Atlas Cloud 现已成为 Dreamina Seedance 2.5 与 Seedream 5.0 Pro 的美国授权经销商。Atlas Cloud 现已成为 Dreamina Seedance 2.5 与 Seedream 5.0 Pro 的美国授权经销商。
由 xAI 开发的 xAI 语音系列可生成自然、高保真的音频，并提供亚秒级延迟。表达标签可在 20 种语言中调整停顿、耳语、重音和语速；可调节的语音速度与文本规范化功能则进一步提升对表达方式的控制。Atlas Cloud 提供统一的音频接口，采用一致的 Unicode 字符计费和透明的标准定价，适用于生产工作流。
xAI 由 xAI 开发。Atlas Cloud（由 Atlas Cloud AI LLC 运营）仅提供接入服务，并不拥有该模型。所有商标均归其各自所有者所有。
在 Atlas Cloud 上，借助最新的 AI 视频生成模型，从文本与图像生成电影级的高保真视频。
Grok Imagine Video 为开发者提供访问 xAI 视频模型家族的能力，用于创建、制作动画、延展和编辑视频片段。通过提示词生成 1 至 15 秒的视频，使用最多 7 张参考图像引导人物、物体或风格，并支持 480p 或 720p。Atlas Cloud 通过兼容 OpenAI 的端点整合这些能力，并提供透明的按需付费定价。立即开始构建。
Grok Imagine Video 1.5 Lite 是 xAI 在 Grok Imagine 视频模型系列中成本最低的模型，支持通过提示词或源图像生成视觉内容和声音。它支持与口型同步的语音，以及可选的输出质量，包括从 720p 超分辨率放大至 1080p。通过 Atlas Cloud，使用按量付费模式（$0.02/秒）和一个兼容 OpenAI 的密钥，即可使用两种生成模式。立即开始构建。
xAI TTS v1 是 xAI 的高保真文本转语音模型，可将书面内容转换为自然且富有表现力的音频。它支持 20 种语言，并提供精细的语音表达控制，帮助您根据不同应用定制语音效果。通过 Atlas Cloud，使用一个 OpenAI-compatible 密钥即可访问该模型，并享受透明的按量付费价格。立即开始构建。
Grok Imagine Video 1.5 是 xAI 面向开发者推出的视频生成系列，适合需要根据提示词和视觉输入实现可控运动效果的场景。使用自然语言运动指令为起始帧添加动画，在参考工作流中选择 480p 或 720p，并添加可选的参考语音来引导生成结果。通过一个兼容 OpenAI 的 Atlas Cloud 密钥访问受支持的模式，享受透明的按量付费定价。立即开始构建。
在 Atlas Cloud 上，使用业界领先的 AI 图像生成模型，将提示词与参考图转化为惊艳、可直接投产的视觉作品。
由 xAI 构建的 Grok Imagine Image 2.0 将精致的文生图能力与自然语言编辑相结合，适用于基于参考图的工作流。生成 1K 或 2K 输出，从提示词快速产出成品视觉内容，并通过直接指令优化现有图像。Atlas Cloud 通过一个 OpenAI-compatible API 密钥，将所有受支持的 endpoint 纳入统一服务，并提供透明的按量付费价格与简单集成方式。立即开始构建。
Grok Imagine API 涵盖 xAI 的图像、视频和语音模型，包括 Image 2.0、Video 1.5 和 xAI TTS v1。支持生成跨 14 种宽高比的 1K 或 2K 静帧、生成最长 15 秒的 1080p 视频、通过最多 7 张参考图像引导镜头、或用 20 种语言进行配音。Atlas Cloud 在单一端点上运行所有功能，采用按量计费，起价为每张图像 $0.02、每秒 $0.05。立即开始使用。
在 Atlas Cloud 上，依托顶尖的大语言模型，以极速且实惠的方式驱动对话、推理与智能体的规模化应用。
对比 xAI 全部模型的标准价、平台价与折扣。
| 模型 | 标准价 (USD) | 平台价 (USD) | 折扣 | |
|---|---|---|---|---|
| Grok Imagine Image 2.0 Developer Edit | $0.04/张 | 低至$0.014/张 | -65% | 查看 |
| Grok Imagine Image 2.0 Developer Text-to-Image | $0.04/张 | 低至$0.014/张 | -65% | 查看 |
| Grok Imagine Video V1.5 Lite Developer Image-to-Video | $0.02 | 低至$0.007/秒 视频 | -65% | 查看 |
| Grok Imagine Video V1.5 Lite Developer Text-to-Video | $0.02 | 低至$0.007/秒 视频 | -65% | 查看 |
| Grok Imagine Video v1.5 Developer Reference-to-Video | $0.08 | 低至$0.028/秒 视频 | -65% | 查看 |
