需要写提示词吗？

不需要。只需提供一张图片 URL，模型会自动分离前景和背景。

输出是真正透明的图片吗？

输出为带 Alpha 通道的 PNG。页面棋盘格用于展示透明区域，不会被写进下载的原始结果。

API 需要传哪些参数？

提交 model 和 input.image_url。图片地址需能通过 HTTP 或 HTTPS 直接访问。

可以调整画幅、颜色或生成新背景吗？

当前接口专注于去背景，不提供画幅、背景颜色或提示词设置。可以把透明结果交给后续编辑工具继续处理。

图片生成后怎样保存？

在任务成功后下载结果，或转存到自己的存储。页面展示素材与任务临时产物的保留方式不同。

蒙版是一张黑白图：白色区域会被擦除并补全背景，黑色区域保持不变。白色范围最好比物体边缘略大一圈，这样阴影和边缘残留也能一起去掉。

蒙版必须和原图一样大吗？

蒙版的宽高比必须和原图一致，建议直接按原图尺寸导出，避免擦除位置偏移。

需要写提示词吗？

不需要。Bria Eraser 只根据原图和蒙版工作，请求里不能带 prompt 字段。

mask_type 选 manual 还是 automatic？

用画笔或修图软件手工涂出来的蒙版选 manual（默认）；由分割工具自动生成的蒙版选 automatic。

原图带透明背景时会怎样？

开启 preserve_alpha 后，输入图的透明区域在结果中保持透明；默认关闭。

输出是什么格式和尺寸？

每次输出 1 张 PNG，分辨率与原图相同（实测输入 1360 × 768，输出也是 1360 × 768）。PNG 为 RGBA 格式，未开启保留透明时画面完全不透明。

支持哪些输入格式？

原图支持 JPEG、PNG、WEBP。原图和蒙版都需要是可公开访问的 http(s) 地址；在 Playground 里上传文件会自动转成链接。

按输出图片张数计费，每次请求 1 张；当前单价以页面实时价格为准。

场景描述和场景参考图能一起用吗？

不能，二选一。写英文场景描述（prompt）时不要传参考图；按参考图生成时不要写描述。Playground 里切换方式会自动清空另一种的内容。

场景描述要用英文吗？

是。prompt 请用英文描述新场景或背景，最多 1000 个字符；Playground 检测到中文会提示改写。

优化描述是什么？

开启后会自动扩写你的场景描述，默认开启；只在场景描述模式下生效，参考图模式下不会发送。

商品摆放有哪几种方式？

预设位置（manual_placement，默认；场景描述或参考图均可）会把商品放在画布的指定位置，默认底部居中，方图输入实测输出 1024×1024；保持原位（original）沿用商品在原图中的位置和比例。

保持原图尺寸什么时候能用？

只在「保持原位」时可用：开启后按原图尺寸输出，关闭时缩放到约 100 万像素。预设位置模式下不发送这个参数。

输出是什么格式和尺寸？

每次输出 1 张 PNG。预设位置（场景描述或参考图均可）方图输入实测输出 1024 × 1024；保持原位并开启保持原图尺寸时沿用原图尺寸（实测输入 1168 × 880，输出也是 1168 × 880）。

快速模式和标准模式有什么区别？

快速模式（默认开启）出图更快；关闭后使用标准模式。两种模式价格相同。

商品图有什么要求？

支持 JPEG、PNG、WEBP，最大 12 MB，需要是可公开访问的 http(s) 地址；主体清晰、边缘完整的商品图效果更好。

按输出图片张数计费，每次请求 1 张；当前单价以页面实时价格为准。

Creatify Boreal 支持哪些输入？

提示词必填；可选一张参考图和一段驱动音频，可以只用提示词，也可以三者一起用。

提示词怎么写效果最好？

按 [VISUAL]（画面与镜头）、[SPEECH]（台词）、[SOUNDS]（音效与音乐）、[TEXT]（屏幕文字）四段来写，不需要的段落写 None。

支持中文提示词吗？

目前英文提示词效果最稳定，其他语言的效果没有保证，建议先用英文。

视频最长多久？

1–20 秒，按整数秒设置，默认 10 秒。

支持哪些分辨率？

720p、1080p 和 2K，默认 720p。2K 在 16:9 和 9:16 下长边为 2016 像素，1:1、4:3、3:4 为 1440p 档。

画面比例怎么选？

可选自动、16:9、9:16、1:1、4:3、3:4。自动在有参考图时跟随参考图比例，没有参考图时为 16:9；有参考图又指定比例时会从中心裁切参考图。

驱动音频怎么用？

上传旁白、对白或配乐后，成片保留这段音频；只使用前「时长」秒，音频不够长会补静音。

参考图有什么作用？

参考图决定人物长相、服装和构图，适合把产品图或人物照片做成视频。

输出是什么格式？

MP4（H.264 视频 + AAC 音频，24fps），自带配音和音效。

视频里有水印吗？

只有不可见水印。所有视频都带 C2PA 元数据和不可见水印，画面上不会叠加可见标识。

按请求的时长和所选分辨率计费，单价见本页实时价格；失败任务全额退回。

如何通过 API 调用？

向 POST /v1/tasks 提交 model 为 creatify-boreal 的任务，再轮询任务状态获取视频地址，详见 API 文档。

官方模型名称和 HiAPI 模型 ID 有什么区别？

DeepSeek 官方模型名称是 deepseek-flash；HiAPI 为这次公开接入保留的模型 ID 是 deepseek-v4.1-flash。请求和页面示例请继续使用 deepseek-v4.1-flash。

什么是 DeepSeek V4.1 Flash？

DeepSeek V4.1 Flash 是支持文本与图片输入的正式版模型。根据 DeepSeek 官方资料，它支持 1M Token 上下文、最高 384K Token 输出，以及 none、low、high、max 四档思考强度，默认 high。

使用哪个模型 ID 和接口？

model 填写 deepseek-v4.1-flash。可使用 POST /v1/responses，也兼容 POST /v1/chat/completions；两者分别使用 input 和 messages，请勿混用请求结构。

如何开启或关闭思考模式？

Responses 请求使用 reasoning.effort：none 关闭思考，low、high 和 max 开启思考，默认 high。Chat Completions 使用 thinking.type=enabled/disabled；开启时通过 reasoning_effort 选择 low、high 或 max。

Responses 如何进行多轮对话？

此接口为无状态接口。每次在 input 中重新传入需要保留的对话历史；不要传 previous_response_id、conversation、background 或 context_management，也无需传 store。

流式响应如何判断结束？

Responses 使用 response.output_text.delta 接收正文增量，并在 response.completed 中读取最终 usage；response.incomplete 和 response.failed 分别表示未完整生成和失败。Responses 不以 [DONE] 结束；Chat Completions 流仍使用 [DONE]。

Token 与思考内容如何计费？

输入、输出和缓存命中输入分别按实际 Token 计费，思考 Token 计入输出。Responses 的 usage.input_tokens、usage.output_tokens 和 input_tokens_details.cached_tokens 可用于核对用量，最终扣费以调用日志为准，单价查看实时价格区。

图片、工具调用和结构化 JSON 都开放了吗？

DeepSeek 官方资料支持图片 URL 和 base64 图片输入，HiAPI 运行时已验证这两种输入。工具调用及结构化 JSON 尚未完成本次接入验证，暂不作支持承诺。

现有 HiAPI API Key 可以继续使用吗？

可以复用有对应模型权限和可用余额的 HiAPI API Key。使用 OpenAI SDK 时，将 base_url 配置为 https://api.hiapi.ai/v1；Responses 使用 client.responses.create，Chat Completions 使用 client.chat.completions.create。

Turbo 2.5 是什么？

ElevenLabs 低延迟文本转语音模型，适合语音助手、通知播报和大批量配音。

向 POST /v1/tasks 传入 model（elevenlabs/text-to-speech-turbo-2-5）和 input，再用 taskId 查询结果或配置 callback。

按 input.text 的字符数、每 1,000 字符计费；实时单价以本页价格区为准。

previous_text 和 next_text 收费吗？

不收费。它们只为分段合成提供上下文，让语调衔接自然。

中文字符怎么计算？

每个汉字、字母、数字、标点或空格都计 1 个字符，中文不翻倍。

单次最多多少文字？

5,000 字符。超过上限会在提交时被拒绝，不扣费；长内容请拆段提交。

67 个 ElevenLabs 预置音色，涵盖旁白、主持、角色和客服；用 voice 传 voice_id。

能指定输出语言吗？

可以。用两位 ISO 639-1 代码设置 language_code（如 zh、en、ja），省略则自动检测。

常见问题

关于计费、账号、API 接入、模型能力与持久化产物的快速解答。

分类 1050

分类

需要写提示词吗？

不需要。只需提供一张图片 URL，模型会自动分离前景和背景。

模型与能力 851 Labs Background Remover
输出是真正透明的图片吗？

输出为带 Alpha 通道的 PNG。页面棋盘格用于展示透明区域，不会被写进下载的原始结果。

模型与能力 851 Labs Background Remover
API 需要传哪些参数？

提交 model 和 input.image_url。图片地址需能通过 HTTP 或 HTTPS 直接访问。

模型与能力 851 Labs Background Remover
可以调整画幅、颜色或生成新背景吗？

当前接口专注于去背景，不提供画幅、背景颜色或提示词设置。可以把透明结果交给后续编辑工具继续处理。

模型与能力 851 Labs Background Remover
图片生成后怎样保存？

在任务成功后下载结果，或转存到自己的存储。页面展示素材与任务临时产物的保留方式不同。

模型与能力 851 Labs Background Remover
蒙版怎么画？

蒙版是一张黑白图：白色区域会被擦除并补全背景，黑色区域保持不变。白色范围最好比物体边缘略大一圈，这样阴影和边缘残留也能一起去掉。

模型与能力 BRIA Eraser
蒙版必须和原图一样大吗？

蒙版的宽高比必须和原图一致，建议直接按原图尺寸导出，避免擦除位置偏移。

模型与能力 BRIA Eraser
需要写提示词吗？

不需要。Bria Eraser 只根据原图和蒙版工作，请求里不能带 prompt 字段。

模型与能力 BRIA Eraser
mask_type 选 manual 还是 automatic？

用画笔或修图软件手工涂出来的蒙版选 manual（默认）；由分割工具自动生成的蒙版选 automatic。

模型与能力 BRIA Eraser
原图带透明背景时会怎样？

开启 preserve_alpha 后，输入图的透明区域在结果中保持透明；默认关闭。

模型与能力 BRIA Eraser
输出是什么格式和尺寸？

每次输出 1 张 PNG，分辨率与原图相同（实测输入 1360 × 768，输出也是 1360 × 768）。PNG 为 RGBA 格式，未开启保留透明时画面完全不透明。

模型与能力 BRIA Eraser
支持哪些输入格式？

原图支持 JPEG、PNG、WEBP。原图和蒙版都需要是可公开访问的 http(s) 地址；在 Playground 里上传文件会自动转成链接。

模型与能力 BRIA Eraser
怎么计费？

按输出图片张数计费，每次请求 1 张；当前单价以页面实时价格为准。

模型与能力 BRIA Eraser
场景描述和场景参考图能一起用吗？

不能，二选一。写英文场景描述（prompt）时不要传参考图；按参考图生成时不要写描述。Playground 里切换方式会自动清空另一种的内容。

模型与能力 BRIA Product Shot
场景描述要用英文吗？

是。prompt 请用英文描述新场景或背景，最多 1000 个字符；Playground 检测到中文会提示改写。

模型与能力 BRIA Product Shot
优化描述是什么？

开启后会自动扩写你的场景描述，默认开启；只在场景描述模式下生效，参考图模式下不会发送。

模型与能力 BRIA Product Shot
商品摆放有哪几种方式？

预设位置（manual_placement，默认；场景描述或参考图均可）会把商品放在画布的指定位置，默认底部居中，方图输入实测输出 1024×1024；保持原位（original）沿用商品在原图中的位置和比例。

模型与能力 BRIA Product Shot
保持原图尺寸什么时候能用？

只在「保持原位」时可用：开启后按原图尺寸输出，关闭时缩放到约 100 万像素。预设位置模式下不发送这个参数。

模型与能力 BRIA Product Shot
输出是什么格式和尺寸？

每次输出 1 张 PNG。预设位置（场景描述或参考图均可）方图输入实测输出 1024 × 1024；保持原位并开启保持原图尺寸时沿用原图尺寸（实测输入 1168 × 880，输出也是 1168 × 880）。

模型与能力 BRIA Product Shot
快速模式和标准模式有什么区别？

快速模式（默认开启）出图更快；关闭后使用标准模式。两种模式价格相同。

模型与能力 BRIA Product Shot
商品图有什么要求？

支持 JPEG、PNG、WEBP，最大 12 MB，需要是可公开访问的 http(s) 地址；主体清晰、边缘完整的商品图效果更好。

模型与能力 BRIA Product Shot
怎么计费？

按输出图片张数计费，每次请求 1 张；当前单价以页面实时价格为准。

模型与能力 BRIA Product Shot
Creatify Boreal 支持哪些输入？

提示词必填；可选一张参考图和一段驱动音频，可以只用提示词，也可以三者一起用。

模型与能力 Creatify Boreal
提示词怎么写效果最好？

按 [VISUAL]（画面与镜头）、[SPEECH]（台词）、[SOUNDS]（音效与音乐）、[TEXT]（屏幕文字）四段来写，不需要的段落写 None。

模型与能力 Creatify Boreal
支持中文提示词吗？

目前英文提示词效果最稳定，其他语言的效果没有保证，建议先用英文。

模型与能力 Creatify Boreal
视频最长多久？

1–20 秒，按整数秒设置，默认 10 秒。

模型与能力 Creatify Boreal
支持哪些分辨率？

720p、1080p 和 2K，默认 720p。2K 在 16:9 和 9:16 下长边为 2016 像素，1:1、4:3、3:4 为 1440p 档。

模型与能力 Creatify Boreal
画面比例怎么选？

可选自动、16:9、9:16、1:1、4:3、3:4。自动在有参考图时跟随参考图比例，没有参考图时为 16:9；有参考图又指定比例时会从中心裁切参考图。

模型与能力 Creatify Boreal
驱动音频怎么用？

上传旁白、对白或配乐后，成片保留这段音频；只使用前「时长」秒，音频不够长会补静音。

模型与能力 Creatify Boreal
参考图有什么作用？

参考图决定人物长相、服装和构图，适合把产品图或人物照片做成视频。

模型与能力 Creatify Boreal
输出是什么格式？

MP4（H.264 视频 + AAC 音频，24fps），自带配音和音效。

模型与能力 Creatify Boreal
视频里有水印吗？

只有不可见水印。所有视频都带 C2PA 元数据和不可见水印，画面上不会叠加可见标识。

模型与能力 Creatify Boreal
如何计费？

按请求的时长和所选分辨率计费，单价见本页实时价格；失败任务全额退回。

模型与能力 Creatify Boreal
如何通过 API 调用？

向 POST /v1/tasks 提交 model 为 creatify-boreal 的任务，再轮询任务状态获取视频地址，详见 API 文档。

模型与能力 Creatify Boreal
官方模型名称和 HiAPI 模型 ID 有什么区别？

DeepSeek 官方模型名称是 deepseek-flash；HiAPI 为这次公开接入保留的模型 ID 是 deepseek-v4.1-flash。请求和页面示例请继续使用 deepseek-v4.1-flash。

模型与能力
什么是 DeepSeek V4.1 Flash？

DeepSeek V4.1 Flash 是支持文本与图片输入的正式版模型。根据 DeepSeek 官方资料，它支持 1M Token 上下文、最高 384K Token 输出，以及 none、low、high、max 四档思考强度，默认 high。

模型与能力
使用哪个模型 ID 和接口？

model 填写 deepseek-v4.1-flash。可使用 POST /v1/responses，也兼容 POST /v1/chat/completions；两者分别使用 input 和 messages，请勿混用请求结构。

模型与能力
如何开启或关闭思考模式？

Responses 请求使用 reasoning.effort：none 关闭思考，low、high 和 max 开启思考，默认 high。Chat Completions 使用 thinking.type=enabled/disabled；开启时通过 reasoning_effort 选择 low、high 或 max。

模型与能力
Responses 如何进行多轮对话？

此接口为无状态接口。每次在 input 中重新传入需要保留的对话历史；不要传 previous_response_id、conversation、background 或 context_management，也无需传 store。

模型与能力
流式响应如何判断结束？

Responses 使用 response.output_text.delta 接收正文增量，并在 response.completed 中读取最终 usage；response.incomplete 和 response.failed 分别表示未完整生成和失败。Responses 不以 [DONE] 结束；Chat Completions 流仍使用 [DONE]。

模型与能力
Token 与思考内容如何计费？

输入、输出和缓存命中输入分别按实际 Token 计费，思考 Token 计入输出。Responses 的 usage.input_tokens、usage.output_tokens 和 input_tokens_details.cached_tokens 可用于核对用量，最终扣费以调用日志为准，单价查看实时价格区。

模型与能力
图片、工具调用和结构化 JSON 都开放了吗？

DeepSeek 官方资料支持图片 URL 和 base64 图片输入，HiAPI 运行时已验证这两种输入。工具调用及结构化 JSON 尚未完成本次接入验证，暂不作支持承诺。

模型与能力
现有 HiAPI API Key 可以继续使用吗？

可以复用有对应模型权限和可用余额的 HiAPI API Key。使用 OpenAI SDK 时，将 base_url 配置为 https://api.hiapi.ai/v1；Responses 使用 client.responses.create，Chat Completions 使用 client.chat.completions.create。

模型与能力
Turbo 2.5 是什么？

ElevenLabs 低延迟文本转语音模型，适合语音助手、通知播报和大批量配音。

模型与能力 ElevenLabs
如何调用？

向 POST /v1/tasks 传入 model（elevenlabs/text-to-speech-turbo-2-5）和 input，再用 taskId 查询结果或配置 callback。

模型与能力 ElevenLabs
如何计费？

按 input.text 的字符数、每 1,000 字符计费；实时单价以本页价格区为准。

模型与能力 ElevenLabs
previous_text 和 next_text 收费吗？

不收费。它们只为分段合成提供上下文，让语调衔接自然。

模型与能力 ElevenLabs
中文字符怎么计算？

每个汉字、字母、数字、标点或空格都计 1 个字符，中文不翻倍。

模型与能力 ElevenLabs
单次最多多少文字？

5,000 字符。超过上限会在提交时被拒绝，不扣费；长内容请拆段提交。

模型与能力 ElevenLabs
有哪些音色？

67 个 ElevenLabs 预置音色，涵盖旁白、主持、角色和客服；用 voice 传 voice_id。

模型与能力 ElevenLabs
能指定输出语言吗？

可以。用两位 ISO 639-1 代码设置 language_code（如 zh、en、ja），省略则自动检测。

模型与能力 ElevenLabs
stability、similarity_boost、style 怎么调？

stability 越低越生动、越高越平稳；similarity_boost 控制贴合音色程度；style 增强戏剧感，中性播报保持 0。

模型与能力 ElevenLabs
支持字幕时间戳吗？

支持。设置 timestamps=true 返回逐词时间戳，可用于字幕和逐字高亮。

模型与能力 ElevenLabs
Turbo 2.5 和 Multilingual v2 怎么选？

追求速度与成本选 Turbo 2.5（支持 language_code）；追求长内容质量与情绪稳定选 Multilingual v2。两者音色库相同。

模型与能力 ElevenLabs
支持声音克隆吗？

当前契约只开放预置音色，不支持声音克隆或自定义 voice ID。

模型与能力 ElevenLabs
任务失败会扣费吗？

失败终态不计费；提交时预扣的积分会自动退回。

模型与能力 ElevenLabs
Multilingual v2 是什么？

ElevenLabs 高质量多语种文本转语音模型，适合有声书、旁白和品牌配音。

模型与能力 ElevenLabs
FASHN Try-On v1.6 是什么？

它是一个专门的虚拟试穿模型。上传一张人物照片和一张服装图，模型会把服装穿到人物身上，输出一张竖版试穿图；不需要提示词，也不接收文字描述。输出适合直接进入商品详情页、社媒素材或投放预览。

模型与能力 FASHN Tryon v1.6
需要写提示词吗？

不需要。它只接收人物照片和服装图，试穿效果由两张图片和可选的类别、模式、服装图类型参数决定。请求里不要额外带 prompt 字段，后端会按未知字段拒绝。

模型与能力 FASHN Tryon v1.6
必须同时上传两张图吗？

是的。人物照片和服装图都是必填；缺少任意一张，Playground 和 API 都会在提交前拦下。上传两张图后运行按钮才会启用，API 会返回参数校验错误。

模型与能力 FASHN Tryon v1.6
支持哪些服装类别？

支持上装（tops）、下装（bottoms）和连体装（one-pieces），也可以选择自动识别。类别不确定时先用自动；识别不准时再明确指定。混合品类目录建议按类别分组提交，减少自动识别带来的偏差。

模型与能力 FASHN Tryon v1.6
mode 怎么选？

performance 更快，适合批量预览；balanced 在速度和质量之间平衡；quality 更慢，适合最终出图。可以先用 balanced 确认构图，再用 quality 输出最终版本。模式不会改变人物图的构图，但会影响服装边缘、褶皱和图案的细化程度。

模型与能力 FASHN Tryon v1.6
平铺图、挂拍图和模特图要分别设置吗？

可以用 garment_photo_type 指定 model 或 flat-lay，也可以交给自动识别。平铺、挂拍、幽灵模特和真人模特穿着的商品图都支持；知道类型时明确设置通常更稳定。平铺和挂拍都算 flat-lay，真人模特穿着图选 model，背景复杂时自动识别可能判断错。

模型与能力 FASHN Tryon v1.6
输出是什么尺寸和格式？

每次返回一张竖版图片，尺寸随人物图比例变化。本次实测：3:4 人物图输出 972 × 1296，2:3 人物图输出 768 × 1152。默认 PNG，也可以选择 JPEG；不要假设所有结果都是同一个像素尺寸。做商品详情页时先按人物图画幅排版，拿到实际输出后再微调；需要统一尺寸时，生成后裁切或缩放。

模型与能力 FASHN Tryon v1.6
为什么同样的输入结果会变化？

生成带有随机性。传入固定的 seed 可以复现同一结果；换一个 seed 会得到不同版本。模式切换也会改变服装边缘和纹理的细化程度；固定 seed 不能保证跨模式完全一致，换模式后建议重新确认细节。

模型与能力 FASHN Tryon v1.6
服装细节会和原图完全一致吗？

不会逐像素复制。模型会保留版型、颜色和主要图案，但领口、褶皱、纽扣等细节可能随人物姿势、类别和模式变化。重要商品图建议用 quality 模式并人工复核。人物照片建议正面、单人、身体清晰可见；多人合影或严重遮挡会降低贴合效果。对领口、纽扣或图案位置要求严格的商品图，建议换一张更清晰、遮挡更少的服装图。

模型与能力 FASHN Tryon v1.6
FIBO Edit 1.5 能做哪些编辑？

改颜色、换背景、换季节或风格、局部替换，以及把多张图合成到一起，例如服装试穿或商品换场景。

模型与能力
最多能传几张图？

image_urls 支持 1–4 张公开图片 URL。顺序有意义：指令里的“图 1、图 2”按上传顺序对应。

模型与能力
aspect_ratio 什么时候生效？

只在 2 张及以上图片时生效，可选 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9；不填时跟随第一张图。只有 1 张图时输出保持原图比例。

模型与能力
蒙版怎么用？

mask_url 传一张与原图尺寸一致的黑白图：白色为要修改的区域，黑色保持不变。

模型与能力
多张图和蒙版能一起用吗？

不能。带 mask_url 时 image_urls 只能有 1 张，否则请求会被拒绝；做多图合成时请不要传蒙版。

模型与能力
指令怎么写效果更好？

写清要改什么、改成什么，以及哪些要保持不变，例如“只把外套改成深绿色，其他保持不变”。多图时用“图 1、图 2”指代。

模型与能力
输出是什么格式？

每次返回 1 张 PNG 图片。

模型与能力
为什么同样的输入结果一样？

seed 默认是 5555，相同输入会得到相同结果；换一个 seed 可以得到不同版本。

模型与能力
没有原图时用哪个模型？

先用 FIBO Gen 1.5 文生图生成，再交给 FIBO Edit 1.5 修改。

模型与能力
图片需要满足什么条件？

需要是可公开访问的 http(s) 图片地址；在 Playground 里也可以直接上传。

模型与能力
任务是同步还是异步？

异步。提交后立即返回 taskId，再查询任务状态或使用回调获取结果。

模型与能力
怎么计费？

按输出图片张数计费，每次请求 1 张，参考图数量和蒙版不影响价格。当前单价见页面上方和价格页。

模型与能力
FIBO Gen 1.5 适合做什么？

适合写实产品图、人像、美食、建筑，以及带文字的招牌、包装等需要真实质感的图片。

模型与能力
支持哪些画面比例？

aspect_ratio 可选 1:1（默认）、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9。

模型与能力
输出多大？

每次返回 1 张约 100 万像素的 PNG 图片，具体宽高随比例变化，例如 1:1 为 1024 × 1024。

模型与能力
可以输出更高分辨率吗？

目前只提供约 100 万像素这一档。需要更大的图片时，可以把结果交给图片放大模型处理。

模型与能力
为什么同一句描述每次结果都一样？

seed 默认是 5555，相同的 seed 和描述会得到相同图片。想要不同结果，换一个 seed 即可。

模型与能力
画面文字准确吗？

把要出现的文字放在引号里，模型会尽量逐字呈现；短的招牌和标签文字效果最好。

模型与能力
一次能生成几张？

每次请求生成 1 张；需要多张时可以提交多个任务，或换 seed 多次调用。

模型与能力
需要上传参考图吗？

不需要。这是文生图模型；需要在已有图片上修改时，请使用 FIBO Edit 1.5。

模型与能力
提示词有长度限制吗？

prompt 为 1–10000 个字符。

模型与能力
生成后还能继续修改吗？

可以。把输出图片 URL 传给 fibo-edit-1.5/image-to-image，用一句指令改局部、换背景或换颜色。

模型与能力
怎么计费？

按输出图片张数计费，每次请求 1 张。当前单价见页面上方和价格页。

模型与能力
什么是 FLUX.1 Fill Pro？

FLUX.1 Fill Pro 是面向蒙版局部重绘的图像编辑模型：上传原图、同尺寸黑白蒙版和提示词，只重绘白色区域，黑色区域保持不变。

模型与能力 FLUX.1 Fill Pro
蒙版的黑白分别代表什么？

黑色区域保留原图，白色区域由提示词重绘；蒙版必须与原图尺寸一致。

模型与能力 FLUX.1 Fill Pro
image 和 mask 都必须上传吗？

是。当前公开接口要求同时提供原图和黑白蒙版，缺一不可。

模型与能力 FLUX.1 Fill Pro
提示词应该写什么？

只描述蒙版白色区域里要出现的新内容，并说明必须保留的元素；不要重复描述蒙版外的画面。

模型与能力 FLUX.1 Fill Pro
steps 和 guidance 怎么选？

steps 范围 15–50，默认 50，数值越高细节越精细；guidance 范围 1.5–100，默认 60，数值越高越贴近提示词。

模型与能力 FLUX.1 Fill Pro
输出尺寸会跟随原图吗？

输出保持原图宽高比；实际像素以任务结果为准，本次 1600×900 原图得到 1440×810 结果。

模型与能力 FLUX.1 Fill Pro
支持哪些输入和输出格式？

原图和蒙版支持 JPEG、PNG、GIF、WebP；输出可选 jpg 或 png。

模型与能力 FLUX.1 Fill Pro
如何让结果更稳定？

固定 seed，并使用相同的原图、蒙版和提示词；调整 steps 或 guidance 可以改变细节和贴合度。

模型与能力 FLUX.1 Fill Pro
怎么计费？

按输出图片张数计费，每次请求返回 1 张；当前单价以本页实时价格为准。

模型与能力 FLUX.1 Fill Pro
FLUX.2 [klein] 4B 适合哪些任务？

适合批量草稿、商品概念、社交媒体素材和成本敏感的视觉迭代。需要更强写实、文字和细节时可改用 9B。

模型与能力 FLUX.2 Klein 4B
0.25 MP 到 4 MP 如何选择？

草稿和缩略图可先用 0.25 或 0.5 MP；常规网页素材使用 1 MP；需要更大输出时选择 2 或 4 MP。价格随像素档位变化。

模型与能力 FLUX.2 Klein 4B
支持哪些画幅？

支持 1:1、16:9、9:16、3:2、2:3、4:3、3:4、5:4、4:5、21:9 和 9:21。

模型与能力 FLUX.2 Klein 4B
如何复现同一构图方向？

固定 Seed、Prompt、画幅、像素档位和输出设置；只修改一个变量进行对比。

模型与能力 FLUX.2 Klein 4B
最小 API 请求包含什么？

向 POST /v1/tasks 提交 model 和 input.prompt；其余参数可使用默认值。

模型与能力 FLUX.2 Klein 4B
FLUX.2 [klein] 9B 图片编辑支持几张参考图？

当前支持 1 张 JPEG、PNG 或 WebP 参考图。image_urls 必须是只含一个公开图片 URL 的数组。

模型与能力 FLUX.2 Klein 9B
适合哪些编辑任务？

适合商品图清理、背景替换、画面文字改写、配色修改以及需要保留主体和机位的商业精修。

模型与能力 FLUX.2 Klein 9B
推理步数如何设置？

num_inference_steps 支持 4 至 8 的整数，默认 4。当前价格不会随推理步数变化。

模型与能力 FLUX.2 Klein 9B
支持哪些画幅与格式？

画幅支持 1:1、4:3、3:4、16:9、9:16；格式支持 JPEG、PNG 和 WebP。

模型与能力 FLUX.2 Klein 9B
如何通过 API 提交参考图？

向 POST /v1/tasks 的 input.image_urls 传入一个公开图片 URL，并同时提交 Prompt；画幅、Seed、推理步数和格式可选。

模型与能力 FLUX.2 Klein 9B
FLUX.2 [klein] 9B 文生图适合哪些任务？

适合需要快速完成的商业视觉、产品图、带英文文字的海报和杂志封面。当前路线不接收参考图。

模型与能力 FLUX.2 Klein 9B
如何复现或比较结果？

在请求中固定 seed，并保持 Prompt、画幅、格式和推理步数一致，再逐项修改需要比较的变量。

模型与能力 FLUX.2 Klein 9B
最小 API 请求需要哪些字段？

向 POST /v1/tasks 提交 model 与 input.prompt；画幅、推理步数和输出格式可省略并使用默认值。

模型与能力 FLUX.2 Klein 9B
什么是 FLUX.2 [pro]？

FLUX.2 [pro] 是 Black Forest Labs 的文生图模型。HiAPI 当前通过统一异步任务接口提供该模型，适合产品图、海报、品牌视觉和需要精确构图说明的图像生成工作流。

