通过音频（字幕）和视觉（帧提取加图像分析）双通道对YouTube视频进行多模态分析。特别适用于教学、教程、演示和说明类视频，其中所展示的内容（如截图、UI演示、图表、代码、物理动作）与所说内容同等重要。当用户希望分析、总结YouTube视频，或根据视频创建分步指南，或分享YouTube链接并希望了解视频内容时，请使用此功能。触发条件包括：“分析这个YouTube视频”、“根据此视频创建分步指南”、“这个视频展示了什么？”、“总结这个教程”，或任何带有分析意图的YouTube链接。

通过音频（字幕）和视觉（帧提取加图像分析）双通道对YouTube视频进行多模态分析。尤其适用于教程、演示和说明类视频，其中所展示的内容（截图、UI演示、图表、代码、肢体动作）与所说的内容同等重要。当用户希望分析、总结YouTube视频内容，或从视频中生成分步指南时，或当用户分享YouTube链接并希望了解视频内容时，即可使用此功能。触发条件包括“分析这个YouTube视频”“根据这段视频创建分步指南”“这个视频展示了什么”“总结这个教程”或任何带有分析意图分享的YouTube链接。

使用 EachLabs AI 模型编辑、转换、放大和增强图像。支持图像编辑、风格迁移、背景移除、超分辨率、图像修复、人脸替换、虚拟试衣、3D 生成和图像分析。当用户需要编辑或转换现有图像时使用。

使用 Apple Vision 框架（仅限 macOS）对图像进行标记和注释。支持检测人脸、人体、手部、文字（OCR）、条形码、物体、场景标签和显著区域。适用于图像分析、照片 tagging、姿势监测或任何需要对图像进行计算机视觉处理的任务。

当用户发送图片、表情包、截图，或要求解释某个笑话或表情包时使用。也用于从Telegram频道定时抓取表情包。分析其中的视觉和文本元素，对原始语言中的每个文化参照进行网络搜索，理解幽默的多层次含义，包括后讽刺和俄罗斯特定语境。相信这个表情包确实有趣，找出其中的原因。