为真实制作而准备的 AI 图像与视频模型
了解 Ciaro Pro 中的 AI 图像模型和 text-to-image 工具，再把它们与我们的 text-to-video 模型放在一起比较，用于镜头运动、对白和可交付的成片画面。平台只会上线真正适合制作流程的模型，从最早的概念画面一直覆盖到最终输出。
一个工作流
从概念画面到最终运动镜头，无需切换工具
Ciaro Pro 把 AI 图像模型和视频生成模型放在同一个故事、镜头与剪辑工作流里。参考图、提示词和创意决策都会一路保留下来，而不是在每一步重新搭建。
需要视觉风格开发、角色一致性或清晰参考静帧时，先用图像模型。需要镜头运动、对白、原生音频、多模态参考，或 HDR、EXR 这类高端交付格式时，再切换到 text-to-video 模型。
图像生成
图像模型
这些 text-to-image 模型适合概念设计、参考静帧和视觉开发。有些更擅长写实感，有些更擅长严格执行提示词，还有些更适合通过多参考保持整场画面的统一。
Flux 2
写实图像生成模型，擅长结合参考图来保持镜头、道具和角色的一致性。
Nano Banana
Google Gemini Pro 图像模型，支持更高质量的生成与编辑，最多可使用 14 张参考图。
Nano Banana 2
基于 Gemini 3.1 Flash Image 的快速 text-to-image 与图像编辑模型，最多支持 14 张参考图。
QWEN
图像模型，擅长理解提示词，并在画面中干净地渲染文字、UI 与图形细节。
Seedream 4.5
ByteDance 图像模型，适合文本、图像和多参考生成，便于大规模探索风格方向。
Gen 4
以参考图驱动的图像模型，适合需要角色和场景连续性的镜头。
视频生成
视频模型
这些 text-to-video 模型可以把静帧、提示词和参考素材转成可用的运动画面。你可以按真实感、音频支持、参考控制、HDR / EXR 输出，以及它们对更长制作流程的适配度来比较视频生成模型。
Ray 3
电影级视频生成模型，适合定向运动与标准输出，并支持 HDR 和 EXR 选项。
Ray 3.14
推荐默认视频模型，提供更快的 1080p 生成、更强的真实感与更好的时间一致性。
Veo 3.1
Google 视频生成模型，支持原生音频和对白，并可通过扩展工作流生成更长镜头。
Sora 2
OpenAI 的 text-to-video 模型，适合更长且连贯的片段，并提供标准与更高质量模式。
Gen 4.5
Runway 的 image-to-video 模型，适合从静帧生成可控运动并保持角色一致性。
Kling 3
多模态视频模型，适合富有表现力的镜头运动、人物动作以及支持原生音频的输出。
Seedance 2.0
多模态 text-to-video AI 模型，可结合参考图、参考视频与音频来获得更受控的运动。
HappyHorse 1.0
快速多模态视频模型，支持 text-to-video、image-to-video 和音频同步片段，并提供原生 1080p 输出。