我们使用的 AI 模型

1. 写作、文档与演示文稿

• Claude Fable 5.1（Anthropic）——报告、商业计划书、会议纪要和大纲；文档编辑器中的起草、改写和问答；演示文稿；场景任务中的脚本和文案；视频翻译配音的翻译环节；以及 AI 助手，包括写歌词。
• Qwen3.8 Flash（阿里云）——改写、翻译、摘要和商品描述，以及把您描述的音乐风格转换成标签。
• Qwen3.8 Omni Flash（阿里云）——读取您添加到文档中作为资料来源的文件、录音和视频。

2. 图片

• GPT Image 2（OpenAI）——图片生成与编辑：文字生图、图片编辑、去除背景、物体、文字和水印，商品图和人像，老照片修复，标志、贴纸、封面缩略图以及其他图片类场景。
• 通义万相（阿里云）——创意海报、人像风格重绘、把照片扩展到新的画幅比例，以及虚拟模特和鞋靴模特商品图。
• Clarity Upscaler（开源）——图片放大与锐化。NAFNet（开源）——去除照片模糊。
• BiRefNet（开源）——为证件照抠出人像。InsightFace（开源）——识别照片和视频中需要打码的人脸。

3. 视频

• HappyHorse 1.0（阿里云）——文字生成视频、图片生成视频、音乐视频，以及视频编辑，例如去除物体、字幕、水印或背景。
• Veo 3.1（Google）——延长视频。
• 万相 Wan 2.2 Animate（阿里云）——让静态照片跟随参考视频的动作。
• SeedVR2（字节跳动，开源）——视频放大、画质增强和去模糊。
• Sync Lipsync（Sync Labs）——让视频中的口型与音频匹配。

4. 语音与转写

• Qwen3 TTS Flash（阿里云）——使用预设音色的文字转语音，用于朗读、有声书、旁白、配音和照片说话。
• Qwen3-TTS 声音克隆与声音设计（阿里云）——用您的录音或文字描述创建声音，并用它朗读。
• Qwen3.8 Omni Flash（阿里云）——把音频和视频转写成带时间戳、区分说话人的文字，包括翻译配音所需的原台词。

5. 音乐

• Suno V6（Suno）——带人声的歌曲和纯音乐。
• DiffRhythm（开源）——长篇歌曲。
• ACE-Step Audio-to-Audio（ACE Studio 与阶跃星辰的开源模型）——以新的风格重新演绎一首歌。
• Demucs HTDemucs（Meta AI 研究院的开源模型）——分离人声、鼓、贝斯等音轨，去除人声。
• Basic Pitch（Spotify 的开源模型）——音频转 MIDI。
• Audiveris 与 homr（开源光学乐谱识别）——从照片和 PDF 中识别乐谱。
• 混音、裁剪、慢速混响和拼接视频片段是常规音视频处理（FFmpeg），不是 AI 模型。

6. 您自己选择的模型

我们的模型目录（wisaven.com/models）列出了您也可以直接运行的全部模型，并注明各自的开发方、参数和价格。其中包括来自 OpenAI、Google、Anthropic、阿里云、字节跳动、快手、MiniMax、xAI、微软、Meta、Black Forest Labs、DeepSeek、月之暗面、智谱 AI、腾讯、Suno、ElevenLabs、Stability AI 等的模型。您从目录中运行某个模型时，输出即由该模型生成。

7. 内容安全与标识

无论由哪个模型处理，安全检查都相同：您输入的文字在生成前经过筛查（我们的违禁词库和 Waffo Prompt Sift），生成的图片和视频画面在交付前经过检查，公开到作品广场的内容都要经过审核。详见《可接受使用政策》（wisaven.com/legal/acceptable-use）。

这些模型产出的内容均为 AI 生成，可能不准确，也可能与现有作品相似；请在依赖前自行审阅。