Seedance 2.5 Flash ลดทันที 35% — สิ้นสุดวันที่ 30 พฤศจิกายน
Hero background 1Hero background 2

Qwen Audio 3.1 TTS Multilingual Voices

Qwen Audio 3.1 TTS นำตระกูลการสังเคราะห์เสียงของ Alibaba มาสู่นักพัฒนา Flash นำเสนอเสียงหลายภาษาและภาษาถิ่นของจีน รวมถึงภาษาเซี่ยงไฮ้และภาษากวางตุ้ง สำหรับแอปพลิเคชันเชิงโต้ตอบ Plus รองรับการโคลนเสียงจากเสียงอ้างอิงที่มีสัญญาณรบกวนสำหรับงานเสียงระดับพรีเมียม Atlas Cloud ระบุราคามาตรฐานต่อ 1,000 ตัวอักษรที่ 0.003 ดอลลาร์สำหรับ Flash และ 0.03 ดอลลาร์สำหรับ Plus เริ่มต้นพัฒนาได้ตั้งแต่วันนี้

Qwen Audio 3.1 TTS พัฒนาโดย Alibaba โดย Atlas Cloud (ดำเนินการโดย Atlas Cloud AI LLC) เป็นผู้ให้บริการเข้าถึงโมเดลนี้ แต่ไม่ได้เป็นเจ้าของโมเดล เครื่องหมายการค้าทั้งหมดเป็นของเจ้าของที่เกี่ยวข้อง

สำรวจโมเดลชั้นนำ

Atlas Cloud มอบโมเดลสร้างสรรค์ล่าสุดที่นำหน้าในอุตสาหกรรมให้กับคุณ

Qwen Audio 3.1 TTS: เปรียบเทียบ Flash กับ Plus

เลือกการสังเคราะห์เสียงพูดที่มีความหน่วงต่ำสำหรับการโต้ตอบแบบเรียลไทม์ หรือการสร้างเสียงระดับเรือธงพร้อมความสามารถในการโคลนเสียงที่มีประสิทธิภาพ

โมดาลิตีคำอธิบาย
Qwen Audio 3.1 TTS Flash (Text to Speech)แปลงข้อความเป็นเสียงพูดด้วยเสียงระบบที่รองรับหลายภาษาและสำเนียงภาษาจีน ใช้คำสั่งควบคุมอารมณ์ น้ำเสียง บทบาท ความเร็ว และระดับเสียง โดยปรับให้มีความหน่วงต่ำในการตอบกลับด้วยเสียงครั้งแรก Flash จึงเหมาะกับผู้ช่วยเสียง การสนทนาแบบเรียลไทม์ และบริการลูกค้าแบบโต้ตอบ
Qwen Audio 3.1 TTS Plus (Text to Speech)สำหรับการผลิตเสียงระดับพรีเมียม Plus แปลงข้อความเป็นเสียงพูดได้หลายภาษาหรือสำเนียง และรองรับการโคลนเสียงจากไฟล์เสียงอ้างอิงที่มีสัญญาณรบกวนได้อย่างมีประสิทธิภาพ ใช้คำสั่งควบคุมอารมณ์ น้ำเสียง บทบาท ความเร็ว และระดับเสียง เหมาะกับเสียงบรรยายที่มีเอกลักษณ์ หนังสือเสียง และการแสดงเป็นตัวละคร

Qwen Audio 3.1 TTS: น้ำเสียงสื่ออารมณ์, การควบคุมที่แม่นยำ

ตั้งแต่การสังเคราะห์เสียงพูดที่เน้นความหน่วงต่ำของ Flash ไปจนถึงการสร้างเสียงระดับพรีเมียมของ Plus ทำให้ Qwen Audio 3.1 TTS ผสมผสานการส่งมอบที่รองรับหลายภาษา ภาษาถิ่นของจีน การควบคุมการแสดงออก และการเข้าถึง API แบบรวมศูนย์ของ Atlas Cloud

Qwen Audio 3.1 TTS Flash: เสียงพูดแบบตอบสนอง

Flash คือระดับความหน่วงต่ำของ Qwen Audio 3.1 TTS ซึ่งได้รับการปรับให้เหมาะสมสำหรับการตอบสนองของแพ็กเก็ตแรกในการโต้ตอบแบบเรียลไทม์ การสังเคราะห์เสียงเป็นการผสมผสานเสียงแบบหลายภาษาเข้ากับคำสั่งสำหรับอารมณ์ น้ำเสียง บทบาท ความเร็ว และระดับเสียง อธิบายรูปแบบการนำเสนอที่แอปพลิเคชันของคุณต้องการในขณะที่ระบุข้อความที่จะพูด ระดับนี้เหมาะสำหรับผู้ช่วยที่สั่งงานด้วยเสียง ผลิตภัณฑ์เชิงสนทนา และประสบการณ์การบริการลูกค้าที่การตอบสนองด้วยเสียงเป็นเรื่องสำคัญ

