AI 视频 · 能力核验规格书

Seedance 2.5 · 文生视频：官方：单次生成 30 秒音视频ByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）

MiniMax Hailuo H3 · 文生视频：HF 仓库标签含 text-to-video / text-to-audio-videoHF API · MiniMaxAI/MiniMax-H3 元数据（许可与文件清单）

LTX 2.5 · 文生视频：官方仓库 pipeline 标签含 text-to-video / text-to-audio-video　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。Hugging Face · Lightricks/LTX-2.3（当前主力）

PixVerse V6 · 文生视频：能力矩阵：「Text-to-video | C1 Supported | V6 Supported」；V6 文档给出端点 `text/generate`，时长 1–15 秒、最高 1080pPixVerse · 官方能力矩阵

Gemini Omni 1.1 Flash · 文生视频：对应本节示例完整型号 gemini-omni-1.1-flash，文本提示生成视频。Google · Gemini Omni Flash 官方文档

Veo 3.1 · 文生视频：官方 Veo 文档的文生视频示例，支持对白与音效Google · Veo 3.1 官方文档

Runway Gen-4.5 · 文生视频：2025-12-11 Gen-4.5 发布Runway · 官方 Changelog

Wan 3.0 · 文生视频：模型卡：文本生成视频，480P 与 720P、时长 5 秒；MoE 架构在去噪过程中按时间步分离专家Hugging Face · Wan2.2-T2V-A14B 模型卡

Seedance 2.5 · 图生视频：官方：单次最多输入 30 张图作参考素材ByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）

MiniMax Hailuo H3 · 图生视频：标签含 image-to-video / image-text-to-videoHF API · MiniMaxAI/MiniMax-H3 元数据（许可与文件清单）

LTX 2.5 · 图生视频：TI2Vid 系列 pipeline（text+image → video）　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。Hugging Face · Lightricks/LTX-2.3（当前主力）

PixVerse V6 · 图生视频：能力矩阵：「Image-to-video | V6 Supported」；端点 `img/generate`PixVerse · 官方能力矩阵

Gemini Omni 1.1 Flash · 图生视频：图生视频章节示例明确使用 gemini-omni-1.1-flash，输入 image 和 text。Google · Gemini Omni Flash 官方文档

Veo 3.1 · 图生视频：官方示例：先用 Nano Banana 2 出图，再作为起始帧喂 Veo 3.1Google · Veo 3.1 官方文档

Runway Gen-4.5 · 图生视频：2026-01-21「Gen-4.5 Image to Video：可在文本提示外提供一张首帧图」Runway · 官方 Changelog

Vidu Q4 Preview · 图生视频：Q4 Preview 图生视频支持首帧输入及音画同步；audio 默认 true。Vidu · Q4 Preview 图生视频 API

LTX 2.5 · 首尾帧：藏在名字里：官方 KeyframeInterpolationPipeline —— 「在关键帧图像之间插值」。我上一版标「官方没说」，是因为按 first/last frame 去找，而它叫 keyframe interpolation　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。GitHub · Lightricks/LTX-2 官方仓库 README（pipeline 与 IC-LoRA 清单）

PixVerse V6 · 首尾帧：能力矩阵：「Transition(first and last frame) | V6 Supported」；端点 `transition/generate`PixVerse · 官方能力矩阵

Gemini Omni 1.1 Flash · 首尾帧：1.1 GA 的 Interpolation 接受两张图，分别作为首帧和尾帧。Gemini API · Release notes

Veo 3.1 · 首尾帧：官方「Frame-specific generation: Generate a video by specifying the first and last frames」，并注明「available for Veo 3.1 models only」。⚠️ 两条边界：① Vertex 文档说首帧与参考图不能同时用；② 视频延长只限 720pGoogle · Veo 3.1 官方文档

Seedance 2.5 · 动作复刻：官方参考能力清单里明确含 motion referenceByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）

MiniMax Hailuo H3 · 动作复刻：官方明确 V2V motion transfer；HF 标签含 video-to-videoMiniMax 官方博客 · H3 发布

LTX 2.5 · 动作复刻：官方 LTX-2.3-22b-IC-LoRA-Motion-Track-Control（运动轨迹控制适配器）　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。GitHub · Lightricks/LTX-2 官方仓库 README（pipeline 与 IC-LoRA 清单）

PixVerse V6 · 动作复刻：能力矩阵的独立能力表：「Mimic | Motion control | Replicate motion from a reference source」PixVerse · 官方能力矩阵

Runway Gen-4.5 · 动作复刻：Act-Two 可直接生成角色表演；另有 Aleph 2.0 视频编辑模型（2026-05-21）Runway · 官方 Changelog

Seedance 2.5 · 运镜控制：Seedance 2.5 支持精细的镜头/运镜控制｜原文：「smooth, precisely controlled camera movement … FPV camera move to circle the building and push in toward the four performers … smooth camera control」即梦 Dreamina（字节自有产品）

MiniMax Hailuo H3 · 运镜控制：与别家不同：不是参数，是从参考视频里引用运镜 ——「Reference the Hitchcock camera movement from Video 1」MiniMax 官方博客 · H3 发布

