AI 模型介紹
vpick 整合多種 AI 模型，涵蓋圖片、影片、語音與音樂生成。以下是各模型的詳細介紹和比較。
圖片模型
Nano Banana 2（預設）
| 項目 | 說明 |
|---|---|
| 費用 | $0.16 / 張 |
| 特色 | 高品質通用圖片生成，支援多參考圖 |
Nano Banana 2 是 vpick 的預設圖片模型，在品質、速度和價格之間取得了良好平衡。支援多張參考圖片輸入，適合產品照片、創意設計等場景。
支援的比例：1:1、16:9、9:16、4:3、3:4
Grok Imagine
| 項目 | 說明 |
|---|---|
| 費用 | $0.06 / 次（文生圖 6 張、圖生圖 2 張） |
| 特色 | 高性價比，一次多張輸出 |
Grok Imagine 價格實惠，文字生圖一次產出 6 張，圖片生圖（需連接參考圖）一次產出 2 張。適合需要大量變化的創意發想。
Seedream
| 項目 | 說明 |
|---|---|
| 費用 | $0.0825 / 張 |
| 特色 | 超高性價比，支援多種比例 |
Seedream 是目前最便宜的圖片模型，適合大量生成或預算有限的場景。
支援的比例：1:1、16:9、9:16、4:3、3:4、21:9
兩種解析度：
- Seedream（2K）：標準解析度
- Seedream HD（3K）：高解析度
影片模型
Veo 3.1 Fast（預設）
| 項目 | 說明 |
|---|---|
| 費用 | $0.90 / 支（固定 8 秒） |
| 長度 | 8 秒（固定） |
| 音效 | 支援 |
| 特色 | 頂級品質，畫面精緻，自帶音效 |
Veo 3.1 Fast 是 vpick 的預設影片模型，畫面品質極高，且內建音效生成。適合需要高品質展示的場景。
Kling 3.0
| 項目 | 說明 |
|---|---|
| 費用 | Standard $0.30 / 秒, Pro $0.405 / 秒 |
| 長度 | 3-15 秒 |
| 模式 | Standard（720p）/ Pro（1080p） |
| 音效 | 支援 |
| 特色 | 穩定、支援首尾幀、支援音效、長度靈活 |
Kling 3.0 品質穩定，支援 3 到 15 秒的靈活長度設定，以及首幀/尾幀控制和音效生成。Pro 模式輸出 1080p 高畫質。
支援比例：1:1、16:9、9:16
進階功能：MultiShot（多段拍攝）
MultiShot 模式可將一支影片分成 1-5 個片段，每段有獨立的 prompt 和長度（1-12 秒），總長 3-15 秒。開啟 MultiShot 時音效會自動啟用。需要連接起始幀圖片。
進階功能：Elements（角色元素）
Elements 讓你定義角色或物件的參考圖，在 prompt 中用 @元素名稱 引用。每個元素可附 2-50 張參考圖，AI 會根據參考圖保持角色外觀一致。若沒有連接起始幀圖片，會自動使用第一個元素的圖片。
Grok Video
| 項目 | 說明 |
|---|---|
| 費用 | 480p: $0.15-$0.45 / 720p: $0.30-$0.60（依長度） |
| 長度 | 6 秒、10 秒、15 秒 |
| 模式 | 480p / 720p |
| 音效 | 支援 |
| 特色 | 多種長度、性價比高、支援音效 |
Grok Video 提供靈活的長度選擇（6/10/15 秒），支援 480p 和 720p 畫質，並支援音效生成。價格適中，適合社群媒體內容。
生成模式：Fun（創意）、Normal（平衡）、Spicy（動態）
Runway Gen4
| 項目 | 說明 |
|---|---|
| 費用 | 720p-5s: $0.18 / 720p-10s: $0.45 / 1080p-5s: $0.45 |
| 長度 | 5 秒（720p/1080p）、10 秒（僅 720p） |
| 音效 | 不支援 |
| 特色 | 影片品質出色，支援 1080p |
Runway Gen4 以出色的影片品質著稱，是少數支援 1080p 的模型。5 秒短片最穩定。
支援比例：16:9、4:3、1:1、3:4、9:16
影片模型比較
| 模型 | 費用 | 長度 | 音效 | 品質 |
|---|---|---|---|---|
| Veo 3.1 Fast | $0.90/支 | 8s | ✅ | ⭐⭐⭐⭐⭐ |