Qwen Audio 3.1 TTS Plus: การโคลนเสียงที่ทรงพลัง

Plus นำเสนอการสังเคราะห์เสียงระดับพรีเมียมและการโคลนเสียงที่ทรงพลังให้กับ Qwen Audio 3.1 TTS พร้อมด้วยเสียงระบบสี่เสียงที่มีอยู่ในโครงร่างพารามิเตอร์ของ Atlas Cloud โมเดลนี้ได้รับการออกแบบมาเพื่อรักษาความชัดเจนแม้ว่าการบันทึกเสียงอ้างอิงจะมีเสียงรบกวนหรือเสียงก้อง คำสั่งภาษาธรรมชาติจะกำหนดอารมณ์ น้ำเสียง และบุคลิกภาพที่ได้ออกมา เลือก Plus สำหรับการบรรยายแบรนด์ การผลิตหนังสือเสียง การพากย์ภาพยนตร์ และการแสดงตัวละครที่เข้าถึงอารมณ์

ภาษาและเสียงประจำภูมิภาค

เสียงแบบหลายภาษาและภาษาถิ่นของจีนเป็นศูนย์กลางของตระกูลนี้ โดยมีภาษาจีน ภาษาอังกฤษ ภาษาญี่ปุ่น และภาษาเกาหลีรวมอยู่ในภาษาที่รองรับ ความครอบคลุมของภาษาถิ่นของ Flash ประกอบด้วยภาษาเซี่ยงไฮ้ ภาษากวางตุ้ง ภาษาจีนตะวันออกเฉียงเหนือ และภาษาเสฉวน เลือกเสียงที่เหมาะสมกับภาษาหรือภาษาถิ่นที่คุณต้องการ จากนั้นแนะนำการนำเสนอผ่านคำสั่ง การบรรยายที่ปรับให้เหมาะกับท้องถิ่นและประสบการณ์เสียงในภูมิภาคสามารถสะท้อนให้เห็นถึงวิธีการพูดของผู้ชมได้จริง

กำหนดอารมณ์ จังหวะ และระดับเสียง

กำกับการแสดงด้วยคำสั่งภาษาธรรมชาติสำหรับอารมณ์ น้ำเสียง บทบาท และสไตล์การพูด บน Plus ความเร็วและระดับเสียงจะมีช่วงตั้งแต่ 0.5 ถึง 2.0 ในขณะที่ระดับความดังของเสียงจะอยู่ระหว่าง 0 ถึง 100 ผสมผสานการควบคุมเหล่านี้เข้ากับสคริปต์ของคุณเพื่อปรับจังหวะ ระดับเสียงพูด และระดับการส่งออก การควบคุมดังกล่าวช่วยปรับแต่งข้อความสำหรับการบรรยายที่สงบ การโปรโมตที่กระตือรือร้น หรือบทสนทนาของตัวละคร

รูปแบบเสียงที่ยืดหยุ่นและการป้อนสคริปต์

รูปแบบเอาต์พุตสี่รูปแบบบน Plus ครอบคลุม MP3, PCM, WAV และ Opus โดยมีอัตราการสุ่มตัวอย่างที่เลือกได้ตั้งแต่ 8,000 ถึง 48,000 Hz เลือกรูปแบบและอัตราที่ตรงกับไปป์ไลน์เสียงของคุณ เปิดใช้งาน SSML เมื่ออินพุตของคุณใช้มาร์กอัปที่รองรับหรือ LaTeX ตัวเลือกเหล่านี้ช่วยให้นักพัฒนาเตรียมเสียงสังเคราะห์สำหรับการเล่น การแก้ไข และเนื้อหาด้านการศึกษาโดยไม่ต้องพึ่งพารูปแบบการส่งมอบเพียงรูปแบบเดียว

API แบบรวมศูนย์, ราคาต่อตัวอักษรที่โปร่งใส

Atlas Cloud มอบการเข้าถึง API แบบครบวงจรและการเรียกเก็บเงินตามจำนวนอักขระสำหรับทั้งสองระดับ โดยมีอัตรามาตรฐานที่ 0.003 ดอลลาร์ต่อ 1,000 อักขระสำหรับ Flash และ 0.03 ดอลลาร์สำหรับ Plus สำหรับการสร้างด้วย Plus ให้ส่งคำขอแบบอะซิงโครนัสและโพล (poll) prediction ID จนกว่าเสียงจะพร้อม ผลลัพธ์ที่เสร็จสมบูรณ์จะประกอบด้วย URL เสียง เวิร์กโฟลว์นี้ทำให้การสร้างเสียงพูดนำไปใช้ผสานการทำงานเข้ากับแอปพลิเคชันและคิวการใช้งานจริงได้อย่างมีประสิทธิภาพ