| Grok Imagine Video v1.5 Developer Text-to-Video | $0.08 | 低至$0.028/秒 视频 | -65% | 查看 |
Grok Imagine 的图像和视频端点可通过单一 API 处理生成、编辑和动画制作。团队利用它们将静态资产转化为有声视频内容，并以前所未有的速度和成本制作视觉创意。
电子商务团队构建工作流，使用 Grok Imagine Video v1.5 将产品图像动画化为简短的视频片段，并在同一次调用中生成环境音效和产品背景音频。只需一张产品照片，即可生成带有声音的视频片段，无需进行视频拍摄或音频编辑，即可直接用于广告和产品页面。在 Atlas Cloud 上，价格为每秒 0.096 美元，一段 10 秒的产品视频成本不到一美元。
品牌团队使用 Grok Imagine Video v1.5 将经过批准的营销活动照片转化为带有原生生成音频的动画社交广告。由于音频和视频 tokens 是在同一次推理过程中生成的，因此对话、音效和环境音乐无需后期制作即可与视觉画面完美同步。这从广告创意工作流中完全消除了音频制作步骤。
导演和摄影指导使用 Grok Imagine Image 生成视觉分镜，在制作开始前展示镜头构图、摄像机角度和光影效果。2K 分辨率的输出结果细节丰富，足以作为每个场景的视觉简报与剧组人员分享。每张图像只需 0.06 美元，迭代多个镜头选项的成本低于一小时的制作时间成本。
房地产开发商使用 Grok Imagine Video v1.5 从建筑效果图或室内照片中生成具有电影感的生活方式短片。一张阳台效果图可转化为带有环境音的日落景观短片，一张厨房照片可转化为带有自然声音的清晨场景。这取代了为房源信息和预售营销材料进行昂贵的生活方式摄影拍摄。
创意团队使用 Grok Imagine Image Edit 的3源输入将多个参考图像中的元素合成到单一输出中——在一次 API 调用中结合产品图、背景和光照参考。这使得制作在不同场景设置中保持品牌一致性的活动变体变得切实可行。在 Atlas Cloud 上，每张合成图像的价格为 0.06 美元。
小型游戏工作室在前期制作阶段使用 Grok Imagine Image 生成概念艺术设计，然后将关键帧导入 Grok Imagine Video v1.5 制作动画预告片段。视频扩展功能允许团队从单个起始帧串联多个片段，突破单次调用15秒的限制，构建更长的电影级镜头。这一工作流取代了外部动画承包商，用于制作早期的营销内容。
xAI TTS v1 是 xAI 推出的文本转语音模型，可将书面内容转换为自然且富有表现力的音频。Atlas Cloud 通过其共享音频生成端点，以模型 xai/tts-v1 的形式提供该模型。
它可以生成旁白、产品配音、无障碍音频、本地化语音，以及语音应用中的对话。表现力标签和可调节的演绎设置有助于让生成的语音适配不同场景和受众。
向 https://api.atlascloud.ai/api/v1/model/generateAudio 发送 POST 请求，并提供 Bearer 身份验证、模型值 xai/tts-v1、文本和语言设置。然后使用返回的任务 ID 轮询预测端点，或注册 webhook 以接收任务完成通知。
Atlas Cloud 提供超过 80 种声音和 20 个语言选项，并可通过 auto 设置启用自动语言检测。多语言声音 Ara、Eve、Leo、Rex 和 Sal 支持端点 schema 中列出的所有语言。
可以添加 [pause]、[laugh] 和 [sigh] 等行内标签，或使用 <whisper> 和 <slow> 等标签包裹文本，以调整演绎方式。语速可在 0.7 到 1.5 之间调节；可选的文本规范化功能则能改善数字、缩写和符号的读法。
可根据播放或电话通信需求选择 MP3、WAV、PCM、μ-law 或 A-law 输出。支持的采样率范围为 8,000 到 48,000 Hz，MP3 输出支持 32,000 到 192,000 bps 的比特率。
Atlas Cloud 按标准费率计费：每 1,000 个输入字符 $0.015。计费按 Unicode 字符数计算，因此一个 CJK 字符的计数方式与一个拉丁字母相同。
每个 Atlas Cloud 请求最多接受 15,000 个文本字符。对于更长的脚本，请拆分为多个请求；如需确保各片段的演绎一致，请保持相同的声音、语言、语速和输出设置。
当前 Atlas Cloud 文档描述的是异步工作流：提交任务后，通过轮询或 webhook 获取结果。请求 schema 包含三个延迟优化级别，但公开文档并未确认 Atlas Cloud 是否提供直接的 WebSocket 端点。
Seedance 2.5 API 现已在 Atlas Cloud 上线！它为开发者提供了 ByteDance 最新的视频模型。该模型可通过文本、单张图像或多达 50 个多模态参考，一次性生成长达 30 秒的原生视频，并包含同步音频和画面内的多语言文本。在 Atlas Cloud 上，您可以通过单个密钥访问它，其主体一致性和改进的物理特性能够保持长镜头的连贯性。
