GoogleGemini Omni Flash 1.1 特价版
Gemini Omni Flash 1.1 特价版参考生视频融合 1-7 张人物、商品或场景参考图，生成主体一致的 10 秒 720P / 1080P 视频，成片自带同步音频。
MiniMax H3 Max 图生视频
minimax-h3-max-i2v
MiniMax H3 Max 图生视频
minimax-h3-max-i2v
MiniMax H3 Max 是 fal 后训练版的 MiniMax H3，针对更强的 prompt 遵循与更好的美学表现调优。图生视频以必填首帧加可选尾帧实现首尾关键帧控制，输出画幅跟随首帧图片。
模型版本：
输入参数
输入
输出结果
输出
暂无输出。运行模型以查看结果。
点击“运行模型”以生成输出
价格
下表每一行对应一种收费情况，单价已包含分辨率、质量等参数的价格差异；最终费用以请求成功后的实际用量为准。
| 分辨率 | 价格/秒 |
|---|---|
| 480P | $0.05 |
| 768P | $0.08 |
- 按量计费项（时长、Token、张数等）的费用 = 单价 × 实际用量；同一行有多个计费项时费用累加。
相关模型
探索更多同类 AI 模型，均可通过同一套统一 API 调用
- Google
MetaMuse 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）。
MiniMaxMiniMax 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。
KLINGKling 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。
KLINGKling 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。
AlibabaWan 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。
AlibabaWan 3.0 Video Pro Spicy
APIPod 的 Wan 3.0 Pro Spicy R2V 以参考图、参考视频、参考音频及文件或链接为引导，生成 2-30 秒原生音频视频，支持 1080P / 2K / 4K。参考视频时长与输出时长合并计费。 输入视频和输出视频均按视频时长（秒）计费： 计费时长 = 输入视频时长 + 输出视频时长 输入视频时长 — 在reference_videos中提供的视频实际时长，单位为秒；无视频输入的请求此项计0秒 输出视频时长 — 成功生成的视频时长，单位为秒
AlibabaWan 3.0 Video Spicy
APIPod 的 Wan 3.0 Spicy R2V 以参考图、参考视频、参考音频及文件或链接为引导，生成 2-30 秒原生音频视频，最高 1080P，走审核宽松的上游，面向成人向创作。定价略高于标准版。 输入视频和输出视频均按视频时长（秒）计费： 计费时长 = 输入视频时长 + 输出视频时长 输入视频时长 — 在reference_videos中提供的视频实际时长，单位为秒；无视频输入的请求此项计0秒 输出视频时长 — 成功生成的视频时长，单位为秒