ฟังเสียง Qwen Audio 3.1 TTS เทียบกับเสียงอื่นๆ

เปรียบเทียบ Qwen Audio 3.1 TTS กับโมเดลเสียงอื่นและรุ่นก่อนหน้าโดยใช้สคริปต์เดียวกัน ซึ่งครอบคลุมตั้งแต่การเล่าเรื่องที่ใกล้ชิดไปจนถึงการพากย์กีฬาแบบสด

พรอมต์

ฉันเก็บที่นั่งริมหน้าต่างไว้ให้คุณ ทุกคืนฉันคิดว่าคุณอาจจะกลับบ้าน เดี๋ยวนะ... นั่นคุณจริงๆ หรือคะ? คุณอยู่นี่แล้ว! เชิญเข้ามาข้างในเถิดที่รัก กาต้มน้ำยังอุ่นอยู่ เพื่อคุณโดยเฉพาะ

Generated with Qwen-Audio 3.1 TTS Plus on Atlas Cloud

Generated with ElevenLabs v4 Text-to-Speech on Atlas Cloud

Generated with Qwen-Audio 3.0 TTS Plus on Atlas Cloud

พรอมต์

โค้งสุดท้ายแล้ว และเธอยังคงตามหลังอยู่ ฟังเสียงเชียร์จากฝูงชนสิ... เธอหาช่องว่างเจอ ขึ้นนำ และคว้าชัยชนะไปได้! เป็นการเข้าเส้นชัยที่ยอดเยี่ยมมาก! สูดลมหายใจ แชมเปี้ยน ทุกเช้าตรู่ที่ผ่านมาได้นำพาคุณมาสู่ช่วงเวลานี้

Generated with Qwen-Audio 3.1 TTS Plus on Atlas Cloud

Generated with ElevenLabs v4 Text-to-Speech on Atlas Cloud

Generated with Qwen-Audio 3.0 TTS Plus on Atlas Cloud

Qwen Audio 3.1 TTS สำหรับเรื่องราว แบรนด์ และการสนทนา

ตั้งแต่แคมเปญแบรนด์และหนังสือเสียง ไปจนถึงบทสนทนาของตัวละคร ผู้ช่วยเสียง การสนับสนุนระดับภูมิภาค และบทเรียนที่แปลเป็นภาษาท้องถิ่น Qwen Audio 3.1 TTS ได้นำเสียงที่ควบคุมได้มาสู่การผลิตเนื้อหาและแอปพลิเคชันเชิงโต้ตอบ

เสียงบรรยายแบรนด์ด้วย Qwen Audio 3.1 TTS

Plus เปลี่ยนสคริปต์แคมเปญให้เป็นเสียงพากย์ระดับพรีเมียมพร้อมคำสั่งสำหรับอารมณ์ น้ำเสียง และการนำเสนอ สร้างเสียงบรรยายการเปิดตัวสินค้า เสียงส่งเสริมการขาย และข้อความแบรนด์ด้วยสไตล์การพูดที่ปรับแต่งให้เข้ากับแต่ละแคมเปญ

การบรรยายหนังสือเสียง

ชุบชีวิตเรื่องราวให้มีสีสันผ่านการบรรยายด้วย Plus ที่สามารถควบคุมอารมณ์ ความเร็วในการพูด และระดับเสียงได้ ผู้จัดพิมพ์และแอปหนังสือเสียงสามารถเปลี่ยนบทแต่ละบทให้เป็นเสียงที่สื่ออารมณ์ได้ โดยปรับแต่งการถ่ายทอดสำหรับบทสนทนาและย่อหน้าบรรยาย

ผู้ช่วยเสียง TTS Qwen Audio 3.1

เมื่อแอปพลิเคชันต้องการการตอบกลับด้วยเสียง Flash จะให้การสังเคราะห์เสียงพูดที่ปรับแต่งมาเพื่อลดความหน่วงของแพ็กเก็ตแรก ใช้เป็นเลเยอร์เอาต์พุตเสียงสำหรับผู้ช่วยสนทนา เพื่อนคู่หูแบบโต้ตอบ และอินเทอร์เฟซการสนทนาอื่นๆ

