每种素材，都有对应的生成工作室。

AWS 面向生成式 AI 应用与智能体的全托管服务，提供各主流厂商的基础模型 —— 包括通过 Amazon Nova、Titan 和 Stability AI 进行图像生成。

微软 Azure 对 OpenAI 模型的托管访问，含 gpt-image 图像生成 —— 背后是 Azure 的企业级安全、区域化部署与合规控制。

FLUX 模型家族的缔造者 —— 一家前沿图像实验室，以顶尖的照片级真实感、精确的提示词控制，以及可用于生产的角色与风格一致性著称。

D-ID 的 Creative Reality Studio 可用一张图片生成照片级的说话人视频，并部署实时对话数字人 —— 把静态照片变成拟真的说话视频。

语音 AI 平台 —— 快速、准确的语音转文字与字幕（同时支持文字转语音）。

对开发者友好的推理平台，通过简洁的 API 提供 100+ 个文本、图像、视频与语音模型 —— 在其自建的成本优化美国基础设施上按量付费。

领先的 AI 音频平台，提供超写实文字转语音、声音克隆和覆盖 70+ 语言的多语种配音 —— 以最自然的 AI 人声著称。

快手推出的领先视频生成器，以长镜头、电影感以及出色的真实感与物理表现著称。新近模型可在一次生成中直接加入音频、旁白与音效。

高性能推理平台，以开源级的成本提供前沿开放模型 —— 包括 FLUX 图像生成 —— 每日处理超过 30 万亿 token。

Genviral Studio AI 根据提示词生成短视频，并自动路由到顶尖视频模型（Sora、Seedance 等）。配置 Genviral 合作伙伴 API 密钥，即可直接生成到你的素材库。

Google 用于媒体生成的 Gemini Developer API —— 涵盖 Nano Banana 与 Imagen 图像模型以及 Veo 视频，全部由一把 Gemini API 密钥驱动。

Google Cloud 用于构建和扩展生成式应用的统一 AI 平台 —— 提供用于照片级图像的 Imagen 和高质量文生视频的 Veo，并内置治理能力。

Groq 在其自研 LPU 芯片上运行 AI 推理，追求极低延迟。语音方面提供 Whisper ASR 与 Orpheus/PlayAI TTS —— 实时转写与语音生成。

基于自研 Character-3 模型的多模态创作平台，可生成富有表现力的角色视频、图像与音频 —— 以从一个关键帧还原出栩栩如生的表演著称。

AI 视频平台，可依据脚本生成逼真的数字人和「会说话的照片」视频。

AI 原生创作套件，可从文本或参考素材生成图像、视频与语音 —— Soul 负责图像，DoP 负责电影感的图生视频，Speak 负责说话视频。

以业界领先的图内文字渲染著称的 AI 图像生成器 —— 字形清晰、拼写正确，非常适合海报、广告与社交设计。

The official Kling AI API: cinematic text-to-video and image-to-video with native audio on current models, plus high-quality text-to-image — billed straight to your own Kling AI resource pack.

由自研基础模型 Phoenix 驱动的创作平台 —— 以高分辨率输出、连贯的文字，以及能把草图瞬间变成精致成品的 Real-Time Canvas 著称。

Lightricks 的 LTX Studio 是端到端的 AI 视频制作平台。基于开源的 LTX-2 模型，带你从剧本到分镜再到成片。

Luma AI 的 Dream Machine 能把文字和图像变成流畅逼真的视频。其 Ray 系列以自然的运动、扎实的物理表现和快速多产的创意迭代著称。

MiniMax 的 AI 视频生成器 Hailuo，以出色的电影感运镜和对提示词的高度还原著称，可从文本或单张图片生成 —— 并附带舞蹈、特效与角色动画模板。

OpenAI 通过 gpt-image-1 提供图像生成 —— 这是 ChatGPT 背后的原生多模态模型 —— 风格多样、世界知识扎实、文字准确，并支持按提示词编辑。

通过单一 OpenAI 兼容 API 统一接入 70+ 家厂商的 400+ 个模型 —— 其中包含覆盖 30+ 个模型的专用图像 API —— 并具备自动故障转移。

阿里巴巴的通义千问系列，经由 DashScope / 百炼提供服务 —— Qwen-Image 可从长提示词生成原生 2K 图像，Wan 则支持文生视频与图生视频。

以设计为核心的 AI 图像平台，最为人知的是既能生成可编辑的矢量/SVG 图形，也能生成照片级图像，并支持无需训练、可复用的自定义品牌风格。

Reel.Farm 把一条提示词变成成品的 TikTok 风格幻灯片视频 —— 幻灯片文案、排版和节奏都由它生成。专为批量、自动化的短内容而生。

通过一个 API 运行和微调开源的图像、视频与音频模型 —— 从 FLUX、Stable Diffusion 到视频超分与音乐生成器。

开创性的生成式 AI 平台，其 Gen-4 系列可从文本和图像生成电影级的高保真视频 —— 以角色与场景的一致性和导演级运镜控制见长。

极速推理平台，通过单一 OpenAI 兼容 API 提供 200+ 个开放与商业模型 —— 涵盖大语言模型以及图像、视频和音频 —— 价格可预期。

Stable Diffusion 与 Stable Image 系列模型背后的公司，提供开放、企业级的生成式媒体能力，用于图像创作与编辑，并保留完整的创作控制权。

Suno 是领先的生成式 AI 音乐模型，能把一条提示词 —— 或你自己的歌词、风格与标题 —— 变成完整的、录音室水准的歌曲，可带人声也可纯器乐。本工作室使用 sunoapi.org 网关。

Tavus 打造面对面 AI 的基础模型 —— 实时视频分身与会看、会听、带情绪回应的对话式智能体，通过其 Phoenix 渲染与 CVI API 提供。

全栈推理云，通过一个 API 提供 200+ 个开源模型 —— 对话、图像、音频与视频 —— 并以优化内核在规模化场景下更快更省地生成。

Vercel AI Gateway 通过单一 API 把请求路由到众多厂商的数百个模型 —— 文本、图像与视频 —— 具备自动故障转移，且平台不加价。

阿里巴巴的 Wan 创作平台（百炼）以 Wan2.x 模型家族降低内容创作门槛 —— 涵盖文生视频、图生视频与文生图。

xAI 打造了 Grok，这是马斯克旗下 xAI 的 AI 助手，具备对世界的实时认知。其图像模型（Aurora）可用与 Grok 对话模型相同的 API 密钥，直接生成照片级且忠于提示词的图像。