Agent 的多模态能力

统一模型发现、任务、素材与人民币费用。具体可用模型和规格以实时目录为准。

视频生成

从文字、图片、首尾帧与参考素材开始，生成、编辑或延长视频。

图像创作

生成图像、修改画面、编辑参考素材，保留每次创作的模型与费用。

音乐生成

从灵感、歌词或参考音频开始，创作背景音乐与完整歌曲。

语音与音色

把文字变成语音，管理预置音色与有权使用的克隆音色。

图片与视频理解

读取画面中的信息，将理解结果用于下一步创作。

公开社交数据

发现内容与创作者，整理帖子、评论和字幕。