一个 AI 智能体中集合了视频、图像、音频和 3D 模型。Manus 会为每个任务挑选一个模型，你也可以自己选择。
ByteDance
在最多 30 张参考图片的引导下，制作 4 到 30 秒带声音的视频。
制作 4 到 15 秒、最高 1080p 的视频，并提供快速选项。
Google
制作 4 秒、6 秒或 8 秒的片段，8 秒时为 1080p。
编辑你已有的视频，或生成一段 3 到 10 秒的新片段。
MiniMax
制作 5 到 15 秒的 768p 或 1080p 视频。
为专业创意工作创建精细图片。
根据提示词或你自己的照片生成和编辑图片。
OpenAI
生成和编辑图片，包括透明 PNG。
制作带人声的歌曲或纯音乐，每首最长约三分钟。
将脚本转换为自然语音。
ElevenLabs
创建时长 0.5 到 30 秒的音效，包括无缝循环音效。
Tripo
把一段提示词或一张图片变成带贴图的 3D 模型。