Seedance 2.5 · 角色参考：官方 R2V 示例：「keeping the character subjects, scene, visual style」；延长过程中保持主要角色、环境与叙事节奏一致ByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）

MiniMax Hailuo H3 · 角色参考：官方示例提示词：「Reference the Hitchcock camera movement from Video 1, have the character in Image 2 sing, with the vocals matching Audio 3」—— 图 2 里的角色被带进成片MiniMax 官方博客 · H3 发布

LTX 2.5 · 角色参考：官方 LTX-2.3-22b-IC-LoRA-Ingredients。⚠️ Ingredients 正是 Google 给参考图起的名字 —— 这一格是靠能力别名表才对上的（ontology 规则六）　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。GitHub · Lightricks/LTX-2 官方仓库 README（pipeline 与 IC-LoRA 清单）

Gemini Omni 1.1 Flash · 角色参考：Subject reference 正文及示例明确对应 1.1 Flash；不是从 element replacement 导航推断。Google · Gemini Omni Flash 官方文档

Veo 3.1 · 角色参考：官方「Image-based direction: Use up to three reference images」，可给人物/角色/产品图Google · Veo 3.1 官方文档

Runway Gen-4.5 · 角色参考：Act-Two 角色表演界面（2025-08 起）；Gen-4 时代的 reference consistency 一脉Runway · 官方 Changelog

Vidu Q4 Preview · 角色参考：Q4 Preview 支持 1–15 张主体参考图。Vidu · Q4 Preview 参考生视频 API

Seedance 2.5 · 多参考：官方：单次最多 30 图 + 10 视频 + 10 音频；参考能力含 clay render、motion、creative 三类ByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）

MiniMax Hailuo H3 · 多参考：官方：跨文本/图像/视频/音频统一上下文；上例一次同时引用 1 段视频 + 1 张图 + 1 段音频MiniMax 官方博客 · H3 发布

LTX 2.5 · 多参考：IC-LoRA-Union-Control 与 Ingredients 一系；具体上限未在 README 写明　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。GitHub · Lightricks/LTX-2 官方仓库 README（pipeline 与 IC-LoRA 清单）

PixVerse V6 · 多参考：Fusion 文档：「generate a video based on multiple reference images. These reference images can include subjects and backgrounds」；V6 文档标「Reference-to-Video (Fusion) ✅（video_refrences is available）」PixVerse · Fusion（多参考图生视频）文档

Gemini Omni 1.1 Flash · 多参考：当前 1.1 Flash 示例同时输入猫与毛线球两张参考图；不外推更多参考图数量上限。Google · Gemini Omni Flash 官方文档

Veo 3.1 · 多参考：最多 3 张参考图；⚠️ 与首帧互斥（见首尾帧一格）Google · Veo 3.1 官方文档

Vidu Q4 Preview · 多参考：Q4 Preview 支持 1–15 张主体参考图。Vidu · Q4 Preview 参考生视频 API

Wan 3.0 · 多参考：官网首屏 Omni-Creation：最多 20 个参考素材，含复杂文档与网页解析通义万相官网（首屏，仅营销描述）

Seedance 2.5 · 原生音频：官方：延续 2.0 的音视频联合生成架构，单次出 30 秒音视频ByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）

MiniMax Hailuo H3 · 原生音频：官方：生成带原生立体声的视频，最长 15 秒 2K；HF 标签含 synchronized-audio-videoMiniMax 官方博客 · H3 发布

LTX 2.5 · 原生音频：官方自述：首个 DiT 架构的音视频基础模型，单模型内同时生成同步的画面与声音。另有 A2Vid（音频驱动生成）。⚠️ 官方自陈局限：不含人声时音质下降　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。GitHub · Lightricks/LTX-2 官方仓库 README（pipeline 与 IC-LoRA 清单）

PixVerse V6 · 原生音频：V6 参数表里每种玩法都有 `generate_audio_switch ✅`；能力矩阵另写「Inline audio generation | V6 Supported」PixVerse · V6 模型文档

Gemini Omni 1.1 Flash · 原生音频：当前 1.1 Flash 文生视频示例原生输出带音频视频。Google · Gemini Omni Flash 官方文档

Veo 3.1 · 原生音频：原生音频，官方示例含 dialogue & sound effectsGoogle · Veo 3.1 官方文档

Vidu Q4 Preview · 原生音频：Q4 Preview 图生视频支持首帧输入及音画同步；audio 默认 true。Vidu · Q4 Preview 图生视频 API

Seedance 2.5 · 对口型：Seedance 2.5 支持精准对口型（lip sync to audio）｜原文：「precise lip sync to Audio 1」即梦 Dreamina（字节自有产品）

MiniMax Hailuo H3 · 对口型：官方示例「have the character in Image 2 sing, with the vocals matching Audio 3」—— 口型由给定音频驱动MiniMax 官方博客 · H3 发布

