径与字段名以接口文档为准。

4.3 最小可跑示例(Python)#

换家族只换三处:提交路径、model 字段、结果读取路径。例如 Vidu 图生把路径换成 Vidu 家族的 image-to-video、model 换成 viduq3-pro;Veo 走 OpenAI 视频格式端点、model 换 veo_3_1-fast。

4.4 在哪里调用:三条路径#

1.
直接调 API(最推荐):视频生成天然是异步 + 轮询,脚本 / 服务端调用最顺,上面第 4.3 节就是最小骨架。Python / Node / Go 均可,一个 HTTP 客户端就够。
2.
ComfyUI / 本地工作流:适合 MiniMax H3 这类开源权重模型——权重可下载,ComfyUI 0.30.0 起原生支持,量化版与加速方案(Lightning、SageAttention 等)齐备。想数据不出内网或有自有 GPU 的团队走这条。
3.
支持视频通道的第三方平台:部分创作平台接入了可灵 / Vidu / 万相的通道,好处是免开发、坏处是模型与参数受平台限制、且通常更贵。生产环境建议直接走网关 API。
桌面聊天客户端(Cherry Studio、Chatbox、LobeChat 等)主要面向对话与绘图,不内置视频生成,别在它们身上找视频入口。

4.5 批量生产五条军规#

1.
队列化:按「提交一批 → 统一轮询 → 落库」组织,别同步等单条;
2.
退避重试:前 3 次每 3 秒、之后每 10 秒,超过 10 分钟按失败处理并带任务 ID 找客服;
3.
幂等:超时重试前先查一次 task_id,重复提交 = 重复扣费;
4.
结果转存:产物链接通常只有几小时到几天时效,拿到就转自己的对象存储;
5.
按「可用成片」核算:把重试率和后期修补算进成本模型,再决定用哪档模型。

五、按场景的组合推荐#

原则:先用低价档试错,锁定后再上质量档;能用工具链补的,不整条重生成。 下表价格为价格页 2026-10-23 显示的实际单价。

5.1 短剧 / 漫剧 / 动画短片(角色一致性 + 对白)#

环节选择理由
主力生成viduq4-preview15 图 + 3 音频锁角色与音色,16 秒一条,参考维度全场最多;按清晰度分档计价,试拍用 540P/720P 档(见 3.2)
备选主力MiniMax-H3音画一体 + 原生立体声,15 秒;成本约为同级闭源 1/3
省钱试错档kling-3.0-turbo 或 viduq3-turbo单价约为旗舰的 1/2~1/3,先验证分镜再出精品
后期kling-advanced-lip-sync 或 pixverse-lipsync对白口型不准时补刀,不用重生成
注意:两条主力都只有 15–16 秒,长剧情必须分段拼接,注意段间一致性;Q4 预览版没有文生,每条先备图。

5.2 广告 / 电商多版本试拍#

环节选择理由
主力生成happyhorse-1.1-r2v 或 wan3.0-video9 路参考(1.1-r2v)锁产品与人物;wan3.0 能吃文件 / 网页当参考,「给份产品资料出广告」
试错档grok-imagine-video约 $0.0386/秒,全场最低档之一,图生快出
精细控制veo_3_1-components3 张参考图 + 4K 输出,最终版用它
后期pixverse-swap + pixverse-modify换产品主角、局部改元素,一条素材出多个版本

5.3 批量短视频素材(成本优先)#

环节选择理由
主力kling-3.0-turbo极速版就是为「大批量短视频素材自动化生产」设计的,参数少、延迟低
备选viduq3-turbo(Vidu-1 档约 $0.1379/秒)或 happyhorse-1.1-t2v音画同出,B-roll 与空镜性价比高
最便宜档pixverse-video(360p 约 $0.0226/秒)单价最低,适合「广撒网」式抽卡
音频kling-audio / pixverse-sound-effect生成没带音频或音效不满意时后补,按次几分钱

5.4 数字人口播 / 虚拟主讲#

环节选择理由
主力kling-avatar-image2video静态人像 → 动态说话视频,std/pro 两档,约 $0.0625/秒
配音kling-custom-voices(做一次音色)+ 各 TTS 模型音色资产化,后续口播复用
修正kling-advanced-lip-sync换配音稿后重新对口型,不用重新出片

5.5 剪辑后期(生成不满意时的补救)#

需求选择
口型对不上kling-advanced-lip-sync / pixverse-lipsync
动作不达标kling-motion-control(参考视频搬动作,单次最长 30 秒)/ pixverse-mimic
时长不够kling-video-extend
换主角 / 换元素pixverse-swap + pixverse-mask-selection / kling-multi-elements
换风格pixverse-restyle(3D / 动漫 / 电影感)/ happyhorse-1.0-video-edit(自然语言编辑)
加特效kling-effects(136+ 模板)/ pixverse-image-template
多镜头转场pixverse-multi-transition(2–7 关键帧,1–30 秒)
补音频kling-audio / pixverse-sound-effect / kling-custom-voices

