提示词
点击或拖入一张图片作为参考
支持 jpg / png / webp
支持 jpg / png / webp
参数
免费档限速：1K 约 10 张/分钟，2K 约 5/分，3K·4K 约 1/分
批量生成（队列 · 自动 429 退避）
生成结果会同时进入「历史记录」（base64 持久化，刷新不丢）。
生成结果
生成结果会显示在这里
填写提示词后点击「生成图片」
（快捷键 Ctrl + Enter）
填写提示词后点击「生成图片」
（快捷键 Ctrl + Enter）
提示词
参数
滑条 4~12 秒；下方可自定义最长 500 秒
批量生成（队列 · 自动 429 退避）
生成结果会同时进入「历史记录」（base64 持久化，刷新不丢）。
生成结果
视频结果会显示在这里
单段最长 500 秒；免费档限速：约 1 个/分钟
单段最长 500 秒；免费档限速：约 1 个/分钟
文本（最多 1024 字符）
0/1024
参数
勾选后，超过 1024 字的文本会被切成多段依次合成，结果以播放列表呈现，可顺序播放或打包下载。
采样率 24kHz；当前智谱 key 余额不足时（429 code 1113），生成会失败并原样显示服务端原因，充值后即可使用。
生成结果
语音结果会显示在这里
填写文本后点击「生成语音」
（快捷键 Ctrl + Enter）
填写文本后点击「生成语音」
（快捷键 Ctrl + Enter）
角色模板（System Prompt）
切换模板会清空当前对话。回车发送，Shift+回车换行。
操作
开始一段对话吧 👋
交互模式
每种模式自动使用配置中心对应组的密钥与模型；模式切换会清空当前对话流。
操作
选择上方模式，开始多模态对话 👋
主题 → 图文语音物料包
输入一个校园活动主题，工具会调用「文本」组的模型，一次性产出三类可直接使用的物料：① 配图提示词（给图片生成用）② 宣传文案（给文本对话用）③ 广播稿（给语音合成用）。
物料清单
生成后，这里会列出配图提示词、宣传文案、广播稿，并可一键应用到对应标签。
① 文本生成（chat/completions）
选中预设自动填 Base URL 与模型名；密钥由你填写或从导入文件带入，代码不内置任何密钥
② 图片生成
③ 视频生成
④ 语音合成（TTS）
全局设置
持久保存到本机（localStorage）；取消勾选则密钥仅本次会话有效
测试调 GET {Base}/models（200/401 判定，不耗生成额度）。
导入 / 导出
导入自动识别：新版 4 段结构 / 旧版结构（自动映射进 4 组）/ 脱敏模板（占位符保留你当前的密钥）/ skill 的
config.json（EXTERNAL_MULTIMODAL_* 键）点击选择，或将 JSON 文件拖到此处导入
完整文件 → 全量导入；脱敏文件 → 跳过密钥、保留其余配置
完整文件 → 全量导入；脱敏文件 → 跳过密钥、保留其余配置
脱敏模板可放心转发给他人，对方导入后只需补填各自的密钥。
关于
· 多模态生成工作台：文本 / 图片 / 视频 / 语音 4 组独立配置，各管各的密钥、URL、模型
· 零依赖单文件工具：双击即用，可部署到任意静态服务器
· 密钥只存本机 localStorage，直连厂商 API，不经过任何中转；代码本身不内置任何密钥
· 视频单段最长 500 秒；429 限流时自动等待 60 秒重试，无需手动操作
· 零依赖单文件工具：双击即用，可部署到任意静态服务器
· 密钥只存本机 localStorage，直连厂商 API，不经过任何中转；代码本身不内置任何密钥
· 视频单段最长 500 秒；429 限流时自动等待 60 秒重试，无需手动操作