使用 Rivya AI 模型目录，按任务、输入模式、参考素材、积分、质量设置和可用性比较对话、图片、视频与音频模型。

当你的问题不是“我认识哪个品牌”，而是“这条任务到底适合哪个 Rivya 模型”时，就从这篇模型选择指南开始。

Rivya 的 AI 模型目录是对话、图片、视频、音频和工具型工作的库存层。消耗积分前，先用它比较任务匹配度、支持模式、参考素材、积分形态和可用性。

如果你是在为开发者集成选择模型，需要把 API 模型说明和 API 模型参考与模型目录一起看。只有标记为 API 可调用的模型才会展示可运行 Public API 示例；未开放或仅 Studio 可用的模型可以用于规划，但不应通过 Public API v1 调用。

这页会回答哪些模型选择问题

当你需要判断下面这些问题时，可以先看这页：

哪个 Rivya AI 模型适合当前的 chat、图片、视频、音频或工具任务
这条任务到底需要文生图、图生视频、音频清理，还是其他 supported mode
是否需要参考图、源视频、上传音频或历史记录来控制生成
credit hint、质量设置、分辨率和时长会怎样影响第一次模型选择

先从任务开始

比较模型前，先用简单语言写出任务。

例如：

创建一张干净产品图
让一张已有产品图动起来
生成一条短产品 demo 视频
为发布 teaser 创建 voice-over
清理上传录音里的背景噪声
逐步推理一道数学题
在 chat 里整理 prompt 和创意方向

任务会决定哪些模型字段重要。一个很适合风格探索的模型，可能并不适合受控产品图。

先按分类过滤

模型目录按大类组织工作：

分类只是第一层过滤。它告诉你大概媒介，但不等于具体工作流。

同一分类里的模型，仍然可能在支持模式、参考输入、质量设置、时长、速度和积分行为上完全不同。

先看支持模式

支持模式告诉你模型到底能跑哪类任务。

例如：

text-to-image 不等于 image-to-image
text-to-video 不等于 image-to-video
video-to-video 不等于普通 prompt-to-video
text-to-speech 不等于音频清理
chat responses 也不是异步生成任务

如果模式不匹配任务，品牌再熟悉也没有用。

尽早查参考支持

参考支持可能直接改变选择。

先问：

模型是否接受参考素材？
接受哪类参考素材？
最多可以用多少文件？
任务是否需要控制产品身份、构图、风格或音频源？

如果参考素材是核心条件，运行前先看 Rivya 参考素材与上传和 Rivya 图片参考用法。

用积分提示规划

credit hint 用来帮助你在消耗前规划。

它不一定是单一最终价格，因为模型可能受这些因素影响：

固定生成成本
按时长计费
质量或分辨率设置
token-based chat 用量
provider-specific 用量行为

用 credit hint 判断大致成本形态，然后在提交任务前检查设置。

钱包行为可以看 Rivya 积分与账单。

按阶段选择

不同阶段需要不同模型。

一个粗略规律是：

方向未知时，先低成本探索
结构重要时，优先更强参考控制
方向已经成立后，再提高质量
动态本身是交付物时，才进入视频
脚本或场景清楚后，再处理音频

最适合最终精修的模型，不一定最适合首次运行。

模型不可用时

模型可用性可能因为 provider 接入、路由、配置或工作流就绪状态而变化。

当某个模型不可用或不合适时，按任务选择替代路径：

如果媒介仍然正确，先保持同一分类。
先匹配 supported mode。
再匹配参考素材需求。
然后比较积分和质量设置。
最后再比较风格或 provider 偏好。

更详细说明可以看 Rivya 模型可用性说明。

模型选择流程

消耗积分前，可以按这个顺序判断：

定义输出类型：chat、图片、视频、音频或工具。
判断是否必须使用参考或上传。
在 AI 模型或模型详情页里比较 supported modes。
检查 credit hint 和设置。
跑一条窄的第一版。
审核结果后，再决定是否换模型。

在没有判断清楚问题来自 prompt、参考、设置还是模型之前，不要急着换模型。

Rivya 模型选择指南