模型与能力
FLUX.2 [pro] 的价格是多少？

FLUX.2 [pro] 按输出分辨率档位计费，预设宽高比不会改变同一分辨率档位的价格。具体金额以本页实时价格和任务记录为准。

模型与能力
FLUX.2 [pro] 支持哪些分辨率？

当前 HiAPI endpoint 支持 0.5 MP、1 MP、2 MP 和 4 MP 四个分辨率档位。使用 custom 宽高比时，可设置 256-2048 的 width 和 height，系统会取整到 16 的倍数，此时 resolution 参数会被忽略。

模型与能力
如何使用 FLUX.2 [pro] API？

向 POST /v1/tasks 提交 model=flux-2/text-to-image 和 input.prompt。接口异步返回 taskId；生产环境可配置 callback.url 接收终态通知，也可以通过任务查询接口获取结果。完整参数和请求示例请查看独立 API 文档。

模型与能力
可以在线试用 FLUX.2 [pro] 吗？

可以。本页 Playground 可直接填写提示词、宽高比、分辨率和输出格式进行测试；确认结果后，再使用同一模型 ID 接入 API。

模型与能力
FLUX.2 [pro] 支持图像编辑吗？

本页的 flux-2/text-to-image endpoint 只承接文生图。需要参考图编辑或合成时，应使用单独的 flux-2/image-to-image 模型，而不是向本文生图请求添加图片字段。

模型与能力
FLUX.2 [pro] 可以商用吗？

是否可以用于具体商业项目取决于 Black Forest Labs 的适用条款、HiAPI 服务条款以及你的内容与使用场景。上线前请核对最新许可和合规要求；本页不替代法律或授权意见。

模型与能力
FLUX.2 [pro] 与 FLUX.2 [klein] 有什么区别？

FLUX.2 [pro] 面向高保真生产输出，并已在 HiAPI 提供明确的模型 ID、参数和四档价格。FLUX.2 [klein] 偏向效率和快速迭代，但当前仓库没有可验证的 HiAPI Klein endpoint、价格或规格，因此本页不提供可能失真的数值对比或入口。

模型与能力
FLUX 3 Max 图生视频需要哪些输入？

必填 prompt 和 image_url（首帧图片，支持 PNG/JPEG/WebP）。可选 end_image_url 作为尾帧，以及 duration、resolution、aspect_ratio、generate_audio 和 reasoning_level。

模型与能力 FLUX 3 Max
可以设置视频时长吗？

可以。duration 取 5–20 之间的整数秒，按 1 秒步进，默认 5 秒；图生视频和文生视频共用同一套按秒价格。先用 5 秒确认源图是否稳定，再延长时间。

模型与能力 FLUX 3 Max
画幅由什么决定？

aspect_ratio 默认 auto，输出跟随首帧图片的比例；也可以手动指定 21:9、2:1、16:9、4:3、1:1、3:4 或 9:16。手动指定与图片比例不一致时，画面可能被裁切。

模型与能力 FLUX 3 Max
尾帧怎么用？

image_url 传首帧，end_image_url 传尾帧，视频会从首帧过渡到尾帧。提示词只写中间发生的变化，两张图的机位和光线越接近，过渡越平稳。

模型与能力 FLUX 3 Max
加尾帧会多收费吗？

不会。图生视频和文生视频一样按输出秒数和分辨率计费，传不传 end_image_url 的单价相同。只有图片数量变化，不改变每秒价格。

模型与能力 FLUX 3 Max
首帧图片有什么要求？

使用公开可访问的 PNG、JPEG 或 WebP 图片。Playground 可以直接上传本地文件并自动转成链接；建议先裁成目标画幅，避免自动匹配时裁掉重要元素。

模型与能力 FLUX 3 Max
可以生成声音吗？

可以。generate_audio 默认开启，会生成与画面匹配的声音；关掉后输出静音画面，方便后期自己配乐或旁白。开关不影响价格。

模型与能力 FLUX 3 Max
FLUX 3 Max 图生视频如何计费？

按输出秒数计费，单价由分辨率决定，费用等于每秒单价乘以时长；失败任务不扣费。720p 草稿更便宜，也足够检查源图是否保持稳定。

模型与能力 FLUX 3 Max
如何通过 API 调用？

向 POST /v1/tasks 发送异步任务，model 填 flux-3-max/image-to-video，在 input 里传 prompt 和 image_url，按需加 end_image_url 及生成参数。接口返回 taskId，可通过 callback.url 或 GET /v1/tasks/:id 获取结果。

模型与能力 FLUX 3 Max
图生视频和文生视频怎么选？

已经有满意的画面、产品或人像时用图生视频；需要从文字构想完整场景、或者要自由指定画幅时用文生视频。两个模型的价格和参数基本一致。

模型与能力 FLUX 3 Max
keyframes 是什么？

keyframes 是一个有序数组，1–10 项，每项包含 image_url 和 frame_index。模型按帧号顺序把关键帧串起来，并生成中间的运动。

模型与能力 FLUX 3 Max
frame_index 怎么填？

frame_index 是 24fps 时间轴上的帧号，从 0 开始，最大值为 duration × 24。例如 5 秒视频的最大帧号是 120。所有帧号必须唯一。

模型与能力 FLUX 3 Max
至少需要几张关键帧？

至少 1 张，最多 10 张。两张以上才能形成明确的起止或节奏变化；单一关键帧相当于只锁定某个画面，不会产生真正的过渡。

模型与能力 FLUX 3 Max
时长和关键帧怎么配合？

先定 duration（5–20 秒），再按 24fps 换算帧号。5 秒对应 0–120，10 秒对应 0–240，20 秒对应 0–480。关键帧可以均匀分布，也可以集中在某一段。

模型与能力 FLUX 3 Max
keyframes 和首尾帧有什么区别？

首尾帧只固定开头和结尾；keyframes 可以在中间插入多个节点，适合产品开盒、植物生长、昼夜变化这类有多个阶段的镜头。节点越多，时间控制越细。

模型与能力 FLUX 3 Max
画幅和分辨率怎么选？

resolution 有 720p 和 1080p，默认 720p；aspect_ratio 默认 auto，也可以指定 21:9、2:1、16:9、4:3、1:1、3:4 或 9:16。建议所有关键帧使用同一画幅。

模型与能力 FLUX 3 Max
FLUX 3 Max 关键帧生视频如何计费？

按输出秒数计费，单价由分辨率决定，和文生视频、图生视频一致；锚点数量不影响价格，失败任务不扣费。先用 5 秒草稿确认时间轴，再延长时间。

模型与能力 FLUX 3 Max
FLUX 3 Max 文生视频支持哪些时长？

duration 取 5–20 之间的任意整数秒，按 1 秒步进，默认 5 秒。时长越长，按秒计费的总价越高；20 秒版本是 5 秒草稿的四倍秒数。

模型与能力 FLUX 3 Max
分辨率和画幅怎么选？

resolution 有 720p 和 1080p 两档，默认 720p。aspect_ratio 默认 auto，也可以指定 21:9、2:1、16:9、4:3、1:1、3:4 或 9:16。

模型与能力 FLUX 3 Max
生成的视频有声音吗？

generate_audio 默认开启，会随视频生成与画面匹配的声音；也可以关掉，只输出画面。建议按请求切换开关，不要把声音假设写进提示词。开关不影响计费。

模型与能力 FLUX 3 Max
reasoning_level 是什么？

它控制模型对提示词的画面理解与生成规划程度，可选 low 或 high，默认 high。复杂场景用 high 更稳，简单镜头可以用 low。

模型与能力 FLUX 3 Max
提示词怎么写更容易出好结果？

先写主体和场景，再按时间顺序写动作、镜头方向和速度，最后写光线与氛围。一条视频只安排一个主要动作，连续镜头写清 no cuts。

模型与能力 FLUX 3 Max
画面里的文字可靠吗？

不可靠。模型可能编造招牌、标语和字幕的字母，拼写也无法保证；需要品牌名或可读文字时，请在后期叠加，不要依赖生成结果。

模型与能力 FLUX 3 Max
适合做竖屏短视频吗？

可以，直接在请求里选 9:16，不需要先出横版再裁切。1:1 和 3:4 适合信息流，21:9 适合片头和宽银幕内容。主体尽量居中，避免被平台界面遮住。

模型与能力 FLUX 3 Max
FLUX 3 Max 文生视频如何计费？

按输出秒数计费，单价由分辨率决定，费用等于每秒单价乘以时长；失败的任务不扣费。短草稿成本更低，适合先用 5 秒比较两条提示词。

模型与能力 FLUX 3 Max
和图像生视频有什么区别？

文生视频只需要文字，画幅和构图完全由提示词决定；已经有明确的首帧画面时，用 flux-3-max/image-to-video 更直接。两者共用相同的时长范围和按秒价格。

模型与能力 FLUX 3 Max
FLUX 3 支持哪些生成方式？

同一个模型 ID 支持文字生成视频、1 至 10 张图片关键帧故事板，以及从 MP4 源视频继续生成。images 与 start_video 不能同时使用。

模型与能力
Draft 和 Full 有什么区别？

Draft 是低成本 720p 预览档，适合先验证构图、节奏和运动。Full 支持 720p 与 1080p，适合作为最终输出。

模型与能力
关键帧图片如何工作？

1 张图片定义开场，2 张图片分别定义首帧与尾帧，3 至 10 张图片按顺序组成故事板。Prompt 负责补充动作、镜头和声音。

模型与能力
视频续写有什么限制？

start_video 接受不超过 50MB、最长 15 秒的 MP4。续写时不要同时提交 images；输出时长仍在 5 至 20 秒范围内选择。

模型与能力
FLUX 3 会生成声音吗？

可以。generate_audio 默认开启，用于生成与画面相配的环境声、音效或对白；也可以关闭后只输出画面。

模型与能力
FLUX 3 如何计费？

价格由输出时长、分辨率、Draft 档和是否使用视频续写共同决定。页面价格表按输出秒列出六种档位。

模型与能力
一个入口可以生成和编辑吗？

可以。没有参考图时从文字生成，提供 1–10 张参考图时围绕已有素材编辑。先根据创作目标准备文字或图片即可。

模型与能力 FLUX 3 Image
五档分辨率应该怎么选？

先用 768 或 1K 讨论方向；需要更多细节时考虑 1.5K 或 2K，需要较大图片与裁切空间时考虑 4K。档位不是固定边长，请核对返回图片的宽高。

模型与能力 FLUX 3 Image
参考图怎样分配作用？

按顺序说明哪张提供主体、哪张提供环境、哪张只提供配色或风格，同时指出不要带入的元素。

模型与能力 FLUX 3 Image
每次会生成多少张图片？

每次任务返回一张图片。需要另一个方向时调整描述并提交独立任务。

模型与能力 FLUX 3 Image
能选择下载文件的格式吗？

当前入口不提供文件格式选择。按返回文件处理；需要其他格式时，下载后可在图片工具中转换。

模型与能力 FLUX 3 Image
搜索辅助应该什么时候开启？

希望在生成前补充网页或图片的视觉上下文时可以开启。已经有明确素材和封闭创作方向时，可以关闭后围绕自己的描述和参考图创作。

模型与能力 FLUX 3 Image
怎样保存需要长期使用的图片？

生成的图片链接有有效期。需要长期使用时，请及时下载保存，或在创建任务时选择永久存储。已经生成的图片也可以按存储管理页面的说明转存。

模型与能力 FLUX 3 Image
可以在生成后继续修改吗？

可以下载并保存结果，再把它作为新任务的参考图。每次任务独立处理，请重新说明要保留的内容和这一步要改变的部分。

模型与能力 FLUX 3 Image
怎样让图片里的标题更容易检查？

用引号写清短标题，说明主标题和副标题的位置、大小关系与留白。使用前逐字核对，必要时在设计工具中完成最终排版。

模型与能力 FLUX 3 Image
自动画幅适合什么情况？

不需要固定版位时可以使用自动画幅。已经确定横幅、竖版海报或方形卡片时，明确选择比例，并检查下载图片的实际宽高。

模型与能力 FLUX 3 Image
生成前在哪里查看费用？

选择参数后查看 Playground 的预估费用和实时价格。完成后可在任务记录中查看生成结果与对应消费。

模型与能力 FLUX 3 Image
为什么同一描述不一定得到同一张图？

生成结果可能在构图和细节上变化。需要沿用一个已经选定的主体或版式时，用结果图片作为参考，并明确列出保留要求。

模型与能力 FLUX 3 Image
文生图与改图怎么选？

只有文字、从零开始时选择文生图；需要沿用已有主体或版式时，选择改图并提供参考图片。

模型与能力 Muse Image 1.0
每次可以得到多少张图片？

每次任务返回一张图片，没有张数选择。需要比较另一种构图时，调整提示词并提交新任务。

模型与能力 Muse Image 1.0
可以选择 1K、2K 或 4K 吗？

这个入口不提供分辨率档位。画幅由你选择，像素尺寸由模型决定，通常约 2.5MP；请以下载文件的实际尺寸为准。

模型与能力 Muse Image 1.0
可以选择哪些文件格式？

可以选择 JPEG、PNG 或 WebP，未选择时使用 WebP。根据后续网页素材或设计工具的需要选择。

模型与能力 Muse Image 1.0
怎样为封面预留标题空间？

在描述里说明主角的位置与需要留白的一侧，再选适合最终版位的画幅。不要只依赖生成后裁切来挪出标题位置。

模型与能力 Muse Image 1.0
商品图片应该先描述什么？

先写主体、材质和摆放位置，再补光线、背景与少量道具。标签上的短文字应单独写清，完成后检查产品轮廓和排版。

模型与能力 Muse Image 1.0
怎样保存需要长期使用的图片？

生成的图片链接有有效期。需要长期使用时，请及时下载保存，或在创建任务时选择永久存储。已经生成的图片也可以按存储管理页面的说明转存。

模型与能力 Muse Image 1.0
可以在生成后继续修改吗？

可以下载并保存结果，再把它作为新任务的参考图。每次任务独立处理，请重新说明要保留的内容和这一步要改变的部分。

模型与能力 Muse Image 1.0
怎样让图片里的标题更容易检查？

用引号写清短标题，说明主标题和副标题的位置、大小关系与留白。使用前逐字核对，必要时在设计工具中完成最终排版。

模型与能力 Muse Image 1.0
自动画幅适合什么情况？

不需要固定版位时可以使用自动画幅。已经确定横幅、竖版海报或方形卡片时，明确选择比例，并检查下载图片的实际宽高。

模型与能力 Muse Image 1.0
生成前在哪里查看费用？

选择参数后查看 Playground 的预估费用和实时价格。完成后可在任务记录中查看生成结果与对应消费。

模型与能力 Muse Image 1.0
为什么同一描述不一定得到同一张图？

生成结果可能在构图和细节上变化。需要沿用一个已经选定的主体或版式时，用结果图片作为参考，并明确列出保留要求。

模型与能力 Muse Image 1.0
必须提供参考图吗？

需要提供 1–10 张参考图。没有现成图片、只想从文字开始时，请选择文生图入口。

模型与能力 Muse Image 1.0
每次会返回几张编辑结果？

每次任务返回一张编辑结果，没有张数选择。若需要比较不同修改方向，请分别提交任务。

模型与能力 Muse Image 1.0
怎样同时保留主体并改变背景？

明确列出主体必须沿用的识别要素，再单独描述新环境、光线和摆放位置。完成后检查尺度、遮挡和边缘。

模型与能力 Muse Image 1.0
多张图一定都会出现在结果中吗？

不一定。参考图可以分别提供主体、版式、配色或风格。请说明各自作用，以及不希望带入的内容。

模型与能力 Muse Image 1.0
如何替换图片里的旧文字？

写清要移除的旧文字与需要出现的新内容，再说明标题位置、大小关系和留白。使用前逐字核对并检查版式。

模型与能力 Muse Image 1.0
怎样选择画幅与文件格式？

先按最终版位选择横图、竖图或方图，再选择 JPEG、PNG 或 WebP。没有分辨率档位，宽高以生成文件为准。

模型与能力 Muse Image 1.0
只有文字、有图片或有视频，分别怎么开始？

只有构想时，写提示词即可；想参考产品或角色的外观时，上传参考图；想确定开头画面时，上传首帧，也可加上尾帧引导结尾；想改变已有镜头的氛围时，上传参考视频。这些方式都使用同一个模型。

模型与能力
哪些输入不能一起用？

first_frame_url 不能和 image_urls、video_list 同时传；last_frame_url 只能和 first_frame_url 一起使用。image_urls 可以和 video_list 搭配，但所有素材共用 7 个输入位，1 段视频占 2 个位，所以带视频时最多再传 5 张图片。

模型与能力
怎样让视频改写得到目标时长？

传入参考视频时，输出时长以参考视频为准。建议上传与目标时长一致的片段，不要依靠 duration 或 start、ends 裁剪输出。最多传入 1 段参考视频，源视频不超过 30 秒、100MB；请求仍需填写 duration，取值为 4、6、8 或 10。

模型与能力
横屏、竖屏和清晰度怎么选？

产品页与横版影片可选 16:9，手机短视频可选 9:16。先用 360p 或 720p 查看构图和动作，再按展示需要选择 1080p 或 4k。

模型与能力
可以为画面搭配环境声吗？

输出自带环境声。可以在提示词中描述雨打窗户、湖水轻响或咖啡店的背景声，让声音与场景一起参与创作；需要自己的音轨时，可在后期替换。

模型与能力
上传的图片有什么限制？

每张图片不超过 20MB，需要是可公开访问的 URL；Playground 上传后会自动转换成链接。首帧和尾帧最好使用同一机位、同一画幅的图片，过渡会更自然。

模型与能力
在哪里查看当前费用？

请查看实时定价页；Playground 会在提交前显示所选配置的预估费用。

模型与能力
怎么获取生成结果？

POST /v1/tasks 创建异步任务后读取 data.taskId，可以通过 callback.url 接收终态通知，也可以轮询 GET /v1/tasks/{taskId}；状态为 success 后从 output[].url 下载视频。

模型与能力
Google Virtual Try-On 需要哪些输入？

一张人物照片和一张服装图，两张都必填，不需要提示词。

模型与能力 Google Virtual Try-On
什么样的人物照片效果最好？

单人、身体主要部位清晰、没有大面积遮挡的照片效果最好，正面或微侧的站姿最稳定。

模型与能力 Google Virtual Try-On
服装图有什么要求？

平铺图或挂拍图都可以，衣服完整、背景干净、没有其他人物时效果更好。

模型与能力 Google Virtual Try-On
一次能生成几张？

每次 1 张，num_images 固定为 1。想要多个备选，可以用同一组输入多提交几次，结果细节会略有差异。

模型与能力 Google Virtual Try-On
支持哪些服装品类？

上衣、外套、连衣裙等常见服装都可以尝试，复杂配饰或多件叠穿的效果可能不稳定。

模型与能力 Google Virtual Try-On
会改变人物的脸和背景吗？

脸、发型、姿势和背景基本沿用原照片，主要变化在服装区域。

模型与能力 Google Virtual Try-On
输出是什么格式？

PNG 图片，尺寸由模型根据输入决定。

模型与能力 Google Virtual Try-On
可以用真人照片吗？

可以，但请确保你有权使用照片中的人物形象。本页示例中的人物均为生成图像。

模型与能力 Google Virtual Try-On
为什么有时没有返回图片？

安全检查可能过滤掉结果，这种情况仍按请求的 1 张计费。

模型与能力 Google Virtual Try-On
图片地址有什么要求？

需要公开可访问的 http(s) 链接；在 Playground 中直接上传即可。

模型与能力 Google Virtual Try-On
如何计费？

按请求的张数计费，单价见本页实时价格；失败任务全额退回。

模型与能力 Google Virtual Try-On
如何通过 API 调用？

向 POST /v1/tasks 提交 model 为 google-virtual-try-on 的任务，传入 person_image_url、product_image_url（num_images 可省略，固定为 1），再轮询任务状态获取图片地址，详见 API 文档。

模型与能力 Google Virtual Try-On
GPT-6.1 Sol 适合什么任务？

GPT-6.1 Sol 是 OpenAI 的文本模型，适合代码、分析、研究和需要多步推理的工作。本页说明流式 Responses 文本接入；图片输入、音频和视频不属于本页承诺的能力。

模型与能力
应该使用哪个模型 ID 和端点？

使用模型 ID gpt-6.1-sol，向 POST /v1/responses 发送请求。请求必须使用 input 数组、stream=true 和 store=false。

模型与能力
reasoning.effort 支持哪些值？

当前 HiAPI 接入支持 low、medium、high、xhigh、max 五档。示例和 Playground 默认 medium；需要固定行为时请在 API 请求中显式传入 reasoning.effort。其他值不属于本模型契约。

模型与能力
为什么不能传 temperature、top_p 或 max_output_tokens？

GPT-6.1 Sol 的当前接入契约不开放这些字段。请省略它们；如果需要改变推理深度，使用 reasoning.effort。不要把其他模型的采样参数示例直接套用到本页。

模型与能力
如何处理流式响应？

按 SSE 事件类型读取 response.output_text.delta 并累积正文，在 response.completed、response.incomplete 或 response.failed 时结束处理。不要把整个流当成一个 JSON，也不要只等待完成事件中的 output。

模型与能力
store=false 下如何继续多轮对话？

由客户端保存需要的用户消息、助手消息和工具项目，并在下一次 input 中重放。重放历史会再次计入输入 Token；缓存命中和写入以 usage 明细为准。

模型与能力
输入、缓存和输出如何计费？

输入、缓存读取、缓存写入和输出分别使用模型页显示的实时 Token 价格。只有 usage 明确报告 cached_tokens 或 cache_write_tokens 时，才计入对应缓存用量；缓存读写已包含在输入总量中，不能重复累加。reasoning_tokens 已包含在 output_tokens 中，也不能再次相加；最终费用以账户用量日志为准。

模型与能力
超过 272K 输入 Token 时如何计价？

按单次请求的总输入 Token 判断，包含 usage 报告的缓存读取和写入。总输入不超过 272,000 Token 时使用标准档；从 272,001 Token 起，整次请求的输入、输出和缓存都使用长上下文档位，不只给超出的部分加价。

模型与能力
请求失败或没有正文时先检查什么？

先检查 API Key、model、Responses 端点、input 数组、stream=true 和 store=false。没有正文时确认客户端处理了 SSE 增量事件；排查费用时对照 usage 的 input_tokens、cached_tokens、cache_write_tokens 和 output_tokens。

模型与能力
GPT-6 Astra 适合做什么？

GPT-6 Astra 是 OpenAI 的模型，面向复杂推理、编程、研究和文档工作。适合代码审查、方案分析和需要多步处理的任务。本页接入范围为文本输入与文本输出；图片、音频和视频能力应以各自的接入说明为准。

模型与能力
模型 ID、端点和 OpenAI SDK 应该怎么配置？

模型 ID 使用 gpt-6-astra，端点为 POST /v1/responses。OpenAI SDK 的 base_url 设置为 https://api.hiapi.ai/v1，使用 HiAPI API Key，并调用 Responses 接口。已有 Key 可用于账户中已开放的模型；切换到图片或视频的 /v1/tasks 接口时，需要同时改变请求结构。

模型与能力
为什么示例要求 input 数组、stream=true 和 store=false？

这是本页接入方式的请求约定：input 传消息数组，stream=true 接收流式事件，store=false 由客户端保存会话上下文。不能直接把 Chat Completions 的 messages 请求或 choices 解析代码搬过来，也不要把整个 SSE 响应当成一个 JSON 对象读取。

模型与能力
low、medium、high、xhigh、max 怎么选？

通过 reasoning.effort 选择这五档推理强度。示例和 Playground 从 medium 开始；简单任务可尝试 low，复杂分析可比较 high、xhigh 或 max 的效果。提高档位可能增加等待时间和输出 Token 用量，建议用同一组实际任务比较结果与成本。API 调用方应显式传入所需档位。

模型与能力
能关闭推理，或调整 temperature、top_p 吗？

GPT-6 Astra 不支持 reasoning.effort=none。本页接入不提供 temperature、top_p 和 max_output_tokens 调节项，请按本页示例组织请求，不要照搬其他模型的参数。如果出现参数错误，先检查字段是否适用于这个模型及端点。

模型与能力
1.05M 上下文和 128K 最大输出分别是什么意思？

官方规格为 1,050,000 Token 上下文和 128,000 Token 最大输出。上下文需要容纳输入和生成内容，推理也会消耗输出预算。最大输出是模型规格上限，并不表示每次请求都会输出这么多；本页接入也不将这个数值作为可调的 max_output_tokens 参数。

模型与能力
为什么 response.completed 的 output 可能为空？

流式正文已经通过 response.output_text.delta 或 response.output_item.done 返回，结束事件未必再重复完整内容。应按事件类型累积文本和完成的输出项目，再从结束事件读取状态和 usage。response.failed、response.incomplete 需要单独处理，不能一律当成成功结束。

模型与能力
如何接续多轮对话？历史内容会重复计费吗？

store=false 时，需要在下一次 input 中回放仍需使用的用户消息、助手消息和工具结果，不依赖服务端替你保存全部对话。回放的历史内容会再次计入输入 Token；其中命中的缓存部分按缓存读取计费。对话较长时，应保留必要上下文，减少无关历史。

模型与能力
输入、输出、缓存读取和缓存写入如何计算？

这四类 Token 使用各自的单价，具体数值见本页实时定价。输入总量包含缓存读取和写入：计算普通输入费用时应先扣除这两项，避免重复计费。reasoning_tokens 已包含在输出 Token 中，也不应再加一次。页面估算用于参考，最终费用以账户消费日志为准。

模型与能力
长上下文价格什么时候生效？只对超出的部分加价吗？

按单次请求的总输入 Token 判断，缓存读取和写入也包含在内。总输入为 272,000 Token 时仍使用标准档；从 272,001 Token 起，整次请求的输入、输出及缓存都使用长上下文档位。不是只给超出阈值的那一小部分加价。两档单价可在定价区展开比较。

模型与能力
重复提示词一定会命中缓存吗？

不一定。缓存是否建立和命中取决于服务端策略、可复用前缀及有效期，应以 usage 中的 cached_tokens 和 cache_write_tokens 为准。两项为 0 表示该次请求没有报告对应缓存用量；不要仅凭提示词重复就自行按缓存优惠估算费用。

模型与能力
如何使用函数调用和结构化 JSON 输出？

函数调用通过 tools 声明函数。收到 function_call 后，由你的应用执行函数，再用同一 call_id 回传 function_call_output，连同所需上下文继续请求。JSON Object 使用 text.format.type=json_object；需要字段约束时使用 json_schema。流式 JSON 应先完整拼接，再解析和校验；具体请求见文档示例。

模型与能力
请求失败、没有正文或费用与预期不一致，先查什么？

先检查 API Key、model 是否为 gpt-6-astra，以及端点和参数是否与本页一致。没有正文时检查是否正确处理 SSE，而不是只读取最终 output；费用有疑问时，对照 usage 的输入、缓存、输出数量和所处上下文档位。需要排查时提供请求 ID、错误代码和发生时间，不要公开 API Key。

