通过Vydra.ai API生成AI图像和视频，单个API密钥可访问Grok Imagine、Gemini、Flux、Veo 3、Kling和ElevenLabs。代理可自行注册并自动生成图像。

使用 VLM Run CLI（vlmrun）与 Orion 视觉 AI 代理交互，通过自然语言处理图像、视频和文档。触发场景包括：图像理解与生成、目标检测、OCR、视频摘要、文档提取、图像生成、视觉 AI 聊天，以及“生成一张图像/视频”“分析这张图像/视频”“从中提取文字”“总结这个视频”“处理这个 PDF”

市场上最便宜的AI媒体API。可转录YouTube视频，使用Flux和Z-Image模型生成图像，支持8种语言50多种语音的文本转语音，通过OCR提取文本，制作视频，去除背景，图像超分辨率，应用风格迁移——全部通过统一API实现。注册即送5美元额度，足以支持数百小时的转录或数千张生成图像，成本仅为其他方案的零头。

Monet AI 为 AI 代理提供全方位的 AI 内容生成 API，支持视频生成（Sora、Veo、豆包种子舞、万相、海洛、Kling）、图像生成（GPT-4o、Nano Banana、Seedream、Flux、Imagen、Ideogram）和音乐生成（MiniMax Music），通过多模型 AI 生成能力构建智能工作流

香蕉齿轮 × CellCog。通过CellCog的推理与编排层，在Nano Banana上执行复杂的多图像任务。单个提示生成10至20张连贯图像，保持角色一致性与专业级构图，所有OpenClaw代理均可使用。支持Nano Banana AI、Nano Banana Pro和Gemini图像生成。

完整的Venice AI API工具包，涵盖图像生成、视频、音频、嵌入、转录、角色、模型和管理功能。注重隐私的推理，零数据留存

向 dr.eamer.dev LLM API 发送请求，支持跨12个模型提供商的聊天补全、视觉分析、图像生成、文本转语音和视频生成。适用于需要调用外部LLM端点或比较不同提供商响应的场景。

访问 PixelDojo 的 API 以生成 AI 图像和视频。当代理需要创建图像或视频、从 PixelDojo 实时目录中选择模型、检查异步任务状态或下载已完成的资源时使用。PixelDojo 是一个基于订阅的创意平台，通过单一 API 提供多种生成模型，涵盖通用图像、编辑导向图像和视频工作流。

通过严格的阶段门控工作流（大纲 → 集计划 → 分镜脚本 → 分镜图 → 渲染）协调脚本到最终视频的生成过程，使用Seedream生成图像、Seedance多镜头渲染、基于检查点的确认与恢复功能，以及可选的FFmpeg合并。适用于将txt/json/分阶段生成的文件转换为分镜视频和最终合并的mp4文件。