通过 MuleRouter 或 MuleRun 多模态 API 生成图像和视频，支持文本到图像、图像到图像、文本到视频、图像到视频、视频编辑（VACE、关键帧插值）。适用于用户希望通过 AI 模型如 Wan2.6、Veo3、Nano Banana Pro、Sora2、Midjourney 生成、编辑或转换图像与视频的场景。

通过多供应商路由从文本生成图像，支持 Nanobanana 2、Seedream 5.0、GPT Image 和本地 ComfyUI 工作流，内置 1300 多个精选提示词及风格感知的提示词增强功能。适用于用户创建图像、设计素材、优化提示词或管理 AI 艺术工作流。

使用WaveSpeed AI的700多个模型库生成和编辑图像与视频。当用户希望通过文本提示生成图像（如FLUX、Seedream、Qwen）、编辑或修图（如nano-banana-pro/edit可在保持面部不变的情况下更换衣物或背景）、从图像或文本生成视频（如Kling、Veo、Sora、Wan、Hailuo）或将视频上采样至4K时使用。触发词包括：生成图片、编辑这张照片、更换背景、换衣服、从此图像生成视频、动画化此照片、上采样此视频、使用WaveSpeed、使用nano banana pro

使用 MuleRouter 或 MuleRun 多模态 API 生成图像和视频，支持文生图、图生图、文生视频、图生视频、视频编辑（VACE、关键帧插值）。适用于用户希望通过 AI 模型如 Wan2.6、Veo3、Nano Banana Pro、Sora2、Midjourney 生成、编辑或转换图像和视频的场景。

集成 xAI Grok Imagine API 以通过自然语言生成图像、文本转视频、图像转视频及图像编辑。适用于通过文本提示生成图像或视频、编辑现有图像、将静态图像转为视频，或使用自然语言指令编辑现有视频。支持在聊天平台进行对话式生成，具备异步轮询、进度更新和自动交付功能。

AI视频、图像与音乐生成。60多个模型——Sora、Veo 3、Kling、Seedance、GPT Image、Suno v5、Hailuo、WAN。支持文生视频、图生视频、文生图、AI音乐。一个API密钥即可

MiniMax多模态模型技能——使用MiniMax多模态模型生成语音、音乐、视频和图像。利用MiniMax AI创建语音（文本转语音、语音克隆、语音设计、多段合成）、音乐（歌曲、纯音乐）、视频（文本转视频、图像转视频、起止帧、主体参考、模板、长篇多场景）、图像（文本转图像、带角色参考的图像转图像）以及媒体处理（转换、拼接、剪裁、提取）。当用户提及MiniMax、多模态生成，或希望生成语音/音乐/视频/图像AI内容、使用MiniMax API或结合MiniMax输出的FFmpeg工作流时启用此技能。

高质量AI图像生成（每张约0.12至0.20美元），通过EvoLink API实现文本到图像、图像到图像及图像编辑功能

通过ZenMux API（专业版/精英版）生成图像，支持文生图、图生图和多图参考融合