剪映 CapCut

智谱多模态视觉模型，支持图像、视频、文件理解和原生工具调用。

通义多模态理解模型，适合图像、文档、视频理解。

通义 Qwen3 视觉语言模型，适合多模态理解与复杂视觉问答。

腾讯混元视频生成模型，适合高质量视频生成与处理。

可灵上一代主力视频生成模型，适合短视频生成。

快手可灵视频模型，适合视频生成、镜头控制和创意短片。

字节视频生成模型，适合文生视频和图生视频创作。

字节 Seed 系列视频生成模型，适合高质量短视频和剧情视频生成。

阿里视频生成模型，适合视频生成与创意制作。

阿里万相视频生成模型，适合文生视频和创意视频生产。

MiniMax 音乐生成模型，适合歌曲、BGM 和音乐内容生成。

豆包语音能力，适合配音、朗读、语音交互。

讯飞语音与星火能力，适合语音识别、合成和教育场景。

MiniMax 语音合成模型，适合高质量配音与语音应用。