单人对口型，视频生成时常根据音频时间生成
4倍放大，不改变原图结构和细节
首帧加尾帧生成完整视频，目前只有三秒
基于夏小宝、OpenAI、Gemini、黑森林的多张图片组合编辑能力实现的工作流。自动获取配置的图像编辑模型
基于闭源模型的图像编辑能力实现的指令改图