การสนับสนุนลูกค้าส่วนภูมิภาค

ในภาษาและภาษาถิ่นของจีนที่รองรับ Flash สามารถให้เสียงสคริปต์การบริการลูกค้าด้วยน้ำเสียงและความเร็วที่ปรับได้ สร้างการตอบกลับความช่วยเหลือด้วยเสียงและประกาศระดับภูมิภาคสำหรับผู้ใช้ที่ชื่นชอบภาษาที่คุ้นเคยและการออกเสียงในท้องถิ่น

บทสนทนาตัวละครที่สื่ออารมณ์

ปรับแต่งการแสดงของตัวละครผ่านคำสั่ง Plus ที่ช่วยชี้นำอารมณ์ บทบาท และสไตล์การพูดสำหรับบทสนทนาที่มีสคริปต์ นักพัฒนาเกมและทีมแอนิเมชันสามารถสร้างฉากที่มีเสียงพากย์ โดยทดลองใช้วิธีการถ่ายทอดเสียงเพื่อให้เข้ากับตัวละครแต่ละตัว

บทเรียนที่ปรับให้เข้ากับท้องถิ่นด้วย Qwen Audio 3.1 TTS

สำหรับเนื้อหาการเรียนรู้ที่ปรับให้เข้ากับท้องถิ่น การสังเคราะห์หลายภาษาจะแปลงบทเรียนเป็นเสียงพูดโดยสามารถควบคุมความเร็วและน้ำเสียงได้ แพลตฟอร์มการศึกษาสามารถสร้างคำอธิบายด้วยเสียงและแบบฝึกหัดการฟัง โดยปรับรูปแบบการนำเสนอให้เข้ากับกลุ่มเป้าหมายและรูปแบบบทเรียนที่แตกต่างกัน

เปรียบเทียบตัวเลือกของคุณ: Qwen Audio 3.1 TTS และ MiniMax Speech

เปรียบเทียบ Qwen Audio 3.1 TTS รุ่นก่อนหน้า 3.0 และโมเดล MiniMax Speech ในด้านการควบคุมการถ่ายทอดเสียง รูปแบบเสียง และราคามาตรฐานของ Atlas Cloud

โมเดลการควบคุมการถ่ายทอดเสียงรูปแบบเสียงราคามาตรฐาน / 1K อักขระ
Qwen-Audio 3.1 TTS Plusระบุอารมณ์ น้ำเสียง และบุคลิกผ่านคำสั่งภาษาธรรมชาติ พร้อมปรับความเร็ว ระดับเสียง และความดังได้MP3, PCM, WAV, Opus$0.03
Qwen-Audio 3.1 TTS Flashกำหนดอารมณ์ น้ำเสียง และบทบาทโดยตรงผ่านคำสั่ง พร้อมควบคุมความเร็ว ระดับเสียง และความดังได้อย่างละเอียดMP3, PCM, WAV, Opus$0.003
Qwen-Audio 3.0 TTS Plusกำหนดรูปแบบการถ่ายทอดอารมณ์ผ่านคำสั่ง และปรับความเร็ว ระดับเสียง และความดังได้MP3, PCM, WAV, Opus$0.02
Qwen-Audio 3.0 TTS Flashกำหนดอารมณ์และรูปแบบการพูดผ่านคำสั่ง พร้อมปรับความเร็ว ระดับเสียง และความดังได้MP3, PCM, WAV, Opus$0.015
MiniMax Speech 2.8 HDเลือกอารมณ์ได้ พร้อมตั้งค่าความเร็ว ระดับเสียง และความดังMP3, WAV, FLAC$0.10
MiniMax Speech 2.8 Turboกำหนดอารมณ์และพารามิเตอร์เสียงพูด แทรกแท็กเสียงเสริมและช่วงเว้นจังหวะตามเวลาได้MP3, WAV, FLAC$0.06

วิธีใช้ Qwen Audio 3.1 TTS บน Atlas Cloud

เริ่มต้นได้ในไม่กี่นาที — ทำตามขั้นตอนง่าย ๆ เหล่านี้เพื่อเชื่อมต่อและใช้งานโมเดลผ่านแพลตฟอร์ม Atlas Cloud

สร้างบัญชี Atlas Cloud

สมัครสมาชิกที่ atlascloud.ai และยืนยันตัวตน ผู้ใช้ใหม่จะได้รับเครดิตฟรีเพื่อสำรวจแพลตฟอร์มและทดสอบโมเดล

ทำไมต้องใช้ Qwen Audio 3.1 TTS บน Atlas Cloud

การรวมโมเดล Qwen Audio 3.1 TTS ขั้นสูงเข้ากับแพลตฟอร์มที่เร่งด้วย GPU ของ Atlas Cloud ให้ประสิทธิภาพ ความสามารถในการขยาย และประสบการณ์นักพัฒนาที่ไม่มีใครเทียบได้