| Kling 3.0 | $0.30-0.405/s | 3-15s | ✅ | ⭐⭐⭐⭐ |
| Grok Video | $0.15-0.60 | 6/10/15s | ✅ | ⭐⭐⭐ |
| Runway Gen4 | $0.18-0.45 | 5/10s | ❌ | ⭐⭐⭐⭐ |
選擇建議：
- 追求品質：Veo 3.1 Fast（預設）
- 需要音效：Veo 3.1 Fast、Kling 3.0 或 Grok Video
- 追求性價比：Grok Video（480p-6s $0.15）或 Runway Gen4（720p-5s $0.18）
- 需要長影片：Kling 3.0（最長 15 秒）或 Grok Video（最長 15 秒）
- 高解析度：Kling 3.0 Pro 或 Runway Gen4（1080p）
語音模型
ElevenLabs Text-to-Dialogue V3
| 項目 | 說明 |
|---|---|
| 費用 | $0.21 / 次 |
| 特色 | 多種人聲、多語言、高品質 TTS |
ElevenLabs V3 是目前最自然的 AI 語音合成模型之一。
可用人聲：
| 名稱 | 性別 | 風格 |
|---|---|---|
| Roger | 男 | 沉穩清晰 |
| Sarah | 女 | 自然親切 |
| Brian | 男 | 活力陽光 |
| Adam | 男 | 低沉權威 |
| Lily | 女 | 柔和舒緩 |
| Bill | 男 | 成熟穩重 |
| Laura | 女 | 明亮生動 |
| Chris | 男 | 百搭通用 |
| Jessica | 女 | 溫暖友善 |
支援語言：自動偵測、英文、中文、日文、韓文、西班牙文、法文、德文、葡萄牙文、義大利文
參數說明：
- Stability（穩定度）：0.0-1.0，值越高聲音越穩定一致，值越低越有表現力和情感變化
音樂模型
Suno V4.5
| 項目 | 說明 |
|---|---|
| 費用 | $0.10 / 首 |
| 特色 | 高品質 AI 音樂生成，支援自訂模式 |
Suno V4.5 能根據文字描述生成完整的音樂作品，品質堪比專業製作。
模式：
- 簡單模式：輸入文字描述，Suno 自動決定風格和歌詞
- 自訂模式（Custom Mode）：可指定音樂風格（style）和歌曲標題（title）
選項：
- Instrumental（純音樂）：開啟後生成無人聲的純音樂，適合作為背景音樂
- Vocal Gender（人聲性別）：可選 Auto / Male / Female
口型同步模型
Kling Avatar
| 項目 | 說明 |
|---|---|
| 費用 | Standard $0.12/秒、Pro $0.24/秒 |
| 特色 | 將靜態人像照片變成說話影片 |
Kling Avatar 能將一張人物照片和一段語音合成為「說話影片」，人物的嘴型會精準對應語音內容。
使用方式：
- 連接一張人物照片（image-in）
- 連接一段語音（audio-in）
- 執行口型同步
最佳實踐：
- 使用正面、清晰的人物照片
- 照片中人物嘴巴最好是閉合狀態
- 語音品質越好，口型同步效果越好
價格總覽
圖片
| 模型 | 費用 | 產出 |
|---|---|---|
| Nano Banana 2 | $0.16 / 次 | 1 張 |
| Grok Imagine | $0.06 / 次 | 6 張（文生圖）/ 2 張（圖生圖） |
| Seedream | $0.0825 / 次 | 1 張（2K） |
| Seedream HD | $0.0825 / 次 | 1 張（3K） |
影片
| 模型 | 費用 |
|---|---|
| Veo 3.1 Fast | $0.90 / 支（8s） |
| Kling 3.0 | $0.30~$0.405 / 秒（3-15s） |
| Grok Video | $0.15-$0.60 / 支（6/10/15s） |
| Runway Gen4 | $0.18-$0.45 / 支（5/10s） |
聲音
| 模型 | 費用 |
|---|---|
| ElevenLabs V3 | $0.21 / 次 |
| Suno V4.5 | $0.10 / 首 |
| Kling Avatar (Standard) | $0.12 / 秒 |
| Kling Avatar (Pro) | $0.24 / 秒 |