Token Plan 支持哪些多模态能力（图像/语音/视频）？

不同平台的 Token Plan 对多模态能力的支持程度不同，购买前请前往对应平台官方文档确认最新支持能力。

通用多模态支持情况：

Token Plan 的多模态支持通常涵盖以下类型：

• 图像生成：文生图、图像编辑、图像理解等
• 语音合成：文本转语音、语音克隆等
• 视频生成：文生视频、视频编辑等
• 音乐生成：文本生音乐、音乐编辑等

部分平台的 Token Plan 支持文本、图像、音频等多模态处理，支持第三方代理框架接入；部分平台则暂不支持图片、视频等多模态能力，支持的模型以文本生成类为主。

以腾讯云 Token Plan 为例，根据官方文档说明，当前通用 Token Plan 和 Hy Token Plan 暂不支持图片、视频等多模态能力，支持的模型以文本生成类为主（如 GLM-5 系列、Kimi-K2.5、DeepSeek-V4 系列等）。若有图像或视频生成需求，可关注平台后续版本更新。

注意：多模态支持情况随平台版本迭代快速变化，购买前请前往对应平台官方文档确认最新支持能力。