ประสิทธิภาพและความยืดหยุ่น

เวลาแฝงต่ำ:
inference ที่ปรับแต่ง GPU เพื่อการตอบสนองแบบเรียลไทม์

API แบบรวมศูนย์:
รัน Qwen Audio 3.1 TTS, GPT, Gemini และ DeepSeek ด้วยการเชื่อมต่อเดียว

ราคาโปร่งใส:
ชำระเงินต่อโทเค็นที่คาดเดาได้พร้อมตัวเลือก serverless

องค์กรและขนาด

ประสบการณ์นักพัฒนา:
SDK, การวิเคราะห์, เครื่องมือปรับแต่ง และเทมเพลต

ความน่าเชื่อถือ:
ความพร้อมใช้งาน 99.99%, RBAC และการบันทึกที่พร้อมสำหรับการปฏิบัติตาม

ความปลอดภัยและการปฏิบัติตาม:
SOC 2 Type II, สอดคล้อง HIPAA, อธิปไตยข้อมูลในสหรัฐอเมริกา

Qwen Audio 3.1 TTS: เสียง การใช้งาน API และการเลือกโมเดล

Qwen Audio 3.1 TTS คือตระกูลโมเดลแปลงข้อความเป็นเสียงของ Alibaba โดยมีรุ่น Plus และ Flash ให้บริการบน Atlas Cloud รุ่น Plus เน้นที่คุณภาพเสียงระดับพรีเมียม ในขณะที่รุ่น Flash มุ่งเป้าไปที่การโต้ตอบที่มีความหน่วงต่ำ พร้อมทั้งรองรับเสียงหลายภาษาและภาษาถิ่นของจีน

สร้างเสียงบรรยายสำหรับหนังสือเสียง เนื้อหาแบรนด์ การพากย์เสียง และการแสดงตัวละครด้วย Plus สำหรับผู้ช่วยเสียง แอปพลิเคชันเชิงสนทนา และการบริการลูกค้า Flash ให้ความสำคัญกับการสร้างเสียงที่ตอบสนองอย่างรวดเร็ว

สร้างคีย์ Atlas Cloud API และเลือก ID โมเดล Plus หรือ Flash จากหน้าโมเดล ส่งข้อความของคุณและเสียงที่เข้ากันได้ไปยังปลายทาง generateAudio โดยใช้การตรวจสอบสิทธิ์แบบ Bearer เก็บ ID งานที่ส่งคืนมาและทำการสำรวจ (poll) ปลายทาง prediction จนกว่าเสียงที่สร้างขึ้นจะพร้อมใช้งาน

ความครอบคลุมของภาษาขึ้นอยู่กับโมเดลและเสียงที่เลือก Flash มีเสียงพูดหลายภาษาที่รองรับภาษาญี่ปุ่น เกาหลี ฝรั่งเศส เยอรมัน โปรตุเกส อิตาลี เวียดนาม และอินโดนีเซีย พร้อมด้วยภาษาถิ่นของจีน เช่น ภาษาเซี่ยงไฮ้ ภาษากวางตุ้ง และภาษาจีนตะวันออกเฉียงเหนือ โปรดเลือกเสียงที่รองรับภาษาหรือภาษาถิ่นเป้าหมายของคุณก่อนสร้างเสียงพูด

รูปแบบเอาต์พุตเสียงที่รองรับได้แก่ MP3, PCM, WAV และ Opus นอกจากนี้ยังรองรับอินพุต SSML และ LaTeX ด้วย แม้ว่าการใช้งาน SSML จะขึ้นอยู่กับเสียงที่เลือกก็ตาม บน Atlas Cloud ให้ใช้ output_format เพื่อเลือกรูปแบบเสียง และ enable_ssml เมื่อส่ง SSML

ใช้คำสั่งภาษาธรรมชาติเพื่อกำหนดอารมณ์ น้ำเสียง บุคลิก และสไตล์การพูด Atlas Cloud ยังนำเสนอการควบคุมความเร็ว ระดับเสียง และความดังบนตำแหน่งข้อมูล Plus เพื่อการปรับแต่งการส่งมอบที่แม่นยำยิ่งขึ้น ทดสอบคำสั่งของคุณด้วยเสียงที่เลือกเพื่อตรวจสอบว่าผลลัพธ์ตรงกับประสิทธิภาพที่คุณต้องการหรือไม่

