Gemini Omni Flash 1.1

Gemini Omni Flash 1.1 参考生视频支持传入 1-7 张参考图，保持人物与风格跨镜头一致，输出带原生同步音频，分辨率最高 4K。

Google Gemini Omni

Gemini Omni 参考生视频模型支持基于 1-5 张参考图片来生成视频。

Veo 3.1

Veo 3.1 Lite 的 4K 支持模型。

Muse Video

Muse Video 参考生视频版本模型，支持原生同步生成音频（人物台词、环境声），支持上传最多 4 张参考图片（人物 / 物品 / 场景）融合生成，仅支持 720P，时长 5 / 10 / 20 / 30 秒或 40 / 50 / 60 秒，横屏 16:9、竖屏 9:16、方形 1:1、4:3、3:4。成片实际时长可能与所选时长有误差（偶尔偏短或偏长）。

MiniMax H3 Lite

Minimax H3 低价渠道参考生视频，支持参考图（1～9 张）/ 参考视频（最多 3 个）/ 参考音频（最多 3 段）任意组合。

Kling 4.0

Kling 4.0 参考生视频基于最多 10 张参考图（@imageN）、5 段参考视频（@videoN）、7 个主体与 3 个音色（均以 @名称 引用）生成 3-30 秒、720p 或 1080p 的视频。主体由 2-4 张图片或 1 段角色短视频构成，保持角色、道具或场景一致，角色主体还可绑定自己的声音。 🔸备注🔸：视频输入的每秒计费单价更低，因为输入时长同样会计费。 无视频输入（仅文本、图片、图片主体或音频）：单价 × 输出时长 含视频输入：当总输入时长 ≤ 输出时长时，单价 ×（输出时长 × 2）；当输入时长更长时，单价 ×（输入时长 + 输出时长）。多个输入视频时长累加。示例：输出10秒 + 输入5秒 = 按20秒计费；若输入为15秒，则按25秒计费。

Kling 3.0

Kling 3.0 图生视频版本支持多镜头叙事，可生成原生音频，最大可控时长为15秒。 ‼️ 当 multishots 为 false：若 imageurls 长度为2，索引 0 代表首帧，索引 1 代表末帧；若数组长度为 1，该数组元素作为首帧。 ‼️ 当 multi_shots 为 true：仅可设置首帧。 ‼️ 注意：生成带音频的视频成本更高。

Wan 3.0 Video Prime Spicy

APIPod 的 Wan 3.0 Prime Spicy I2V 将首帧（可选尾帧）生成为 2-30 秒原生音频视频，支持 480P / 720P / 1080P，走审核宽松上游的高速档。