Wan 3.0 API 是阿里巴巴 Wan 视频系列的下一代产品，旨在将长视频生成、多参考控制和音视频质量推向新的高度。Atlas Cloud 已经托管了 Wan 2.7、2.6 和 2.5，而 Wan 3.0 使用相同的统一密钥运行，无需额外设置。立即开始构建吧。向下滚动至展示区，查看 Wan 3.0 的创作能力。
MiniMax H3 是 MiniMax 的多模态视频系列，支持文本、图像和参考内容引导创作。在支持的路由中，它能够保留参考媒体中的主体，提供灵活的宽高比，并通过 H3 Developer 将生成的声音与画面结合；输出配置则由 endpoint 选择。Atlas Cloud 通过一个 OpenAI 兼容密钥统一接入整个系列，并提供透明的按量付费定价，标准费率为每秒 $0.038。立即开始构建。
OpenAI 的 gpt-image-2.5 系列为开发者提供 Flare 和 Sunburst 两种选择，满足生产级图像工作流需求。支持最高 3840x2160 的任意分辨率渲染，并提供包括 xhigh 和 max 在内的五档质量等级，以匹配特定的输出要求。Atlas Cloud 提供开箱即用的 REST 推理服务，无冷启动，每次生成起价 $0.004，采用标准定价。立即开始构建。
Seedream 5.0 Pro API 为开发者在 Atlas Cloud 上提供了字节跳动的可控图像编辑模型。它通过锚点和坐标精确定位编辑，将图像分离为可编辑图层，融合多个参考，并精准匹配颜色和材质，支持 2K 和 3K 分辨率的多语言文本。在 Atlas Cloud 上，您只需一个密钥即可访问！
Seedance 2.0 是 ByteDance 面向生产环境的视频模型，专用于精准镜头创作。将提示词转换为视频，使用首帧图像生成动画并可选用尾帧引导，或结合参考媒体和可选的联网搜索来塑造结果。Atlas Cloud 将这些工作流整合到统一的 API 中，提供透明的按量付费定价和一个兼容 OpenAI 的密钥。立即开始构建。
Kling 3.0 API 通过一个 OpenAI 兼容的密钥，将 Kuaishou 的旗舰视频套件引入 Atlas Cloud。它包含两个模型：Kling 3.0 用于 AI Director 叙事、多语言唇形同步和精准的屏幕文本；Kling 3.0 Omni (O3) 用于通过短视频或图像进行主体和声音克隆。两者都能在同一次处理中生成原生音频，最高支持 4K 输出。在可靠的基础设施上构建电影级叙事、全球营销、多语言广告和系列化角色内容。
Grok Imagine Video 为开发者提供访问 xAI 视频模型家族的能力，用于创建、制作动画、延展和编辑视频片段。通过提示词生成 1 至 15 秒的视频，使用最多 7 张参考图像引导人物、物体或风格，并支持 480p 或 720p。Atlas Cloud 通过兼容 OpenAI 的端点整合这些能力，并提供透明的按需付费定价。立即开始构建。
Vidu Q4 是 Vidu 最新的旗舰视频模型，专为图像转视频和参考图转视频生成而设计。它可以让单张静态图像动起来，并自动创建场景转场，为不同的产品工作流提供两种输入路径。Atlas Cloud 提供专用 API 端点，并以经验证的标准价格 $0.04/second 发布参数 schema。立即开始构建。
Gemini Omni 1.1 Flash 是 Google DeepMind 推出的原生多模态视频系列，适用于灵活的生产工作流。通过文本指令编辑现有素材，借助最多 10 张参考图像和 3 段视频片段保持视觉一致性，或以可串联的片段延长镜头，最长可达 40 秒。在 Atlas Cloud 上使用一个 OpenAI-compatible API key 即可访问所有工作流，按量付费，并支持 Day-0 上线。立即开始构建。
Nano Banana 2.1 是 Google 基于 Gemini 3.6 Flash 打造的图像模型系列。它以 Flash 级速度提供 Pro 级生成与编辑能力，支持通过自然语言对 1 到 14 张输入图像进行编辑和融合，并可保持最多 4 个角色和 10 个对象的一致性。通过 Atlas Cloud，开发者只需使用一个 OpenAI-compatible 密钥，即可访问该系列模型，享受可靠的运行时间保障和 Day-0 可用性。立即开始构建。
使用由 Google 的 Gemini 3.1 Flash Image 模型驱动的 Nano Banana 2 API 进行构建。它可生成分辨率高达 4096x2304 的原生 4K 视觉效果，具备准确的文本渲染能力，并在生成和编辑过程中支持多达 14 张参考图像的角色一致性。在 Atlas Cloud 上，您可以通过一个统一的 API 访问它以及其他 300 多个模型，价格低至每张图像 0.04 美元，提供 99.99% 的正常运行时间，并附赠免费额度供您开始使用。
指南、教程与产品动态，助你充分发挥 Atlas Cloud 的价值。