Plus รองรับการโคลนเสียงที่มีประสิทธิภาพจากเสียงอ้างอิงที่มีสัญญาณรบกวนหรือเสียงก้อง ควรประเมินผลลัพธ์ที่สังเคราะห์ขึ้นด้วยการบันทึกเสียงที่เป็นตัวแทนก่อนนำไปใช้งานในสภาพแวดล้อมจริง โดยเฉพาะอย่างยิ่งเมื่อความคล้ายคลึงของผู้พูดและการออกเสียงเป็นสิ่งสำคัญ

เลือก Plus เมื่อความเที่ยงตรงของเสียงและรายละเอียดการแสดงอารมณ์มีความสำคัญสูงสุด เช่น สำหรับเสียงของแบรนด์ หนังสือเสียง และการพากย์เสียง Flash ได้รับการออกแบบมาสำหรับแอปพลิเคชันที่ให้ความสำคัญกับความหน่วงของแพ็กเก็ตแรก (First-packet latency) ต่ำ รวมถึงผู้ช่วยด้วยเสียงและการสนทนาโต้ตอบ เปรียบเทียบทั้งสองรุ่นโดยใช้สคริปต์เดียวกันและเสียงที่เหมาะสมก่อนตัดสินใจเลือกโมเดลสำหรับการใช้งานจริง

ราคามาตรฐานของ Atlas Cloud คือ $0.03 ต่อ 1,000 อักขระอินพุตสำหรับ Plus และ $0.003 ต่อ 1,000 อักขระอินพุตสำหรับ Flash นี่คืออัตรามาตรฐานที่จัดหาให้โดยแบ็กเอนด์ของ Atlas Cloud โดยไม่รวมส่วนลดส่งเสริมการขาย

Flash ได้รับการปรับให้เหมาะสมสำหรับเวลาแฝงของแพ็กเก็ตแรกที่ระดับโมเดล เวิร์กโฟลว์การสร้างเสียงที่มีการจัดทำเอกสารไว้ของ Atlas Cloud จะส่งงานแบบอะซิงโครนัสและดึงผลลัพธ์ที่เสร็จสมบูรณ์โดยการโพลลิ่งรหัสงาน โปรดวัดเวลาตั้งแต่การส่งจนถึงการเล่นในแอปพลิเคชันของคุณ แทนที่จะถือว่าเวลาแฝงของโมเดลเป็นการรับประกันการส่งมอบแบบสตรีมมิ่ง

สำรวจกลุ่มเพิ่มเติม

Seedance 2.5

Seedance 2.5 API นำเสนอโมเดลเสียงและวิดีโอแบบผสานรวมของ ByteDance Seed ให้แก่นักพัฒนา โดยสามารถสร้างเนื้อหา 4 ถึง 30 วินาทีได้ในขั้นตอนเดียวที่ความละเอียดสูงสุดระดับ 4K เนทีฟ จากข้อความ เฟรมแรก หรือข้อมูลอ้างอิงสูงสุด 50 รายการจากรูปภาพ วิดีโอ และเสียง นอกจากนี้ยังสามารถแก้ไขพื้นที่ที่เลือก ขยายคลิป และทำตามอินพุตโมเดลสีขาวและกรีนสกรีนได้

ดูกลุ่ม

Seedance 2.5 Flash

Seedance 2.5 Flash API ช่วยให้นักพัฒนาสามารถใช้งาน Seedance 2.5 ของ ByteDance Seed ที่เปิดตัวเมื่อวันที่ 12 พฤศจิกายน 2026 ในระดับที่รวดเร็วและประหยัดค่าใช้จ่ายมากยิ่งขึ้น โดยสามารถสร้างวิดีโอได้เร็วกว่า Seedance 2.5 เกือบสองเท่า เรนเดอร์ได้สูงสุด 30 วินาทีต่อคลิปที่ความละเอียด 480p หรือ 720p และรองรับรูปภาพสูงสุด 10 รูป วิดีโอ 5 รายการ และคลิปเสียง 5 รายการต่อคำขอ พร้อมการตัดต่อวิดีโอสำหรับสร้างตัวแปรอย่างรวดเร็ว

ดูกลุ่ม

Kling 4.0

Kling 4 API ให้บริการ Kling 4.0 ซึ่งเป็นโมเดลวิดีโอที่ Kuaishou เปิดตัวเมื่อวันที่ 15 ตุลาคม 2026 สามารถสร้างวิดีโอได้สูงสุด 30 วินาทีในครั้งเดียว รองรับคีย์เฟรมสูงสุด 10 เฟรม ผสมผสานรูปภาพ วิดีโอ และวัตถุ 15 รายการผ่าน Omni Reference และเพิ่มระบบเสียงสเตอริโอพร้อมการลิปซิงค์ Atlas Cloud ให้บริการปลายทางทั้งสี่แห่ง รวมถึงการตัดต่อวิดีโอ บนคีย์ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียวในราคาเริ่มต้นที่ 0.11 ดอลลาร์ต่อวินาที เริ่มสร้างได้แล้ววันนี้