模型与能力
必须传参考图吗？

必须传 image_urls，至少 1 张，最多 16 张。只想文生图请改用 gpt-image-2.5-flare/text-to-image。

模型与能力
这条编辑路线适合什么？

适合保留主体后改材质或场景。提示词里写清要改什么、要保留什么。

模型与能力
和 Sunburst 图生图有什么差别？

Flare 更快，适合日常改材质改景；Sunburst 更细，适合工业空间和材质完成度。

模型与能力
画幅怎么选？

可指定 13 种画幅之一，或不传使用 auto。

模型与能力
API 必填哪些字段？

提交 model、input.prompt 和 input.image_urls。aspect_ratio 与 resolution 可省略。

模型与能力
这条路线适合什么？

适合图形拼贴、海报草稿和日常静物。每次请求返回一张图。

模型与能力
和 Sunburst 文生图有什么差别？

Flare 更快，适合日常出图；Sunburst 更细，适合工业空间、材质和几何。

模型与能力
支持哪些画幅？

支持 auto 以及 1:1、3:2、2:3、4:3、3:4、16:9、9:16、21:9、27:16、16:27、9:8、8:9。

模型与能力
可以上传参考图吗？

这条文生图路线不接受参考图。请使用 gpt-image-2.5-flare/image-to-image。

模型与能力
必须传参考图吗？

必须传 image_urls，至少 1 张，最多 16 张。只想文生图请改用 gpt-image-2.5-sunburst/text-to-image。

模型与能力
这条编辑路线适合什么？

适合保留工业结构后改材质、温度或表面质感。

模型与能力
和 Flare 图生图有什么差别？

Sunburst 更细，适合工业空间和材质；日常拼贴改材质可先用 Flare。

模型与能力
这条路线适合什么？

适合工业空间、材质和几何要求更高的场景。

模型与能力
和 Flare 文生图有什么差别？

Sunburst 更细、更慢；日常拼贴和海报草稿可先用 Flare。

模型与能力
可以上传参考图吗？

这条文生图路线不接受参考图。请使用 gpt-image-2.5-sunburst/image-to-image。

模型与能力
GPT Image 2.5 Flare 的主要定位是什么？

Flare 侧重速度与日常高质量图片生成，适合内容创作工具、广告草稿、视觉原型和频繁生成图片的应用。它也具备图像编辑与参考图保持能力。

模型与能力
Flare 只能从文字生成图片吗？

也可以输入图片。参考图能提供人物、商品或风格，Flare 在此基础上生成新画面或完成修改。例如本页像素骑手案例就使用了风格参考。

模型与能力
Flare 能生成真实摄影风格吗？

可以。渔船人物与泳池案例展示了人物、材质和环境光的摄影式表现。镜头与光线描述可以进一步塑造照片的视觉效果。

模型与能力
可以用 Flare 制作带标题的广告吗？

可以把需要出现的文案与画面要求一同描述。服饰广告示例将人物、服装和标题放在同一张图中。标题、配色与人物造型也可以在后续版本中继续调整。

模型与能力
Flare 适合漫画和系列角色创作吗？

本页展示了宠物四格故事，以及森林角色的后续场景。它可以在一张图中组织连续画面，也可以将上一轮图片作为参考继续创作。

模型与能力
Flare 可以生成什么样的界面概念图？

可以生成手机应用、商品列表和内容页面等界面概念图，用图片呈现布局、配色、导航和信息层级，适合产品提案与设计沟通。

模型与能力
风格参考会把原图内容全部带进来吗？

可以要求只参考画面风格，同时更换主体。像素风案例的输入是游戏画面，输出是摩托骑手。提示词需要说明希望借用的风格和新的内容。

模型与能力
已有 GPT Image 2 应用，可以考虑 Flare 吗？

可以。Flare 延续了文字生图与参考图编辑的用法，并以较低生成延迟为重点，适合需要频繁更新图片的内容工具、设计应用和商品展示。

模型与能力
Flare 和 Sunburst 应该优先考虑哪一个？

日常生成与响应速度优先时可考虑 Flare；复杂设计要求或精细编辑优先时，可查看 Sunburst。两者都支持生成和编辑，差异在于模型定位与效果取舍。

模型与能力
Flare 支持哪些输出选项？

HiAPI 提供六档画质、方形与横竖画幅，以及预设像素尺寸。文件格式可选 PNG、JPEG 或 WebP；透明背景需搭配 PNG 或 WebP。完整选项在上方规格与 Playground 中列出。

模型与能力
如何将 Flare 接入批量内容流程？

可以由应用逐次提交图片任务，再通过查询或回调获取结果。HiAPI 每次请求输出一张图片；频繁生成场景需要由应用管理任务数量与并发。

模型与能力
Flare 的费用如何计算？

按输出图片张数与所选画质计费，参考图不另收费。选择参数后，Playground 显示对应预估费用。

模型与能力
GPT Image 2.5 Sunburst 适合什么任务？

Sunburst 面向对画质与编辑精度要求较高的视觉工作，包括品牌广告、精细商品图、多参考图组合和局部修订。它同样可以从文字直接生成新图片。

模型与能力
Sunburst 与 Flare 的主要取舍是什么？

Sunburst 更强调质量和精度，通常需要更长生成时间。Flare 面向速度优先的日常创作。需要哪一种取舍，取决于实际画面要求与等待时间。

模型与能力
可以组合人物和多张服装参考吗？

可以。本页换装案例使用人物照片、外套、上衣与长靴四张参考，输出把衣物组合到原人物场景中。HiAPI 最多支持 16 张参考图。

模型与能力
能只移除照片里的一个物体吗？

可以。指定要移除的物体，并描述希望保留的人物和场景。例如持花人像案例的修改集中在手中的花朵，可用于照片清理、道具调整和内容修订。

模型与能力
可以修改家居照片里的家具吗？

厨房案例将原座椅替换为木质椅子，沿用桌子、窗户与房间环境。类似任务适合家居搭配和室内提案。

模型与能力
Sunburst 可以翻译图内文字吗？

本页展示了咖啡机说明图从英文到西班牙语的版本变化。这种编辑可用于多语言说明图、海外宣传素材和已有设计的语言版本更新。

模型与能力
连续编辑如何延续上一轮的广告设计？

商品广告案例先从瓶身照片生成夕阳广告牌，再把上一轮结果改成冬日晚间降雪场景。每轮将相应图片作为输入，继续说明需要改变的条件。

模型与能力
Sunburst 能直接生成复杂包装吗？

可以从文字生成包含包装外壳、印刷文案、材质和装饰的产品概念。玩具飞机示例展示了这类组合要求，可用于包装方案展示、商品视觉和创意提案。

模型与能力
独立商品图可以用于透明合成吗？

Sunburst 支持独立主体与透明背景生成。通过 HiAPI 使用时，选择 transparent 背景，并以 PNG 或 WebP 输出。输出可用于广告合成、商品展示与页面设计。

模型与能力
漆柜案例主要展示什么？

修改目标是柜门中央的月相嵌饰，其余螺钿装饰、柜体与工具构成需要保留的场景。它用于展示一个明确局部目标下的编辑结果。

模型与能力
Sunburst 有哪些画质与尺寸选项？

在 HiAPI 可选 low、medium、high、xhigh、max、auto 六档画质，以及页面列出的宽高比和像素尺寸。画质与尺寸分别设置，默认画质为 medium。

模型与能力
每一轮 Sunburst 修改都会收费吗？

每轮提交都是独立图片任务，按该轮选择的画质与输出图片计费，参考图不另收费。页面会显示预估费用，生成完成后可预览并下载图片。

模型与能力
什么是 GPT Image 2？

GPT Image 2 是 OpenAI 的文生图模型，适合海报、知识卡片、产品视觉和包含明确文字与版式要求的图像生成。

模型与能力 GPT Image 2
GPT Image 2 和 GPT Image 2.0 是同一个模型吗？

GPT Image 2.0 是常见的搜索简称；使用 GPT Image 2 页面和 API 文档列出的准确模型 ID。

模型与能力 GPT Image 2
GPT Image 2 API 使用哪个端点和模型 ID？

向 POST /v1/tasks 发送请求，文生图将 model 设置为 gpt-image-2/text-to-image，并在 input 中传入 prompt、aspect_ratio 和 resolution。接口会先返回 taskId，再通过任务查询或 callback 获取最终图片。

模型与能力 GPT Image 2
如何使用 GPT Image 2？

在 Playground 中写明主体、场景、版式和必须出现的文字，再选择画幅、分辨率和背景，点击运行并查看结果。

模型与能力 GPT Image 2
GPT Image 2 支持哪些分辨率和画幅？

支持 1K、2K 和 4K，以及 auto、1:1、3:2、2:3、4:3、3:4、16:9、9:16 等 16 种画幅；auto 或省略画幅时仅支持 1K；1:1 不支持 4K；2K 不支持 5:4、4:5、3:1、1:3、9:21；4K 不支持 1:1、3:1、1:3、9:21。显式传入 background 时仅支持 1K。

模型与能力 GPT Image 2
图片背景参数有什么限制？

background 可选 auto、opaque 或 transparent；background 参数仅支持 1K；使用 2K/4K 时请省略此参数。

模型与能力 GPT Image 2
如何通过 HiAPI 使用 GPT Image 2？

可以在 HiAPI Playground 中先验证提示词和构图，再调用 POST /v1/tasks 创建异步文生图任务，并通过 taskId 或 callback 获取结果。

模型与能力 GPT Image 2
GPT Image 2 支持哪些语言和排版要求？

可以在 prompt 中指定目标语言、准确文字、字体风格、位置、层级和整体版式；复杂文字内容应直接写出需要渲染的原文。

模型与能力 GPT Image 2
GPT Image 2 文生图和图生图如何选择？

没有参考图时使用 gpt-image-2/text-to-image 从描述生成；需要保留或修改已有画面时使用 gpt-image-2/image-to-image，并传入 1–6 张参考图。

模型与能力 GPT Image 2
每条视频都有声音吗？

有。声音与画面一起生成，不能关闭。可以在提示词里描述想要的环境声、音乐或台词。

模型与能力 Grok Imagine 1.5 Lite
支持哪些时长、分辨率和画面比例？

时长 1–15 秒整数（默认 6 秒）；分辨率 480p、720p、1080p（默认 720p）；画面比例 16:9、4:3、3:2、1:1、2:3、3:4、9:16（默认 16:9）。

模型与能力 Grok Imagine 1.5 Lite
提示词最长多少？

最多 4096 个字符。一段聚焦主体、动作、镜头和声音的描述，通常比长串关键词效果更好。

模型与能力 Grok Imagine 1.5 Lite
可以用这个模型让我的图片动起来吗？

不能，这条线路只接收文字。需要从你的图片开始时，请使用 grok-imagine-1.5-lite/image-to-video。

模型与能力 Grok Imagine 1.5 Lite
如何通过 API 调用？

向 POST /v1/tasks 提交异步任务，model 填 grok-imagine-1.5-lite/text-to-video，prompt、duration、resolution、aspect_ratio 放在 input 中。请求会返回任务 ID，再通过轮询或回调获取视频地址。

模型与能力 Grok Imagine 1.5 Lite
如何计费？

按所选分辨率和请求的时长计费。价格面板显示实时费率，最终扣费以成功任务记录为准。

模型与能力 Grok Imagine 1.5 Lite
可以上传几张图片？

只能一张，通过 image_url 传入，需要公开可访问。

模型与能力 Grok Imagine 1.5 Lite
可以选择输出画面比例吗？

不能。视频画面比例大致跟随输入图，像素尺寸会取整到模型支持的规格。如需其他比例，请在提交前先把图片裁切或扩展到目标比例。

模型与能力 Grok Imagine 1.5 Lite
支持哪些时长和分辨率？

时长 1–15 秒整数（默认 6 秒），分辨率 480p、720p、1080p（默认 720p）。

模型与能力 Grok Imagine 1.5 Lite
必须写提示词吗？

必须。该线路要求同时提供 image_url 和提示词（最多 4096 个字符）。提示词描述哪些东西在动、镜头和声音即可，不必重复描述图片内容。

模型与能力 Grok Imagine 1.5 Lite
怎样让主体更稳定？

使用构图完整、清晰的图片，只描述一个主要动作，并写明需要保持不变的部分，例如人物面部、画面风格或背景关系。

模型与能力 Grok Imagine 1.5 Lite
Grok Imagine Quality 适合哪些成片？

适合需要更强材质、光影、氛围和细节的主视觉、封面、广告概念与高质量场景图。

模型与能力 Grok Imagine Quality
1k 与 2k 如何计费？

1k 与 2k 使用不同的单张档位，画幅和输出格式不另加费用；具体金额以本页实时价格为准。

模型与能力 Grok Imagine Quality
为什么不直接使用标准档？

批量草稿和速度优先时标准档更合适；最终成片更看重材质与细节时再选择 Quality。

模型与能力 Grok Imagine Quality
支持参考图吗？

当前文生图路线不接受参考图；需要高质量参考图编辑时，请使用 grok-imagine-quality/image-to-image。

模型与能力 Grok Imagine Quality
如何保持不同分辨率下的比较公平？

固定 Prompt、画幅和格式，只切换 resolution，并分别保存 1k、2k 结果进行比较。

模型与能力 Grok Imagine Quality
Grok Imagine 标准档适合什么？

适合批量创意探索、社交媒体素材、风光与电影感场景。1k 和 2k 当前同价，适合直接选择更高输出档位。

模型与能力 Grok Imagine
标准档与 Quality 档有什么区别？

标准档强调速度和固定低价；Quality 是独立模型路线，更重视材质、细节与光线，并按 1k/2k 分档计费。

模型与能力 Grok Imagine
支持哪些画幅？

支持从 2:1、20:9 到 1:2 的 13 种横版、方形和竖版画幅。

模型与能力 Grok Imagine
这个页面支持参考图吗？

不支持。参考图编辑请使用 grok-imagine/image-to-image。

模型与能力 Grok Imagine
API 最少需要哪些字段？

提交 model 与 input.prompt 即可；画幅、分辨率和格式可使用默认值。

模型与能力 Grok Imagine
HeyGen Avatar IV 需要哪些输入？

一张人像照片，再选一种驱动方式：输入台词并选择声音，或上传一段音频。用台词时不选声音，会使用默认声音 Warm Pro Narrator。

模型与能力 HeyGen Avatar IV
什么样的照片效果最好？

正脸、五官清晰无遮挡、光线均匀、嘴巴自然闭合的单人照片效果最稳。侧脸、戴口罩、多人合照或面部很小的照片不适合。

模型与能力 HeyGen Avatar IV
输出视频有多长？

不需要传时长。台词配音时长度由台词和语速决定；音频驱动时与上传的音频长度一致，音频最长 600 秒。

模型与能力 HeyGen Avatar IV
支持哪些画幅和分辨率？

画幅支持 16:9、9:16、4:5、5:4、1:1 和 auto（沿用照片比例）；分辨率支持 720p 和 1080p。

模型与能力 HeyGen Avatar IV
什么时候需要设置背景？

只有输出画幅和照片比例不同、画面出现留白时，背景才会显示。可以选纯色（#RRGGBB）或一张背景图，不设置时为白色。

模型与能力 HeyGen Avatar IV
和 HeyGen Avatar V 有什么区别？

Avatar IV 驱动你自己上传的照片；Avatar V 从 497 个预置数字人里选择形象，并额外支持透明背景 WebM、移除背景和 SRT 字幕。

模型与能力 HeyGen Avatar IV
HeyGen Avatar IV 如何计费？

按生成视频的实际秒数计费。创建任务时按估算时长预扣，完成后按实际秒数结算，失败任务全额退回；单价见本页实时价格。

模型与能力 HeyGen Avatar IV
蒙版有什么要求？

蒙版需与原图宽高比一致，黑色区域会被重绘、白色部分保留。区域略大于角色轮廓更自然。

模型与能力 Ideogram V3 Character
输出尺寸是多少？

输出跟随原图尺寸，例如 1024×768 的原图得到 1024×768 的结果。

模型与能力 Ideogram V3 Character
原图里已有人物，可以替换吗？

可以，把要替换的人物涂进蒙版，并在提示词中描述新角色的动作；蒙版外的人物与背景会保留。

模型与能力 Ideogram V3 Character
蒙版用什么格式？

用一张和原图宽高比相同的图片，白底上用黑色涂出要重绘的区域；本页案例使用 PNG 蒙版。

模型与能力 Ideogram V3 Character
蒙版画多大合适？

比角色轮廓略大一圈即可。太小会挤压角色姿态，太大则会重绘更多背景。

模型与能力 Ideogram V3 Character
提示词应该写什么？

只写角色在蒙版区域里做什么，例如“坐在长椅上撑伞”“站在窗边挥手”；不需要再描述背景，蒙版外的画面会保持原样。

模型与能力 Ideogram V3 Character
同一张原图可以放到不同位置吗？

可以。原图和角色参考图不变，更换蒙版位置和动作提示词即可，本页小木屋的扶手椅和窗边两个版本就是这样得到的。

模型与能力 Ideogram V3 Character
可以不传蒙版吗？

不可以。image_url、mask_url 和 reference_image_urls 都是必填；没有原图时请使用 Character 生成模型。

模型与能力 Ideogram V3 Character
可以传多张角色参考图吗？

不可以。reference_image_urls 必须恰好 1 张，插画、吉祥物和写实照片都可以。

模型与能力 Ideogram V3 Character
rendering_speed 和 style 在编辑里也能用吗？

可以。TURBO / BALANCED / QUALITY 三档与 AUTO / REALISTIC / FICTION 风格同样适用；三档按张分别计价，具体价格见页面实时价格。

模型与能力 Ideogram V3 Character
支持 Remix 吗？

暂不支持。当前开放角色生成（ideogram-v3-character）和蒙版局部编辑（ideogram-v3-character/edit）。

模型与能力 Ideogram V3 Character
失败会扣费吗？如何获取结果？

失败任务不扣费。提交后保存 taskId，通过 GET /v1/tasks/:id 查询，status 为 success 后从 output[].url 下载 WebP；output[].url 是临时地址，请及时保存。

模型与能力 Ideogram V3 Character
可以指定输出比例吗？

不能单独指定。输出宽高比跟随角色参考图：竖版参考得到 864×1152，横版参考得到 1328×752。需要横图时，请上传横版角色参考图（例如在两侧补背景）。

模型与能力 Ideogram V3 Character
参考图怎么选效果更好？

选一张角色清晰、正面或四分之三侧面、背景简单的图片；插画和写实照片都可以。参考图里的服装和配色会尽量被保留。

模型与能力 Ideogram V3 Character
提示词应该怎么写？

用固定称呼指代角色（如 the explorer character / the same man），重点描述场景、动作、道具和光线；可以配合 style 选择 REALISTIC 或 FICTION。

模型与能力 Ideogram V3 Character
角色可以是动物或品牌吉祥物吗？

可以。本页的橙色狐狸吉祥物就是用 1 张角色设计图生成广告牌、柜台和集市等不同场景，围巾和配色保持一致。

模型与能力 Ideogram V3 Character
能用来做连续故事或分镜吗？

可以。每一格使用同一张角色参考图，只改提示词中的场景和动作；本页四格绘本故事就是这样完成的。

模型与能力 Ideogram V3 Character
style 的三个选项有什么区别？

AUTO 由模型按提示词判断；REALISTIC 偏摄影光线与质感，适合人像和写实场景；FICTION 保持插画感，适合绘本、游戏和卡通角色。

模型与能力 Ideogram V3 Character
seed 有什么用？

固定 seed 便于复现和对比：同一参考图、提示词与 seed 下只切换档位或风格，就能直接比较差异。

模型与能力 Ideogram V3 Character
结果图片会保存多久？

output[].url 是带有效期的临时地址，请在任务成功后及时下载或转存到自己的存储。

模型与能力 Ideogram V3 Character
三档 rendering_speed 怎么选？

TURBO 最快、单价最低，适合试方向和批量出草稿；BALANCED 是默认档；QUALITY 细节最好，适合定稿。三档使用同一个模型 ID，按张分别计价，具体价格见页面实时价格。

模型与能力 Ideogram V3 Character
Ideogram 4.5 Edit 能做哪些编辑？

能做四种编辑：提示词整体编辑、参考图改风格、蒙版局部重绘和 Precise Edit 精修。四种方式可以组合使用。

模型与能力 Ideogram V4.5
至少需要哪些字段？

prompt 和 image_url 必填。reference_image_urls、mask_url、edit_precision、quality、image_size、num_images、seed 按需添加。

模型与能力 Ideogram V4.5
regular 和 Precise Edit 有什么区别？

改字和小范围精修选 Precise Edit，换色、换风格选 regular。edit_precision=high 即 Precise Edit，会还原没有改动的像素；regular 改动更自由。

模型与能力 Ideogram V4.5
两种精度的质量档一样吗？

不一样。regular 可选 very_low、low、medium、high；Precise Edit 只有 low、medium、high。

模型与能力 Ideogram V4.5
蒙版怎么画？

蒙版要和源图同尺寸，黑色区域重绘、白色区域保留。建议黑色区域略大于要改的物体。

模型与能力 Ideogram V4.5
什么时候 image_size 只能用 auto？

带 mask_url 或使用 Precise Edit 时只能用 auto。输出跟随源图尺寸；只有不带蒙版的 regular 编辑可以选 6 种尺寸预设。

模型与能力 Ideogram V4.5
最多能传几张参考图？

最多 4 张，同时提供蒙版时最多 3 张。在指令里说明每张参考图提供什么，效果更可控。

模型与能力 Ideogram V4.5
怎么计费？

按输出图片张数计费。单价由 quality 和 edit_precision 共同决定，每次请求出 1 张；尺寸、参考图和蒙版不影响价格，当前单价以实时价格为准。

模型与能力 Ideogram V4.5
编辑指令怎么写？

按四段写：任务、改什么、保留什么、质感和限制。例如：① Edit the provided logo. ② Change the text "Ember & Oak" to "Maple & Co". ③ Keep the serif lettering, bean emblem, tagline, colors and layout. ④ The result should look like the original print; do not add new elements. 改字时推荐配合 Precise Edit。

模型与能力 Ideogram V4.5
这个模型和 Ideogram 4.5 Image to Image 是同一个吗？

是同一个模型，只是显示名改为 Ideogram 4.5 Edit。模型 ID ideogram-v4.5/image-to-image 和页面链接都没变。

模型与能力 Ideogram V4.5
没有源图时用哪个模型？

先用 Ideogram 4.5（ideogram-v4.5/text-to-image）从提示词生成源图。再把结果交给本模型修改。

模型与能力 Ideogram V4.5
本页案例是怎么生成的？

全部由 HiAPI 用本模型生成。Precise Edit 用 low 档，其余用 regular 的 very_low 档，源图来自 Ideogram 4.5 页面的案例。

模型与能力 Ideogram V4.5
Ideogram 4.5 适合做什么？

适合做需要清晰画面文字的图。海报、Logo 字标、包装标签、招牌和杂志封面都是它擅长的类型。

模型与能力 Ideogram V4.5
怎样让画面文字更准确？

把要出现的文字放进引号逐字写出。再说明每行是大标题、副标题还是小字，以及位置和字体感觉；文字越短越稳定。

模型与能力 Ideogram V4.5
提示词怎么写效果最好？

按四段写：任务、文字和细节、要保持的版式、质感和限制。例如：① Create a conference poster. ② Headline "DESIGN FORWARD", subtitle "Typography Summit 2026", orange and navy palette. ③ Keep the headline centered and the subtitle clearly smaller. ④ Crisp lettering, flat print look; do not add any other text.

模型与能力 Ideogram V4.5
quality 三档怎么选？

日常出图选 medium，批量探索选 low，终稿选 high。三档单价不同，high 细节最多，适合小字较多的画面。

模型与能力 Ideogram V4.5
支持哪些尺寸？

支持 6 种尺寸预设：square、square_hd（默认）、portrait_4_3、landscape_4_3、portrait_16_9、landscape_16_9。本页没有开放自定义宽高。

模型与能力 Ideogram V4.5
尺寸会影响价格吗？

不会。按张计费，单价只随 quality 变化，每次请求出 1 张。

模型与能力 Ideogram V4.5
enable_prompt_expansion 是什么？

它是让模型先扩写提示词再出图的开关，默认开启。提示词较短时开着更好；需要严格按原文排版时可以关闭。

模型与能力 Ideogram V4.5
一次能出几张？

每次 1 张，num_images 固定为 1。想比较多个构图方向，可以换 seed 多发几次请求。

模型与能力 Ideogram V4.5
怎样复现同一张图？

传入固定的 seed 即可复现。同时保持提示词、尺寸和质量档不变。

模型与能力 Ideogram V4.5
中文文字效果怎么样？

大号中文标题通常能写对，中文小字在 low 档可能出错。需要清晰中文小字时建议用 medium 或 high。

模型与能力 Ideogram V4.5
可以上传参考图吗？

不可以，本模型只接收文字。要在已有图片上修改，用 Ideogram 4.5 Edit（ideogram-v4.5/image-to-image）。

模型与能力 Ideogram V4.5
输出图片怎么保存？

从任务结果的图片 URL 下载并转存。链接有有效期，请及时保存到自己的存储。

模型与能力 Ideogram V4.5
Imagen 4 适合做什么？

适合日常的产品、生活方式和内容画面。写清主体、场景、材质和光线，就能得到可以拿去评审的图片，常用于商品主图、品牌活动草案和文章配图。

模型与能力 Imagen 4
Imagen 4 支持哪些画幅比例？

支持 6 种：1:1、16:9、9:16、3:4、4:3 和 auto。aspect_ratio 必填，本页 Playground 默认 16:9。

模型与能力 Imagen 4
提示词最长能写多少？

最长 5,000 字符。prompt 必填，建议按主体、场景、材质、光线、文字的顺序组织。

模型与能力 Imagen 4
可以排除不想要的元素吗？

可以，用 negative_prompt。它是可选参数，最长 5,000 字符，适合排除多余文字、水印或杂乱背景。

模型与能力 Imagen 4
seed 填什么格式？

填字符串，最长 500 字符，可选。保持 seed 和其他参数不变，就能只比较提示词改动带来的差别。

模型与能力 Imagen 4
能上传参考图吗？

不能。Imagen 4 只根据文字生成图片；需要在已有图片上修改时，可以看相关模型里支持参考图编辑的 Nano Banana 2.1。

模型与能力 Imagen 4
一次能生成几张？

每次 1 张。需要多个版本时，分别提交多个任务。

模型与能力 Imagen 4
能指定像素尺寸或输出格式吗？

不能。当前只开放 aspect_ratio，不提供自定义像素尺寸和输出格式参数。

模型与能力 Imagen 4
图片里能出现文字吗？

能，但交付前要放大核对。把文字逐字放进引号并写明位置和大小，再说明不要出现其他文字；本页海报案例的标题就多出了一个字母。

模型与能力 Imagen 4
Imagen 4、Fast 和 Ultra 怎么选？

日常生产选 Imagen 4。需要大量试稿时选 Imagen 4 Fast，成品要提升细节时选 Imagen 4 Ultra；三者模型 ID 不同，可以在同一个项目里分阶段使用。

模型与能力 Imagen 4
怎么通过 API 调用？

通过 POST /v1/tasks 提交任务。传入 model: "imagen-4.0"，prompt 和 aspect_ratio 放在 input 里。请求会立即返回 taskId，可设置 callback.url 接收完成通知，或查询 GET /v1/tasks/:id，成功后从 output 下载图片。

模型与能力 Imagen 4
怎么计费？

按张计费，每次 1 张。画幅和 seed 不影响计费方式，当前单价以页面实时价格为准，最终以任务记录为准。

模型与能力 Imagen 4
Imagen 4 Fast 适合做什么？

适合需要大量版本的工作：筛选创意方向、批量试稿，以及社媒和电商的配色与构图对比。

模型与能力
Fast 和 Imagen 4 的参数一样吗？

基本一样，只有 seed 类型不同。两者都用 prompt、aspect_ratio、negative_prompt 和 seed；Fast 的 seed 是整数，Imagen 4 和 Ultra 是字符串。

模型与能力
Fast 支持哪些画幅比例？

支持 6 种：1:1、16:9、9:16、3:4、4:3 和 auto。aspect_ratio 必填，本页 Playground 默认 16:9。

模型与能力
seed 怎么用？

填一个整数，可选。批量试稿时固定 seed、只改提示词的一处，能更清楚地看出这一处改动的效果。

模型与能力
提示词最长能写多少？

最长 5,000 字符。试稿阶段建议先写短而清楚的主体和场景，再逐轮补细节。

模型与能力
可以排除不想要的元素吗？

可以，用 negative_prompt。它最长 5,000 字符，适合在整批试稿里统一排除多余文字、水印等元素。

模型与能力
能上传参考图吗？

不能。Imagen 4 Fast 只根据文字生成图片；需要参考图时，可以看相关模型里支持多张参考图的 Nano Banana 2 Lite。

模型与能力
一次能生成几张？

每次 1 张。批量试稿时并行提交多个任务，用 callback.url 接收结果。

模型与能力
能指定像素尺寸或输出格式吗？

不能。当前只开放 aspect_ratio，不提供自定义像素尺寸和输出格式参数。

模型与能力
方向定了以后怎么出成品？

换 model 即可。把同一组提示词和画幅交给 Imagen 4 或 Imagen 4 Ultra，model 填对应的模型 ID。注意这两个模型的 seed 是字符串。

模型与能力
怎么通过 API 调用？

通过 POST /v1/tasks 提交任务。传入 model: "imagen-4.0-fast"，prompt 和 aspect_ratio 放在 input 里。请求会立即返回 taskId，可设置 callback.url 或查询 GET /v1/tasks/:id，成功后从 output 下载图片。

