图片、视频、语音与音乐生成

生图、生视频、语音和音乐各有一个全局选择,位于设置 → 多模态模型;可选来源、参考图与各来源的限制,以及生成产物在会话里的呈现。

生图、语音、音乐、生视频各有一个全局选择,位于设置 → 多模态模型。模型来源的登录状态决定哪些选项可用;真正执行时,只使用这里选中的来源。所有聊天共用这些选择——聊天用 Claude、Codex 或其他语言模型,都不会改变生成走哪个来源。

当前版本的生成只走已接入的订阅来源,没有自定义接口选项。每个来源用对应账号的登录凭据,不用另填后端。

生成工具始终可调用,每次请求都读取当前的选择。选中的来源未登录或请求失败时,工具会明确返回错误,不会悄悄改用其他已配置的来源。改了选择之后,后续请求就用新的,不需要更换聊天的语言模型。

聊天里的生成过程有专属展示:图片、视频、音频和音乐各带自己的图标,状态行随进度更新——从等待批准,到正在生成,再到已生成、生成失败或已停止;一条消息里的多次生成会合并为一组显示,其中任何一次失败都会如实标出。

各能力可选的来源

  • 生图:Codex、Cursor、Qoder、千问办公、WorkBuddy、Antigravity、TRAE 国内版、百炼 Token Plan、MiniMax M Plan。
  • 语音:Cursor、MiniMax M Plan、百炼 Token Plan、WorkBuddy。
  • 音乐:千问办公,可以附上歌词。
  • 生视频:MiniMax M Plan、WorkBuddy、千问办公、TRAE 国内版。

各来源的限制

  • 参考图(改图):Codex、Cursor、Antigravity、TRAE、WorkBuddy、千问办公支持带参考图;Qoder、百炼、MiniMax 只支持文生图,不接受参考图。参考图每张上限 4 MiB,一次合计上限 8 MiB。千问办公的生图提示词上限 2500 字。
  • MiniMax 视频需要 Explore 或 Build 档位,Go 档不支持;视频模型名保留你已设置的,但接口地址和凭据始终来自 MiniMax 订阅。
  • 百炼语音走套餐网关自己的语音合成路由,花的是套餐额度,只接受 qwen-audio-3.0 系列模型,返回一个 24 小时有效的下载链接。智谱 Coding Plan 和方舟 Coding Plan 不作为语音来源。
  • MiniMax 的文本、图片、语音和视频共用同一份订阅额度。

每次生成语音时还可以临时指定音色、情绪和语速,不必改全局配置:音色对所有来源有效;情绪(平静、开心等)只有 MiniMax 会采用,Cursor 不接受情绪覆盖;语速范围 0.75 到 2 倍,由支持的来源采用,不支持的参数会被忽略。

本地生图、生视频、语音在当前版本不可用。保留的旧本地配置不会拦住另一个明确选中的订阅来源;选中该旧配置时会收到不可用提示。

生成的文件算这一轮的产物,落在会话目录里,在对话中直接播放,也能在文件面板中打开,见会话产物。