ดูกลุ่ม

Seedream 5.5

Seedream 5.5 คือตระกูลผลิตภัณฑ์สำหรับการสร้างและแก้ไขรูปภาพของ ByteDance Seed สามารถควบคุมการแก้ไขด้วยรูปภาพอ้างอิงสูงสุด 10 รูป หรือแบ่งรูปภาพออกเป็นรูปภาพพื้นฐานและเลเยอร์ที่แก้ไขได้สูงสุด 99 เลเยอร์ พร้อมรองรับ OCR สำหรับเลเยอร์ข้อความ (ตัวเลือกเสริม) บน Atlas Cloud การสร้าง การแก้ไข และการแยกเลเยอร์มีค่าใช้จ่ายมาตรฐานที่ 0.02 ดอลลาร์ต่อรูปภาพ ซึ่งช่วยให้นักพัฒนาวางแผนงบประมาณสำหรับเวิร์กโฟลว์รูปภาพได้ เริ่มต้นสร้างสรรค์ผลงานได้ตั้งแต่วันนี้

ดูกลุ่ม

Kling 4.0 Flash

Kling 4.0 Flash API มอบเวอร์ชันที่รวดเร็วและมีต้นทุนต่ำกว่าของโมเดลวิดีโอ Kling 4.0 ของ Kuaishou ให้กับนักพัฒนา โดยสามารถสร้างคลิปวิดีโอความละเอียด 720p ความยาว 3 ถึง 20 วินาทีในอัตราส่วนภาพ 4 แบบ รองรับการอ้างอิงสูงสุด 15 รายการผ่านรูปภาพ วิดีโอ และองค์ประกอบของ Kling ด้วย Omni Reference รวมถึงแก้ไขฟุตเทจที่มีอยู่ด้วยข้อความในขณะที่สร้างเสียงต้นฉบับได้ Atlas Cloud ให้บริการปลายทางทั้ง 4 จุดด้วยคีย์เดียวในราคาเริ่มต้นที่ 0.0571 ดอลลาร์ต่อวินาที และไม่มีการคิดค่าบริการสำหรับคำขอที่ล้มเหลว

ดูกลุ่ม

Wan 3.0

Wan 3.0 เป็นโมเดลวิดีโอใหม่ล่าสุดของ Alibaba ซึ่งสามารถสร้างวิดีโอความละเอียด 1080p ที่ 30fps พร้อมเสียงได้ยาวสูงสุด 30 วินาทีในการสร้างเพียงครั้งเดียว ควบคุมโมเดลด้วยข้อความคำสั่ง (text prompt) เฟรมแรก รูปภาพอ้างอิงสูงสุด 10 รูป หรือเอกสาร รุ่น Standard มีต้นทุนต่อวินาทีที่ถูกกว่า ในขณะที่รุ่น Prime ยังคงความสามารถเดียวกันและประมวลผลลัพธ์ได้เร็วกว่า ทั้งสองรุ่นทำงานบนคีย์ Atlas Cloud เดียวกันกับ Wan 2.7, 2.6 และ 2.5

ดูกลุ่ม

GPT Image 2.6

GPT Image 2.6 API มอบโมเดลรูปภาพของ OpenAI ที่เปิดตัวเมื่อวันที่ 4 พฤศจิกายน 2026 ให้แก่นักพัฒนาในสองเวอร์ชัน ได้แก่ Flare สำหรับการวนซ้ำที่รวดเร็ว และ Sunburst สำหรับงานด้านภาพที่ต้องการรายละเอียด มันสร้างรูปภาพได้เร็วขึ้น 50% กว่าเดิม และเพิ่มเอาต์พุต GIF แบบเคลื่อนไหว, การส่งออก SVG, การแก้ไขมาร์กอัปที่กำหนดเป้าหมายไปยังพื้นที่ที่คุณวงกลม และการตั้งค่าความซับซ้อน Atlas Cloud ให้บริการทั้งสองโมเดลด้วยคีย์ที่เข้ากันได้กับ OpenAI ในรูปแบบการจ่ายเงินตามการใช้งานจริง

