ModelsLab AI 是一个面向开发者的 AI 模型 API 平台，核心定位是用一个简单的 API 接入超过 10,000 个 AI 模型，用于生成图像、视频、音频等内容。平台强调快速、可扩展和成本效益，主要服务开发者群体。
主要能力 平台提供多种生成与编辑能力，按用途可分为以下几类：
文本生成图像：支持 Qwen 2.1 Realtime Text to Image、Nano Banana 2.1 Text To Image、Ideogram 4.5 Text to Image、Flux 3 Text To Image、Qwen Image 2.1 Text to Image、GPT-Image-2.5 Flare Text To Image、GPT-Image-2.5 Sunburst Text To Image 等模型。其中 FLUX 3 支持最高 4K 输出、15 种宽高比、边界框布局控制以及面向真实世界主体的网络 grounding。
图像编辑与图生图：支持 Qwen 2.1 Realtime Image Editing、Qwen 2.1 Image to Image、Nano Banana 2.1 Image Edit、Ideogram 4.5 Precise Image Edit、Flux 3 Image Edit、GPT-Image-2.5 Flare Image Edit、GPT-Image-2.5 Sunburst Image Edit 等。用户可用自然语言指令修改图像，部分模型支持蒙版、参考图、边界框区域控制，并保持原图尺寸或未编辑区域不变。
视频生成：提供 Minimax H3 Fast Reference To Video，这是一个开放权重多模态 AI 视频模型，可生成最长 15 秒、带原生立体声音频的视频，支持文本、图像、视频或音频输入，并支持图生视频、视频生视频。
音频与语音：提供 Eleven V4 Text To Speech，即 ElevenLabs 的文本转语音模型，支持 90 多种语言，具备表现力强、接近真人的语音，并支持较强的声音克隆，可在长文本中保持说话人一致，单次请求最多处理 10,000 个字符。
使用方式 开发者通过 ModelsLab API 调用上述模型，平台同时提供 Playground 供试用。官方资料未提供具体的 API 端点、鉴权方式、SDK 或代码示例，因此这些细节暂未提供。
适用场景 适合需要将图像生成、图像编辑、视频生成或语音合成能力集成到自有产品、工具或自动化流程中的开发者与团队。
限制 官方资料未说明各模型的具体计费方式、价格、调用配额、速率限制、可用地区或合规要求，这些信息暂未提供。
