# 图片、视频与音频模型总览

> BigModel.io 的 49 个图片、视频、数字人、配音、音乐、音效模型怎么选、怎么调用、怎么计费：一个 API Key，兼容 OpenAI 的接口，按张、按秒、按字符或按次计费。

网页版: https://bigmodel.io/zh-cn/docs/multimodal-overview · 更新于 2026-10-18

BigModel.io 用同一个 API Key 提供图片、视频、数字人、配音、音乐和音效模型。接口兼容 OpenAI 的写法，现有的 SDK 和工具可以直接用；价格以美元标示，按实际产出计费，失败和取消的任务不收费。

完整的模型清单和实时价格见 [模型目录](https://bigmodel.io/zh-cn/models)。下表是按用途整理的接入入口。

| 用途 | 接口 | 方式 | 计价 | 指南 |
|---|---|---|---|---|
| 文生图、改图、放大、抠图 | `POST /v1/images/generations`、`POST /v1/images/edits` | 同步返回 | 按张 | [图片生成](https://bigmodel.io/zh-cn/docs/image-generation) |
| 图生视频、首尾帧、参考图视频 | `POST /v1/videos` | 异步任务 | 按输出秒数 | [视频生成](https://bigmodel.io/zh-cn/docs/video-generation) |
| 数字人口播、对口型、人物动画 | `POST /v1/videos` | 异步任务 | 按秒 | [数字人与对口型](https://bigmodel.io/zh-cn/docs/digital-humans) |
| 视频放大、转白模 | `POST /v1/videos` | 异步任务 | 按秒 | [视频生成](https://bigmodel.io/zh-cn/docs/video-generation) |
| 配音（文字转语音） | `POST /v1/audio/speech` | 同步返回音频 | 按字符或按音频秒数 | [语音合成](https://bigmodel.io/zh-cn/docs/text-to-speech) |
| 音乐、音效、视频抽音轨 | `POST /v1/audio/generations` | 异步任务 | 按次或按秒 | [音乐与音效](https://bigmodel.io/zh-cn/docs/audio-generation) |
| 从剧本到成片 | `POST /v1/workflows/short-drama` | 异步工作流 | 每一步按所用模型计价 | [短剧工作流](https://bigmodel.io/zh-cn/docs/short-drama-workflow) |

## 模型怎么选

| 场景 | 推荐 | 说明 |
|---|---|---|
| 海报、带中文字的图 | `qwen-image-2.1`、`gpt-image-2` | 中英文字渲染准确，`qwen-image-2.1` 可出透明底 PNG |
| 大批量、低成本出图 | `qwen-image-2.1-turbo`、`z-image-turbo` | 速度最快、价格最低 |
| 写实、精修 | `gpt-image-2.5-sunburst`、`omni-image-pro`、`gpt-image-2` | 画质优先 |
| 短剧、剧情片段（带对白和音效） | `seedance-2.0-fast`、`seedance-2.0`、`minimax-h3` | 原生音频，支持首尾帧和参考图 |
| 预算优先的视频 | `seedance-2.0-mini`、`minimax-h3` | 每秒价格最低 |
| 高分辨率成片 | `seedance-2.0`（最高 4K）、`minimax-h3-2k` | 适合最终输出 |
| 单图生成短视频 | `kling-2.6-pro`、`vidu-q3-pro`、`grok-imagine-video-1.5` | 只需首帧，部分支持尾帧 |
| 真人口播 | `infinitetalk` | 一张肖像 + 一段配音 |
| 给现有视频换口型 | `latentsync`（配音）、`latentsync-music`（歌曲） | 只重绘嘴部 |
| 中文配音 | `minimax-speech-2.8-hd`、`indextts-2.5` | 多音色，`indextts-2.5` 支持情绪和时长控制 |
| 人声歌曲 | `suno-v6`、`suno-v4.5` | 带歌词出人声，不带歌词出纯音乐 |
| 背景音乐、音效 | `ace-step-1.5`、`stable-audio-3` | 价格低，适合批量 |

## 所有多模态接口的共同规则

- **输入素材**：图片、视频、音频用公开的 `https://` 链接或 base64 data URI（`data:image/png;base64,...`）传入，单个文件不超过 49 MB。
- **结果链接**：返回的 `url` 是 `bigmodel.io` 域名下的签名链接，24 小时有效。过期后重新查询任务即可拿到新链接，请尽快把文件保存到你自己的存储。
- **先报价**：创建请求加 `"dry_run": true`，只返回预计费用，不会生成，也不收费。
- **安全重试**：带 `Idempotency-Key` 请求头，同一个 Key 和值重复提交，返回的是同一个任务，不会重复生成和扣费。
- **计费**：任务成功后按模型单价结算，费用会出现在控制台「日志」里。提交前会预留预计费用，余额不足时返回 `402`。失败、取消的任务不收费。
- **内容审核**：提示词和剧本会经过内容审核，违规请求会被拒绝。

## 用 `GET /v1/models` 查看可用模型

可调用的模型取决于 API Key 所在的分组：

```bash
curl https://bigmodel.io/v1/models -H "Authorization: Bearer $BIGMODEL_API_KEY"
```

## 常见问题排查

| 现象 | 处理 |
|---|---|
| `404` model_not_available | Key 所在分组不提供这个模型，或者用错了接口（例如把视频模型发到 `/v1/images/generations`）。 |
| `402` insufficient_balance | 余额不足以覆盖预估费用，包括还没完成的任务的预留。 |
| `400` image is required | 视频模型需要首帧，先用图片模型生成一张。 |
| 链接打不开 | 签名链接 24 小时有效，重新查询任务获取新链接。 |

## 相关文档

- [图片生成](https://bigmodel.io/zh-cn/docs/image-generation)
- [视频生成](https://bigmodel.io/zh-cn/docs/video-generation)
- [数字人与对口型](https://bigmodel.io/zh-cn/docs/digital-humans)
- [语音合成](https://bigmodel.io/zh-cn/docs/text-to-speech)
- [音乐与音效](https://bigmodel.io/zh-cn/docs/audio-generation)
- [短剧工作流](https://bigmodel.io/zh-cn/docs/short-drama-workflow)
- [多模态任务 API 参考](https://bigmodel.io/zh-cn/docs/api-media-tasks)