模型广场

字节豆包新一代多模态创作视频模型，单段最长 30 秒。支持文本、图片、视频、音频混合输入（最多 30 图 + 10 视频 + 10 音频共 50 个参考素材）。4-30 秒任意整数时长、480p/720p 分辨率、6 种宽高比 + 自适应，默认输出带同步音频，支持多语言提示词。指令遵循、多镜头叙事与长时序一致性全面升级。

阿里通义 HappyHorse（快马）1.0 视频生成模型，主打高度还原的动态画面生成，精准理解文本语义，输出流畅自然、主体稳定的高质量视频。支持文生视频（带同步音频、运镜景别指令）、图生视频（最多 9 张参考图）、视频编辑，集成唇形同步能力。

阿里通义 HappyHorse（快马）1.1 视频生成模型，在 1.0 基础上进一步提升画面还原度与主体一致性。支持文生视频、多图参考图生视频、视频风格化编辑，8 步去噪实现清晰输出，端到端提速约 1.2 倍，内置专用唇形同步。

Seedance 2.0 轻量版，面向低成本快速视频生成，在保证画面质量的前提下进一步降低单位成本。支持文生视频与图生视频，适合预览、验证与大规模低成本生成。

阿里通义万相 2.7 视频生成模型，在 2.6 基础上增强图生视频能力，支持首帧生视频、首尾帧生视频、视频续写三大任务，画面连贯性与指令遵循优先于 2.6 及更早版本。

字节豆包新一代多模态创作视频模型，支持文本、图片、视频、音频四种模态混合输入（最多 9 图 + 3 视频 + 3 音频）。4-15 秒可控时长、480p/720p/1080p 三档分辨率、6 种宽高比 + 自适应，默认输出带同步音频，支持多语言提示词。擅长多人竞技运动、多镜头叙事等复杂场景。

Seedance 2.0 极速版，在标准版多模态视频生成能力基础上优化推理速度，适合对生成时延敏感的批量创作场景。支持文生视频、图生视频、多模态参考输入，480p/720p/1080p 分辨率，默认带同步音频。

阿里通义万相 2.6 视频生成模型，面向专业影视级制作全面升级。首创角色扮演能力，可用人物或任意物体作为主角生成单人表演或多人协作，具备多镜头叙事、智能调度、多人对话稳定、时长更长、指令遵循更强、音画同步等特性。