模型与能力
怎么计费？

按张计费，每次 1 张。当前单价以页面实时价格为准，提交前可在 Playground 看预估费用。

模型与能力
Imagen 4 Ultra 适合做什么？

适合交付成品：产品微距、人物肖像、风景和材质特写，以及需要更贴合提示词的画面。

模型与能力
Ultra 支持哪些画幅比例？

支持 6 种：1:1、16:9、9:16、3:4、4:3 和 auto。aspect_ratio 必填，本页 Playground 默认 1:1。

模型与能力
提示词最长能写多少？

最长 5,000 字符。成品阶段可以把材质、光线方向、景深和背景写得更具体。

模型与能力
可以排除不想要的元素吗？

可以，用 negative_prompt。它最长 5,000 字符，适合排除过曝反光、多余文字、水印或杂乱背景。

模型与能力
seed 填什么格式？

填字符串，最长 500 字符，可选。定稿时固定 seed、只微调提示词，便于对比细节变化。

模型与能力
能上传参考图吗？

不能。Imagen 4 Ultra 只根据文字生成图片；需要以已有图片为基础时，可以看相关模型里支持参考图的 Nano Banana Pro。

模型与能力
一次能生成几张？

每次 1 张。需要多个候选时，分别提交多个任务。

模型与能力
图片里的文字可靠吗？

不能保证，交付前要放大核对。在 prompt 里逐字写出文字、位置和大小，并说明不要出现其他文字，效果会更稳定。

模型与能力
什么时候值得用 Ultra？

方向已经确定、需要交付成品时。可以先用 Imagen 4 Fast 筛方向，再把选中的提示词和画幅交给 Ultra，只需把 model 换成 imagen-4.0-ultra。

模型与能力
怎么通过 API 调用？

通过 POST /v1/tasks 提交任务。传入 model: "imagen-4.0-ultra"，prompt 和 aspect_ratio 放在 input 里。请求会立即返回 taskId，可设置 callback.url 或查询 GET /v1/tasks/:id，成功后从 output 下载图片。

模型与能力
怎么计费？

按张计费，每次 1 张。当前单价以页面实时价格为准，最终以任务记录为准。

模型与能力
Kimi K3 的 Low、High、Max 怎么选？

日常提取、改写和短问答可以先试 low；需要多步分析时试 high；难题或复杂代码任务再比较 max 的效果。reasoning_effort 默认是 max，只提供 low、high、max 三档，没有 medium 或 none。更高档位可能产生更多思考 Token、等待更久，应结合回答质量和 usage 选择。

模型与能力 Kimi K3
为什么没有关闭思考和调节温度的开关？

Kimi K3 在当前接入中始终开启思考，降低开销应先尝试 low，而不是传 thinking.type=disabled。本页不会发送 thinking、temperature 或 top_p；从其他模型迁移时，也应移除这些控制字段，使用顶层 reasoning_effort 选择档位。

模型与能力 Kimi K3
回答很短，为什么仍有较多输出 Token 费用？

模型生成的思考内容也按输出 Token 计费，所以最终回答的字数不能代表总输出量。usage.completion_tokens 已包含思考 Token；如返回 completion_tokens_details.reasoning_tokens，它是其中的明细，不要重复相加。费用按普通输入、缓存读取和输出三项分别计算，每项 Token 数除以 100 万，再乘本页对应美元单价。

模型与能力 Kimi K3
多轮对话只保存最终回答可以吗？

不建议。下一轮 messages 应按顺序带回所需历史，并保留 API 返回的完整 assistant 消息，包括 content、返回的 reasoning_content，以及可能存在的 tool_calls。只保存最终文字会丢失 Kimi 继续思考或续接工具所需的上下文。本页 Playground 会保留返回的思考内容。

模型与能力 Kimi K3
返回 tool_calls 后，工具会自动执行吗？

不会。模型提出调用哪个函数及其参数，工具的实际执行由你的应用负责。执行后，把原 assistant 消息和 role=tool 的结果消息加入 messages；结果中的 tool_call_id 必须对应原调用的 id，再请求 Kimi 继续回答。不要只把工具结果当作一条普通 user 消息发送。

模型与能力 Kimi K3
JSON 模式和严格 JSON Schema 有什么区别？

response_format.type=json_object 用于取得 JSON，但业务字段仍需应用校验。需要约束字段和类型时，使用 response_format.type=json_schema，并提供 response_format.json_schema.schema 和 response_format.json_schema.strict=true。最终 JSON 在 choices[0].message.content 中，不能把 reasoning_content 拼进去解析；本页 JSON output 开关使用的是 json_object。

模型与能力 Kimi K3
Kimi 官方支持视觉理解，这里也能传图片或视频吗？

当前 HiAPI 的这个 Kimi K3 接入只开放文本输入、文本输出。官方模型具备视觉能力，并不代表本页已经开放图片或视频输入。接入时按文本 messages 构造请求，不要直接套用官方的 image_url 或 video_url 示例；以后是否开放，以本页输入能力和 Playground 控件为准。

模型与能力 Kimi K3
可以直接使用 Responses API，或只改模型名就完成迁移吗？

本页 Kimi K3 当前使用 POST /v1/chat/completions，model 为 kimi-k3；Responses 尚未作为此接入的开放端点。OpenAI SDK 客户端应使用 chat.completions.create 和 messages，并调整推理字段、保留完整 assistant 历史。可以复用同一个 HiAPI API Key，但使用 Responses 的旧代码还需要调整请求与响应处理。

模型与能力 Kimi K3
重复发送相同上下文，为什么缓存费用不一定一样？

缓存命中是按请求实际返回的 usage.prompt_tokens_details.cached_tokens 计算的，重复文本不保证每次都命中。尽量保持开头的系统提示词、工具定义和固定上下文一致，再追加新消息；切换 reasoning_effort 也可能影响命中。cached_tokens 为 0 时，不能按缓存读取单价估算这部分输入。

模型与能力 Kimi K3
1M 上下文代表一次能输出 100 万 Token 吗？

不代表。上下文窗口与单次最大输出是不同的限制。本页没有用 1M 上下文推算最大输出，因此未确认的输出上限显示为“-”。可以用 max_tokens 设置本次输出预算；如果 finish_reason 返回 length，要检查是否触及输出限制，再决定缩小任务或续写。

模型与能力 Kimi K3
首帧图片要怎么准备？

支持 jpeg、png、webp，单张不超过 10MB，用 jpeg 或 png 最稳妥。图片比例尽量和要输出的画幅一致；比例不一致时，成片可能被居中裁切，也可能沿用原图比例，所以主体最好放在画面中间。

模型与能力
尾帧有什么用，怎么用？

尾帧是可选的第二张图，决定视频最后停在什么画面。两张图的背景和机位最好一致，只让想变的部分不同，比如本页红车变蓝车的例子。加尾帧后画幅只能选 16:9、9:16 或 1:1。

模型与能力
可以选哪些时长和画幅？

时长有 5 秒和 10 秒。画幅有 16:9、9:16、1:1、4:3、3:4、21:9，分别输出 1920×1080、1080×1920、1440×1440、1660×1244、1244×1660、2200×940，分辨率随画幅确定，不用单独设置。

模型与能力
生成的视频有声音吗？

没有，成片不含音轨，配乐和旁白可以在剪辑时添加。如果希望成片自带声音，可以看 Kling 2.5 Turbo Text-to-Video，它从文字生成，成片带音轨。

模型与能力
提示词应该写什么？

首帧已经交代了主体和场景，提示词写动作、环境变化和镜头就够了，例如「花瓣飘落，镜头缓慢环绕」。不想出现的内容可以写进反向提示词，也可以调节画面贴合描述的程度。

模型与能力
生成的视频能保存多久？

成片链接默认保留约 7 天，需要长期使用请及时下载，或在创建任务时选择长期存储。历次生成可以在任务记录里查看。

模型与能力
和 Kling 2.5 Turbo Text-to-Video 怎么选？

手上有图，希望主体和构图照着图来，用 Image-to-Video；只有一个想法，或者需要成片带声音，用 Text-to-Video。两者的时长都是 5 秒或 10 秒。

模型与能力
需要上传图片吗？

不需要，这个版本只接收文字。提示词最长 2500 个字符，把主体、环境、动作和镜头写进同一段即可。手上有图、想让画面照着图来，可以用 Kling 2.5 Turbo Image-to-Video。

模型与能力
生成的视频有声音吗？能关掉吗？

每条成片都带音轨，目前没有关闭选项。声音由模型生成，内容不一定符合你的要求，使用前先试听，需要时在剪辑里替换或调低。

模型与能力
可以选哪些时长和画幅？

时长 5 秒或 10 秒；画幅 16:9、9:16、1:1，分别输出 1920×1080、1080×1920、1440×1440。分辨率随画幅确定，不用单独设置。

模型与能力
提示词怎么写效果更好？

按主体、环境、动作、镜头的顺序写一段话，再补上光线。动作一次写一两个就够，比如本页小熊猫的抬爪和回头；同时要求太多，5 秒里很难全部做完。

模型与能力
不想出现的内容怎么处理？

可以把不想要的元素单独写进反向提示词，例如文字、标志或多余的人物；也可以调节画面贴合描述的程度。

模型与能力
和 Kling 3.0 Turbo Text-to-Video 怎么选？

5 秒或 10 秒够用，选 Kling 2.5 Turbo；想在 3 到 15 秒之间逐秒设时长，或在 720p 和 1080p 之间选，用 Kling 3.0 Turbo Text-to-Video。两者都有横屏、竖屏和方形。

模型与能力
Kling 3.0 Motion Control 需要哪些输入？

两项必填：一张人物参考图（image_url）和一段 3-30 秒的动作参考视频（video_url）。人物图决定外观与身份，参考视频决定动作、表情与节奏。Prompt 可选，用来补充场景、风格和运镜。

模型与能力
输出时长怎么决定？

不需要传时长。输出跟随参考视频长度：character_orientation=video 时最长 30 秒，image 时最长 10 秒。动作过快或过复杂时，模型只提取可用动作段，输出可能短于参考视频。

模型与能力
video 和 image 两种朝向怎么选？

video：人物朝向跟随参考视频，适合舞蹈、走位等大幅度或多角度动作。image：人物朝向跟随参考图，适合固定机位加运镜的口播、讲解类内容，输出最长 10 秒。

模型与能力
参考视频有什么拍摄要求？

mp4/mov，最大 100MB，3-30 秒，单镜头连续拍摄，人物头部、肩部与躯干清晰可见，尽量单人入镜、避免频繁切镜和遮挡。参考图同样需要露出头肩与躯干，双边大于 340px，宽高比在 2:5 到 5:2 之间。

模型与能力
会保留参考视频里的声音吗？

默认保留（keep_original_sound=true），适合口播和舞蹈翻跳直接沿用原音轨；不需要时传 false 只输出画面。

模型与能力
Kling 3.0 Motion Control 如何计费？

按实际输出秒数计费，720p 与 1080p 单价不同。任务创建时按朝向上限预扣，完成后按实际输出秒数多退少补；具体单价见本页实时价格区。

模型与能力
可以生成多长、多大的视频？

时长可选 3–15 秒（整数秒，默认 5 秒），分辨率可选 720p、1080p 或 4K，画幅支持 16:9、9:16 和 1:1。

模型与能力
生成的视频有声音吗？

开启原生音频（audio）后，模型会同步生成与画面匹配的声音，例如音效、环境音和节奏；默认关闭，关闭时输出不含音轨。

模型与能力
智能分镜是什么？

开启 prefer_multi_shots 后，模型会根据提示词里的情节自动规划多个镜头并完成切换，适合讲一个完整的小故事。只需要一个连续镜头时保持关闭即可。

模型与能力
怎样让固定的角色或产品出现在视频里？

在 elements 中添加主体：填写名称、简短描述和 2–4 张同一主体的图片，然后在提示词里用 @名称引用。文生视频最多可添加 7 个主体。

模型与能力
它和 Kling 3.0 Text-to-Video 有什么区别？

两者都支持 3–15 秒和 720p–4K。Omni 版本额外支持用 elements 引用主体素材和智能分镜，适合需要角色或产品保持一致的内容；只需要纯文字生成时，两者都可以使用。

模型与能力
如何计费？

按视频时长计费，分辨率和是否开启音频会影响单价。当前价格请以定价页为准，每次任务的消费明细可以在 HiAPI 任务记录中查看。

模型与能力
需要上传几张图片？

image_urls 传 1–2 张：1 张作为首帧；2 张时按 [首帧, 尾帧] 排列，用尾帧控制结束画面。支持 JPG / PNG，单张不超过 50MB，短边至少 300px，宽高比在 0.4–2.5 之间。

模型与能力
视频画幅可以自己选吗？

不能单独选择。输出画幅跟随首帧图片，想要竖屏或方形时，请准备对应比例的首帧。

模型与能力
可以生成多长的视频？

时长可选 3–15 秒（整数秒，默认 5 秒），分辨率可选 720p、1080p 或 4K。

模型与能力
支持声音和智能分镜吗？

支持。开启原生音频会同步生成与画面匹配的声音；开启智能分镜后，模型会根据提示词自动规划多个镜头。两者默认关闭。

模型与能力
可以同时引用主体素材吗？

可以。在 elements 中最多添加 3 个主体，每个主体 2–4 张图片，在提示词里用 @名称引用，让角色或产品在首帧之外的镜头中保持一致。

模型与能力
最多可以上传几张参考图？

image_urls 传 1–7 张参考图；加入参考视频后最多 4 张。参考图和 elements 主体合计不超过 7 个（带参考视频时不超过 4 个）。支持 JPG / PNG，单张不超过 50MB，短边至少 300px。

模型与能力
参考视频有什么作用和限制？

video_urls 可选传 1 段参考视频，用来参考镜头运动和节奏。要求 MP4 / MOV、不超过 200MB、时长 3–15.5 秒、宽高 700–4553px、24–60fps。带参考视频时不能开启原生音频和智能分镜。

模型与能力
参考生视频和图生视频有什么区别？

图生视频把图片当作视频的第一帧；参考生视频把图片当作人物、宠物或物品的样子，生成全新的构图和场景，参考图不会原样出现在开头。

模型与能力
可以生成多长、什么画幅的视频？

时长 3–15 秒（默认 5 秒），分辨率 720p、1080p 或 4K，画幅支持 16:9、9:16 和 1:1。

模型与能力
怎样在提示词里指定哪个是谁？

可以直接用文字描述参考图里的主体，例如“参考图中穿黄色雨衣的女子”；需要更明确的绑定时，在 elements 里为主体命名并用 @名称引用。

模型与能力
需要上传什么样的视频？

video_urls 传 1 段源视频：MP4 或 MOV，不超过 200MB，时长 3–15.5 秒，宽高 700–4553px，帧率 24–60fps。

模型与能力
可以设置时长和画幅吗？

不需要设置。输出时长和画幅都跟随源视频，可选的是分辨率（720p、1080p 或 4K）。

模型与能力
视频改造会保留什么、改变什么？

会保留原视频的动作和镜头运动，按提示词改变画面风格、场景、天气或主体。提示词里明确写出“保留原视频的动作和镜头”效果更稳定。

模型与能力
生成的视频有声音吗？

没有。视频改造不生成音频，需要声音时请在后期添加，或保留原视频音轨后期合成。

模型与能力
怎样把主体换成指定的形象？

在 elements 中添加主体，填写名称、描述和 2–4 张图片，然后在提示词里用 @名称说明用它替换原来的主体。最多可以添加 7 个主体。

模型与能力
Kling 3.0 Turbo 文生视频需要上传图片吗？

不需要。当前页面对应纯文生视频模型 kling-3.0-turbo/text-to-video，只接收文字 Prompt。需要从首帧生成视频时，应使用独立的 Kling 3.0 Turbo Image-to-Video 模型页。

模型与能力 Kling 3.0 Turbo
Kling 3.0 Turbo 支持哪些时长、分辨率和画幅？

当前 HiAPI 请求契约支持 3–15 秒、720p 或 1080p，以及 16:9、9:16、1:1。页面案例覆盖 720p、5 秒与 12 秒、横屏与竖屏；1080p 和 1:1 属于接口支持能力，页面暂无对应案例。

模型与能力 Kling 3.0 Turbo
Kling 3.0 Turbo 文生视频如何计费？

按生成视频时长和分辨率计费，720p 与 1080p 使用不同的每秒档位；具体金额以页面实时价格和任务记录为准。

模型与能力 Kling 3.0 Turbo
怎样写 Kling 3.0 Turbo 的文生视频 Prompt？

先写主体与场景，再按顺序描述动作和镜头，最后补充光线、风格和稳定性要求。长镜头应明确 single continuous shot、no cuts 和镜头路径；竖屏内容还应在 Prompt 中说明 vertical，并把 aspect_ratio 设为 9:16。

模型与能力 Kling 3.0 Turbo
Kling 3.0 Turbo 可以控制声音吗？

当前公开请求参数没有独立的声音开关或音频字段，因此本页不承诺可精确控制对白、音乐或拟音。案例文件可能包含音轨，但正式项目仍应检查输出，并按需要在后期完成配音、混音和版权审核。

模型与能力 Kling 3.0 Turbo
如何通过 API 调用 Kling 3.0 Turbo 文生视频？

向 POST /v1/tasks 发送异步任务，把 model 设置为 kling-3.0-turbo/text-to-video，并在 input 中传入 prompt、duration、resolution 和 aspect_ratio。创建请求返回 taskId；任务查询、回调、错误处理和完整参数请查看 API 文档。

模型与能力 Kling 3.0 Turbo
首帧图片有什么要求？

一张 jpeg 或 png 图片的公网可访问 URL，放在 image_urls 数组里，一次只传一张。图片会被当作片段的起始画面。

模型与能力 Kling 4.0
不选画幅会怎样？

不传 aspect_ratio 时输出自动跟随首帧比例，竖图不会被迫裁成横屏。只有想覆盖原图比例时才需要显式设置。

模型与能力 Kling 4.0
Prompt 是必填的吗？

是。首帧图负责构图和主体，Prompt 负责描述动作、镜头和声音，两者都需要。文案写短一点通常效果更好。

模型与能力 Kling 4.0
图生视频怎么计费？

和文生视频一样按输出秒数计费，720p 与 1080p 档位不同，没有起步价。

模型与能力 Kling 4.0
能让视频带声音吗？

可以。音频和画面一起生成，输出 MP4 自带音轨；把想要的声源写进 Prompt 即可。

模型与能力 Kling 4.0
如何通过 API 调用？

向 POST /v1/tasks 提交异步任务，model 填 kling-4.0/image-to-video，input 里放 image_urls 以及可选的 prompt、duration、resolution、aspect_ratio。

模型与能力 Kling 4.0
Kling 4.0 文生视频需要上传图片吗？

不需要。kling-4.0/text-to-video 只接收文字 Prompt。需要让指定首帧动起来时，请使用 Kling 4.0 图生视频模型 kling-4.0/image-to-video。

模型与能力 Kling 4.0
Kling 4.0 支持哪些时长、分辨率和画幅？

支持 3-30 秒任意整秒，720p 或 1080p，画幅可选 16:9、9:16、1:1 和 21:9 超宽屏。页面案例覆盖 720p 与 1080p 的 5 秒横屏片段。

模型与能力 Kling 4.0
Kling 4.0 会生成声音吗？

会。画面和音频在同一次生成里完成，输出 MP4 自带音轨。把环境音和声源写进 Prompt（例如雨声、引擎声、乐器）会被模型采用。

模型与能力 Kling 4.0
文生视频怎么计费？

按输出秒数计费，720p 和 1080p 使用不同的每秒档位，没有起步价，生成 5 秒就是 5 秒的单价。具体金额以页面实时价格和任务记录为准。

模型与能力 Kling 4.0
怎样写出更好的 Kling 4.0 提示词？

先写主体和场景，再明确镜头怎么动（推近、横向跟拍、手持、固定机位），最后补光线和氛围。需要声音时直接写进同一段描述，不要留到后期补。

模型与能力 Kling 4.0
Krea 2 Medium Turbo 适合做什么？

它能根据一段文字描述很快生成高保真图片，适合需要快速出图、反复调整提示词的场景，例如概念草图、社媒配图和电影感画面。

模型与能力 Krea 2 Medium Turbo
支持哪些画面比例？

aspect_ratio 可选 1:1（默认）、4:3、3:2、16:9、2.35:1、4:5、2:3、9:16 共 8 种。

模型与能力 Krea 2 Medium Turbo
2.35:1 比例适合什么画面？

2.35:1 是常见的宽银幕电影画幅，适合电影感场景、网站横幅和视频封面这类超宽构图。

模型与能力 Krea 2 Medium Turbo
creativity（创意度）有什么作用？

creativity 控制模型对提示词的发挥程度，可选 raw、low、medium、high。档位越低越贴近描述，越高画面越有创意，但也可能偏离描述。

模型与能力 Krea 2 Medium Turbo
creativity 默认是哪一档？

在 HiAPI 上默认是 low，结果更贴近提示词。想要更多变化时可以改成 medium 或 high。

模型与能力 Krea 2 Medium Turbo
seed（种子）怎么用？

seed 是可选的整数。不传时每次随机；固定 seed 和其他参数，可以复现同一结果，方便对比提示词或创意度的改动。

模型与能力 Krea 2 Medium Turbo
一次能生成几张？

每次请求生成 1 张图片，需要多张时分别提交多个任务。

模型与能力 Krea 2 Medium Turbo
提示词有长度限制吗？

prompt 必填，长度 1–5000 个字符。

模型与能力 Krea 2 Medium Turbo
需要上传参考图吗？

不需要，这是纯文生图模型，只用文字描述生成图片。风格参考图、预设风格和情绪板目前未开放。

模型与能力 Krea 2 Medium Turbo
怎么计费？

按输出图片张数计费，每次请求 1 张。当前单价以页面上的实时价格为准。

模型与能力 Krea 2 Medium Turbo
如何获取生成结果？

调用 POST /v1/tasks 后会立即返回 taskId。生产环境建议设置 callback.url 接收完成通知，调试时可以轮询 GET /v1/tasks/:id；任务成功后从 output 中的图片地址下载。

模型与能力 Krea 2 Medium Turbo
有内容安全检查吗？

有，每次生成都会开启安全检查，不符合内容规范的请求可能失败。

模型与能力 Krea 2 Medium Turbo
Krea 3 适合做什么？

适合写实摄影、人像、产品图、美食、建筑空间、插画和概念设计，也能出带标题文字的海报。短提示词也能得到完整画面，适合快速探索方向。

模型与能力 Krea 3
berry 和 jam 有什么区别？

两者是同一模型的两个变体，大部分参数相同（negative_prompt 只对 berry 生效）：Krea 把 berry 定位为质量优先、jam 为速度优先，两者同价。通过 input.variant 切换，默认 berry。实际对比中，同 seed 下两者构图和色调不同、画质相当，可以都试一次再选。

模型与能力 Krea 3
reasoning_level 是什么？该选哪个？

它控制模型在出图前花多少功夫理解和扩写提示词，可选 low 和 medium（默认）。提示词很短或很抽象时用 medium；提示词已经写得很具体、想要更快时用 low。

模型与能力 Krea 3
支持哪些尺寸？

image_size 支持 6 种：square_hd（1024 × 1024，默认）、square（512 × 512）、portrait_4_3（768 × 1024）、portrait_16_9（576 × 1024）、landscape_4_3（1024 × 768）、landscape_16_9（1024 × 576）。

模型与能力 Krea 3
能输出 2K 或自定义宽高吗？

不能。本页提供的是 1K 规格，不支持 auto 和自定义宽高，传入会直接返回参数错误，不会扣费。

模型与能力 Krea 3
怎么计费？

按成功生成的图片张数计费，6 种尺寸同价，berry 与 jam 同价。具体单价以页面实时价格为准；参数校验失败的请求不扣费。

模型与能力 Krea 3
一次能生成几张？

每次请求生成 1 张。需要多张时提交多个任务，或用不同 seed 重跑。

模型与能力 Krea 3
负面提示词怎么用？

把不希望出现的元素写进 negative_prompt，例如 people, text, watermark，最长 1024 个字符。它只对 berry 生效：选 jam 时 Playground 会隐藏该项、不再提交；通过 API 给 jam 传也不会生效。

模型与能力 Krea 3
怎样得到可复现的结果？

传入固定的 seed（0–2147483647），并保持提示词、尺寸、variant 和 reasoning_level 不变。做系列图时只改一处描述即可。

模型与能力 Krea 3
画面里的文字准确吗？

短标题通常比较准确。把文字放进引号逐字写出，并说明位置和字体风格；文字较多时建议用 berry 搭配 reasoning medium。

模型与能力 Krea 3
输出是什么格式？

output_format 可选 png（默认）或 jpeg。任务成功后从结果的 output[].url 下载图片，链接有有效期，请及时转存。

模型与能力 Krea 3
需要上传参考图吗？

不需要，这是纯文生图模型，只接收文字描述。

模型与能力 Krea 3
同一个 seed 换成 jam，会得到同一张图吗？

不会。seed 只在同一个变体内复现结果；berry 和 jam 用同一 seed 会给出不同的构图和色调。想对比两个变体时，可以把它们当成两种方案各跑一次。

模型与能力 Krea 3
LTX 2.5 Fast 支持哪些分辨率？

720p 和 1080p 两档，默认 720p。文生视频和图生视频都一样。

模型与能力 LTX 2.5 Fast
可以生成多长的视频？

2 到 20 秒，可选 2、3、4、5、6、8、10、12、14、16、18、20 秒，默认 6 秒。

模型与能力 LTX 2.5 Fast
支持竖屏吗？

支持。aspect_ratio 设为 9:16 即可得到竖屏视频，默认 16:9 横屏。

模型与能力 LTX 2.5 Fast
原生音频是什么？会额外收费吗？

开启 generate_audio 后，模型会同时生成环境声、音效或配乐，默认开启。关闭后得到无声视频，价格不变。

模型与能力 LTX 2.5 Fast
怎么计费？

按视频秒数计费，每秒价格由分辨率决定，1080p 高于 720p。当前价格以价格页为准。

模型与能力 LTX 2.5 Fast
文生视频和图生视频怎么选？

只有创意文字时用文生视频；已有产品图、海报或分镜图时用图生视频，画面主体会更可控。

模型与能力 LTX 2.5 Fast
图生视频的尾帧怎么用？

image_urls 传 2 张图，第 2 张就是尾帧。模型会从首帧自然过渡到尾帧，适合白天到夜晚、开合变化这类转场。

模型与能力 LTX 2.5 Fast
首帧和尾帧有什么要求？

JPG、PNG 或 WebP 图片 URL。两张图的构图和机位越接近，过渡越顺。

模型与能力 LTX 2.5 Fast
帧率可以修改吗？

固定为 25fps，无需传参。

模型与能力 LTX 2.5 Fast
图生视频的画幅跟随图片吗？

输出画幅由 aspect_ratio 决定。建议让它与首帧图片一致，避免裁切或留边。

模型与能力 LTX 2.5 Fast
提示词怎么写效果更好？

按“主体 + 动作 + 镜头 + 声音”来写，例如“咖啡师倒奶拉花，特写，晨光，杯碟轻响”。图生视频只需描述要加入的运动，不必重复画面。

模型与能力 LTX 2.5 Fast
生成的视频能保存多久？

结果链接有有效期，需要长期保存时请及时下载或转存到自己的存储。

模型与能力 LTX 2.5 Fast
没有图片时，怎样使用这个入口？

直接描述场景、动作、镜头与声音即可，首帧和尾帧都可省略，无图时使用默认横屏画布。已有应用可继续使用 minimax-h3-max；新创作需要选择画幅时，使用 MiniMax H3 Max Text-to-Video。

模型与能力
已有图片，可以作为首帧或尾帧吗？

可以提供首帧、尾帧或两张一起。首帧设定开始画面，尾帧引导结束画面；有首帧时画布跟随首帧，仅尾帧时跟随尾帧。使用帧图时不要同时传 aspect_ratio。

模型与能力
旧画幅参数能控制竖屏吗？

此入口保留 aspect_ratio 的兼容接受，但不保证该字段改变生成画布。需要明确选择 9:16 或其他画幅时，改用 MiniMax H3 Max Text-to-Video；有图片时按图片构图决定画布。

模型与能力
现有调用要改代码吗？

不需要。模型名、接口地址、默认时长和默认分辨率都保持原样，原来合法的请求仍然合法。只有想用新增的可选字段时，才在请求里加上它们。

模型与能力
这个入口和新的文生视频、图生视频入口有什么区别？

这个入口保留原来的行为：图片可选，没有图片时默认横屏。文生视频入口只接受文字并可选画幅；图生视频入口至少要一张首帧或尾帧。三者的时长、分辨率、seed、扩写和目标音频写法一致。

模型与能力
提示词最长可以写多少？

在这个入口上最多 7,000 个字符。如果需要更长的镜头说明，文生视频和图生视频入口的上限更高。

模型与能力
1080P 要不要给老请求默认打开？

不要改默认值。老请求不传分辨率时仍然是 768P；只有明确传入 1080P 才会使用该档。建议先对少量任务试跑，对比成片再决定。

模型与能力
为什么同一个提示词在文字请求和图片请求里画幅不一样？

因为画布来自图片。有首帧时跟随首帧，只有尾帧时跟随尾帧，纯文字时使用默认横屏。要在纯文字下固定画幅，请换文生视频入口。

模型与能力
需要准备图片吗？

不需要，此入口只根据文字创建视频，不接收首帧或尾帧图片。已有图片并希望设定开始或结束画面时，选择 MiniMax H3 Max Image-to-Video。

模型与能力
如何为发布位置选择画幅？

可选 21:9、16:9、4:3、1:1、3:4、9:16。横屏适合环境镜头和片头，竖屏适合短视频，方形适合信息流。构图中交代主体位置与运动空间，便于镜头适应所选画幅。

