Public
98 个 AI 视频平台目录:Seedance 2.5 入口 + 推荐奖励 + 注册送积分标注
aidirectoryreferralvideo
Val Town is a collaborative website to build and scale JavaScript apps.
Deploy APIs, crons, & store data – all from the browser, and deployed in milliseconds.

AI 视频平台推荐奖励目录

128 个 AI 视频 / 图片生成平台的目录:哪些能直接用到字节 Seedance 2.5各自的推荐好友奖励 / 免费额度,以及第三批起新增的四个条件标注(注册送积分、图生视频、多模态参考、邮箱注册)。

收录范围

分类说明
字节官方Seedance 2.5 的直接入口(即梦、豆包、剪映、扣子、小云雀、Dreamina…)
第三方平台可灵、Runway、PixVerse、Higgsfield、Krea、Freepik、Pollo AI、LiblibAI、NightCafe、Civitai、VEED、Kapwing…
API / 开发者BytePlus Lumina、火山方舟、fal.ai、Replicate、Atlas Cloud、硅基流动、阿里云百炼…

每条都带 confidence 字段标注来源可信度:official(官方发布稿)、platform(平台自己的奖励页)、third-party(第三方整理,条款可能已变)。

⚠️ 本目录不收录他人的邀请码。邀请码 / 邀请链接请在各平台「邀请好友」页面自行生成;奖励条款随时会变,以平台页面为准。

第四批(#99–128)挑的是「真的有推荐奖励」的平台

第四批 30 条全部是前三批没收录的,按奖励形态分四组:

条数奖励形态例子
A12海外联盟 / 推荐计划(返现金佣金,需对方付费)VEED 40%、OpusClip 25%、Colossyan 25–50%、JoggAI 30%
B8海外「双方各得 credits」(注册即给,门槛低)Kleap、AdFlex 50 credits、AI Magicx、TensorPix
C4国内「双方各得积分」/ 现金返佣DuMate 各 2,000 分、美图设计室 15%、字由、度加
D6只有免费额度,未见公开推荐奖励Vizard、Fliki、Vidnoz、Captions、Argil、Simplified

两个必须说清楚的坑:

  1. 海外平台的「推荐奖励」大多要求对方真的付费订阅才结算,而且很多返的是现金佣金而不是 credits —— 不付费的邀请通常一分不给。
  2. 国内平台的邀请奖励基本都要手机号注册,且多数设了「每日 / 累计邀请人数上限」(DuMate 每日 3 次、累计 20 人;字由每日 10 人、累计 20 人)。

四个条件标注(#49 起)

第三批起的条目额外标了四个布尔字段,页面上显示成小标签,也可以直接筛选:

字段含义命中数(#49–128)
signupCredits注册即送积分 / 免费额度51
imageToVideo支持图生视频64
multimodalRef支持多模态参考(图 + 视频 + 音频混合)15
emailSignup支持邮箱注册61

undefined 表示「未核实」,不是「没有」。 前两批(#1–48)没有这些字段,页面会自动跳过不显示。

三个必须说清楚的现实

  1. 「内置全模型」不等于「免费能跑」。 128 条里只有 28 条真的能用 Seedance 2.5,而且多数把它锁在付费档位后面。免费额度基本跑不动 2.5 —— 一条 8 秒 720p 在 Higgsfield 要 52 credits、OpenArt 要 1,040 credits、Freepik 要 3,520 credits。
  2. 国内平台绝大多数不支持纯邮箱注册。 要手机号 / 微信 / QQ / 百度账号,这是硬门槛。所以「可邮箱注册」的 61 条几乎全是海外平台。
  3. 「注册送积分」的数额随时会变。 带「以官网为准」的条目表示调研时(2026-09)没查到确切数值,不要当成承诺。

架构

Rendering mermaid diagram...

文件结构

index.ts              ← Hono 后端:HTML shell + /api/list JSON 接口
data.ts               ← id 1–48 数据 + Entry 类型 + hasReferral() / stats
batch3.ts             ← id 49–98 数据(50 条,第三批)
batch4.ts             ← id 99–128 数据(30 条,第四批)
check.ts              ← 跑一遍,打印「有 / 无推荐奖励」的条目编号 + stats
frontend/
  root.tsx            ← HTML shell(title / description)
  index.tsx           ← React 入口
  components/
    App.tsx           ← 列表 + 搜索 + 筛选(含注册送积分 / 邮箱注册 / 图生视频)
    EntryCard.tsx     ← 单条卡片 + FlagChips 条件标签

怎么再抓一批

  1. 新建一个 batch5.tsimport type { Entry } from "./data.ts",导出 export const batch5: Entry[] = [...]id 接着 128 往下排。
  2. data.tsentries 末尾加一行 ...batch5,,并在顶部加对应的 import,同时更新文件头的「共 N 条」注释。
  3. 有推荐奖励的条目,reward 文案里要出现「邀请 / 受邀 / 推荐 / 奖励 / 返佣 / 佣金 / 联盟」等词;没有的,用「未见公开的邀请好友奖励」这类固定说法 —— hasReferral() 会先把这些否定句整句删掉再匹配,所以不会误判。如果新增了别的否定说法,记得同步加进 NO_REWARD_PHRASES;如果文案里出现了新的「有奖励」写法,记得加进 hasReferral() 的关键词。
  4. 四个条件字段:查到了才写 true / false,没查到就留空undefined)。不要猜。
  5. 页面上的计数(总数 / Seedance / 推荐奖励 / 注册送积分 / 可邮箱注册)都由 stats 算出,不用手改;README 里的数字要手改。
  6. check.ts 确认分类结果,再打开页面看一眼。