# Phase 0 · API调研报告

# 核心发现

调研了四大类API（图片生成、视频生成、语言模型、语音合成），结论：**外部API能力完全可用，不需要自己部署模型。**

---

## 一、图片生成 API

### 1. LiblibAI API ⭐ 推荐首选

- **开放平台**：[https://www.liblib.art/apis](https://www.liblib.art/apis)
- **自研模型**：Star-3 Alpha（基于 F.1 基础算法架构）
- **能力**：文生图、图生图、ComfyUI工作流API
- **API端点**：`https://openapi.liblibai.cloud/api/generate/comfyui/app`
- **鉴权**：AccessKey + SecretKey
- **SDK**：Go语言SDK（GitHub: alphasnow/liblib），Python需自行对接
- **定价**：积分制（API积分独立于会员积分），具体单价需注册后查看
- **商用**：会员用户使用官方底模出图可商用

<aside>
💡

**优势**：国内最大的SD模型平台，风格覆盖最广（写实/动漫/插画/电商/2.5D等），支持自定义LoRA和工作流。

**劣势**：API文档相对分散，需要自己组合工作流。

</aside>

### 2. 通义万相（阿里云百炼）⭐ 推荐备选

- **开放平台**：阿里云百炼 [https://www.aliyun.com/product/bailian](https://www.aliyun.com/product/bailian)
- **模型**：Wan2.6 系列（文生图/图生图/图文混排）、Z-Image（轻量级）
- **能力**：文生图、图像编辑、风格迁移、多图融合
- **定价**：
    - Wan Image: 约 ¥0.14/张（通过百炼平台）
    - Z-Image: 约 ¥0.07/张（轻量级，速度快）
- **免费额度**：新用户每个模型 **100万Tokens免费**，有效期3个月
- **商用**：支持

<aside>
💡

**优势**：阿里云生态，稳定性好，免费额度大，API文档完善。开源模型Wan2.6质量很高。

**劣势**：风格定制不如LiblibAI灵活（没有LoRA市场）。

</aside>

### 3. 其他候选

- **讯飞图片生成**：有API，但质量和风格覆盖度待验证
- **Midjourney**：无官方API，需要第三方代理，不稳定

---

## 二、视频生成 API

### 1. Seedance 2.0（火山引擎/即梦）⭐ 当前最强

- **开放平台**：火山引擎方舟大模型服务平台
- **能力**：
    - 文生视频
    - 图生视频（首帧 / 首尾帧）
    - **多模态参考生视频**（最多9张图+3段视频+3段音频+文本）
    - 原生音画同出
- **规格**：最高2K(2048×1080)，24fps，4~15秒
- **定价**：
    - 含视频输入：28元/百万tokens
    - 不含视频输入：46元/百万tokens
    - **15秒720p视频 ≈ 8.65~14.21元**
    - **约1秒不超过1元**
- **鉴权**：API Key（火山引擎）

<aside>
💡

**优势**：当前视频生成质量最高，多模态输入能力最强，角色一致性好。

**劣势**：部分功能仍在灰度测试中，价格相对较高。

</aside>

### 2. 可灵 3.0（快手）⭐ 推荐备选

- **开放平台**：[https://klingai.com/dev](https://klingai.com/dev)
- **API域名**：`https://api-beijing.klingai.com`
- **能力**：
    - 文生视频、图生视频
    - 原生4K直出（V3系列）
    - 智能分镜、主体参考
    - 视频特效
- **规格**：最高4K，V3系列，最长15秒
- **定价**：预付费资源包
    - 标准视频1秒（无音频无视频输入）：$0.084 ≈ ¥0.6
    - 有试用资源包可联调测试
- **鉴权**：API Key

<aside>
💡

**优势**：4K原生直出，API文档清晰完善，有试用包，性价比好。

**劣势**：多模态输入不如Seedance 2.0灵活。

</aside>

### 3. 海螺 2.3（MiniMax）

- 待进一步调研API文档和定价

---

## 三、语言模型 API（剧本/分镜）

### 推荐方案：阿里云百炼（聚合多模型）

- **支持模型**：DeepSeek全系列、千问全系列、Kimi、GLM、MiniMax
- **免费额度**：每个模型100万Tokens，全部开通后总额度极大
- **有效期**：3个月
- **用途**：剧本扩写、分镜脚本生成、角色对话生成

<aside>
🎯

**建议**：直接用阿里云百炼，一个平台接入多个模型。先用免费额度跑通，再根据质量选定主力模型。DeepSeek在中文创作上表现优秀，优先测试。

</aside>

---

## 四、语音合成 API

### 候选方案

- **阿里云 CosyVoice / 千问语音合成**：支持多语种混合文本，流式输出
- **火山引擎语音合成**：字节系，和Seedance同生态
- **待调研**：角色音色定制能力、情感表达能力

---

## 五、成本估算（单部漫剧）

以一部 **10集漫剧**（每集2分钟，约20个分镜/集）为例：

| **环节** | **数量** | **单价估算** | **小计** |
| --- | --- | --- | --- |
| 图片生成（分镜画面） | 200张 | ¥0.14/张（万相） | ¥28 |
| 视频生成（每张→5秒） | 1000秒 | ¥0.6/秒（可灵标准） | ¥600 |
| 剧本/分镜生成 | ~50万tokens | 免费额度内 | ¥0 |
| 语音合成 | 待定 | 待定 | 待定 |
| **合计（不含语音）** |  |  | **约¥628** |

<aside>
💰

**关键结论**：一部10集漫剧的API成本约 **¥600~1000**（含语音估计）。相比传统制作成本（5000~10000元/集），**成本降低了一个数量级**。

</aside>

---

## 六、推荐技术路线

```
图片生成：LiblibAI API（主） + 通义万相（备）
视频生成：可灵3.0 API（主，性价比） + Seedance 2.0（备，质量最高）
语言模型：阿里云百炼 → DeepSeek（主） + 千问（备）
语音合成：待Phase 0测试后确定
```

---

## 七、下一步行动

- [ ]  注册 LiblibAI 开放平台，获取 AccessKey + SecretKey
- [ ]  注册阿里云百炼，领取免费额度
- [ ]  注册可灵AI开发者平台，购买试用资源包
- [ ]  注册火山引擎方舟平台，获取Seedance 2.0 API Key
- [ ]  在服务器上写一个Python测试脚本，跑通「文字→图片」第一条线
- [ ]  用韩系精致2.5D风格跑第一组对比测试图（LiblibAI vs 通义万相）