模型与能力
怎样写更清楚的镜头描述？

从主体和环境开始，再写一个连贯动作、镜头方向与声音。短片中避免塞入过多事件；需要更丰富的描述时，可使用提示词扩写，并在查看成片后调整。

模型与能力
竖屏 9:16 真的会输出竖屏吗？

会。这个入口直接按所选画幅生成，我们的 768P 测试返回了 768×1344。

模型与能力
可以同时使用目标音频和很短的时长吗？

不可以。使用目标音频时视频时长要不少于 2 秒，音频本身也要不少于 2 秒。只想做 1 秒以内的极短片段时，让模型自己生成声音即可。

模型与能力
怎么让同一个构思出不同画幅而风格接近？

固定提示词和 seed，只改 aspect_ratio。相同 seed 不保证画面完全一致，但风格、色调和动作倾向通常更接近，便于挑选。

模型与能力
提示词扩写什么时候开？

只有一句简短创意时，用 balanced 或 quality 让模型补充细节；已经写好镜头、光线和动作时用 disabled，保留自己的措辞。扩写不改变你请求的时长。

模型与能力
为什么返回的时长和请求略有差异？

视频按帧生成，最终时长会落在最接近的帧边界上。我们的测试里差异不到三分之一秒。需要精确剪辑点时，以返回视频的时长为准。

模型与能力
1080P 画面适合什么用途？

1080P 是在 768P 画面基础上进一步增强的输出档，适合最终交付或大屏播放；起草和比对阶段用 480P 或 768P 更快。

模型与能力
首帧和尾帧都要上传吗？

至少提供一张：只用首帧安排开始画面，只用尾帧引导结束画面，也可一起使用来设定起止构图。这些图片承担视频起止帧的作用，不是普通风格参考图。

模型与能力
画面比例由哪张图片决定？

有首帧时以首帧为准；只有尾帧时以尾帧为准。这个入口不接收 aspect_ratio。准备符合发布位置的横图或竖图，双帧最好使用一致画幅，具体输出尺寸以视频为准。

模型与能力
提示词需要重复描述图片吗？

图片已经给出主体和构图，提示词重点写动作、环境变化与镜头如何继续。需要固定结束位置时，结合尾帧说明运动方向，并给动作留出合适时长。

模型与能力
只传尾帧可以吗？

可以。只传尾帧时，它既是结尾画面，也决定整体画幅。提示词描述从开头到这个结尾发生的动作即可。

模型与能力
首帧和尾帧尺寸不一致会怎样？

画幅以首帧为准，尾帧会被对应处理，但差别太大时过渡可能不自然。建议两张图使用相同的方向和接近的构图。

模型与能力
能不能传参考图来控制风格而不是起止画面？

不能。这个入口的图片是视频的起止帧，不是通用风格参考。需要从文字出发时，请使用文生视频入口。

模型与能力
目标音频要怎么搭配图片使用？

传入 target_audio_url 后，成片音轨替换为你的音频。音频不少于 2 秒、不超过 15 MB，视频时长也不少于 2 秒。它不保证驱动画面动作，动作仍靠提示词描述。

模型与能力
1080P 对图生视频有什么用？

1080P 是在 768P 画面基础上进一步增强的输出档。我们用两张竖图做首尾帧测试，1080P 返回了 1080×1920。适合最终交付；比较提示词时用 480P 更快。

模型与能力
为什么要先用很短的时长试一版？

时长支持 0.92–15 秒的小数。先用 1.5–2 秒确认首帧是否被正确使用、画面方向是否符合预期，再放大到最终长度，可以少走很多弯路。

模型与能力
如何在生成与编辑之间切换？

只写提示词即可生成图片。添加参考图片后，描述需要修改的内容与必须保留的细节；两种用法使用同一个模型 ID。每次任务独立处理，需要继续编辑时再次提供上一张结果。

模型与能力
参考图片怎样配合提示词使用？

最多添加 10 张 JPEG、PNG 或 WebP 图片。说明每张图片提供的主体、背景或风格，再列出保留项。图片 URL 必须可以公开访问；API 单张图片不超过 30 MB。

模型与能力
auto 画幅会怎样选择？

auto 让模型根据提示词和参考图片选择画幅。需要海报或广告版位时，直接选择明确的比例；分辨率档位不代表固定的宽高像素。比例是构图目标，实际像素可能略有差异，尤其是 1:8 与 8:1；固定版位请核对输出文件尺寸后再裁切。

模型与能力
怎样提高海报文字的可读性？

将需要出现的文字逐句写出，说明标题、标签和副标题的位置，并限制额外文字。成片后逐字核对，尤其是小字号与较长段落。

模型与能力
可以生成透明背景或一次多张图片吗？

当前每次任务生成一张 JPG 或 PNG 图片，没有透明背景开关或批量张数参数。PNG 是文件格式，不保证透明背景。

模型与能力
如何获取和保存结果？

提交后保存 taskId，通过 GET /v1/tasks/:id 查询状态，成功后读取 output[].url。也可设置 callback.url 接收终态通知；长期使用的结果请及时保存。

模型与能力
Nano Banana 2.1 适合哪些创作？

可以从时装人像和家居场景开始，也可以提供原图进行参考编辑。本页展示实际生成的海岸人像、家具空间与换装对照；效果取决于具体输入，交付前应检查细节。

模型与能力
1K、2K 和 4K 应该怎样选择？

先用 1K 判断方向；需要讨论材质、空间或版式细节时可选 2K；较大展示和后续裁切可考虑 4K。更高分辨率不会自动修正文字或结构错误，实际像素尺寸随画幅变化。

模型与能力
如何修改图片，同时尽量保留原来的构图？

上传要编辑的原图，分别写明修改项与保留项，例如替换外套、保留人物脸部、姿态与背景。将结果与原图对照，检查衣服边缘、手部和光影；需要继续编辑时，再次提供上一张结果。

模型与能力
怎样让生成图更有摄影质感？

具体说明主体、动作、衣料或表面材质、镜头位置与光线方向，并控制道具数量。放大检查皮肤、手部、反射和阴影；仅写“高级摄影”或提高分辨率，不能保证细节准确。

模型与能力
OmniHuman 1.5 需要哪些输入？

一张人像图（image_url）和一段音频（audio_url），两者都必填。提示词、蒙版、分辨率、快速模式和随机种子都是可选项。

模型与能力
什么样的人像图效果最好？

正脸清晰、嘴部无遮挡的单人图最稳，真人照片、宠物、插画和动漫角色都可以；半身或全身图会带出更多手势。视频画幅跟随这张图，不需要另外设置比例。

模型与能力
音频有什么要求？

说话或唱歌都可以，mp3、wav、aac、ogg、m4a 格式，最大 10MB；时长必须短于 60 秒，15 秒以内效果最好。视频时长等于音频时长。

模型与能力
可以用唱歌或英文等其他语言的音频吗？

可以。驱动音频既可以是说话也可以是唱歌，口型同步不依赖语言；同一张人像换不同语言的配音，就能分别生成对应语言的版本。

模型与能力
提示词是必填的吗？

不是。不写提示词时，表情和动作由模型根据音频自行安排；想控制表情、手势或镜头时再写，最多 300 个字符，支持中、英、日、韩、西班牙语和印尼语。

模型与能力
画面里有多个人时怎么指定说话者？

上传与人像图同尺寸的蒙版图（说话者区域为白、其余为黑）到 mask_urls，最多 5 张，指定的人会对口型。

模型与能力
和 HeyGen Avatar IV 有什么区别？

OmniHuman 1.5 只接受音频驱动，但支持宠物和动漫角色、表情和肢体动作更丰富，并可用蒙版指定说话者；HeyGen Avatar IV 可以只给台词并从预置声音里选配音，还能指定画幅和背景填充。

模型与能力
OmniHuman 1.5 如何计费？

按生成视频的实际秒数计费，720p 和 1080p 同价。创建任务时先按最长 60 秒预扣（提交时余额需覆盖 60 秒费用），完成后按实际输出秒数结算并退回差额，失败任务全额退回；单价见本页实时价格。

模型与能力
PixVerse V6 图生视频是什么？

它是 PixVerse V6 的图生视频版本：上传一张图片作为首帧，再用提示词描述要添加的动作、镜头和氛围，生成 1 到 15 秒、360p 到 1080p 的视频，可选同步音频和风格预设。

模型与能力 PixVerse V6
输出视频的画面比例由什么决定？

由 image_url 这张首帧图的比例决定，所以图生视频没有 aspect_ratio 参数。需要竖屏就上传竖版图，需要 16:9 就上传横版图。

模型与能力 PixVerse V6
提示词应该怎么写？

只写希望发生的变化：主体动作、镜头运动、环境变化和声音，不必复述图片里已经有的内容。写清楚哪些东西要保持不动，例如“镜头保持不动”“背景不变”。

模型与能力 PixVerse V6
对输入图片有什么要求？

image_url 必须是公网可以直接访问的图片地址，Playground 里也可以直接上传。主体清晰、构图完整、留有动作空间的图片更容易得到稳定的运动。

模型与能力 PixVerse V6
支持哪些时长和分辨率？

duration 可以是 1 到 15 之间的任意整数秒，默认 5 秒；resolution 有 360p、540p、720p、1080p 四档，默认 720p。

模型与能力 PixVerse V6
可以生成声音吗？

可以。把 generate_audio 设为 true，会随视频一起生成背景音乐、音效和对白，提示词里可以描述想要的声音；默认是 false，只输出画面。

模型与能力 PixVerse V6
style 风格预设怎么用？

style 可选 anime（动漫）、3d_animation（3D 动画）、clay（黏土）、comic（漫画）、cyberpunk（赛博朋克）。不传时保持模型的自然画风，需要统一风格时再传。

模型与能力 PixVerse V6
提示词长度上限怎么计算？

prompt 和 negative_prompt 都按 UTF-8 字节计算，上限 2048 字节：英文字母每个 1 字节，中文等 CJK 字符每个 3 字节，所以纯中文大约 680 字。

模型与能力 PixVerse V6
negative_prompt 和 seed 有什么用？

negative_prompt 写需要避开的内容，例如画面闪烁、文字水印、肢体变形；seed 固定后，同样的提示词和参数可以复现相同的结果，方便只改一个变量做对比。

模型与能力 PixVerse V6
PixVerse V6 如何计费？

按输出秒数计费，单价由分辨率和是否生成音频共同决定，共 8 档：360p 到 1080p 逐档提高，开启音频的单价高于不开启。实际金额以价格页的当前标价和任务记录为准。

模型与能力 PixVerse V6
怎样控制成本做测试？

先用 360p 或 540p、几秒的短片、关闭音频，确认动作和构图，再提高到 720p 或 1080p 并开启音频出正式版本。本页的案例里既有 540p、4 秒的测试片，也有 720p 的正式版本。

模型与能力 PixVerse V6
如何通过 API 调用？

向 POST /v1/tasks 提交异步任务，请求会立即返回 taskId；生产环境建议传 callback.url 接收终态通知，调试时可以轮询 GET /v1/tasks/:id，成功后从 output[].url 下载 MP4。

模型与能力 PixVerse V6
PixVerse V6 文生视频是什么？

它是 PixVerse V6 的文生视频版本：只写一段提示词，就能生成 1 到 15 秒、360p 到 1080p 的视频，可选同步音频和 5 种风格预设，不需要上传任何图片。

模型与能力 PixVerse V6
支持哪些画面比例？

aspect_ratio 支持 16:9、4:3、1:1、3:4、9:16、2:3、3:2、21:9 共 8 种，默认 16:9。做竖屏短视频直接选 9:16，做宽银幕效果选 21:9。

模型与能力 PixVerse V6
需要固定开场画面时怎么办？

改用 pixverse-v6/image-to-video：上传一张图片作为首帧，视频会从这张图开始。文生视频适合从零构思画面，图生视频适合已有素材或需要锁定构图的场景。

模型与能力 PixVerse V6
Qwen Image 2.1 Pro 适合什么？

适合需要画质与速度均衡的文生图和图像编辑，一次可参考最多 10 张图片，对中英文文字渲染也有不错的表现。

模型与能力
支持几张参考图？顺序怎么生效？

1–10 张；不传参考图即为文生图。多张图按数组顺序编号，在提示词里用「图1」「图2」指代即可——本页的家具入场景案例就是把主体放在图1、场景放在图2，两图分工互不串味。

模型与能力
画幅和尺寸是什么关系？

两者是一回事：aspect_ratio 的五个取值各自对应一个固定的 2K 级像素尺寸（1:1 对应 2048*2048、16:9 对应 2688*1536、9:16 对应 1536*2688、4:3 对应 2368*1728、3:4 对应 1728*2368），不传时由模型按提示词和参考图自行决定。要精确控制版面就选比例，不要指望另外指定像素。

模型与能力
prompt_extend 要不要开？

默认开启，它会把简短描述扩写成更完整的绘图指令，文档说明会增加约 3–5 秒耗时。如果你只想用一句话起步，开着更省事；如果提示词里已经把画面、文字内容与位置写到足够具体，扩写补进来的额外信息未必是你想要的，可以按需关闭。

模型与能力
价格怎么算？

按成功生成的图片张数计费，文生图与参考图编辑同价，参考图本身不额外收费；一次请求固定出一张图（n 固定为 1）。

模型与能力
和 Qwen Image 2.0、3.0 怎么选？

要均衡画质选 2.1 Pro：文生图与编辑一体，画幅固定为五种 2K 级比例，不支持负面提示词。需要尺寸预设或负面提示词时选 Qwen Image 2.0。想按 1K/2K 档位做更偏提示词理解的编辑，可以试 Qwen Image 3.0。

模型与能力
中文文字渲染靠得住吗？

本页的中文海报案例在提示词里逐字写明三行文字后，标题、日期、地点全部渲染正确且没有多出装饰。关键是别让模型自己编文案：把每行文字内容、字号层级和位置都写出来，并明确要求画面中不出现其他文字。

模型与能力
能输出透明背景吗？

文档说明该系列可按提示词输出 RGBA 透明背景 PNG，但我们在本模型两档各实测一次，得到的都是不透明结果（alpha 全 255），说明这个能力对提示词写法敏感、不够稳定。需要稳定透明底，请改用专门的去背景模型。

模型与能力
Pro 和 Turbo 怎么选？

同一套入参与能力，区别在速度、细节和单价：最终成片、产品图和需要精确文字排版的画面用 Pro；批量试稿、社媒配图和方向探索用 Turbo。

模型与能力
Qwen Image 2.1 Turbo 适合什么？

适合高性价比、快速出图的场景：概念草稿、社媒配图、贴纸和批量插图，能力与 Pro 相同，速度更快、价格更低。

模型与能力
支持参考图吗？顺序怎么生效？

与 Pro 相同，支持 1–10 张参考图的图像编辑；不传即为文生图。参考图按数组顺序编号，可在提示词里用「图1」指代——本页的照片转水彩案例就是单张参考图改风格。需要同时用主体和场景两类素材时，按「图1 主体、图2 场景」写明各自分工。

模型与能力
画幅和尺寸是什么关系？

与 Pro 一致：aspect_ratio 的五个取值各对应一个固定的 2K 级尺寸（1:1 2048*2048、16:9 2688*1536、9:16 1536*2688、4:3 2368*1728、3:4 1728*2368），不传时由模型自行决定。做社媒配图建议直接指定 1:1 或 16:9，避免尺寸随参考图变化。

模型与能力
prompt_extend 要不要开？

默认开启，会把一句话扩写成更完整的绘图指令，文档说明约增加 3–5 秒。快速试稿时开着更省事；提示词已经写得很具体、或者你只想看某个明确构图时，可以关闭以减少变量。

模型与能力
价格怎么算？

按成功生成的图片张数计费，固定单张价，比 Pro 更低；参考图不额外收费，一次请求出一张图（n 固定为 1）。

模型与能力
和 Pro、Qwen Image 2.0 怎么选？

Turbo 与 Pro 的入参、参考图上限、画幅与文字渲染能力一致：要快、要批量出图选 Turbo，要更细的成片选 Pro。需要尺寸预设或负面提示词时选 Qwen Image 2.0。

模型与能力
改风格时要注意什么？

实测 Turbo 的风格迁移偏保守：只说「水彩风格」时，结果更像一张做过做旧处理的照片；改成「用简化的形状和省略的细节重绘、色块边缘要有湿画法毛边」之后，才得到明显的水彩插画感，同时建筑结构与家具位置仍与参考图一致。想真正换风格，要明确要求重绘与简化，而不是只写一个风格名。

模型与能力
一次能出几张？怎么选 Turbo？

一次请求固定出一张图（n 固定为 1），需要多个方案就提交多个任务，或用不同 seed 重跑。快速试稿和大规模出图选 Turbo；对细节质感要求更高的最终成片选 Pro。

模型与能力
Ray 3.2 图生视频需要哪些输入？

必填两项：prompt（1–6000 个字符）和首帧 image_url。可选 end_image_url 作为尾帧，以及 resolution（540p、720p、1080p，默认 540p）。在 Playground 里可以直接上传本地图片。

模型与能力 Ray 3.2
可以设置视频时长吗？

不可以。图生视频每条固定 5 秒，请求里没有 duration 参数。需要 10 秒的镜头时，可以改用 Ray 3.2 文生视频，它支持 5 秒和 10 秒。

模型与能力 Ray 3.2
输出的画面比例由什么决定？

由首帧决定，没有 aspect_ratio 参数。输出会匹配到 16:9、9:16、1:1、4:3、3:4、21:9 中最接近的一种，比例不完全一致时边缘会被裁掉。本页的沙漠案例原图约 3:2（1024×687），输出为 4:3 的 1104×832；冰咖啡案例原图是 9:16，输出为 9:16 的竖屏视频，基本没有裁切。想让输出比例完全可控，就把首帧先裁成这六种比例之一。

模型与能力 Ray 3.2
首尾帧怎么用？

image_url 传首帧，end_image_url 传尾帧，视频会从首帧过渡到尾帧，提示词只需描述中间发生的变化。两张图的机位、光线和主体位置越接近，过渡越平稳；取景不同时模型会加入镜头移动去衔接，本页牡丹案例就是这种情况。

模型与能力 Ray 3.2
加尾帧会多收费吗？

不会。图生视频按分辨率每条计费，传不传 end_image_url 价格相同；时长固定 5 秒，所以也不按秒计费。

模型与能力 Ray 3.2
三档分辨率的输出尺寸是多少？

实际尺寸跟随首帧比例。本页三条案例：16:9 首帧选 540p 输出 960×540；约 3:2 的首帧选 720p 输出 4:3 的 1104×832；9:16 的首帧选 1080p 输出 1080×1920。建议先用 540p 确认动作和构图，再用 720p 或 1080p 出正式版本。本页冰咖啡案例走的是 1080p，玻璃和水珠的细节比低档位明显更实。

模型与能力 Ray 3.2
生成的视频有声音吗？

没有。输出是不带音轨的 MP4，需要配乐、旁白或音效时请在后期加入。

模型与能力 Ray 3.2
怎么写图生视频的提示词？

首帧已经给出主体和场景，提示词重点写“接下来发生什么”：主体的动作、镜头怎么移动、光线或天气怎么变化。不需要再描述图里已有的外观，写清楚哪些东西要保持不变更有用。

模型与能力 Ray 3.2
Ray 3.2 图生视频如何计费？

每条视频按所选分辨率计费，540p 最便宜、1080p 最高；失败的任务会退回扣费。具体单价以价格页的当前标价为准。

模型与能力 Ray 3.2
如何通过 API 调用？

向 POST /v1/tasks 发送异步任务，model 填 ray-3.2/image-to-video，在 input 里传 prompt、image_url，按需加 end_image_url 和 resolution。接口立即返回 taskId，可以用 callback.url 接收结果，或轮询 GET /v1/tasks/:id。

模型与能力 Ray 3.2
图生视频和文生视频怎么选？

已经有想要的画面（产品图、设计稿、上一段视频的截图），或者要锁定结尾画面，用图生视频；只有文字构想、需要 10 秒或指定画幅，用文生视频。两条路线共有的 5 秒三档同价，10 秒只属于文生视频。

模型与能力 Ray 3.2
Ray 3.2 文生视频支持哪些时长？

5 秒或 10 秒，通过 duration 传整数 5 或 10，默认 5 秒。

模型与能力 Ray 3.2
支持哪些分辨率和画幅？

分辨率 540p、720p、1080p，默认 540p；画幅 16:9、9:16、1:1、4:3、3:4、21:9，默认 16:9。本页竖屏案例选 540p + 9:16，实际输出 540×960；横屏案例选 720p + 16:9，输出 1280×720；10 秒案例选 720p + 21:9，输出 1680×720。

模型与能力 Ray 3.2
10 秒和 5 秒的价格是什么关系？

按条计费，价格由时长和分辨率两档共同决定。同一分辨率下，10 秒档约为 5 秒档的 3 倍，所以建议先用 5 秒确认动作，再决定是否出 10 秒版本。本页的 10 秒案例走 720p，扣费约是同档 5 秒的三倍。具体单价以价格页的当前标价为准。

模型与能力 Ray 3.2
可以上传参考图或首帧吗？

文生视频只接收文字提示词。需要以图片为首帧或同时指定尾帧时，请使用 Ray 3.2 图生视频（ray-3.2/image-to-video）。

模型与能力 Ray 3.2
提示词怎么写更容易出好结果？

提示词最长 6000 个字符。建议按“主体与场景 → 动作 → 镜头运动 → 光线和氛围”的顺序写，镜头写清方向和速度，例如“镜头低机位环绕”“缓慢升起”。一条视频里只安排一个主要动作，比堆砌多个事件更稳定。

模型与能力 Ray 3.2
画面里的文字可靠吗？

不可靠。本页霓虹舞者案例里，招牌上的字母是模型编出来的，无法阅读。需要品牌名、标语或字幕时，请在后期叠加。

模型与能力 Ray 3.2
适合做竖屏短视频吗？

可以直接选 9:16 生成竖屏，不需要先出横版再裁切；1:1 和 3:4 适合信息流，21:9 适合宽银幕片头。

模型与能力 Ray 3.2
Ray 3.2 文生视频如何计费？

每条视频按时长和分辨率的组合计费，共 6 档，540p + 5 秒最便宜；失败的任务会退回扣费。

模型与能力 Ray 3.2
Recraft Creative Upscale 是做什么的？

把一张图片放大到更高分辨率，同时重新绘制纹理和细节。它不需要提示词，只传一张图片 URL。

模型与能力 Recraft Creative Upscale
和 Recraft Crisp Upscale 有什么区别？

Crisp Upscale 追求贴近原图，适合文字、商品等不能改动的素材；Creative Upscale 会重绘细节，画面更细腻，但局部结构可能和原图不同。

模型与能力 Recraft Creative Upscale
会改变画面内容吗？

整体构图、主体和配色基本保留，但细节是重新绘制的。本页示例中，木屋的原木、石墙和栏杆被重绘得更清楚，门廊旁的小树没有保留，石块的排布也有变化。对细节有严格要求的素材请先在 Playground 确认。

模型与能力 Recraft Creative Upscale
输入图片有什么要求？

传一张公网可访问的 http(s) 图片 URL，不超过 20 MB，每边 256–4096 像素，总像素不超过 16 MP。本页示例使用 PNG 图片，目前建议使用 PNG。

模型与能力 Recraft Creative Upscale
能放大到多大？

本页示例把 1254×1254 的图片放大到 4096×4096。其他尺寸的输入会得到多大的结果以实际返回为准。

模型与能力 Recraft Creative Upscale
需要写提示词吗？

不需要。这个模型只有一个参数 image_url，没有提示词、倍数或风格设置。

模型与能力 Recraft Creative Upscale
输出是什么格式？

从任务结果的 output[].url 下载图片。本页示例返回的是 WebP 图片。

模型与能力 Recraft Creative Upscale
怎么计费？

按输出图片张数计费，每次请求 1 张；当前价格见页面上方和价格页。

模型与能力 Recraft Creative Upscale
适合哪些图片？

适合插画、风景和场景图这类允许细节被重新绘制的素材，例如旧素材翻新、把较小的生成图放大用于展示。包含精确文字、logo 或商品细节的图片更适合 Crisp Upscale。

模型与能力 Recraft Creative Upscale
结果图片会保存多久？

结果链接有有效期，任务成功后请及时把图片转存到自己的存储。

模型与能力 Recraft Creative Upscale
Recraft Creative Upscale 是做什么的？

把一张图片放大到更高分辨率，同时重新绘制纹理和细节。它不需要提示词，只传一张图片 URL。

模型与能力
和 Recraft Crisp Upscale 有什么区别？

Crisp Upscale 追求贴近原图，适合文字、商品等不能改动的素材；Creative Upscale 会重绘细节，画面更细腻，但局部结构可能和原图不同。

模型与能力
会改变画面内容吗？

整体构图、主体和配色基本保留，但细节是重新绘制的。本页示例中，木屋的原木、石墙和栏杆被重绘得更清楚，门廊旁的小树没有保留，石块的排布也有变化。对细节有严格要求的素材请先在 Playground 确认。

模型与能力
输入图片有什么要求？

传一张公网可访问的 http(s) 图片 URL，不超过 20 MB，每边 256–4096 像素，总像素不超过 16 MP。本页示例使用 PNG 图片，目前建议使用 PNG。

模型与能力
能放大到多大？

本页示例把 1254×1254 的图片放大到 4096×4096。其他尺寸的输入会得到多大的结果以实际返回为准。

模型与能力
需要写提示词吗？

不需要。这个模型只有一个参数 image_url，没有提示词、倍数或风格设置。

模型与能力
输出是什么格式？

从任务结果的 output[].url 下载图片。本页示例返回的是 WebP 图片。

模型与能力
怎么计费？

按输出图片张数计费，每次请求 1 张；当前价格见页面上方和价格页。

模型与能力
适合哪些图片？

适合插画、风景和场景图这类允许细节被重新绘制的素材，例如旧素材翻新、把较小的生成图放大用于展示。包含精确文字、logo 或商品细节的图片更适合 Crisp Upscale。

模型与能力
结果图片会保存多久？

结果链接有有效期，任务成功后请及时把图片转存到自己的存储。

模型与能力
Recraft Crisp Upscale 需要写提示词吗？

不需要。模型只接收一张图片 URL（input.image_url），没有其他参数。

模型与能力
会放大多少倍？可以选择倍数吗？

固定为宽和高各放大 2 倍，不能选择倍数。例如 640×640 输出 1280×1280，941×1672 输出 1882×3344。

模型与能力
对输入图有什么要求？

支持 JPEG、PNG、WEBP，单张不超过 10 MB，需为公网可访问的 http(s) URL。在 Playground 中也可以直接上传图片。

模型与能力
输出是什么格式？

一张 JPEG 图片。目前不能选择 PNG 或 WEBP 输出。

模型与能力
会改变画面内容吗？

不会。Crisp Upscale 只提升分辨率和清晰度，不重绘内容，也不会生成新的文字或物体。

模型与能力
透明背景的 PNG 放大后还是透明的吗？

输出为 JPEG，不包含透明通道。如果需要透明结果，建议先放大，再使用 Recraft Remove Background 去背景。

模型与能力
处理一张图需要多久？

通常在 10 秒到 1 分钟左右。任务是异步的，提交后会立即返回 taskId。

模型与能力
Recraft 去背景需要写提示词吗？

不需要。模型只接收一张图片 URL（input.image_url），没有任何文本参数，适合直接接入批量流水线。

模型与能力
发丝和毛发边缘能保留吗？

可以。该模型的强项就是发丝、毛发和半透明边缘的精细保留，本页案例即为 API 输出。

模型与能力
API 最少需要提交哪些字段？

提交 model 和 input.image_url 即可；图片需为公网可访问的 https URL。

模型与能力
Recraft V4.1 和 V4.1 Flash 有什么区别？

V4.1 更注重细节和完成度，Flash 更快，适合批量试稿。

模型与能力 Recraft V4.1
支持哪些尺寸？

image_size 可选 square_hd（默认）、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9 六种。

模型与能力 Recraft V4.1
怎么指定配色？

通过 API 传 colors（RGB 对象数组）和 background_color（单个 RGB 对象），每个通道取值 0–255。在线 Playground 暂不提供这两个参数。

模型与能力 Recraft V4.1
配色参数一定会被严格遵守吗？

colors 是偏好配色，画面会尽量落在这组颜色里；提示词里写了明显冲突的颜色时，结果可能会混合两者。

模型与能力 Recraft V4.1
一次能生成几张？

每次请求生成 1 张图片。需要多张时分别提交多个任务。

模型与能力 Recraft V4.1
输出是什么格式？

返回 1 张图片，通过任务结果里的 output[].url 下载。结果链接有有效期，请及时转存。

模型与能力 Recraft V4.1
画面里的文字写得准吗？

短标题通常比较准确。把文字用引号写进提示词，并说明位置和字体风格，效果更稳定。

模型与能力 Recraft V4.1
需要上传参考图吗？

不需要，这是纯文生图模型，只需要文字描述。

模型与能力 Recraft V4.1
可以接 Recraft 的放大和去背景吗？

可以。把输出图片 URL 传给 recraft/crisp-upscale 可放大 2 倍，传给 recraft/remove-background 可得到透明背景图。

模型与能力 Recraft V4.1
从 Flash 切换到 V4.1 要改哪些代码？

只需要把 model 改成 recraft-v4.1/text-to-image，其余参数保持不变。

模型与能力 Recraft V4.1
提示词可以用中文吗？

可以，不过英文提示词对风格、材质和镜头描述通常更稳定；画面里要出现的文字建议写成最终想要的语言。

模型与能力 Recraft V4.1
怎么计费？

按输出图片张数计费，每次请求 1 张，单价以实时价格为准。

模型与能力 Recraft V4.1
Recraft V4.1 Flash 适合做什么？

适合快速生成摄影、扁平插画、海报和混合媒介风格的图片，例如营销配图、品牌插画、产品图和概念草图。

模型与能力
支持哪些尺寸？

image_size 可选 square_hd（默认）、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9 六种预设。

