模型

文生 / 图生 / 首尾帧，支持参考视频驱动运镜与节奏；多主体一致性目前最稳的一档，1080p 成片首选。

全部出声工具共用的语音合成引擎。标准音色走自有引擎，Pro 音色接 ElevenLabs，音色是它下面的一层。

画质与文字渲染都稳，多图参考一致性好；日常出图的默认选择。

同系列的快档，出图快、比例支持面最宽，含 1:4 / 8:1 这类极端画幅。

指令跟随强，改图和局部替换听得懂话；参考图最多 4 张。

官方通道，多一档质量选项；高质量与 4K 需要订阅。

中文场景与版式理解好，参考图最多 9 张。

同系列标准档，1K / 2K 出图，成本更低。

精确编辑见长，参考图最多 10 张；比例走像素反算，画幅几乎不受限。

同一模型的低延迟通道，草稿、批量出片和快速试镜头用它；不支持 1080p。

按首尾帧生成，不吃参考图；口型同步与动作模仿两个玩法跑在它上面。

Wan 3.0 的标准档。时长与分辨率上限和 Prime 相同，区别在端到端速度。

人物动作与镜头运动稳定，带原生音频输出；不接受视频输入。

镜头语言丰富，适合叙事片段与运镜明显的画面。

语音演绎模型，按秒计费；工具页叫「AI 声音」。

用一段录音克隆你自己的声音，结果作为「我的音色」出现在 FlowSpeech 里。

给定歌词唱出成品，配套换词重唱、续写和音轨分离；歌已经在了、还要再加工时用它。

一句风格描述就能出整首，歌词可给可不给；加一个开关就是纯音乐。