基于全新升级的“豆包-语音合成-2.0”模型，针对对话式 TTS 范式进行了深度优化。接口具备极强的互动拟人感与情感演绎能力，能够精准呈现匹配语境的语气、语调与停顿。支持通过文本直接控制语速、情绪、声线等丰富指令，更针对中小学复杂公式符号的朗读进行了专项准确率提升，完美赋能 AI 交互、情感陪伴、有声小说及在线教育等场景。

基于火山引擎下一代“豆包音频生成模型 1.0 (Seed-Audio 1.0)”，支持文本与多条参考音频的多模态输入。接口具备强大的影视级多轨混音能力，可在单条指令下自动完成多角色对白编排、副语言表达（笑声、叹息、停顿等）以及人声、背景音乐、环境音效的一体化生成，无需额外混音软件，输出即成品。

可灵 V3 Turbo 是快手可灵最新一代图生视频模型（专业版 1080p）。以一张参考图为首帧，即可生成细节丰富、运动真实、画面稳定的 1080p 高清动态视频，并可用文本提示精准控制运动与镜头；既支持单图快速成片，也支持多镜头分段（multi-shot）创作：一次最多 6 段、每段可设独立提示词与时长、总时长 3–15 秒。适合品牌广告、影视预演与高质量商业交付等对画质要求更高的场景。

可灵 V3 Turbo 是快手可灵最新一代图生视频模型（标准版 720p）。以一张参考图为首帧，即可生成运动自然、画面流畅的 720p 动态视频，并可用文本提示进一步引导运动与镜头；既支持单图快速成片，也支持多镜头分段（multi-shot）创作：一次最多 6 段、每段可设独立提示词与时长、总时长 3–15 秒。价格实惠，适合社媒短视频、电商商品动效与创意预览的批量产出。

可灵 V3 Turbo是快手可灵最新一代文本生成视频模型（专业版 1080p）。可生成细节更丰富、主体更稳定的电影级高清画面。既支持单提示词快速成片，也支持多镜头分段（multi-shot）创作，每段可设独立提示词与时长、总时长 3–15 秒，轻松实现连续分镜叙事。基于 Turbo 加速架构，生成快、无冷启动，适合品牌广告、高端内容与创意短片的批量产出。

Vidu Q3 Drama 专为短剧叙事场景打造，可根据剧本文案与角色/场景/道具参考图一键规划分镜并合成完整成片。模型原生支持音画同出，适合漫剧、竖屏短剧与剧情广告等需要连贯叙事与角色一致性的创作流程。

自动将视频上传至火山视频点播后执行精细化字幕擦除，输出擦除字幕后的视频。

seedance 2.0 Mini 多模态视频，支持文本、图片、视频、音频等多模态参考输入，面向批量创作、低成本视频编辑与参考生成。原生仅支持 480p/720p 生成；1080p/2k/4k 会先以 720p 生成，再通过超分补帧输出。适合高频生产，不适合追求 Standard 级画质稳定性的场景。

seedance 2.0 Mini 图生视频，适合低成本批量将静态图片转为动态视频。原生仅支持 480p/720p 生成；1080p/2k/4k 会先以 720p 生成，再通过超分补帧输出。支持首帧/首尾帧模式、4-15 秒有声视频，面向高频内容生产而非电影级画质。

seedance 2.0 Mini 是 Seedance 2.0 系列中的高性价比档位，面向高频批量生产、低成本视频生成与大规模内容产出。原生仅支持 480p/720p 生成；1080p/2k/4k 会先以 720p 生成，再通过超分补帧输出。支持 4-15 秒有声视频、多画幅比例，能力与 Standard 一致但画质与稳定性低于 Standard。

seedance 2.0 Fast 多模态视频生成，更注重生成速度与性价比。支持多模态参考、视频编辑和视频续写，可组合文本、图片（最多9张）、视频（最多3段）、音频（最多3段）等多模态输入。

seedance 2.0 多模态视频生成，追求最高生成品质。支持多模态参考、视频编辑和视频续写，可组合文本、图片（最多9张）、视频（最多3段）、音频（最多3段）等多模态输入，生成 4-15 秒高质量视频。

seedance 2.0 Fast 图生视频，更注重生成速度与性价比。支持首帧图生视频和首尾帧图生视频两种模式，快速将静态图片转化为 4-15 秒的动态影像。

seedance 2.0 图生视频，追求最高生成品质。支持首帧图生视频和首尾帧图生视频两种模式，将静态图片转化为 4-15 秒的动态影像，支持有声视频生成。