模型与能力
怎么指定配色？

在 API 里传 colors（RGB 对象数组）和 background_color（一个 RGB 对象），每个通道 0–255。在线体验页暂未提供这两个字段，需要时请通过 API 调用。

模型与能力
配色是严格生效的吗？

colors 是对配色的强引导，画面会尽量落在这组颜色里，但不保证像素级只使用这些颜色。

模型与能力
一次能生成几张？

每次请求生成 1 张；需要多张时可以提交多个任务。

模型与能力
输出是什么格式？

每次返回 1 张 WEBP 图片，在任务结果的 output[].url 中下载。

模型与能力
画面里的文字写得准吗？

短标题通常能写对。把要出现的文字放在引号里，并说明位置和字体风格，效果更稳定。

模型与能力
需要上传参考图吗？

不需要。这是文生图模型，只需要文字描述。

模型与能力
提示词有长度限制吗？

prompt 为 1–10000 个字符。

模型与能力
可以接 Recraft 的放大和去背景吗？

可以。生成后把图片 URL 传给 recraft/crisp-upscale 可放大 2 倍，传给 recraft/remove-background 可得到透明背景 PNG。

模型与能力
任务是同步还是异步？

异步。提交后立即返回 taskId，再查询任务状态或使用回调获取结果。

模型与能力
怎么计费？

按输出图片张数计费，每次请求 1 张。当前单价见页面上方和价格页。

模型与能力
Recraft V4 Styles 是做什么的？

先用 1–10 张参考图定下画风，再用一句提示词描述要画的内容，模型会按参考图的画风生成一张新图。参考图决定“怎么画”，提示词决定“画什么”。

模型与能力
必须上传参考图吗？最多几张？

必须。image_urls 是必填字段，至少 1 张、最多 10 张。本页示例用了 2 张同一画风的插画。

模型与能力
参考图有什么格式和大小要求？

支持 PNG、JPG、WEBP，需为公网可访问的 http(s) 地址；每张小于 20 MB，所有参考图合计不超过 64 MB，不支持 SVG。在 Playground 里也可以直接上传图片。

模型与能力
参考图里的物体会被画进结果里吗？

本页示例中，参考图里的茶壶、书本和自行车都没有出现在结果里，结果画的是提示词描述的街角咖啡馆；从参考图继承的是配色、平涂质感和硬朗的光影。想要的主体请写进提示词。

模型与能力
style_match 怎么选？

precise 让结果更贴近参考图的画风，flexible 允许更多变化；不传时按 flexible 处理。本页示例没有传 style_match。

模型与能力
支持哪些尺寸？

image_size 有 square_hd（默认）、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9 六种预设。本页示例用 square_hd，输出为 1024×1024。

模型与能力
和 Recraft V4 Styles Pro 有什么区别？

两者参数相同。Pro 的输出分辨率更高：同样用 square_hd，Styles 示例输出 1024×1024，Pro 示例输出 2048×2048。两者价格不同，以实时价格为准。

模型与能力
能指定配色和背景色吗？

可以通过 API 传 colors（RGB 对象数组）和 background_color（单个 RGB 对象），每个通道 0–255。在线 Playground 暂不显示这两个参数。

模型与能力
能保存一个风格反复使用吗？

目前不支持传入已保存的风格。每次请求都要带上参考图；想让一组图保持同一画风，就在每次请求里使用同一组参考图。

模型与能力
一次生成几张？输出是什么格式？

每次请求生成 1 张图片，从任务结果的 output[].url 下载。本页示例的输出是 WebP 图片。

模型与能力
怎么计费？

按输出图片张数计费；参考图张数、尺寸预设和 style_match 都不影响单价。当前价格见页面上方和价格页。

模型与能力
结果图片会保存多久？

结果链接有有效期，任务成功后请及时把图片转存到自己的存储。

模型与能力
Recraft V4 Styles Pro 是做什么的？

用 1–10 张参考图定下画风，再用一句提示词描述要画的内容，模型按参考图的画风生成一张分辨率更高的新图。参考图决定“怎么画”，提示词决定“画什么”。

模型与能力
输出分辨率有多高？

本页示例用 square_hd，输出为 2048×2048 的 WebP 图片。其他尺寸预设的具体像素以实际返回为准。

模型与能力
必须上传参考图吗？最多几张？

必须。image_urls 是必填字段，至少 1 张、最多 10 张。本页示例用了 2 张同一画风的水彩画。

模型与能力
参考图有什么格式和大小要求？

支持 PNG、JPG、WEBP，需为公网可访问的 http(s) 地址；每张小于 20 MB，所有参考图合计不超过 64 MB，不支持 SVG。在 Playground 里也可以直接上传图片。

模型与能力
参考图里的物体会被画进结果里吗？

本页示例中，参考图里的小船、木门和花丛没有出现在结果里，结果画的是提示词里的悬崖灯塔；从参考图继承的是淡蓝天空、米色石块和留白的水彩笔触。想要的主体请写进提示词。

模型与能力
style_match 怎么选？

precise 让结果更贴近参考图的画风，flexible 允许更多变化；不传时按 flexible 处理。本页示例没有传 style_match。

模型与能力
支持哪些尺寸？

image_size 有 square_hd（默认）、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9 六种预设。

模型与能力
和 Recraft V4 Styles 有什么区别？

两者参数相同。Pro 的输出分辨率更高：同样用 square_hd，Styles 示例输出 1024×1024，Pro 示例输出 2048×2048。两者价格不同，以实时价格为准。

模型与能力
能指定配色和背景色吗？

可以通过 API 传 colors（RGB 对象数组）和 background_color（单个 RGB 对象），每个通道 0–255。在线 Playground 暂不显示这两个参数。

模型与能力
能保存一个风格反复使用吗？

目前不支持传入已保存的风格。每次请求都要带上参考图；想让一组图保持同一画风，就在每次请求里使用同一组参考图。

模型与能力
怎么计费？

按输出图片张数计费，每次请求 1 张；参考图张数、尺寸预设和 style_match 都不影响单价。当前价格见页面上方和价格页。

模型与能力
结果图片会保存多久？

结果链接有有效期，任务成功后请及时把图片转存到自己的存储。

模型与能力
首帧图片有什么要求？

每次一张，格式为 jpeg、png 或 webp，单张不超过 10MB，不支持 SVG。图片比例最好和要输出的画幅一致，比例不同时首帧会居中裁切，主体放在中间更稳妥。

模型与能力 Runway Gen 4.5
可以加尾帧吗？

不可以，这个模型只使用一张首帧，结尾画面由提示词和模型决定。需要指定结束画面，可以用 Kling 2.5 Turbo Image-to-Video，它支持可选尾帧。

模型与能力 Runway Gen 4.5
可以选哪些画幅和时长？分辨率是多少？

画幅 16:9、9:16、4:3、3:4、1:1，默认 16:9；时长 5、8、10 秒，每种画幅都能选，默认 5 秒；分辨率统一 720p。

模型与能力 Runway Gen 4.5
生成的视频有声音吗？

没有音轨，成片只有画面，配乐和旁白在剪辑时添加。

模型与能力 Runway Gen 4.5
提示词要写什么？

首帧已经交代了画面，提示词写运动和镜头就够了，例如「云层飘动，镜头缓慢前推」，最长 1000 个字符。人物一次安排一两个动作，表情和姿态更自然。

模型与能力 Runway Gen 4.5
生成的视频能保存多久？

成片链接默认保留约 7 天，需要长期使用请及时下载，或在创建任务时选择长期存储。生成记录可以在任务记录里查看。

模型与能力 Runway Gen 4.5
和 Runway Gen-4.5 Text-to-Video 怎么选？

有图、希望主体和构图照着图来，或需要 1:1、4:3、3:4，用 Image-to-Video；只有文字构想，用 Text-to-Video，它只有横屏和竖屏，竖屏没有 8 秒。

模型与能力 Runway Gen 4.5
支持哪些画幅、时长和分辨率？

画幅有 16:9 横屏和 9:16 竖屏。横屏可选 5、8、10 秒，竖屏可选 5 或 10 秒，默认 5 秒。分辨率统一为 720p，没有其他清晰度可选。

模型与能力 Runway Gen 4.5
为什么竖屏选不了 8 秒？

这是模型本身的限制：9:16 只支持 5 秒和 10 秒。需要竖屏 8 秒左右的长度，可以先生成 10 秒，再在剪辑时截取。

模型与能力 Runway Gen 4.5
生成的视频有声音吗？

没有，成片只有画面，不含音轨。配音、音乐和音效在剪辑时加入；需要成片自带声音，可以看 Kling 2.5 Turbo Text-to-Video。

模型与能力 Runway Gen 4.5
提示词怎么写？

按主体、场景、动作、镜头的顺序写一两句话，再补上时段、天气和光线，最长 1000 个字符。一次只安排一个主要动作，同时要求转身、奔跑又挥手，动作容易互相打架。

模型与能力 Runway Gen 4.5
需要方形或 4:3 画面怎么办？

文生视频只有 16:9 和 9:16。需要 1:1、4:3 或 3:4，可以用 Runway Gen-4.5 Image-to-Video，以一张图开场，五种画幅都能选。

模型与能力 Runway Gen 4.5
可以先在线试用吗？

可以。登录后在本页上方的在线体验里写下描述，先生成 5 秒确认方向；满意后用同一段描述通过 API 提交。

模型与能力 Runway Gen 4.5
Seedance 2.5 图生视频需要首帧和尾帧都上传吗？

不需要。首帧/首尾帧模式下，只上传 first_frame_url 时，模型会从首帧自然延展后续画面；需要控制镜头结束状态时，再同时提供 last_frame_url。尾帧不能单独使用。也可以改用 reference_image_urls 或 reference_audio_urls 作为参考模式，而不传端点帧。

模型与能力 Seedance 2.5
首帧、首尾帧与多参考素材可以混在一次请求里吗？

当前 HiAPI Playground 将它们作为两种输入方式处理：首帧/首尾帧模式，或 reference_image_urls、reference_audio_urls 参考模式。为避免控制信号互相冲突，请每次保留一种方式；需要参考视频引导动作或运镜时，改用独立的 seedance-2.5/reference-to-video。

模型与能力 Seedance 2.5
Seedance 2.5 图生视频支持哪些时长和分辨率？

当前请求契约支持 4–30 秒整数时长，以及 720p、1080p。输出 aspect_ratio 固定为 adaptive，会跟随首帧画幅。页面四个案例均为 720p，其中三个为 4 秒、一个为 5 秒；30 秒属于接口支持范围，页面暂无对应案例。

模型与能力 Seedance 2.5
Seedance 2.5 图生视频如何计费？

按输出时长和分辨率计费，720p 与 1080p 使用不同的每秒档位；具体金额以模型页实时价格和任务记录为准。

模型与能力 Seedance 2.5
如何写首尾帧过渡 Prompt？

先说明两张图之间发生的连续变化，再锁定镜头、光线和不应改变的元素。昼夜变化可写时间流逝与灯光开启；生长类可写生长顺序、镜头 locked off、no cuts。首尾帧决定端点，Prompt 负责解释中间过程。

模型与能力 Seedance 2.5
Seedance 2.5 可以生成同步音频吗？

可以。generate_audio 默认开启，可生成与画面同步的对白、环境声、音效和背景音乐。需要静音视频时设为 false；重要商业素材仍应在发布前检查音量、对白准确性和音乐版权。

模型与能力 Seedance 2.5
如何通过 API 调用 Seedance 2.5 图生视频？

向 POST /v1/tasks 发送异步任务，把 model 设置为 seedance-2.5/image-to-video，并在 input 中传入 prompt、first_frame_url、可选 last_frame_url、resolution、duration 与 generate_audio。创建请求返回 taskId；callback、查询和完整素材限制请查看 API 文档。

模型与能力 Seedance 2.5
Seedance 2.5 参考生视频为什么必须上传参考视频？

这个模型的核心任务是从视频中提取动作、运镜、节奏或表演语言，因此 reference_video_urls 至少需要 1 段。参考图片和参考音频只能补充主体、风格或声音，不能代替必需的参考视频。

模型与能力 Seedance 2.5
Reference-to-Video 与 Image-to-Video 有什么区别？

Reference-to-Video 用视频迁移动作、运镜和节奏，不保证精确复刻首帧或尾帧；需要从一张图片延展镜头，或锁定首尾端点时，应使用 seedance-2.5/image-to-video。参考生视频也不用于编辑或延长已有视频。

模型与能力 Seedance 2.5
@video1、@image1 和 @audio1 如何对应素材？

编号按照各数组中的上传顺序独立计算。reference_video_urls 的第一段是 @video1，reference_image_urls 的第一张是 @image1，reference_audio_urls 的第一段是 @audio1。Prompt 应明确每项素材提供动作、主体、风格还是声音。

模型与能力 Seedance 2.5
Seedance 2.5 参考生视频最多支持多少素材？

支持 1–10 段参考视频、最多 30 张参考图片和 10 段参考音频。参考视频合计不超过 30 秒，参考音频合计也不超过 30 秒；两类上限分别计算。视频至少 409600 像素、24–60 fps，每段 2–30 秒。

模型与能力 Seedance 2.5
Seedance 2.5 参考生视频如何计费？

参考视频和生成视频均按时长计费。费用 = 每秒单价 ×（参考视频时长 + 输出视频时长）

模型与能力 Seedance 2.5
Seedance 2.5 参考生视频支持同步音频吗？

支持。generate_audio 默认开启，可生成同步对白、音效和背景音；设为 false 时只生成画面。参考音频用于指导声音或节奏，仍必须同时提供至少一段参考视频。

模型与能力 Seedance 2.5
如何通过 API 调用 Seedance 2.5 参考生视频？

向 POST /v1/tasks 发送异步任务，把 model 放在请求顶层并设置为 seedance-2.5/reference-to-video；在 input 中传 prompt 与 reference_video_urls，再按需加入图片、音频、分辨率、时长和输出格式。创建请求返回 taskId。

模型与能力 Seedance 2.5
Seedream 4.5 图生图和文生图有什么区别？

图生图 endpoint 会把你上传的图片作为编辑依据，适合改色、换景、重打光、风格转换和多图合成；文生图则只根据文字从零生成画面。需要保留主体、构图或图内文字时，应优先使用当前图生图模型。

模型与能力 Seedream 4.5
Seedream 4.5 最多支持多少张参考图？

每次请求可上传 1–14 张 JPEG、PNG 或 WebP 图片，单张文件最大 10 MB，不支持 SVG。多图任务可以在 Prompt 中用“image 1”“image 2”明确指定每张图的用途，顺序必须与 image_urls 数组一致。

模型与能力 Seedream 4.5
Seedream 4.5 图像编辑如何计费？参考图数量会影响价格吗？

按成功生成的输出图计费，而不是按参考图数量计费。当前 2K 与 4K 使用同一公开费率；具体金额以模型页实时价格和任务记录为准。

模型与能力 Seedream 4.5
怎样让 Seedream 4.5 保留主体、构图或图片中的文字？

Prompt 里要同时写清“需要改变什么”和“必须保持什么不变”，例如保留主体轮廓、相机角度、接触阴影、店铺布局或书法文字。先在 Playground 检查结果；对品牌文字和严格版式要求较高的素材，建议保留人工复核环节。

模型与能力 Seedream 4.5
Seedream 4.5 和 FLUX.2 [pro] Image to Image 应该怎么选？

Seedream 4.5 一次可接收最多 14 张参考图，适合多图合成、中文场景和需要保留图内文字的编辑。FLUX.2 [pro] Image to Image 最多接收 8 张参考图，更适合作为写实一致性和另一种编辑风格的备选；重要任务建议用同一组素材实际对比后再选。

模型与能力 Seedream 4.5
如何通过 API 调用 Seedream 4.5 图生图？

向 POST /v1/tasks 发送请求，将 model 设置为 seedream-4.5/image-to-image，并在 input.image_urls 中传入参考图。创建请求会先返回 taskId，生成在后台异步完成；任务查询、callback、错误处理和完整参数请查看 API 文档。

模型与能力 Seedream 4.5
可以直接生成图片，也可以编辑吗？

不提供参考图时按文字生成；提供一张参考图时编辑原图，多张参考图时可以组合主体、场景或风格。两种用法共用同一个模型 ID，最多接受 10 张参考图。

模型与能力
如何控制画幅和分辨率？

size 支持 1K、1.5K、2K 或宽x高。需要精确画幅时填写像素尺寸；总像素须在 921600–4624220 之间，宽高比在 1:16–16:1 之间。当前不提供 4K 档。

模型与能力
透明背景需要什么输入？

仅在编辑一张带透明通道的参考图时使用 transparent。输出格式选择 PNG 或保持自动；它不是从任意白底图一键抠图的开关。

模型与能力
能一次生成多张或逐步返回吗？

当前每次任务生成一张图片，通过任务查询获取完整结果，不提供组图、流式图片或图层拆分输出。

模型与能力
怎样获取生成结果？

提交任务后保存 taskId，查询任务直到 success，再读取 output 中的图片链接。存储期限以返回的 expireAt 为准，需长期使用时及时保存。

模型与能力
这些作品适合直接用作商品实拍图吗？

文生图适合探索陈列、背景和光线，也可用于视觉提案。若图片要准确对应真实商品，请提供商品参考，并核对结构、颜色、标识和文字；不要把生成的概念细节当作商品事实。

模型与能力
多张参考图怎样配合使用？

先说明每张图片的角色，例如第一张提供产品、第二张提供环境、第三张只参考配色。再写清希望生成的画面，以及不能改变的主体细节；不要让不同图片同时提出互相冲突的要求。

模型与能力
可以接着上一张图继续修改吗？

可以把上一张结果作为下一次任务的参考图，并说明这次的修改目标。每次任务独立处理，不会自动记住之前的对话、图片或修改历史。

模型与能力
在哪里确认生成费用？

运行前查看 Playground 的预估费用，完成后以任务记录为准。当前每个任务生成一张图片，页面价格区展示对应计费信息。

模型与能力
Seedream 5.0 Lite 图片编辑支持多少张参考图？

支持 1 至 14 张 JPEG、PNG 或 WebP 图片，每张低于 10MB。单图适合局部修改，多图适合主体与场景合成。

模型与能力
参考图越多价格越高吗？

不会。当前按输出图片固定计费，与参考图数量、2K/4K 档位和画幅无关；具体金额以本页实时价格为准。

模型与能力
如何只修改局部内容？

同时写明要改变的对象与必须保持不变的构图、文字、材质、光线和位置，避免只写宽泛的风格词。

模型与能力
可以修改图片里的文字吗？

可以。Prompt 中应写出原文字、新文字，并要求保持原字体风格、大小、位置与发光或印刷效果。

模型与能力
如何通过 API 上传参考图？

向 POST /v1/tasks 的 input.image_urls 传入 1 至 14 个公开图片 URL，并同时提交 Prompt、画幅和 2K 或 4K 分辨率。

模型与能力
Seedream 5.0 Lite 文生图适合哪些任务？

适合带文字的海报、菜单、信息图、营销横幅以及需要多画幅快速交付的图片。当前路线只接受文字 Prompt，不接收参考图。

模型与能力
2K 和 4K 的价格一样吗？

一样。当前 2K 与 4K 使用同一单张档位，画幅和 Prompt 长度不改变价格；具体金额以本页实时价格为准。

模型与能力
支持哪些画幅？

支持 1:1、4:3、3:4、16:9、9:16、2:3、3:2 和 21:9。

模型与能力
可以上传参考图吗？

不可以。需要指令编辑或多图合成时，请使用独立的 seedream-5.0-lite/image-to-image 模型 ID。

模型与能力
最小 API 请求需要哪些字段？

向 POST /v1/tasks 提交 model，以及 input.prompt、input.aspect_ratio 和 input.resolution；resolution 只能是 2K 或 4K。

模型与能力
Seedream 5.0 Pro 图片编辑支持多少张参考图？

支持 1 至 10 张 JPEG、PNG 或 WebP 参考图，每张低于 10MB，不支持 SVG。单图适合局部编辑，多图适合主体、风格和场景融合。

模型与能力
1K 和 2K 如何计费？

1K 与 2K 使用不同的单张档位，价格按输出图片计费，与参考图数量无关；具体金额以本页实时价格为准。

模型与能力
如何让未修改区域保持不变？

在 Prompt 中同时写清楚要修改的内容和必须保留的结构、文字、机位、光线与对象位置。

模型与能力
文生图和图片编辑使用同一个模型 ID 吗？

不是。当前页面使用 seedream-5.0-pro/image-to-image；从文字直接生图需要使用独立的 seedream-5.0-pro/text-to-image。

模型与能力
如何通过 API 提交参考图？

向 POST /v1/tasks 的 input.image_urls 传入 1 至 10 个公开图片 URL，并同时提交 Prompt、画幅、分辨率和输出格式。

模型与能力
Seedream 5.0 Pro 文生图适合哪些任务？

适合产品广告、人物摄影、海报、图内文字和复杂场景。当前文生图路线不接收参考图，需要编辑图片时请使用独立的 Image to Image 模型 ID。

模型与能力
支持哪些画幅和格式？

支持 1:1、4:3、3:4、16:9、9:16、2:3、3:2 和 21:9；输出格式为 PNG 或 JPEG。

模型与能力
如何写图内文字 Prompt？

把需要出现的文字放在引号中，并明确位置、字体风格和禁止出现的其他文字。先用 1K 验证排版，再用 2K 输出最终版本。

模型与能力
如何通过 API 调用？

向 POST /v1/tasks 提交模型 ID、Prompt、画幅、分辨率和输出格式，再通过 taskId 查询异步结果。

模型与能力
Kling 3.0 Turbo Image to Video 需要上传图片吗？

需要。当前 kling-3.0-turbo/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力 Kling 3.0 Turbo
Kling 3.0 Turbo Image to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 3–15s，输出分辨率为 720p、1080p。可选值以页面参数面板和 API 文档为准。

模型与能力 Kling 3.0 Turbo
Kling 3.0 Turbo Image to Video 如何计费？

任务按输出时长和所选档位计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 Kling 3.0 Turbo
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力 Kling 3.0 Turbo
Hailuo 2.3 Fast Image to Video 需要上传图片吗？

需要。当前 hailuo-2.3-fast/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力
Hailuo 2.3 Fast Image to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 6s / 10s。可选值以页面参数面板和 API 文档为准。

模型与能力
Hailuo 2.3 Fast Image to Video 如何计费？

任务按所选时长档位、每条视频计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力
Kling 3.0 Image-to-Video 需要上传图片吗？

需要。当前 kling-3.0/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力 Kling 3.0
Kling 3.0 Image-to-Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 3–15s，输出分辨率为 720p、1080p、4K。可选值以页面参数面板和 API 文档为准。

模型与能力 Kling 3.0
Kling 3.0 Image-to-Video 如何计费？

任务按输出时长和所选档位计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 Kling 3.0
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力 Kling 3.0
Grok Imagine Image to Video 需要上传图片吗？

需要。当前 grok-imagine/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力 Grok Imagine
Grok Imagine Image to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 6–30s，输出分辨率为 480p、720p。可选值以页面参数面板和 API 文档为准。

模型与能力 Grok Imagine
Grok Imagine Image to Video 如何计费？

任务按输出时长和所选档位计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 Grok Imagine
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力 Grok Imagine
Wan 2.7 Image to Video 需要上传图片吗？

需要。当前 wan2.7-video/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力 Wan 2.7 Video
Wan 2.7 Image to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 2–15s，输出分辨率为 720P、1080P。可选值以页面参数面板和 API 文档为准。

模型与能力 Wan 2.7 Video
Wan 2.7 Image to Video 如何计费？

任务按输出时长和所选档位计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 Wan 2.7 Video
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力 Wan 2.7 Video
Grok Imagine 1.5 Image to Video 需要上传图片吗？

需要。当前 grok-imagine-1.5/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力 Grok Imagine 1.5
Grok Imagine 1.5 Image to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 1–15s，输出分辨率为 480p、720p。可选值以页面参数面板和 API 文档为准。

模型与能力 Grok Imagine 1.5
Grok Imagine 1.5 Image to Video 如何计费？

任务按输出时长和所选档位计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 Grok Imagine 1.5
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力 Grok Imagine 1.5
HappyHorse 1.1 Reference to Video 需要上传图片吗？

需要。当前 happyhorse-1.1/reference-to-video 是参考生视频线路，可使用参考图约束主体、风格和场景，Prompt 负责动作、镜头与环境变化。

模型与能力 HappyHorse 1.1
HappyHorse 1.1 Reference to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 3–15s，输出分辨率为 720p、1080p。可选值以页面参数面板和 API 文档为准。

模型与能力 HappyHorse 1.1
HappyHorse 1.1 Reference to Video 如何计费？

任务按输出时长和所选档位计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 HappyHorse 1.1
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力 HappyHorse 1.1
Hailuo 2.3 Image to Video 需要上传图片吗？

需要。当前 hailuo-2.3/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力 Hailuo 2.3
Hailuo 2.3 Image to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 6s / 10s。可选值以页面参数面板和 API 文档为准。

模型与能力 Hailuo 2.3
Hailuo 2.3 Image to Video 如何计费？

任务按所选时长档位、每条视频计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 Hailuo 2.3
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力 Hailuo 2.3
Veo 3.1 Fast Image to Video 需要上传图片吗？

需要。当前 veo-3.1-fast/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力 Veo 3.1 Fast
Veo 3.1 Fast Image to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 4s / 6s / 8s，输出分辨率为 720p、1080p、4k。可选值以页面参数面板和 API 文档为准。

模型与能力 Veo 3.1 Fast
Veo 3.1 Fast Image to Video 如何计费？

任务按输出时长和所选档位计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 Veo 3.1 Fast
怎样提高图生视频的主体稳定性？

使用主体清晰、遮挡较少且构图完整的输入图；Prompt 先描述主要动作和镜头，再列出必须保留的外观、材质与背景关系。首次测试建议使用较短时长。

模型与能力 Veo 3.1 Fast
HappyHorse 1.1 Image to Video 需要上传图片吗？

需要。当前 happyhorse-1.1/image-to-video 是图生视频线路，输入图负责主体和起始构图，Prompt 负责动作、镜头与环境变化。

模型与能力 HappyHorse 1.1
HappyHorse 1.1 Image to Video 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 3–15s，输出分辨率为 720p、1080p。可选值以页面参数面板和 API 文档为准。

模型与能力 HappyHorse 1.1
HappyHorse 1.1 Image to Video 如何计费？

任务按输出时长和所选档位计费。页面会跟随全局金额单位显示实时价格，最终扣费以成功任务记录为准。

模型与能力 HappyHorse 1.1
FLUX.2 图片编辑支持多少张参考图？

支持 1 至 8 张 JPEG、PNG 或 WebP 参考图，每张不超过 10MB。多图合成时应在 Prompt 中按顺序说明每张图的角色。

模型与能力 FLUX.2
auto 画幅有什么作用？

auto 会跟随第一张参考图的宽高比；需要固定横版、竖版或方形输出时可选择明确画幅。

模型与能力 FLUX.2
1K 和 2K 如何计费？

1K 与 2K 使用不同的单张档位，参考图数量不另外加价；具体金额以本页实时价格为准。

模型与能力 FLUX.2
如何减少主体和 Logo 漂移？

明确写出每张参考图的用途，并同时列出要改变和必须保留的主体、文字、材质、位置与光线。

模型与能力 FLUX.2
API 必填哪些字段？

需要提交 model，以及 input.prompt、input.image_urls、input.aspect_ratio 和 input.resolution。