5.6 长视频(30 秒级单条)#

环节选择理由
主力(高执行度分镜 / 大动态)kling-video-v4单次原生 3–30 秒 + 21:9 电影宽幅 + 8,000 tokens 严丝合缝执行分镜;按秒明码标价(720p $0.1663/秒、1080p $0.2494/秒),好核算
并列主力(自动导演 / 50 路参考)doubao-seedance-2-5-260628单次 30 秒 + 50 路参考 + 原生音频 + 局部精修,简单提示词下自主分镜更讨巧;⚠️ token 计费,先小额度试跑
备选wan3.0-video2–30 秒,首尾帧串联拼更长视频,按分辨率分档好核算
拼接方案15 秒档模型 + 首尾帧衔接H3 / Vidu Q4 / 可灵 3.0 都有首尾帧,用上一条尾帧当下一条首帧

六、推荐总结#

推荐给谁
你的情况建议
短剧 / 漫剧,要锁角色锁音色viduq4-preview(按清晰度分档核算,试拍走低档)或 MiniMax-H3
动作戏 / 跟拍环绕 / 有详细分镜的 15–30 秒长镜头kling-video-v4(先 5 秒 720p 试走位再拉满;传参考视频前先剪短)
广告电商,多版本试拍happyhorse-1.1-r2v / wan3.0-video + veo_3_1-components 出终版
批量素材,成本第一kling-3.0-turbo 起步,pixverse-video / grok-imagine-video-1.5-lite 兜底
数字人口播kling-avatar-image2video + kling-custom-voices
长视频单条 30 秒kling-video-v4(按秒好算账)或 doubao-seedance-2-5-260628(注意 token 计费)
4K 交付veo_3_1-components 或 kling-omni-video
数据不出内网 / 有自有 GPUMiniMax-H3 本地部署(ComfyUI)
纯文生视频需求⚠️ viduq4-preview 没有文生,选 kling-video-v4 / MiniMax-H3 / happyhorse-1.1-t2v
单条 30 秒以上全线没有,只能首尾帧拼接
一句话建议:视频选型先定时长和音频,再定参考控制精度,最后才看价格——而价格一定要按「分组 + 分辨率 + 每条可用成片成本」三个维度一起算。 批量上手前,先用最低档跑 10 条验证链路(提交 → 轮询 → 转存 → 后期),链路顺了再放量。

七、相关阅读#

Kling 4.0(kling-video-v4)模型介绍(30 秒原生大动态长镜头与参考视频计费详解)
PixVerse V6 Max 模型介绍(定稿镜头专用档,产品文字与多角色对白)
Grok Imagine Video 1.5 Lite 模型介绍(蒸馏低价草稿档)
MiniMax H3 模型介绍(全模态开源派深度实测)
Vidu Q4 Preview 模型介绍(「演技」导向的参考控制)
异步任务通用说明(提交 / 轮询 / 终态全流程)
各平台任务状态值对照表
按任务选模型(按任务反查选型)
近期新模型总览(文本模型排位与搭配)
配置三要素 · 配置报错对照表

八、来源#

官方 / 一方
1.
MiniMax 官方 — H3 模型说明与开源公告(2026-07-31 发布 / 08-03 开源权重)
2.
快手可灵 — 可灵视频 3.0 系列全量开放公告(3.0 与 3.0 Omni 能力矩阵、智能分镜、音画同步)
3.
快手可灵 — Kling AI API 更新公告(3.0 Turbo 上线、3.0 Omni 参考视频 15s / 4K、按时长计费策略)
4.
Google — Gemini API / Vertex AI 定价页(Veo 3.1 三档每秒价格与分辨率分档,2026-10 核对)
5.
阿里云百炼 — 视频生成与编辑文档(wan3.0-video、HappyHorse 1.0/1.1 规格与迁移对照)
6.
Vidu API 平台 — viduq4-preview 更新公告(2026-10-08)
7.
Vidu 开放平台 — 产品定价页(Q4 = 540P/720P/1080P/2K/4K 分别 9/19/24/38/78 积分每秒;Q3 系积分档与错峰半价):https://platform.vidu.cn/docs/overview/pricing
8.
火山引擎 / 字节跳动 — Seedance 2.5 发布与 4K 企业试用报道(30 秒单条、参考与编辑能力)
第三方评测与媒体
9.
Artificial Analysis — 视频 Arena(图生视频 / 文生视频 / 视频编辑榜)
10.
每日经济新闻 — 阿里发布 HappyHorse 1.1 报道(2026-06-22)
11.
metavert / aiblitzo — Seedance 2.5 规格与 token 定价口径(约每百万 tokens 10.70–11.70 美元)
网关
12.
珂艾网关 — 当前在架模型与价格页(模型 ID、分组、实际单价与计费标注以价格页实时显示为准,本文核对时间 2026-10-23)
13.
珂艾网关 — 异步任务接口文档(各家族端点类型与状态字段)
说明:各模型规格与价格为厂商自报或第三方引述(已逐条标注),预览版与 token 计费口径可能调整;榜单随时间漂移,引用时注意版本。最终以官方页面与珂艾网关价格页实时显示为准。
修改于 2026-11-02 17:01:20
上一页
【模型选择】一张表说清按任务选模型
下一页
珂艾网关【图像类模型】全景使用指南
Built with