Imgo 上哪些模型能生成音频
状态来自 Imgo 的线上模型目录，能力来自每次请求都会校验的模型注册表。待上线模型一并列出，方便你了解即将支持什么；它们暂时不能生成。
| 模型 | 状态 | 原生音频 | 音频参考 | 片段长度 | 分辨率 | 备注与积分 |
|---|---|---|---|---|---|---|
| Seedance 2.0 | 已上线 | 支持 | 支持 | 5 / 6 / 8 / 10 / 12 / 15s | 480p / 720p / 1080p / 4K | 定稿渲染，最高 4K。作为基准的每秒费率（官方价格）。 |
| Seedance 2 Fast | 已上线 | 支持 | 支持 | 5 / 6 / 8 / 10 / 12 / 15s | 480p / 720p | 草稿和社媒批量，最高 720p。720p 下约为 Seedance 2.0 费率的 55%（估算）。 |
| Seedance 2 Mini | 已上线 | 支持 | 支持 | 4–15s | 480p / 720p | 大批量出片，4 到 15 秒任意时长，最高 720p。720p 下约为 Seedance 2.0 费率的 50%（估算）。 |
| Seedance 2.5 | 待定 | 支持 | 支持 | 5 / 10 / 15 / 20 / 25 / 30s | 720p / 1080p / 4K | 片段最长 30 秒、最高 4K，最多 50 个参考素材。上线前不提供积分报价。 |
| Veo 3.1 | 待定 | 支持 | 不支持 | 4 / 6 / 8s | 720p / 1080p / 4K | 带原生音频，可用种子复现；片段时长为 4、6 或 8 秒。上线前不提供积分报价。 |
| MiniMax H3 | 待定 | 支持 | 支持 | 4–15s | 768p / 2k | 每个片段都带立体声，且无法关闭，另可添加最多 3 段参考音频。上线前不提供积分报价。 |
积分按视频秒数在每次运行前报价，Seedance 2 系列模型的原生音频不另收费。
为什么这很难
大多数 AI 视频生成出来是无声的，接着第二份工作就开始了：找契合剪辑的音乐、录制或合成人声、给每个动作点配音效，再逐帧对齐。对一份草稿或一批社媒素材来说，花在声音上的时间比画面还多——而且事后添加的声音很少能恰好对上动作。
Imgo 如何解决
声音一次生成
开启原生音频后，模型会把声音和视频一起生成，脚步声、关门声或一句台词都会落在它该出现的那一帧上。这是所有已上线 Seedance 2 模型的默认设置。
不只写画面，也写声音
在描述画面的同时描述声音：用引号写出角色的台词，写明动作带来的音效、场景的环境声和音乐风格。声音写得越具体，结果越可控，比把声音完全交给模型更稳定。
用参考音频引导，或者直接关闭
Seedance 2.0、2 Fast 和 2 Mini 都支持最多 3 段参考音频，用来引导人声、节奏或氛围。如果片段要用你自己的旁白或已授权的音乐，可以关闭原生音频，只渲染画面。
三步流程
步骤 1
选一个支持音频的已上线模型
在视频生成器里，追求最终画质选 Seedance 2.0，想省钱打草稿选 Seedance 2 Fast，大批量出片选 Seedance 2 Mini。原生音频已默认开启。
步骤 2
画面和声音一起写
先描述镜头，再描述声音：台词放在引号里，音效对应到具体动作，再写环境声和音乐风格。如果人声或节奏需要对上，就添加参考音频。
步骤 3
检查声音，然后迭代
带着画面一起听：口型、台词内容、音效时机和整体混音。用 Fast 反复迭代，再用 Seedance 2.0 渲染定稿。
推荐工具
此用例路由到的 Imgo 界面。
常见问题
Imgo 上哪些 AI 视频模型能生成音频？
截至 2026 年 10 月，已上线的是 Seedance 2 系列：Seedance 2.0、Seedance 2 Fast 和 Seedance 2 Mini，原生音频均默认开启。Seedance 2.5、Veo 3.1 和 MiniMax H3 也能生成音频，但目前还不能在 Imgo 上生成。本页的表格以实时模型目录为准。
能生成对白、音效和音乐吗？
声音是根据提示词生成的，所以三样都要写：台词放进引号，音效对应到动作，再写明音乐风格。Imgo 的模型注册表只把原生音频记录为一个开/关能力，因此不保证某一种声音一定出现——每条结果都要听一遍，如果某句台词或某个音效必须精确，就重新生成或换成你自己的音轨。
原生音频要额外收费吗？
在 Seedance 2 系列模型上，积分按视频秒数报价，Imgo 不对音频单独收费。720p 下，Seedance 2 Fast 的每秒费率约为 Seedance 2.0 的 55%，Seedance 2 Mini 约为 50%，两者都是估算费率。每次生成前，生成器都会显示准确报价。
可以改用我自己的人声或音乐吗？
可以。关闭原生音频只渲染画面，之后再加上你自己的音轨；或者添加最多 3 段参考音频，让生成的声音跟随你提供的人声或节奏。