模型家族速览：自研四个加聚合一批怎么理清
三大类、若干家族
官方把模型分成图像、视频、音频三大类，每类下再分「家族」。你不需要记具体版本号——选定家族后，平台自动用该家族的最新版本，新版本上线自动替换为默认，历史产出不受影响。
图像家族
| 家族 | 强项 |
|---|---|
| Soul | 电影感、时尚感人像；角色一致性（Soul ID）的根基 |
| Popcorn | 分镜、多帧连贯、跨帧编辑 |
| Nano Banana | 快出图、引用控制强（参考图/换装/换产品） |
| GPT Image | 图内文字渲染准、色彩还原准 |
| Seedream | 复杂构图与上下文理解 |
| FLUX | 速度优先的细节出图 |
| Recraft | 写实与矢量风格表达 |
视频家族
| 家族 | 强项 |
|---|---|
| DoP（自研） | VFX 特效与运镜预设，镜头语言可控 |
| Seedance | 真实人物动作与表情 |
| Kling | 长片段、多镜头连贯、动作迁移 |
| Wan | 首尾帧精确控制 |
| Veo / Sora | Google / OpenAI 的模型，带同步音频 |
| Minimax Hailuo | 高动态、出片快 |
| Grok Imagine | 带同步音频的生成 |
音频家族
| 家族 | 强项 |
|---|---|
| Seed Audio | 一条提示词出人声+音乐+音效的完整声景，可克隆声音、给视频配音 |
| Eleven | 情绪细腻的语音表达 |
| MiniMax Speech | 录音棚质感的文本转语音 |
| Seed Speech | 多语种语音 |
| VibeVoice | 长文本语音合成 |
自研和聚合的边界
Soul、DoP、Popcorn、Cinema Studio 是平台自研；其余是聚合进来的第三方模型。对用户的实际差别只有一条：部分订阅档位对自研或指定模型给「无限生成」额度，而聚合模型通常按积分计费，具体以官方定价页各档位的无限模型清单为准。
选型决策表见图视音怎么选模型，版本自动更新机制详见订阅档位速览。
来源：官方帮助中心「Which AI model should I use」，模型清单以官方最新版为准。