ดูกลุ่ม

Kling Image 4.0

Kling Image 4.0 คือโมเดลสร้างภาพของ Kling AI สำหรับการออกแบบภาพที่ให้รายละเอียดสูง ภาพอ้างอิงจะช่วยแนะนำองค์ประกอบของภาพ ในขณะที่เลย์เอาต์แบบยาวจะนำภาพผลิตภัณฑ์และข้อความแบรนด์มารวมเป็นภาพหน้าเพจที่สมบูรณ์ ผลลัพธ์ที่มีความละเอียดสูงให้พื้นที่เพียงพอสำหรับการครอบตัดและการแสดงผล Atlas Cloud ช่วยให้การทำงานร่วมกันง่ายขึ้นด้วย API แบบรวมศูนย์และราคาแบบจ่ายตามการใช้งานจริงที่โปร่งใส เริ่มต้นสร้างได้ตั้งแต่วันนี้

ดูกลุ่ม

MiniMax H3 Image

MiniMax H3 Image สร้างขึ้นต่อยอดจากตระกูล H3 ของ MiniMax โดยผสานรวมการสร้างและการแก้ไขรูปภาพไว้ใน checkpoint เดียวกัน พรอมต์ (prompts) ที่มีรายละเอียดจะช่วยกำหนดทิศทางของตัวละคร ฉาก และองค์ประกอบภาพ ในขณะที่ข้อมูลอ้างอิงที่ป้อนเข้ามาจะคอยควบคุมการเปลี่ยนแปลงทางภาพ Atlas Cloud นำเสนอการเข้าถึงแบบโฮสต์ด้วยระบบการเรียกเก็บเงินตามการใช้งานจริง (pay-as-you-go) ช่วยให้คุณสามารถผสานรวมเวิร์กโฟลว์รูปภาพได้โดยไม่ต้องจัดการโครงสร้างพื้นฐานของโมเดล เริ่มต้นสร้างสรรค์ได้แล้ววันนี้

ดูกลุ่ม

MiniMax H3

MiniMax H3 คือผลิตภัณฑ์วิดีโอแบบมัลติโมดัลของ MiniMax สำหรับการสร้างสรรค์โดยใช้ข้อความ รูปภาพ และข้อมูลอ้างอิง ในเส้นทาง API ที่รองรับ ระบบจะคงลักษณะของวัตถุจากสื่ออ้างอิงไว้ มีอัตราส่วนภาพที่ยืดหยุ่น และจับคู่เสียงที่สร้างขึ้นกับภาพผ่าน H3 Developer โดยโปรไฟล์เอาต์พุตจะถูกเลือกตาม endpoint Atlas Cloud รวมผลิตภัณฑ์ในตระกูลนี้ไว้เบื้องหลังคีย์เดียวที่รองรับ OpenAI พร้อมการคิดค่าบริการตามการใช้งานอย่างโปร่งใส เริ่มต้นที่อัตรามาตรฐาน $0.038 ต่อวินาที เริ่มพัฒนาได้วันนี้

ดูกลุ่ม

GPT Image 2.5

GPT Image 2.5 คือโมเดลสำหรับสร้างและแก้ไขรูปภาพของ OpenAI ซึ่งเปิดตัวเมื่อวันที่ 8 กันยายน 2026 ในสองเวอร์ชัน API โดย Flare เป็นเวอร์ชันเริ่มต้นที่มีความหน่วงต่ำกว่า GPT Image 2 ถึง 50% ในขณะที่ Sunburst ใช้เวลาประมวลผลนานกว่าเพื่อให้สามารถควบคุมการแก้ไขรายละเอียดได้อย่างแม่นยำยิ่งขึ้น ทั้งสองรองรับภาพอ้างอิงสูงสุด 16 ภาพ, คุณภาพ 5 ระดับ, พื้นหลังโปร่งใส และขนาดที่กำหนดเองได้สูงสุด 3840px ทั้งนี้ Atlas Cloud ให้บริการ GPT Image 2.5 API ในราคาตามอัตรา Token ของ OpenAI หรือราคาคงที่ต่อรูปภาพตามระดับ 1K, 2K หรือ 4K

ดูกลุ่ม

Seedream 5.0 Pro

Seedream 5.0 Pro API มอบโมเดลการแก้ไขภาพที่ควบคุมได้ของ ByteDance บน Atlas Cloud ให้กับนักพัฒนา โดยจะวางการแก้ไขอย่างแม่นยำด้วยจุดยึดและพิกัด แยกภาพออกเป็นเลเยอร์ที่แก้ไขได้ ผสานข้อมูลอ้างอิงหลายรายการ และจับคู่สีและวัสดุที่แน่นอน พร้อมข้อความหลายภาษาที่ความละเอียด 2K และ 3K บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่านคีย์เดียว!

ดูกลุ่ม

API เดียวสำหรับ AI สื่อทุกประเภท

สำรวจโมเดลทั้งหมด