AI 模型大全

VAST 的 Tripo 系列 3D 生成模型，文本或图像生成 3D 网格，速度达到分钟级，主打游戏与设计资产生成。

Cartesia 的云端语音 API，基于其低延迟 Sonic 引擎，面向实时语音产品。

科大讯飞的在线语音合成服务，中文音色业界领先，覆盖上百种音色与方言。

OpenAI 的官方文本转语音模型，支持多种音色和输出格式，是 TTS-1-hd 的基础版本。

字节跳动的拟人语音合成模型，中文发音自然，用于火山引擎 TTS 服务。

Suno 第四代音乐生成模型，支持带人声的完整歌曲创作，风格覆盖流行、民谣、电子等，是当下的音乐 AI 标杆。

ElevenLabs 第三大语音模型，在语音逼真度与可控性上再次升级，支持强化语音与多风格。

ElevenLabs 第二代语音合成引擎，合成语音极其接近真人，支持多语言与情感表达，是第一梯队的 TTS 服务。

GPT-4o 的原生音频能力，实现接近实时的语音对话，理解语气与情感，是 Agent 与语音助手的新范式。

腾讯混元 3D 模型，支持文本或图像生成 3D 模型，面向建模与游戏美术场景，开放平台可直接使用。

快手可灵的三维生成能力，可从单张图像生成 3D 模型，服务游戏与设计行业。

Haiper 的视频生成模型，从图生视频起家，提供专业的视频创作工具，支持多模态输入。

Genmo 的视频创作平台，提供 Mochi 系列模型的云端生成体验。

Luma AI 的视频生成模型，主打真实感与相机运动质感，曾爆火的“黏土/Sora 风格”均出自其 Hallucination 模型。

Runway 第二代视频生成模型，是商用文生视频的早期代表，开创了文本/图像转视频的创作工具。

Google DeepMind 的旗舰视频生成模型，支持最高 8 秒 1080p 视频，物理运动与镜头语言逼真。

OpenAI 新一代视频生成模型，在物理一致性、角色一致性与多镜头叙事上大幅提升，可通过 Sora 订阅放平台使用。

Krea 的实时图像生成与增强平台模型，主打“边画边生成”的实时反馈与放大增强功能。

Playground V3 是基于 Flux 训练的专用文生图模型，主打设计行业的高质量图像与易于使用。

字节 Seedream 系列文生图模型，支持文生图、图生图与精细编辑，中文提示词理解优秀。