模型与能力 FLUX.2
Grok Imagine 图片编辑支持多少张参考图？

当前公开 Schema 支持 1 至 3 张参考图。页面与 API 均以该 Schema 为准。

模型与能力 Grok Imagine
标准编辑与 Quality 路线有什么区别？

标准路线以固定低价和快速迭代为主；Quality 更重视主体一致性、材质和最终细节。

模型与能力 Grok Imagine
auto 画幅如何工作？

auto 会跟随第一张参考图，也可以显式选择十四种横版、方形或竖版画幅。

模型与能力 Grok Imagine
参考图越多是否另外计费？

会。标准输出基础价之外，每张参考图另收附加费；具体金额以本页实时价格为准。

模型与能力 Grok Imagine
API 最少需要什么？

提交 model、input.prompt 和 input.image_urls；画幅、分辨率和输出格式可以使用默认值。

模型与能力 Grok Imagine
Grok Imagine Quality 图片编辑支持多少张参考图？

当前公开 Schema 支持 1 至 3 张参考图。页面与 API 均以该 Schema 为准。

模型与能力 Grok Imagine Quality
Quality 与标准编辑路线有什么区别？

Quality 更重视主体一致性、材质和细节，并按 1k/2k 分档；标准路线适合低成本快速迭代。

模型与能力 Grok Imagine Quality
auto 画幅如何工作？

auto 会跟随第一张参考图，也可以显式选择十四种横版、方形或竖版画幅。

模型与能力 Grok Imagine Quality
参考图越多是否另外计费？

会。除 1k/2k 输出基础价外，每张参考图另收附加费；具体金额以本页实时价格为准。

模型与能力 Grok Imagine Quality
API 最少需要什么？

提交 model、input.prompt 和 input.image_urls；画幅、分辨率和输出格式可以使用默认值。

模型与能力 Grok Imagine Quality
Qwen Image 3.0 图片编辑支持多少张参考图？

支持 1 至 3 张参考图。至少需要一张，API 字段为 input.image_urls。

模型与能力 Qwen Image 3.0
标准版与 Pro 图片编辑有什么区别？

标准版强调较低成本和快速迭代；Pro 更适合准确文字替换、复杂材质和最终版式。

模型与能力 Qwen Image 3.0
1K、2K 和参考图如何计费？

1K 与 2K 使用同一输出档位，每张参考图另收附加费；具体金额以本页实时价格为准。

模型与能力 Qwen Image 3.0
如何减少主体、版式或文字漂移？

在 Prompt 中分别列出要改变的内容和必须保留的主体、文字、位置、材质、机位与光线；需要准确文字时使用引号写出目标文本。

模型与能力 Qwen Image 3.0
API 最少需要提交哪些字段？

提交 model、input.prompt 和 input.image_urls；画幅、分辨率、输出格式与提示词扩展可使用默认值。

模型与能力 Qwen Image 3.0
Qwen Image 3.0 Pro 图片编辑支持多少张参考图？

支持 1 至 3 张参考图。至少需要一张，API 字段为 input.image_urls。

模型与能力
Pro 与标准图片编辑有什么区别？

Pro 更适合准确文字替换、复杂材质和最终版式；标准版更适合低成本的商品改色、清理和快速迭代。

模型与能力
1K、2K 和参考图如何计费？

1K 与 2K 使用不同的输出档位，每张参考图另收附加费；具体金额以本页实时价格为准。

模型与能力
如何减少主体、版式或文字漂移？

在 Prompt 中分别列出要改变的内容和必须保留的主体、文字、位置、材质、机位与光线；需要准确文字时使用引号写出目标文本。

模型与能力
API 最少需要提交哪些字段？

提交 model、input.prompt 和 input.image_urls；画幅、分辨率、输出格式与提示词扩展可使用默认值。

模型与能力
FLUX1.1 [pro] 主要适合什么任务？

适合写实摄影、建筑、美食、自然和商业视觉，支持自定义尺寸与 Prompt 增强控制。

模型与能力 FLUX 1.1 Pro
FLUX1.1 [pro] 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力 FLUX 1.1 Pro
支持哪些输出规格？

当前页面展示 Custom width / height 与 Custom、1:1、16:9、9:16；最终可选项以 Playground 参数为准。

模型与能力 FLUX 1.1 Pro
FLUX1.1 [pro] 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 FLUX 1.1 Pro
如何调用 FLUX1.1 [pro] API？

向 POST /v1/tasks 提交异步任务，model 使用 flux-1.1-pro，生成参数放在 input 中。

模型与能力 FLUX 1.1 Pro
Qwen Image 3.0 主要适合什么任务？

使用 Qwen Image 3.0 在线生成中英文文字海报、编辑场景和产品视觉，支持 Prompt 扩展、1K/2K 输出与多种画幅，并可查看案例、价格和 API 调用代码。

模型与能力 Qwen Image 3.0
Qwen Image 3.0 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力 Qwen Image 3.0
支持哪些输出规格？

当前页面展示 1K、2K 与 1:1、16:9、9:16、4:3、3:4；最终可选项以 Playground 参数为准。

模型与能力 Qwen Image 3.0
Qwen Image 3.0 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 Qwen Image 3.0
如何调用 Qwen Image 3.0 API？

向 POST /v1/tasks 提交异步任务，model 使用 qwen-image-3.0/text-to-image，生成参数放在 input 中。

模型与能力 Qwen Image 3.0
Qwen Image 3.0 Pro 主要适合什么任务？

适合更复杂的文字、建筑、科学编辑、奢华产品与最终广告版式。

模型与能力
Qwen Image 3.0 Pro 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力
支持哪些输出规格？

当前页面展示 1K、2K 与 1:1、16:9、9:16、4:3、3:4；最终可选项以 Playground 参数为准。

模型与能力
Qwen Image 3.0 Pro 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力
如何调用 Qwen Image 3.0 Pro API？

向 POST /v1/tasks 提交异步任务，model 使用 qwen-image-3.0-pro/text-to-image，生成参数放在 input 中。

模型与能力
GPT Image 2 Image to Image 主要适合什么任务？

使用一张或多张参考图完成背景、光线、构图与风格编辑，同时保留源图结构。

模型与能力 GPT Image 2
GPT Image 2 Image to Image 是否支持参考图？

支持。当前线路需要参考图，最多使用 6 张；参考图负责提供主体与构图，Prompt 负责描述修改范围。

模型与能力 GPT Image 2
支持哪些输出规格？

当前页面展示 1K、2K、4K 与 auto、1:1、9:16、16:9、4:3、3:4；最终可选项以 Playground 参数为准。

模型与能力 GPT Image 2
GPT Image 2 Image to Image 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 GPT Image 2
如何调用 GPT Image 2 Image to Image API？

向 POST /v1/tasks 提交异步任务，model 使用 gpt-image-2/image-to-image，生成参数放在 input 中。

模型与能力 GPT Image 2
FLUX.2 [klein] 4B Image to Image 主要适合什么任务？

面向商业精修、换背景、换色和快速参考图迭代的轻量低成本线路。

模型与能力 FLUX.2 Klein 4B
FLUX.2 [klein] 4B Image to Image 是否支持参考图？

支持。当前线路需要参考图，最多使用 1 张；参考图负责提供主体与构图，Prompt 负责描述修改范围。

模型与能力 FLUX.2 Klein 4B
支持哪些输出规格？

当前页面展示 0.25 MP、0.5 MP、1 MP、2 MP、4 MP 与 1:1、16:9、9:16、4:3、3:4；最终可选项以 Playground 参数为准。

模型与能力 FLUX.2 Klein 4B
FLUX.2 [klein] 4B Image to Image 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 FLUX.2 Klein 4B
如何调用 FLUX.2 [klein] 4B Image to Image API？

向 POST /v1/tasks 提交异步任务，model 使用 flux-2-klein-4b/image-to-image，生成参数放在 input 中。

模型与能力 FLUX.2 Klein 4B
Nano Banana Pro 主要适合什么任务？

生成高细节商业图片，或结合可选参考图进行重绘，支持丰富画幅与最高 4K 输出。

模型与能力 Nano Banana Pro
Nano Banana Pro 是否支持参考图？

支持最多 8 张可选参考图；不上传时可作为纯文生图使用。

模型与能力 Nano Banana Pro
支持哪些输出规格？

当前页面展示 1K、2K、4K 与 auto、1:1、16:9、9:16、3:4、4:3、3:2、2:3、5:4、4:5、21:9；最终可选项以 Playground 参数为准。

模型与能力 Nano Banana Pro
Nano Banana Pro 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 Nano Banana Pro
如何调用 Nano Banana Pro API？

向 POST /v1/tasks 提交异步任务，model 使用 nano-banana-pro，生成参数放在 input 中。

模型与能力 Nano Banana Pro
FLUX.1 [schnell] 主要适合什么任务？

适合草图、批量出图和快速 Prompt 探索的 1-4 步极速低成本模型。

模型与能力 FLUX.1 Schnell
FLUX.1 [schnell] 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力 FLUX.1 Schnell
支持哪些输出规格？

当前页面展示 1-12 inference steps 与 1:1、16:9、9:16、4:3、3:4；最终可选项以 Playground 参数为准。

模型与能力 FLUX.1 Schnell
FLUX.1 [schnell] 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 FLUX.1 Schnell
如何调用 FLUX.1 [schnell] API？

向 POST /v1/tasks 提交异步任务，model 使用 flux-schnell/text-to-image，生成参数放在 input 中。

模型与能力 FLUX.1 Schnell
Nano Banana 2 Lite 主要适合什么任务？

固定 1K 的入门线路，适合大批量草图、快速迭代与可选多参考图重绘。

模型与能力 Nano Banana 2 Lite
Nano Banana 2 Lite 是否支持参考图？

支持最多 10 张可选参考图；不上传时可作为纯文生图使用。

模型与能力 Nano Banana 2 Lite
支持哪些输出规格？

当前页面展示 1K 与 auto、1:1、16:9、9:16、4:3、3:4、8:1、1:8；最终可选项以 Playground 参数为准。

模型与能力 Nano Banana 2 Lite
Nano Banana 2 Lite 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 Nano Banana 2 Lite
如何调用 Nano Banana 2 Lite API？

向 POST /v1/tasks 提交异步任务，model 使用 Nano-Banana-2-Lite，生成参数放在 input 中。

模型与能力 Nano Banana 2 Lite
Grok Image 2.0 Text to Image 主要适合什么任务？

支持 low/medium 质量档、1K/2K 输出和从方形到超宽画幅，适合产品、编辑、风景与角色视觉。

模型与能力 Grok Imagine Image 2.0
Grok Image 2.0 Text to Image 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力 Grok Imagine Image 2.0
支持哪些输出规格？

当前页面展示 1K、2K 与 auto、1:1、16:9、9:16、4:3、3:4、2:1、1:2；最终可选项以 Playground 参数为准。

模型与能力 Grok Imagine Image 2.0
Grok Image 2.0 Text to Image 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 Grok Imagine Image 2.0
如何调用 Grok Image 2.0 Text to Image API？

向 POST /v1/tasks 提交异步任务，model 使用 grok-imagine-image-2.0/text-to-image，生成参数放在 input 中。

模型与能力 Grok Imagine Image 2.0
Grok Image 2.0 Image to Image 主要适合什么任务？

编辑一张公开参考图，完成换色、换风格、换场景与细节精修，并沿用参考图画幅。

模型与能力 Grok Imagine Image 2.0
Grok Image 2.0 Image to Image 是否支持参考图？

支持。当前线路需要参考图，最多使用 1 张；参考图负责提供主体与构图，Prompt 负责描述修改范围。

模型与能力 Grok Imagine Image 2.0
Grok Image 2.0 Image to Image 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 Grok Imagine Image 2.0
如何调用 Grok Image 2.0 Image to Image API？

向 POST /v1/tasks 提交异步任务，model 使用 grok-imagine-image-2.0/image-to-image，生成参数放在 input 中。

模型与能力 Grok Imagine Image 2.0
Qwen Image 2.0 主要适合什么任务？

支持中文、负面提示词、Prompt 扩展、可选 Seed 与五种 2K 像素尺寸的高性价比模型。

模型与能力 Qwen Image 2.0
Qwen Image 2.0 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力 Qwen Image 2.0
支持哪些输出规格？

当前页面展示 2688×1536、2368×1728、2048×2048、1728×2368、1536×2688 与；最终可选项以 Playground 参数为准。

模型与能力 Qwen Image 2.0
Qwen Image 2.0 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 Qwen Image 2.0
如何调用 Qwen Image 2.0 API？

向 POST /v1/tasks 提交异步任务，model 使用 qwen-image-2.0，生成参数放在 input 中。

模型与能力 Qwen Image 2.0
Nano Banana 主要适合什么任务？

适合插画、摄影、产品概念与社交媒体视觉的通用图像生成模型。

模型与能力 Nano Banana
Nano Banana 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力 Nano Banana
支持哪些输出规格？

当前页面展示 1K 与 auto、1:1、16:9、9:16、3:4、4:3、3:2、2:3、5:4、4:5、21:9；最终可选项以 Playground 参数为准。

模型与能力 Nano Banana
Nano Banana 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 Nano Banana
如何调用 Nano Banana API？

向 POST /v1/tasks 提交异步任务，model 使用 nano-banana，生成参数放在 input 中。

模型与能力 Nano Banana
Nano Banana 2 主要适合什么任务？

支持可选参考图、丰富画幅与更高分辨率，可用于图像生成与重绘。

模型与能力 Nano Banana 2
Nano Banana 2 是否支持参考图？

支持最多 14 张可选参考图；不上传时可作为纯文生图使用。

模型与能力 Nano Banana 2
支持哪些输出规格？

当前页面展示 1K、2K、4K 与 1:1、1:4、1:8、2:3、3:2、3:4、4:1、4:3、4:5、5:4、8:1、9:16、16:9、21:9、auto；最终可选项以 Playground 参数为准。

模型与能力 Nano Banana 2
Nano Banana 2 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 Nano Banana 2
如何调用 Nano Banana 2 API？

向 POST /v1/tasks 提交异步任务，model 使用 nano-banana-2，生成参数放在 input 中。

模型与能力 Nano Banana 2
GPT Image 2 Ext Text to Image 主要适合什么任务？

GPT Image 2 的兼容生成线路，提供质量和分辨率控制；产品总览与主搜索意图由正式 GPT Image 2 页面承接。

模型与能力 GPT Image 2
GPT Image 2 Ext Text to Image 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力 GPT Image 2
GPT Image 2 Ext Text to Image 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 GPT Image 2
如何调用 GPT Image 2 Ext Text to Image API？

向 POST /v1/tasks 提交异步任务，model 使用 gpt-image-2/text-to-image@ext，生成参数放在 input 中。

模型与能力 GPT Image 2
GPT Image 2 Beta 主要适合什么任务？

为兼容旧调用保留的 Beta 线路；新接入建议使用正式 GPT Image 2 模型 ID。

模型与能力 GPT Image 2
GPT Image 2 Beta 是否支持参考图？

当前线路是纯文生图，不接收参考图。

模型与能力 GPT Image 2
GPT Image 2 Beta 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 GPT Image 2
如何调用 GPT Image 2 Beta API？

向 POST /v1/tasks 提交异步任务，model 使用 gpt-image-2/text-to-image@beta，生成参数放在 input 中。

模型与能力 GPT Image 2
GPT Image 2 Ext Image to Image 主要适合什么任务？

支持多张参考图、质量、分辨率和画幅控制的兼容编辑线路。

模型与能力 GPT Image 2
GPT Image 2 Ext Image to Image 是否支持参考图？

支持。当前线路需要参考图，最多使用 6 张；参考图负责提供主体与构图，Prompt 负责描述修改范围。

模型与能力 GPT Image 2
GPT Image 2 Ext Image to Image 如何计费？

按成功生成的图片数量计费；不同分辨率或质量档如有差异，会在页面实时价格中显示。

模型与能力 GPT Image 2
如何调用 GPT Image 2 Ext Image to Image API？

向 POST /v1/tasks 提交异步任务，model 使用 gpt-image-2/image-to-image@ext，生成参数放在 input 中。

模型与能力 GPT Image 2
Ideogram V4 最适合什么？

适合需要准确拉丁字母的 Logo、海报、字标、包装与店铺招牌。

模型与能力 Ideogram V4
三档速度如何选择？

TURBO 适合快速草稿；BALANCED 平衡速度与质量；QUALITY 适合最终细节和复杂招牌。

模型与能力 Ideogram V4
三档价格如何区分？

TURBO、BALANCED 与 QUALITY 使用不同的单张档位，具体金额以本页实时价格为准。

模型与能力 Ideogram V4
如何提高画面文字准确率？

在 Prompt 中逐字写出需要显示的文本，并明确字体风格、层级、位置与背景对比。

模型与能力 Ideogram V4
支持参考图吗？

当前 Ideogram V4 页面为纯文生图，不接受参考图。

模型与能力 Ideogram V4
Qwen Image 2.0 Pro 的优势是什么？

适合中文文字、人物、产品视觉和复杂概念场景，并提供五种 2K 级尺寸预设。

模型与能力
Prompt 自动优化有什么作用？

prompt_extend 默认开启，会扩展输入以补充视觉细节，但会增加少量延迟；需要严格遵循原文时可以关闭。

模型与能力
如何避免不想要的元素？

通过 negative_prompt 描述要排除的内容，并保持正向 Prompt 对主体、文字和构图的要求清晰。

模型与能力
支持参考图吗？

当前 Pro 文生图路线只接收文字，不支持参考图输入。

模型与能力
尺寸会改变价格吗？

当前五种尺寸预设使用同一单张档位，具体金额以本页实时价格为准。

模型与能力
Seedream 4.5 文生图适合什么？

适合国风场景、美食摄影、科幻画面、风光和需要 2K/4K 输出的通用创作。

模型与能力 Seedream 4.5
2K 与 4K 是否价格不同？

当前两个分辨率使用同一单张档位，具体金额以本页实时价格为准。

模型与能力 Seedream 4.5
为什么画幅是必填参数？

当前请求契约要求显式提交 aspect_ratio 与 resolution，避免输出尺寸依赖隐式默认。

模型与能力 Seedream 4.5
可以上传参考图吗？

此文生图路线不接受参考图；请使用 seedream-4.5/image-to-image。

模型与能力 Seedream 4.5
Prompt 最长多少？

支持 4 至 3000 个字符，中英文均可。

模型与能力 Seedream 4.5
Wan 2.7 Image 支持哪些特殊画幅？

除常见横竖版外，还支持 21:9、8:1 和 1:8 等超宽或超高画幅。

模型与能力 Wan 2.7 Image
Thinking Mode 有什么作用？

开启后会增加生成耗时，以增强复杂 Prompt 的推理与画面组织；快速草稿可保持关闭。

模型与能力 Wan 2.7 Image
1K、2K、4K 如何选择？

先用 1K 或 2K 验证方向，最终需要更大输出时再选择 4K。当前页面价格为固定单张价。

模型与能力 Wan 2.7 Image
支持参考图吗？

当前模型 ID 为纯文生图路线，不接收参考图。

模型与能力 Wan 2.7 Image
如何复现结果？

固定 seed、Prompt、画幅、分辨率和 Thinking Mode 设置。

模型与能力 Wan 2.7 Image
Z-Image 适合什么？

适合低成本中文提示词生图、写实人像、招牌、城市夜景和美食素材。

模型与能力 Z-Image
支持哪些画幅？

支持 1:1、4:3、3:4、16:9 和 9:16。

模型与能力 Z-Image
可以控制分辨率或格式吗？

当前公开请求契约只暴露 Prompt 与 aspect_ratio，不应在请求中添加未声明的分辨率或格式字段。

模型与能力 Z-Image
支持参考图吗？

不支持。当前 Z-Image 模型 ID 为纯文生图。

模型与能力 Z-Image
如何调用 API？

向 POST /v1/tasks 提交 model: z-image 和 input.prompt；aspect_ratio 可选。

模型与能力 Z-Image
HappyHorse 1.0 是什么类型的视频模型？

它是纯文生视频线路，只需文字 Prompt，不要求上传起始图片。

模型与能力 HappyHorse 1.0
HappyHorse 1.0 支持哪些输出规格？

支持 3-15 秒，分辨率包括 720p、1080p，画幅包括 16:9、9:16、1:1、4:3、3:4。

模型与能力 HappyHorse 1.0
可以生成声音或使用音频参考吗？

不接收媒体输入；声音能力以模型契约为准

模型与能力 HappyHorse 1.0
HappyHorse 1.0 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 HappyHorse 1.0
如何调用 HappyHorse 1.0 API？

向 POST /v1/tasks 提交异步任务，model 使用 happyhorse-1.0，参数放在 input 中。

模型与能力 HappyHorse 1.0
Kling 3.0 Text-to-Video 是什么类型的视频模型？

它是纯文生视频线路，只需文字 Prompt，不要求上传起始图片。

模型与能力 Kling 3.0
Kling 3.0 Text-to-Video 支持哪些输出规格？

支持 3-15 秒，分辨率包括 720p、1080p、4K，画幅包括 16:9、9:16、1:1。

模型与能力 Kling 3.0
可以生成声音或使用音频参考吗？

可选生成声音开关

模型与能力 Kling 3.0
Kling 3.0 Text-to-Video 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 Kling 3.0
如何调用 Kling 3.0 Text-to-Video API？

向 POST /v1/tasks 提交异步任务，model 使用 kling-3.0/text-to-video，参数放在 input 中。

模型与能力 Kling 3.0
Veo 3.1 Fast Text to Video 是什么类型的视频模型？

它是纯文生视频线路，只需文字 Prompt，不要求上传起始图片。

模型与能力 Veo 3.1 Fast
Veo 3.1 Fast Text to Video 支持哪些输出规格？

支持 4-8 秒，分辨率包括 720p、1080p、4k，画幅包括 16:9、9:16。

模型与能力 Veo 3.1 Fast
可以生成声音或使用音频参考吗？

生成音频默认开启

模型与能力 Veo 3.1 Fast
Veo 3.1 Fast Text to Video 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 Veo 3.1 Fast
如何调用 Veo 3.1 Fast Text to Video API？

向 POST /v1/tasks 提交异步任务，model 使用 veo-3.1-fast/text-to-video，参数放在 input 中。

模型与能力 Veo 3.1 Fast
Veo 3.1 Text to Video 是什么类型的视频模型？

它是纯文生视频线路，只需文字 Prompt，不要求上传起始图片。

模型与能力 Veo 3.1
Veo 3.1 Text to Video 支持哪些输出规格？

支持 4-8 秒，分辨率包括 720p、1080p、4k，画幅包括 16:9、9:16。

模型与能力 Veo 3.1
可以生成声音或使用音频参考吗？

生成音频默认开启

模型与能力 Veo 3.1
Veo 3.1 Text to Video 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 Veo 3.1
如何调用 Veo 3.1 Text to Video API？

向 POST /v1/tasks 提交异步任务，model 使用 veo-3.1/text-to-video，参数放在 input 中。

模型与能力 Veo 3.1
Seedance 2.0 是什么类型的视频模型？

它以 Prompt 为核心，也可加入首尾帧或参考图片、视频、音频；不同控制方式应按当前参数契约组合。

模型与能力 Seedance 2.0
Seedance 2.0 支持哪些输出规格？

支持 4-15 秒，分辨率包括 480p、720p、1080p、4k，画幅包括 1:1、4:3、3:4、16:9、9:16、21:9、adaptive。

模型与能力 Seedance 2.0
可以生成声音或使用音频参考吗？

可选图片、视频和音频参考；支持生成音频

模型与能力 Seedance 2.0
Seedance 2.0 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 Seedance 2.0
如何调用 Seedance 2.0 API？

向 POST /v1/tasks 提交异步任务，model 使用 seedance-2.0，参数放在 input 中。

模型与能力 Seedance 2.0
Seedance 2.0 Fast 是什么类型的视频模型？

它以 Prompt 为核心，也可加入首尾帧或参考图片、视频、音频；不同控制方式应按当前参数契约组合。

模型与能力
Seedance 2.0 Fast 支持哪些输出规格？

支持 4-15 秒，分辨率包括 480p、720p，画幅包括 1:1、4:3、3:4、16:9、9:16、21:9、adaptive。

模型与能力
可以生成声音或使用音频参考吗？

可选图片、视频和音频参考；支持生成音频

模型与能力
Seedance 2.0 Fast 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力
如何调用 Seedance 2.0 Fast API？

向 POST /v1/tasks 提交异步任务，model 使用 seedance-2.0-fast，参数放在 input 中。

模型与能力
Seedance 2.0 Ext 是什么类型的视频模型？

它以 Prompt 为核心，也可加入首尾帧或参考图片、视频、音频；不同控制方式应按当前参数契约组合。

模型与能力 Seedance 2.0
Seedance 2.0 Ext 支持哪些输出规格？

支持 4-15 秒，分辨率包括 720p、1080p、4k，画幅包括 1:1、4:3、3:4、16:9、9:16、21:9、adaptive。

模型与能力 Seedance 2.0
Seedance 2.0 Ext 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 Seedance 2.0
如何调用 Seedance 2.0 Ext API？

向 POST /v1/tasks 提交异步任务，model 使用 seedance-2.0@ext，参数放在 input 中。

模型与能力 Seedance 2.0
Seedance 2.0 Mini 是什么类型的视频模型？

它以 Prompt 为核心，也可加入首尾帧或参考图片、视频、音频；不同控制方式应按当前参数契约组合。

模型与能力
Seedance 2.0 Mini 支持哪些输出规格？

支持 4-15 秒，分辨率包括 480p、720p，画幅包括 1:1、4:3、3:4、16:9、9:16、21:9、adaptive。

模型与能力
可以生成声音或使用音频参考吗？

可选图片、视频和音频参考；支持生成音频

模型与能力
Seedance 2.0 Mini 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力
如何调用 Seedance 2.0 Mini API？

向 POST /v1/tasks 提交异步任务，model 使用 seedance-2.0-mini，参数放在 input 中。

模型与能力
HappyHorse 1.1 Text to Video 是什么类型的视频模型？

它是纯文生视频线路，只需文字 Prompt，不要求上传起始图片。

模型与能力 HappyHorse 1.1
HappyHorse 1.1 Text to Video 支持哪些输出规格？

支持 3-15 秒，分辨率包括 720p、1080p，画幅包括 16:9、9:16、3:4、4:3、4:5、5:4、1:1、9:21、21:9。

模型与能力 HappyHorse 1.1
可以生成声音或使用音频参考吗？

不接收媒体输入；声音能力以模型契约为准

模型与能力 HappyHorse 1.1
HappyHorse 1.1 Text to Video 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 HappyHorse 1.1
如何调用 HappyHorse 1.1 Text to Video API？

向 POST /v1/tasks 提交异步任务，model 使用 happyhorse-1.1/text-to-video，参数放在 input 中。

模型与能力 HappyHorse 1.1
MiniMax H3 是什么类型的视频模型？

它以 Prompt 为核心，也可加入首尾帧或参考图片、视频、音频；不同控制方式应按当前参数契约组合。

模型与能力 MiniMax H3
MiniMax H3 支持哪些输出规格？

支持 4-15 秒，分辨率包括 2K，画幅包括 21:9、16:9、4:3、1:1、3:4、9:16、adaptive。

模型与能力 MiniMax H3
可以生成声音或使用音频参考吗？

可选图片、视频和音频参考；支持生成音频

模型与能力 MiniMax H3
MiniMax H3 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 MiniMax H3
如何调用 MiniMax H3 API？

向 POST /v1/tasks 提交异步任务，model 使用 minimax-h3，参数放在 input 中。

模型与能力 MiniMax H3
Wan 3.0 Video 是什么类型的视频模型？

它以 Prompt 为核心，也可加入首尾帧或参考图片、视频、音频；不同控制方式应按当前参数契约组合。

模型与能力 Wan 3.0 Video
Wan 3.0 Video 支持哪些输出规格？

支持 2-30 秒，分辨率包括 480P、720P、1080P，画幅包括 adaptive、16:9、4:3、1:1、3:4、9:16。

模型与能力 Wan 3.0 Video
可以生成声音或使用音频参考吗？

可选图片、视频、音频、文件和链接参考；支持同步音频

模型与能力 Wan 3.0 Video
Wan 3.0 Video 如何计费？

按输出时长和实时档位计费；分辨率、模式或声音选项造成的差异以页面价格和任务记录为准。

模型与能力 Wan 3.0 Video
如何调用 Wan 3.0 Video API？

向 POST /v1/tasks 提交异步任务，model 使用 wan3.0-video，参数放在 input 中。

模型与能力 Wan 3.0 Video
Wan 3.0 Prime 支持哪些输入？

必填只有提示词。可选输入包括首帧和尾帧、最多 10 张参考图片、最多 5 段参考音频、1 份参考文档或 1 个参考网页。参考视频输入暂未开放。

模型与能力
首尾帧和参考素材可以一起用吗？

不可以。首尾帧模式与参考图片、音频、文件、网页这些数组互斥，每次任务选择其中一种控制方式；参考文件和参考网页之间也只能二选一。

模型与能力
参考音频有什么要求？

WAV 或 MP3，每段 1 到 15 秒，最多 5 段，需要和参考图片一起使用。提示词里用 Audio1、Audio2 按顺序指代，说明它是旁白、对白还是音乐。

模型与能力
支持哪些时长、分辨率和画幅？

时长 2 到 30 秒按整数秒设置；分辨率 480P、720P、1080P；画幅 adaptive、16:9、4:3、1:1、3:4、9:16，adaptive 会根据输入素材和提示词决定。

模型与能力
视频会带声音吗？

默认会生成与画面同步的音轨，声音内容可以在提示词里描述（例如环境音、旁白）；把 audio 设为 false 可以只输出画面。

模型与能力
Wan 3.0 Prime 和 Wan 3.0 Video 有什么区别？

Prime 是 Wan 3.0 的加速线路，两者的提示词、首尾帧和参考图片、音频、文件、网页用法一致，换 model ID 即可切换；Prime 目前不接收参考视频输入，两条线路价格不同。

模型与能力
如何复现同一个结果？

传入固定的 seed（0 到 2147483647），并保持提示词和其他参数不变，就能得到高度一致的结果，方便微调后对比。

模型与能力
Wan 3.0 Prime 如何计费？

按输出视频时长和分辨率档位计费，失败任务全额退回；具体单价以本页实时价格为准。

模型与能力
Seedance 2.5 文生视频需要上传图片吗？

不需要。该页面对应 seedance-2.5/text-to-video，只接收文字 Prompt；需要首帧、首尾帧或参考素材时，应使用独立的 Image-to-Video 或 Reference-to-Video 线路。

模型与能力 Seedance 2.5
Seedance 2.5 支持多长的视频？

当前请求契约支持 4–30 秒、720p 或 1080p，并提供 16:9、4:3、1:1、3:4、9:16、21:9 和 adaptive 画幅。

模型与能力 Seedance 2.5
Seedance 2.5 会生成声音吗？

generate_audio 默认开启，用于生成同步声音；不需要声音时可以关闭。最终结果仍应进行音量、对白与版权审核。

模型与能力 Seedance 2.5
Seedance 2.5 如何计费？

按输出视频秒数和分辨率档位计费。720p 与 1080p 使用不同的每秒价格。

模型与能力 Seedance 2.5
如何调用 Seedance 2.5 文生视频 API？

向 POST /v1/tasks 发送异步任务，model 使用 seedance-2.5/text-to-video，并在 input 中传 prompt、duration、resolution、aspect_ratio 等参数。