LTX 2.5 · 对口型：官方 Dub-It pipeline / IC-LoRA：改写台词的同时匹配说话人身份与口型　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。GitHub · Lightricks/LTX-2 官方仓库 README（pipeline 与 IC-LoRA 清单）

PixVerse V6 · 对口型：能力矩阵的独立能力表：「Lip Sync | Lip sync | Align speech to mouth movement in a video」PixVerse · 官方能力矩阵

Seedance 2.5 · 视频延长：官方：支持多轮延长，延长过程中保持角色、环境与节奏一致，可产出数分钟内容ByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）

PixVerse V6 · 视频延长：能力矩阵：「Video extension | C1 Not supported | V6 Supported」—— ⚠️ 同厂两条线在这一格上相反，正是「按厂商贴标签」会出错的地方PixVerse · 官方能力矩阵

Gemini Omni 1.1 Flash · 视频延长：1.1 GA 支持 extend 任务或提示词在已有视频末尾续接。Gemini API · Release notes

Veo 3.1 · 视频延长：官方「Video extension: Extend videos that were previously generated using Veo」。⚠️ 边界：延长只支持 720pGoogle · Veo 3.1 官方文档

MiniMax Hailuo H3 · 开源权重：当前 H3 官方卡列出模型文件与推理下载示例，采用 MiniMax H3 自定义社区许可；权重公开不等于标准开源协议。MiniMax H3 官方模型卡（Hugging Face，含变体表与官方案例）

LTX 2.5 · 开源权重：权重公开、下载 178 万，但许可是 ltx-2-community-license-agreement（自定义社区许可，不是标准开源协议）—— 与 MiniMax H3 同一个模式，商用前须自行核对　⚠️ 这条证据核的是 2.3；2.5 的模型卡受限访问读不到正文，标为待重核，不沿用当作 2.5 的结论。Hugging Face · Lightricks/LTX-2.3（当前主力）

Seedance 2.5 · 视频转视频：Seedance 2.5 支持视频编辑/绿幕替换（video editing / green-screen edit）｜原文：「[Sound Edit] … Use Seedance 2.5 to perform a green-screen edit: keep the girl and the moss-covered stairs from the original video, and replace the green screen with a cinematic fairy-tale fantasy world.」即梦 Dreamina（字节自有产品）

PixVerse V6 · 视频转视频：独立能力表两条：「Restyle —— Change the visual style of an existing video」「Modify —— Edit video content using a text prompt」PixVerse · 官方能力矩阵

Gemini Omni 1.1 Flash · 视频转视频：当前 1.1 Flash 的编辑示例包含 previous_interaction_id 和上传已有视频两路输入，支持自然语言修改视频。Google · Gemini Omni Flash 官方文档

Wan 3.0 · 视频转视频：⚠️ 这一格核的是 Wan2.1 的 VACE 变体，不是当前主力 3.0 —— 官方没说 3.0 的 API 里也有。等 3.0 侧有文档再改 verified_for。官方 Hugging Face 组织（发布时间取自 API 的 createdAt）

Vidu S2 · 实时出帧：540p / 3 步配置下，RTX 5090 上平均 42 FPS，越过 30 FPS 实时播放线　⚠️ 42 FPS 那个数核的是 S1（论文里 540p / 3 步、RTX 5090 的实测）；S2 官方没给帧率，不沿用。Vidu S1 论文（作者：生数）

Decart Lucy 2.5 · 实时出帧：官网首屏「Real-time, infinite video」；产品线页称 Lucy World Editing 是 production scale 的实时视频转换Decart 官网（首屏标当前版本与产品线）

Vidu S2 · 流式输入：✅ 这一格从 unknown 翻成 yes，是 S2 带来的。 上一版写「未见『吃直播视频流』的说明 —— 与 Lucy 的形态不同」，官方更新日志 2026-09-15 的 S2-Editing 明说「Uses style, clothing, character, and background reference images to edit an incoming video stream in real time」—— 进来的是一路视频流，不是我们推的。Vidu 平台 · 更新日志

Decart Lucy 2.5 · 流式输入：官网：把高保真视频编辑从离线渲染搬到实时交互；作用于进来的视频流Decart 官网（首屏标当前版本与产品线）

Vidu S2 · 生成中可干预：官方更新日志 2026-09-15：「Vidu S2-Avatar: Real-Time Interactive Model Supports real-time voice interaction and complex motion control」—— 语音仍是生成过程中的显式控制信号。S1 那一代的依据是官方论文（生成过程中用语音干预后续画面）。Vidu 平台 · 更新日志

Decart Lucy 2.5 · 生成中可干预：同上 —— live interaction 是它的卖点，不是附加项Decart 官网（首屏标当前版本与产品线）

Vidu S2 · 无限时长：无限长实时生成，不出现模糊、漂移与画面崩坏　⚠️ 无限时长核在 S1 论文；S2 的两档（Avatar / Editing）官方没有重申，不沿用。Vidu S1 论文（作者：生数）

Decart Lucy 2.5 · 无限时长：官网首屏「infinite video, evolving continuously with the world」Decart 官网（首屏标当前版本与产品线）