# Vibe Studio 模型卡使用指南 欢迎使用 Vibe Studio！本指南将帮助你全面了解平台上所有可用的 AI 模型，以及如何选择最适合你需求的模型。 --- ## 🎨 文生图 (Text-to-Image) 通过文字描述生成高质量图片。 ### FLUX.1 Dev **提供商**: Black Forest Labs **参数规模**: 120 亿 **生成时间**: ~10 秒 **分辨率**: 1024×1024 **特点**: - 基于 Flow Transformer 架构，生成质量极高 - 细节还原能力强，适合复杂场景 - 对提示词理解准确 **最佳使用场景**: - 需要高质量、细节丰富的图片 - 艺术创作、概念设计 - 对画面质量要求较高的商业用途 **提示词技巧**: ``` 写实风格: "A photorealistic portrait of..., professional photography, 8k, highly detailed" 艺术风格: "An oil painting of..., impressionist style, vibrant colors, textured brushstrokes" ``` --- ### FLUX.1 Schnell **提供商**: Black Forest Labs **生成时间**: ~2 秒 **分辨率**: 1024×1024 **特点**: - 极速生成，仅需 1-4 步 - 保持较高的图像质量 - 适合实时应用和快速迭代 **最佳使用场景**: - 快速原型设计 - 实时预览和调试提示词 - 批量生成任务 --- ### Fast SDXL **提供商**: Stability AI **生成时间**: ~5 秒 **分辨率**: 1024×1024 **特点**: - 基于 Stable Diffusion XL 架构 - 风格多样性强 - 对提示词遵循度高 **最佳使用场景**: - 多样化风格创作 - 需要特定艺术风格 - 对细节有一定要求但追求速度 --- ### HiDream I1 **提供商**: HiDream **参数规模**: 170 亿 **生成时间**: ~15 秒 **分辨率**: 1024×1024 **特点**: - 超大参数量，创意能力强 - 开源基础模型 - 适合抽象和创意内容 **最佳使用场景**: - 创意艺术作品 - 抽象概念可视化 - 探索性创作 --- ## 🎬 文生视频 (Text-to-Video) 输入提示词直接生成视频。 ### MiniMax Video-01 (Hailuo) **提供商**: MiniMax **最大时长**: 6 秒 **分辨率**: 1280×720 **生成时间**: ~120 秒 **特点**: - 运动连贯性优秀 - 视觉保真度高 - 生成速度相对较快 **最佳使用场景**: - 短视频内容创作 - 产品展示动画 - 社交媒体内容 **提示词技巧**: ``` "A golden retriever running through a meadow at sunset, slow motion, cinematic" 注意描述: 主体 + 动作 + 场景 + 风格 ``` --- ### Kling 1.5 Pro **提供商**: Kuaishou (快手) **最大时长**: 10 秒 **分辨率**: 1080p **帧率**: 30fps **生成时间**: ~180 秒 **特点**: - 角色一致性极佳 - 复杂运动处理能力强 - 电影级画质 **最佳使用场景**: - 人物角色视频 - 电影级短片 - 需要角色连贯性的内容 **提示词技巧**: ``` 在提示词开头描述角色: "A young woman with long black hair in a white dress, walking through..." ``` --- ### HunyuanVideo **提供商**: Tencent (腾讯) **最大时长**: 5 秒 **分辨率**: 720p **生成时间**: ~150 秒 **特点**: - 开源模型 - 时序一致性好 - 对复杂提示词理解能力强 **最佳使用场景**: - 需要开源方案的项目 - 复杂场景描述 - 研究和实验用途 --- ### Mochi 1 **提供商**: Genmo **最大时长**: 5 秒 **分辨率**: 848×480 **生成时间**: ~90 秒 **特点**: - 开源模型 - 自然运动表现优秀 - 场景理解能力强 **最佳使用场景**: - 自然场景视频 - 需要真实物理运动 - 快速迭代和测试 --- ## 🎥 图生视频 (Image-to-Video) 让静态图片动起来。 ### Kling 1.5 Pro I2V **提供商**: Kuaishou **最大时长**: 5 秒 **分辨率**: 1080p **生成时间**: ~120 秒 **特点**: - 电影级运动流畅度 - 保持原图风格和细节 - 运动自然真实 **使用技巧**: 1. 提供高质量源图片 2. 在提示词中描述期望的运动 3. 描述镜头运动（推、拉、摇、移） ``` 提示词示例: "Camera slowly zooming in, gentle wind blowing hair, subtle eye movement" ``` --- ### Luma Ray 2 **提供商**: Luma AI **最大时长**: 5 秒 **分辨率**: 1080p **生成时间**: ~90 秒 **特点**: - 高度写实 - 运动连贯性强 - 转场自然流畅 **最佳使用场景**: - 产品动态展示 - 人像动态效果 - 需要自然过渡的内容 --- ### MiniMax Video-01 I2V **提供商**: MiniMax **最大时长**: 6 秒 **分辨率**: 1280×720 **生成时间**: ~60 秒 **特点**: - 生成速度快 - 运动连贯性好 - 输出稳定可靠 **最佳使用场景**: - 快速预览效果 - 批量处理任务 - 对速度有要求的场景 --- ## 🎙️ 文生语音 (Text-to-Speech) 将文本转换为自然语音。 ### Dia TTS **提供商**: Nari Labs **生成时间**: ~5 秒 **特点**: - 支持多角色对话 - 支持情感标签 - 自然的语气变化 **多角色对话格式**: ``` [S1] 你好！今天天气真不错。 [S2] 是啊，我们出去走走吧。 [S1] 好主意！(laughs) ``` **支持的情感标签**: - `(laughs)` - 笑声 - `(sighs)` - 叹气 - `(clears throat)` - 清嗓子 --- ### F5 TTS **提供商**: F5-TTS **生成时间**: ~8 秒 **特点**: - 基于扩散模型 - 高保真度输出 - 支持声音克隆 **最佳使用场景**: - 有声读物 - 高质量配音 - 需要特定声线的项目 --- ### MiniMax Speech-02 HD **提供商**: MiniMax **生成时间**: ~3 秒 **特点**: - 高清音质 - 自然语调 - 生成速度快 **最佳使用场景**: - 快速生成语音 - 视频配音 - 实时应用 --- ## ✨ AI 润色功能 每个功能都配备了智能提示词润色功能，使用 Claude 3.5 Sonnet 模型： - **文生图**: 自动添加艺术风格、光影、构图描述 - **文生视频**: 优化运动描述、镜头语言、时序表达 - **图生视频**: 增强运动指令、物理效果描述 - **文生语音**: 优化语句节奏、添加自然停顿 点击输入框右上角的「✨ AI 润色」按钮即可使用。 --- ## 选择模型的建议 | 需求 | 推荐模型 | |------|----------| | 最高画质 | FLUX.1 Dev | | 最快速度 | FLUX.1 Schnell | | 人物视频 | Kling 1.5 Pro | | 快速视频 | MiniMax / Mochi | | 图片动态化 | Kling I2V / Luma Ray 2 | | 多角色对话 | Dia TTS | | 高清语音 | MiniMax Speech-02 HD | --- ## 提示词黄金法则 1. **具体明确**: 描述越具体，结果越符合预期 2. **分层描述**: 主体 → 动作 → 场景 → 风格 → 技术细节 3. **善用 AI 润色**: 让 AI 帮你补充专业描述词 4. **迭代优化**: 根据结果调整提示词，逐步完善 祝你创作愉快！🎨