用户指南
AI 模型
FayBai 支持的 AI 模型完整指南
FayBai 集成了四类 AI 模型:剧本分析、图像生成、视频生成以及音乐与音频生成。所有媒体模型通过 Fal.ai 调用,剧本分析使用 OpenRouter。
剧本分析模型
这些大语言模型会分析剧本、提取场景、角色和地点并生成提示词。可以同时选择多个模型,生成平行作品进行比较。“生成”旁的 快速模式 为默认选项(Claude Sonnet 5.5、Nano Banana 2 Lite、MiniMax H3 Max、ElevenLabs)。高质量模式选择 Gemini 4 Argon、GPT Image 2 和 Seedance 2.5。两种模式均显示完整目录,并按快速/高质量分组。
| 模型 | 厂商 | 上下文窗口 | 许可 |
|---|---|---|---|
| Claude Sonnet 5.5 | Anthropic | 1M tokens | 专有(快速模式默认) |
| Gemini 4 Argon | 1M tokens | 专有(高质量模式默认) | |
| Claude Fable 5.1 | Anthropic | 1M tokens | 专有 |
| GPT-6 Luna | OpenAI | 1M tokens | 专有 |
| Claude Opus 5 | Anthropic | 1M tokens | 专有(场景拆分) |
| Claude Opus 5 Fast | Anthropic | 1M tokens | 专有 |
| Gemini 3.8 Flash | 1M tokens | 专有 | |
| Gemini 3.1 Pro | 1M tokens | 专有 | |
| GPT-6.1 Sol | OpenAI | 1M tokens | 专有 |
| GLM-5.3 Flash | Z.ai | 1M tokens | 开放权重(MIT) |
| GPT-5.6 Terra | OpenAI | 1M tokens | 专有 |
| DeepSeek V4 Pro | DeepSeek | 1M tokens | 开放权重(MIT) |
| Grok 4.7 | SpaceXAI | 500K tokens | 专有 |
| Mistral Small 4 | Mistral | 262K tokens | 开放权重(Apache 2.0) |
| Seed 2.0 Mini | ByteDance | 262K tokens | 专有 |
图像生成模型
这些模型用于生成场景图片。可同时选择多个模型,比较它们生成的不同画面。
| 模型 | 厂商 | 许可 | 说明 |
|---|---|---|---|
| Nano Banana 2 Lite | 专有 | 快速模式默认,Google 最快档位,支持参考图,固定 1K | |
| GPT Image 2 | OpenAI | 专有 | 高质量模式默认,文字与界面还原,最高 4K |
| Nano Banana 2.1 | 专有 | 快速生成与编辑 | |
| Nano Banana Pro | 专有 | 增强写实与文字排版 | |
| Grok Imagine Image 2.0 | SpaceXAI | 专有 | 最新 Imagine 图像模型,1K/2K,编辑最多 3 张参考图 |
| Grok Imagine Image Quality | SpaceXAI | 专有 | 高质量模式,更高保真度,更强文字表现 |
| FLUX.2 Max | Black Forest Labs | 专有 | 出色的写实效果 |
| Phota | Phota | 专有 | 通过角色档案保持一致性 |
| Krea 3 | Krea | 专有 | 高质量档位,编辑最多 8 张参考图 |
| Hunyuan Image v3 | Tencent | 开放权重 | 构图能力强 |
| FLUX.2 Dev | Black Forest Labs | 开放权重 | 320 亿参数开放权重,原生编辑 |
| Qwen Image 2 Pro | Alibaba | 开放权重(Apache 2.0) | 原生 2K,支持文字渲染 |
| HiDream I1 | HiDream | 开放权重(MIT) | 170 亿参数 |
| Seedream 5.0 Pro | ByteDance | 专有 | 旗舰级生成与编辑 |
| FLUX.2 Flash | Black Forest Labs | 开放权重 | 最便宜的蒸馏版 FLUX.2,亚秒生成,编辑最多 4 张参考图 |
| FLUX.2 Turbo | Black Forest Labs | 开放权重 | 蒸馏版 FLUX.2,约 2 秒,编辑最多 4 张参考图 |
编辑接口
大多数图像模型提供专用的编辑接口,支持将参考图片用于生成。系统会附上角色和地点的设定图,帮助各场景保持视觉一致。
视频模型
这些模型将静态图片转化为视频片段。
| 模型 | 厂商 | 预计耗时 | 许可 | 说明 |
|---|---|---|---|---|
| MiniMax H3 Max | MiniMax | ~10s | 专有 | 快速模式默认;原生音频 |
| Seedance 2.0 | ByteDance | ~3.5 min | 专有 | 高质量模式默认;原生音频 |
| Seedance 2.0 Mini | ByteDance | ~2 min | 专有 | 费率为 2.0 的一半,720p,仅 BytePlus 渠道 |
| Grok Imagine Video 1.5 | SpaceXAI | ~30s | 专有 | 质量排名最高 |
| Kling 4.0 | Kling | ~5 min | 专有 | 原生音频,始终开启;最长 30 秒 |
画面比例兼容性
部分视频模型仅支持特定画面比例。FayBai 会自动筛选兼容模型;如果当前模型不支持所选比例,会切换为兼容的默认模型。
音频支持
部分视频模型可以同时生成音频。FayBai 会检查每个模型的能力以判断是否支持音频。
音乐与音频模型
| 模型 | 厂商 | 最长时长 | 类型 | 许可 |
|---|---|---|---|---|
| ElevenLabs Music | ElevenLabs | 600s (10 min) | 音乐 | 专有(默认) |
| ACE-Step 1.5 | ACE Studio | 600s (10 min) | 音乐 | 开放权重 |
| ACE-Step | ACE Studio | 240s (4 min) | 音乐 | 开放权重 |
音乐与音效
音乐模型根据文字提示词和可选标签生成背景音乐。
能力
| 功能 | ElevenLabs Music | ACE-Step 1.5 | ACE-Step |
|---|---|---|---|
| 基于提示词 | 是 | 是 | 是 |
| 支持歌词 | 否 | 是 | 是 |
| 纯器乐 | 是 | 是 | 是 |
| 长时长 | 是(10 分钟) | 是(10 分钟) | 是(4 分钟) |