模型与能力 Seedance 2.5
Grok Imagine 文生视频需要图片吗？

不需要。grok-imagine/text-to-video 只接收文字 Prompt；需要源图时应使用独立的图生视频线路。

模型与能力 Grok Imagine
Grok Imagine 支持哪些规格？

支持 6–30 秒、480p 或 720p，以及 2:3、3:2、1:1、16:9、9:16 画幅。

模型与能力 Grok Imagine
normal 和 fun 模式有什么区别？

normal 适合常规运动与稳定镜头，fun 用于更活跃的创意运动。建议先用 normal 验证主体和构图。

模型与能力 Grok Imagine
Grok Imagine 如何计费？

按输出秒数和分辨率计费，480p 与 720p 使用不同每秒价格。

模型与能力 Grok Imagine
如何调用 Grok Imagine 文生视频 API？

向 POST /v1/tasks 提交任务，model 使用 grok-imagine/text-to-video，参数放在 input 中。

模型与能力 Grok Imagine
Hailuo 2.3 文生视频需要图片吗？

不需要。该线路只接收文字 Prompt。需要指定首帧时应使用独立的 Hailuo 图生视频模型。

模型与能力 Hailuo 2.3
Hailuo 2.3 支持哪些时长？

标准线路提供 6 秒和 10 秒两个固定输出档，不暴露分辨率或画幅参数。

模型与能力 Hailuo 2.3
Prompt optimizer 有什么作用？

它默认开启，用于自动扩展和整理 Prompt。需要严格保留原始指令时可以关闭并自行编写完整镜头描述。

模型与能力 Hailuo 2.3
Hailuo 2.3 如何计费？

按生成视频分档计费，6 秒与 10 秒分别有固定单条价格。

模型与能力 Hailuo 2.3
如何调用 Hailuo 2.3 API？

向 POST /v1/tasks 提交异步任务，model 使用 hailuo-2.3/text-to-video，并在 input 中传 prompt、duration 和 prompt_optimizer。

模型与能力 Hailuo 2.3
Wan 2.7 文生视频需要图片吗？

不需要。wan2.7-video/text-to-video 只要求文字 Prompt；需要首帧或尾帧时应使用 Wan 2.7 Image-to-Video。

模型与能力 Wan 2.7 Video
Wan 2.7 支持哪些输出规格？

支持 2–15 秒、720P 或 1080P，以及 16:9、9:16、1:1、4:3、3:4 画幅。

模型与能力 Wan 2.7 Video
Wan 2.7 的 audio_url 是什么？

audio_url 是可选的 WAV 或 MP3 音频参考。它不会把该线路变成图生视频，也不替代文字 Prompt。

模型与能力 Wan 2.7 Video
Wan 2.7 如何计费？

按输出视频秒数和分辨率计费，720P 与 1080P 使用不同每秒价格。

模型与能力 Wan 2.7 Video
如何调用 Wan 2.7 文生视频 API？

向 POST /v1/tasks 提交异步任务，model 使用 wan2.7-video/text-to-video，并在 input 中传 prompt、resolution、ratio、duration 等参数。

模型与能力 Wan 2.7 Video
Veo 3.1 图生视频需要几张输入图？

当前 endpoint 每次接收一张可公开访问的图片 URL，字段名是 image_url，而不是 image_urls。建议输入图至少 720p，并在提交前确定主体、构图和运动空间；本地地址或无法从公网访问的临时链接不能作为输入。

模型与能力 Veo 3.1
Veo 3.1 图生视频如何控制横竖屏？

输出画幅继承输入图片，不需要额外传 aspect_ratio。要生成 TikTok、Reels 或 Shorts 竖屏视频，应先准备 9:16 输入图；横屏网页或广告素材则先准备 16:9 输入图。其他画幅可能被裁切适配。

模型与能力 Veo 3.1
Veo 3.1 支持哪些时长和分辨率？

当前 HiAPI 请求契约支持 4、6、8 秒，以及 720p、1080p、4K。时长和分辨率会共同影响总费用；先用较短时长验证运动，再输出最终分辨率，可以减少无效消耗。

模型与能力 Veo 3.1
Veo 3.1 能生成原生音频吗？如何控制声音？

可以。把环境声、拟音和音乐节奏写进 Prompt，并让声音提示跟随事件顺序，例如“鞋子落地时出现低沉撞击声”。重要商业素材仍应在发布前检查音量、对白、品牌安全和平台版权要求。

模型与能力 Veo 3.1
Veo 3.1 图生视频如何计费？

按生成时长和分辨率计费；720p/1080p 含音频使用基础每秒档位，4K 含音频使用更高档位。具体金额以模型页实时价格和任务记录为准。

模型与能力 Veo 3.1
Veo 3.1 和 Veo 3.1 Fast 应该怎么选？

两者使用相同的单图输入、4/6/8 秒和分辨率结构。Fast 适合先验证动作、镜头和声音节奏，标准 Veo 3.1 适合最终成片。常见流程是先用 Fast 的 720p 草稿筛选 Prompt，再用标准模型输出 1080p 或 4K。

模型与能力 Veo 3.1
如何通过 API 调用 Veo 3.1 图生视频？

向 POST /v1/tasks 发送请求，将 model 设置为 veo-3.1/image-to-video，并在 input 中传入 prompt、image_url、resolution 和 duration。接口先返回 taskId，视频在后台异步生成；任务查询、callback、错误处理和完整参数请查看 API 文档。

模型与能力 Veo 3.1
Vidu Q3 Mix 和 Vidu Q3 Ad 有什么区别？

两者用同一套参数（1-7 张参考图、同一组 10 个尺寸、720P/1080P 两档），请求形状完全一样。区别在时长范围和优化方向：Mix 面向通用场景，时长 1-16 秒；Ad 面向广告，时长 3-15 秒，并针对广告场景加入了营销向的智能切镜、运镜和音效处理。做商品广告优先选 Ad，其它题材用 Mix。

模型与能力
为什么 size 只能选 10 个枚举值，不能自由填分辨率？

size 用「宽*高」的像素值表示，但接口只接受固定的 10 个取值，等于 16:9、4:3、1:1、3:4、9:16 五种画幅 × 720P、1080P 两档。好处是画幅和分辨率档位一次选完，不用再单独传比例参数；代价是不能指定中间尺寸。注意 1:1 在 1080P 档下是 1808*1808，不是 1920*1920。

模型与能力
最长能生成多久？

Mix 支持 1-16 秒（整数秒，默认 5 秒）。16 秒比多数参考生视频接口的 5-10 秒更长，适合需要铺陈动作的片段。注意 Ad 的区间不同，是 3-15 秒。

模型与能力
参考图最多几张？怎么让模型知道谁是谁？

reference_image_urls 传 1-7 张，必须是公网可访问的 HTTP(S) URL，格式支持 JPEG/JPG/PNG/WEBP，单张不超过 50MB，宽高比在 1:4 到 4:1 之间。提示词里按数组顺序引用即可，例如「参考图 1 的角色走进参考图 2 的场景」，编号与数组下标一一对应。

模型与能力
怎么计费？

按实际输出秒数计费，分辨率档位决定每秒单价，720P 与 1080P 两档单价不同。以定价页的实时价格为准，每次任务的消费明细可以在 HiAPI 任务记录里逐条核对。

模型与能力
audio 和 watermark 会影响价格吗？

不会。价格只由分辨率档位和实际输出秒数决定，两个开关都不参与计价。audio 默认关闭，输出无声视频，打开后模型会按画面内容生成背景音乐和音效；watermark 默认关闭，打开后视频右下角会出现「内容由 AI 生成」标识。

模型与能力
和 Vidu Q4 Preview 参考生视频怎么选？

看输入素材。需要参考音频锁定角色音色、让角色开口说话，或者需要超过 7 张参考图，用 Q4 Preview（1-15 张参考图 + 最多 3 段 MP3）。只需要图像参考、想要原生竖屏或方形画幅、并且希望画幅和分辨率一次选定，用 Mix 更直接——Q4 Preview 把分辨率和比例拆成了两个独立参数。

模型与能力
参考图会原样出现在视频开头吗？

不会。参考生视频把参考图当作主体外观的依据，生成的是新画面，参考图本身不作为第一帧出现。如果参考图带着完整背景，成片开头有可能接近那个背景；想让整段都是新场景，请在提示词里把环境写清楚。需要第一帧完全等于某张图时，应该用图生视频接口。

模型与能力
提示词可以写多长？

不超过 5000 个字符，中英文都可以，超出部分会被自动截断。写清主体做什么、出现在哪里、镜头怎么走，比堆砌形容词更有效。

模型与能力
固定 seed 能保证结果可复现吗？

seed 取值范围是 0-2147483647，固定之后同一组输入的结果会明显更接近，但模型本身是概率性的，文档明确说明即使 seed 相同也不能保证每次完全一致。它更适合用来对比微调效果，而不是精确复现。

模型与能力
Vidu Q3 Ad 和 Vidu Q3 Mix 有什么区别？

请求形状完全一样（同样 1-7 张参考图、同样 10 个尺寸、同样 720P/1080P 两档），区别在时长范围和优化方向。Ad 面向广告行业，时长 3-15 秒，针对广告素材加入了营销级的智能切镜、运镜和音效处理；Mix 面向通用场景，时长 1-16 秒、画面质感与动态更均衡。做商品广告优先 Ad，剧情、IP 或通用素材用 Mix。

模型与能力
Ad 的时长为什么和 Mix 不一样？

两个端点是两套参数校验：Ad 的 duration 取值是 [3, 15] 的整数，Mix 是 [1, 16]，默认值都是 5 秒。所以 Ad 做不了 1-2 秒的超短片段，也不需要 Mix 那样的长镜头铺陈。

模型与能力
实际输出时长和设定的 duration 不一样，按哪个计费？

按实际输出时长计费。文档对 Ad 这类带智能切镜的广告模型有一条明确说明：当分镜数量明显多于或少于 duration 时，模型可能自动调整时长以保证故事完整性，实际视频时长可能多于或少于设定值，而计费以实际输出为准。所以下单前预留的费用要按设定值估，结算以账单里的实际秒数为准。

模型与能力
为什么 size 只能选 10 个枚举值？

size 用「宽*高」表示，接口只接受固定的 10 个取值：16:9、4:3、1:1、3:4、9:16 五种画幅 × 720P、1080P 两档。好处是画幅和分辨率档位一次选完，不用再传比例参数；代价是不能指定中间尺寸。注意 1:1 在 1080P 档下是 1808*1808。

模型与能力
参考图最多几张？有什么要求？

reference_image_urls 传 1-7 张，必须是公网可访问的 HTTP(S) URL，格式 JPEG/JPG/PNG/WEBP，单张不超过 50MB，宽高比 1:4-4:1。广告场景常见做法是一张商品主图加一两个使用场景图，提示词里按顺序引用。

模型与能力
怎么计费？

按实际输出秒数计费，分辨率档位决定每秒单价，Ad 在同档位上比 Mix 略低。当前价格以定价页为准，消费明细可在 HiAPI 任务记录里逐条核对。

模型与能力
audio 和 watermark 会影响价格吗？

不会，价格只由分辨率档位和实际输出秒数决定。audio 默认关闭，打开后模型会按画面内容生成匹配的背景音乐或音效——广告场景通常打开；watermark 默认关闭，打开后右下角会标注「内容由 AI 生成」。需要投放时通常两个开关都保持默认。

模型与能力
和 Vidu Q4 Preview 参考生视频怎么选？

Ad 的优势在广告向的运镜、切镜和音效处理，以及更低的每秒单价。需要参考音频锁定角色音色、让模特开口说台词，或者需要超过 7 张参考图时，改用 Q4 Preview（1-15 张参考图 + 最多 3 段 MP3）。

模型与能力
提示词写多长比较合适？

上限 5000 字符，中英文都可以。但广告成片短，写清商品是什么、观众看到什么动作、镜头怎么走就够了；堆砌形容词反而容易让画面发散。参考图已经把商品外观定死，提示词主要负责动作和氛围。

模型与能力
固定 seed 能保证结果可复现吗？

seed 范围是 0-2147483647，固定后同一组输入的结果会明显更接近，方便对比不同提示词的效果。但模型是概率性的，文档明确说明即使 seed 相同也不保证结果完全一致，所以不要把它当作精确复现手段。

模型与能力
图生视频可以自己设置画幅吗？

不能。成片画幅完全跟随首帧图片：传横图出横屏、传竖图出竖屏，所以想要 9:16 竖屏就准备一张竖版首帧。首帧宽高比需在 1:4 到 4:1 之间，过于狭长的图片会在提交时被拒绝。

模型与能力 Vidu Q4 Preview
audio 开关有什么用？

原生音频默认开启，会生成与画面同步的对白、环境声和音效；关闭后输出纯画面无声视频，适合做循环背景、后期自己配乐或加字幕。开关不影响价格。

模型与能力 Vidu Q4 Preview
时长和价格是什么关系？

按提交的整数秒时长乘以所选分辨率的每秒单价计费，音频开关和图片数量都不参与计价。分辨率越高每秒单价越高，4K 档约为 540p 档的 8.7 倍，具体金额以定价页为准。

模型与能力 Vidu Q4 Preview
五档分辨率分别适合什么场景？

540p 用来试提示词和镜头，也够做小尺寸循环背景；720p 覆盖大多数社媒与网页；1080p 用于常规投放；2K 适合大屏和电视展示；4K 用于展陈、影院级画面或需要后期裁切二次构图的镜头。定稿前先用低档试，定稿再用高档出。

模型与能力 Vidu Q4 Preview
和 Vidu Q3 Mix 有什么区别？

Vidu Q3 Mix 用 1-7 张参考图重新组织画面，720P/1080P 两档、1-16 秒，参考图不作为成片第一帧。Vidu Q4 Preview 图生视频把图片当作成片第一帧，时长 3-16 秒，分辨率最高到 4K，并默认生成原生音频。首帧必须等于手里这张图时选 Q4 Preview。

模型与能力 Vidu Q4 Preview
和参考生视频（reference-to-video）有什么区别？

图生视频把图片当作成片的第一帧，出来的画面从这张图开始；参考生视频把图片当作人物、道具或场景的样子，重新生成全新构图，参考图不会原样出现在开头。想要“这张图动起来”用图生视频。

模型与能力 Vidu Q4 Preview
首帧图片有什么要求？

支持 JPG / JPEG / PNG / WebP，单张不超过 50MB，宽高比在 1:4 到 4:1 之间。建议首帧的构图和光线就是最终效果的样子，因为它决定了成片的主体、景别和色调。

模型与能力 Vidu Q4 Preview
提示词该怎么写？

只写要新增的内容：谁做什么动作、镜头怎么走、有什么声音或说哪句话。不要重复描述画面里已经有的东西。英文提示词最稳定，中文同样可用；长度上限 20,000 字符。

模型与能力 Vidu Q4 Preview
提示词是必填的吗？

不是。不传提示词时，模型会根据首帧内容自行推断动作和镜头；传了提示词就能控制动作顺序、镜头路径和声音。两种方式都按提交的时长和分辨率计费。

模型与能力 Vidu Q4 Preview
不传的参数默认是什么？

时长默认 5 秒，分辨率默认 720p，audio 默认开启。三项都可以按任务覆盖；计费按提交的整数秒时长和所选分辨率档位计算。

模型与能力 Vidu Q4 Preview
最多可以放几张参考图？

1-15 张。支持 JPG、PNG、WebP，单张不超过 50MB，最小 128×128，单张宽高比在 1:4 到 4:1 之间。提示词按数组顺序引用：第一张就是参考图 1，第二张是参考图 2。

模型与能力 Vidu Q4 Preview
参考音频有什么格式和时长限制？

最多 3 段，仅 MP3，每段 3-12 秒、不超过 50MB，提示词里按顺序写参考音频 1。段数、格式或时长超出范围时，提交阶段会直接返回参数错误，不会创建任务。

模型与能力 Vidu Q4 Preview
参考音频会影响整条音轨吗？

不会。它只提供音色：角色开口时，提示词里的台词用接近该音色的声音念出，环境声和音效仍由画面生成。只想要环境声、不需要指定音色时，不放参考音频并保持 audio 开启即可。

模型与能力 Vidu Q4 Preview
提示词怎么指向某一份素材？

按数组顺序编号。第一张图是参考图 1，第一段音频是参考音频 1，在提示词里直接写这个编号。提示词必填，长度 1-20,000 字符，中英文都可以。

模型与能力 Vidu Q4 Preview
成片画幅怎么定？

由 aspect_ratio 指定，可选 16:9、9:16、1:1、4:3、3:4，默认 16:9。它和参考图自身的比例无关：方图或竖图也能生成 16:9 横屏。

模型与能力 Vidu Q4 Preview
能生成多长、哪些分辨率？

时长 3-16 秒的整数秒，默认 5 秒；分辨率 540p、720p、1080p、2K、4K 五档，默认 720p。同一段提示词换档重跑即可，不用改写。

模型与能力 Vidu Q4 Preview
怎么计费？

按提交的整数秒时长乘以所选分辨率的每秒单价计费。audio 开关、参考图数量和参考音频数量都不改变单价；具体金额以定价页为准，每次任务的扣费明细可以在任务记录里查到。

模型与能力 Vidu Q4 Preview
参考图会原样出现在开头吗？

不会。参考图描述的是人物、道具和场景的样子，模型按提示词重新构图，开场画面不等于任何一张参考图。如果图片必须成为第一帧，用图生视频。

模型与能力 Vidu Q4 Preview
和 Vidu Q3 Mix 有什么区别？

Q3 Mix 接收 1-7 张参考图，最高 1080P、1-16 秒，不接收参考音频。Q4 Preview 接收 1-15 张参考图加最多 3 段参考音频，最高 4K、3-16 秒。需要锁定音色、更多参考图或 4K 时选 Q4 Preview。

模型与能力 Vidu Q4 Preview
和 Vidu Q3 Ad 有什么区别？

Q3 Ad 面向商品广告，接收 1-7 张参考图，3-15 秒、720P 或 1080P，运镜、切镜和音效按广告节奏生成。Q4 Preview 面向固定角色与音色，参考图上限 15 张、可锁音色，最高 4K。做商品广告优先 Q3 Ad；做系列角色或需要 4K 时用 Q4 Preview。

模型与能力 Vidu Q4 Preview
这个模型可以生成图片吗？

它接受文本和图片输入，返回文本。适合图片描述、文档与图表理解、视觉问答，以及结合图片进行推理；生成或编辑图片需要选择对应的图像模型。

模型与能力
应该使用哪个模型 ID 和接口？

model 填写 deepseek-v4-flash-vision-exp。推荐 POST /v1/responses，使用 input 传入内容；也可使用 POST /v1/chat/completions，通过 messages 传入内容。两个接口的图片格式不同，请使用对应示例。

模型与能力
图片怎么上传？支持多张图片吗？

Playground 支持上传或粘贴 JPEG、PNG、WebP、GIF，每条消息最多 4 张、每张不超过 10 MB。API 可使用公开 HTTPS 图片 URL 或 base64 data URL：Responses 使用 input_image，Chat Completions 使用 image_url 内容块。上述上传数量和大小是 Playground 限制。

模型与能力
如何选择或关闭推理？

Responses 使用 reasoning.effort，页面提供 none、low、medium、high，默认 high。none 关闭推理；其他档位用于推理任务，实际耗时和 Token 用量取决于问题。Chat Completions 关闭推理时使用 reasoning.enabled=false。

模型与能力
上下文和输出长度是多少？为什么回答会被截断？

本页上下文窗口为 1,048,576 Token，输出预算上限为 262,144 Token；Playground 和默认示例使用 1,024。输出预算包含推理 Token，较复杂的问题可能在生成正文前消耗较多预算。遇到截断时可提高 max_output_tokens，或关闭推理后重试；输入与输出总量仍需满足上下文限制。

模型与能力
图片、推理和缓存 Token 如何计费？

图片 Token 计入输入，推理 Token 计入输出，缓存命中的输入按缓存输入单价结算。输入、输出与缓存单价查看本页实时价格区。Responses 的 usage.input_tokens、usage.output_tokens 和 input_tokens_details.cached_tokens 可用于对照调用日志；缓存命中不等于整次请求免费。

模型与能力
多轮对话需要重新发送历史吗？

本页示例使用 store:false，每轮在 input 中重新传入需要保留的上下文。服务端不会仅凭上一轮返回的文本自动记住整段对话；使用 Chat Completions 时，把所需历史放入 messages。

模型与能力
支持 JSON 输出和函数调用吗？

支持。Responses 可用 text.format.type=json_object 请求 JSON，用 tools 和 tool_choice 声明及选择函数。模型返回函数调用后，由你的应用执行函数，再回传 call_id 匹配的 function_call_output。模型不会代替应用执行本地代码；完整请求见 API 文档示例。

模型与能力
流式响应怎么判断结束？

Responses 用 response.output_text.delta 接收正文增量，在 response.completed 中读取最终 usage；也要处理 response.incomplete 和 response.failed。不要等待 Responses 返回 Chat Completions 的 [DONE] 标记，后者只用于 Chat Completions 流。

模型与能力
现有 HiAPI API Key 可以直接用吗？

可以，前提是 Key 有该模型的调用权限且账户余额充足。OpenAI SDK 的 base_url 使用 https://api.hiapi.ai/v1，并选择 responses.create 或 chat.completions.create。网页 Playground 使用登录态，无需粘贴 API Key。

模型与能力
Wan 2.6 Flash 图生视频需要哪些输入？

1 张图片和一段提示词。图片作为视频开头，提示词描述动作、镜头和氛围。

模型与能力 Wan 2.6 Flash
可以传多张图片吗？

不可以，image_urls 只接受 1 张图片。

模型与能力 Wan 2.6 Flash
图片有什么要求？

JPG、PNG 或 WebP，至少 256×256 像素，不超过 10MB。

模型与能力 Wan 2.6 Flash
支持哪些时长？

5、10、15 秒，默认 5 秒。

模型与能力 Wan 2.6 Flash
支持哪些分辨率？

720p 和 1080p，默认 720p。

模型与能力 Wan 2.6 Flash
输出画幅怎么设置？

无需设置，输出画幅跟随输入图片：横图出横屏，竖图出竖屏。

模型与能力 Wan 2.6 Flash
音频开关有什么作用？

开启 audio 后会生成与画面同步的环境声和音效；默认关闭，生成无声视频。

模型与能力 Wan 2.6 Flash
开启音频会影响价格吗？

会。有声视频按有声档每秒计费，无声视频按无声档计费；1080p 也高于 720p。当前价格以价格页为准。

模型与能力 Wan 2.6 Flash
怎么计费？

按视频秒数计费，每秒价格由分辨率和是否开启音频决定。

模型与能力 Wan 2.6 Flash
提示词可以用中文吗？

可以，中英文都支持，最多 1,500 字符。

模型与能力 Wan 2.6 Flash
提示词怎么写效果更好？

图片已经决定了主体和场景，提示词重点写动作、镜头运动和氛围，例如“狐狸转头看向镜头，金色落叶飘下，镜头缓慢推进”。

模型与能力 Wan 2.6 Flash
生成的视频能保存多久？

结果链接有有效期，需要长期保存时请及时下载或转存到自己的存储。

模型与能力 Wan 2.6 Flash
Wan 2.7 Image 标准版是什么？

它是 Wan 2.7 图像系列的标准档位，一个模型 ID 同时支持纯文生图和参考图编辑，输出 1K 或 2K，最多可带 9 张参考图。

模型与能力
标准版和 Wan 2.7 Image Pro 有什么区别？

标准版支持 1K/2K，并同时覆盖文生图与参考图编辑；Pro 支持 1K/2K/4K，但只做文生图、不接收参考图。需要 4K 纯文生图时用 Pro；需要 2K 以内的生成加编辑时用标准版。

模型与能力
支持参考图编辑吗？最多几张？

支持。可传入最多 9 张公网图片 URL；不传图片时按提示词生成，传入图片后按提示词对图片进行编辑或参考生成。

模型与能力
有参考图时还能设置画幅吗？

不能，也不需要。输出画幅跟随最后一张参考图，此时 aspect_ratio 不生效；纯文生图时可用 aspect_ratio 选择八种画幅之一。

模型与能力
支持哪些分辨率和画幅？

分辨率支持 1K 和 2K；纯文生图画幅支持 1:1、16:9、4:3、21:9、3:4、9:16、8:1、1:8 共八种。

模型与能力
一次请求生成几张图片？

当前 HiAPI 模型固定每次生成 1 张图片，按成功生成的图片张数计费。

模型与能力
参考图支持哪些格式和大小？

支持 JPEG、PNG、BMP、WebP，单张不超过 20 MB，边长 240–8000 像素，宽高比 1:8–8:1。

模型与能力
支持中文提示词和画面文字吗？

中文和英文提示词都可以。画面文字建议使用短标题并逐字写进提示词；中文排版受字数、字体和画幅影响，正式物料建议先用 1K 小样确认。

模型与能力
如何调用 Wan 2.7 Image API？

向 POST /v1/tasks 提交异步任务，model 使用 wan2.7-image-standard，并在 input 中传 prompt，可选 image_urls、aspect_ratio、resolution 和 seed。任务完成后按任务 ID 查询结果。

模型与能力
Wan 3.0 Prime 支持哪些输入？

必填只有提示词。可选输入包括首帧和尾帧、最多 10 张参考图片、最多 5 段参考音频、1 份参考文档或 1 个参考网页。参考视频输入暂未开放。

模型与能力
首尾帧和参考素材可以一起用吗？

不可以。首尾帧模式与参考图片、音频、文件、网页这些数组互斥，每次任务选择其中一种控制方式；参考文件和参考网页之间也只能二选一。

模型与能力
参考音频有什么要求？

WAV 或 MP3，每段 1 到 15 秒，最多 5 段，需要和参考图片一起使用。提示词里用 Audio1、Audio2 按顺序指代，说明它是旁白、对白还是音乐。

模型与能力
支持哪些时长、分辨率和画幅？

时长 2 到 30 秒按整数秒设置；分辨率 480P、720P、1080P；画幅 adaptive、16:9、4:3、1:1、3:4、9:16，adaptive 会根据输入素材和提示词决定。

模型与能力
视频会带声音吗？

默认会生成与画面同步的音轨，声音内容可以在提示词里描述（例如环境音、旁白）；把 audio 设为 false 可以只输出画面。

模型与能力
Wan 3.0 Prime 和 Wan 3.0 Video 有什么区别？

Prime 是 Wan 3.0 的加速线路，两者的提示词、首尾帧和参考图片、音频、文件、网页用法一致，换 model ID 即可切换；Prime 目前不接收参考视频输入，两条线路价格不同。

模型与能力
如何复现同一个结果？

传入固定的 seed（0 到 2147483647），并保持提示词和其他参数不变，就能得到高度一致的结果，方便微调后对比。

模型与能力
Wan 3.0 Prime 如何计费？

按输出视频时长和分辨率档位计费，失败任务全额退回；具体单价以本页实时价格为准。

模型与能力

常见问题

常见问题

需要写提示词吗？

输出是真正透明的图片吗？

API 需要传哪些参数？

可以调整画幅、颜色或生成新背景吗？

图片生成后怎样保存？

蒙版怎么画？

蒙版必须和原图一样大吗？

需要写提示词吗？

mask_type 选 manual 还是 automatic？

原图带透明背景时会怎样？

输出是什么格式和尺寸？

支持哪些输入格式？

怎么计费？

场景描述和场景参考图能一起用吗？

场景描述要用英文吗？

优化描述是什么？

商品摆放有哪几种方式？

保持原图尺寸什么时候能用？

输出是什么格式和尺寸？

快速模式和标准模式有什么区别？

商品图有什么要求？

怎么计费？

Creatify Boreal 支持哪些输入？

提示词怎么写效果最好？

支持中文提示词吗？

视频最长多久？

支持哪些分辨率？

画面比例怎么选？

驱动音频怎么用？

参考图有什么作用？

输出是什么格式？

视频里有水印吗？

如何计费？

如何通过 API 调用？

官方模型名称和 HiAPI 模型 ID 有什么区别？

什么是 DeepSeek V4.1 Flash？

使用哪个模型 ID 和接口？

如何开启或关闭思考模式？

Responses 如何进行多轮对话？

流式响应如何判断结束？

Token 与思考内容如何计费？

图片、工具调用和结构化 JSON 都开放了吗？

现有 HiAPI API Key 可以继续使用吗？

Turbo 2.5 是什么？

如何调用？

如何计费？

previous_text 和 next_text 收费吗？

中文字符怎么计算？

单次最多多少文字？

有哪些音色？

能指定输出语言吗？

stability、similarity_boost、style 怎么调？

支持字幕时间戳吗？

Turbo 2.5 和 Multilingual v2 怎么选？

支持声音克隆吗？

任务失败会扣费吗？

Multilingual v2 是什么？

FASHN Try-On v1.6 是什么？

需要写提示词吗？

必须同时上传两张图吗？

支持哪些服装类别？

mode 怎么选？

平铺图、挂拍图和模特图要分别设置吗？

输出是什么尺寸和格式？

为什么同样的输入结果会变化？

服装细节会和原图完全一致吗？

FIBO Edit 1.5 能做哪些编辑？

最多能传几张图？

aspect_ratio 什么时候生效？

蒙版怎么用？

多张图和蒙版能一起用吗？

指令怎么写效果更好？

输出是什么格式？

为什么同样的输入结果一样？

没有原图时用哪个模型？

图片需要满足什么条件？

任务是同步还是异步？

怎么计费？