WaveSpeedAI Image Upscaler

使用 Nano Banana Pro (Gemini 3 Pro Image) 生成或编辑图像。支持文生图、图生图及 1K/2K/4K 分辨率，适用于图像创建、修改及编辑请求，使用 --input-image 指定输入图像。

使用 Whisper CLI 进行本地语音转文字（无需 API 密钥）

使用 ffmpeg 从视频中提取帧或短片。

提供 UI/UX 设计智能与实现指导，帮助打造精美界面。适用于 UI 设计、UX 流程、信息架构、视觉风格、设计系统/标记、组件规格、文案/微文案、无障碍及前端 UI（HTML/CSS/JS、React、Next.js、Vue、Svelte、Tailwind）生成/评审/改进。工作流包括：①新 UI 布局与样式生成；②现有 UI/UX 改进；③设计系统标记和组件规范产出；④ UX 建议转化为代码变更。

专家级前端设计指南，用于创建美观、现代的用户界面。适用于落地页、仪表板等各类UI设计。

使用 mcp-diagram-generator MCP 服务器生成和编辑图表。适用于创建新图表、编辑现有的 .drawio/.mmd/.excalidraw 文件、网络拓扑图等场景。

使用 Remotion + React 进行程序化视频创作的完整工具包。涵盖动画、时间控制、渲染（CLI/Node.js/Lambda/Cloud Run）、字幕、3D、图表、文字特效、转场及媒体处理。适用于编写 Remotion 代码、构建视频生成流水线或创建数据驱动的视频模板。

通过 OpenAI Images API 批量生成图像。支持随机提示词采样，并提供 index.html 图库展示。

通过WaveSpeed AI使用谷歌Nano Banana Pro模型生成和编辑图像，支持文生图和自然语言图像编辑。

使用阿里巴巴的 Wan 2.6 模型通过 WaveSpeed AI 生成视频，支持文本转视频和图像转视频，最长 15 秒，分辨率 720p。

通过 WaveSpeed AI 调用字节跳动 Seedance V1.5 Pro 模型生成视频。支持文生视频和图生视频，时长 4-12 秒。

利用WaveSpeed AI的InfiniteTalk模型，根据人像图片和音频生成口型同步的说话人视频，支持生成长达10分钟的480p视频。

使用 WaveSpeed AI 的 Wan 2.2 Animate 模型，通过驱动视频将图像中的角色动画化。支持动画模式，让图像角色像视频一样动作。