官網把自己寫得很直白：新一代的 AI 影片與圖像生成器。頂部導覽把產品切成兩塊，創作台給創作者，介面給開發者。有一處要留意：國際站首頁掛著公告條，寫明國際站已遷到新的站點，旁邊還附了跳轉按鈕。面向中國大陸用戶的創作台仍是原本那個，工具區列著圖片生成、影片生成、動作控制、靈動畫布、Agent 與數位人第二代，頁面上的會員提示寫的是每月不到六元。

一個家族，五個成員

目前主推的是第三代，口號在中文裡對得很整齊：全都要，一個就夠。它不是單一模型，而是一族：影片、影片 Omni、圖像、圖像 Omni，再加上元素庫。官方的說法是這一族站在全面升級的底層架構上，把影片、圖像與元素素材放進同一套流程，所以既要出片又要出圖的團隊，同一份風格參考可以跨模態重複使用。

聲音跟著畫面一起生成，而不是後配

這一代最值得單獨說的升級是聲音。官方說明寫的是：影片模型對多模態指令做深度解析與跨任務融合，重建光影與聲音的敘事邏輯；從超長影片的精準分鏡，到音畫同步的特徵解耦，做到「視覺主體與聽覺音色的雙重綁定」。落到體驗上很簡單：不必先出一段無聲畫面、再另外配音對嘴，聲音與畫面在生成階段就綁好了。

原生 4K 的主張，以及它的出處

官方部落格有一篇文章，標題直接寫著世界第一個原生 4K 影片模型，開頭第一段交代了時間與來源：4 月 23 日透過第三代模型推出原生 4K 影片生成。這裡的「原生」有具體含義——官方說使用者可以直接生出真正的 4K 影片，並引用合作方的說法解釋原生與超分的差別：超分工具往往在放大過程裡改動角色，而它是從頭就以真 4K 生成，所以沒有這個問題。文章也給了評測口徑：在生成階段直接產出3840×2160 的內容。

讓身體動起來，讓臉開口

除了把文字或圖片變成畫面，還有兩類「讓人動起來」的能力被單獨立項。動作控制建立在動作捕捉之上，能複現複雜動作與準確的表情，典型用法是給一段參考影片加一張人物圖，讓結果沿用原影片的肢體動作與神情。數位人則是上傳人物圖、加入語音，就能生成表演自然、唇形同步的成品。兩項都擺在首頁的熱門區塊，也各自有對應的開發說明入口。

創作台裡的那面工具牆

回到創作台本身，工具收成六組：圖片生成、影片生成、動作控制、靈動畫布、Agent 與數位人，旁邊另有 Omni 生成與「全部工具」的聚合入口。影片那一側的清單更長，涵蓋文生影片、圖生影片、多圖生影片、影片延長、唇形同步、影片特效，還有文生音訊與影片轉音訊；圖像那一側覆蓋文生圖、圖生圖、多圖生圖、圖像擴圖，以及虛擬試穿這類垂直場景。平台也鋪得齊：行動端有兩大系統，桌面端有 Windows 與兩種晶片版本的 Mac。

一個 Unit 名稱，兩套單價

開發者平台的定價頁把計價單位講得很清楚，而清楚本身就是重點：影片與圖片共用同一個名稱，卻是兩個價。影片側一個 Unit 是 14 美分；圖像側一個 Unit 只值零點幾美分，換算下來一千個 Unit 合 3 美元 50 美分。同一頁還列了兩條對使用者友善的規則：生成失敗不扣 Unit；資源包裡沒用完的餘額到期就清零，不結轉。

一秒要多少錢

影片按時長計費，價目表分檔列出。第三代的 Turbo 版排在主表首位：720P 每秒約 11 美分，1080P 每秒 14 美分，功能欄標著支援原生音訊。標準版分得更細：1080P 不帶原生音訊每秒約 11 美分，帶原生音訊約 17 美分；到了 4K 檔，兩種配置都是每秒 42 美分。動作控制每秒約 13 到 17 美分，數位人每秒約 6 到 11 美分，都屬於同一套按秒計費。圖像便宜得多：1K 與 2K 輸出每張約 3 美分，4K 輸出每張約 6 美分。

四條邊界

上面所有價格都是開發者介面的口徑，按秒或按張算，和創作台裡的會員訂閱不是同一本帳；會員那一側在中國站頁面看到的是不到六元的起價，檔位與權益請以站內當期頁面為準。4K 是這一代最貴的一階，每秒 42 美分，大約是 1080P 不帶音訊的四倍，加上音訊還要再往上，正式排產之前建議先用 720P 試參數。原生 4K 是可灵自己的表述與主張，轉述時宜保留來源；文中數字取自官網與官方部落格，實際價格會隨活動調整。最後，用真人肖像與聲音素材做生成時，記得取得授權並遵守平台的內容規範。

簡短地說，這一輪的重點是 3 系列把「畫面加原生音訊」綁在一起，並用原生 4K 把品質上限抬到製作級；而影片一個 Unit 十四美分、圖像一千個 Unit 三美元半的按量計價，是它對開發者更實際的一張牌。