捷径目录

一个图像生成和编辑模型，支持文生图、图生图。

勾选要读的内容（附件、文本、链接都行），写一句指令，Kimi 读完直接给结果：总结、提要点、翻译、抽字段、回答问题都可以。

Image 2.5 文生图与改图

用 Seedance 2.0 模型把一张参考图片或视频生成动态视频，可选模型、比例、时长（4~15 秒）、音频。

把视频/音频中的语音识别转写为字幕文件（SRT/WebVTT），写入附件字段。

每次 ¥0.01。把 PDF 转成可编辑的 Word 文档，保留原有版式与表格。适合合同、报告二次编辑。

把整列文本交给你指定的 AI 模型处理:总结、翻译、抽取、改写、分类、问答都可以,模型名到波波 API 复制粘贴即可,留空用默认。

把表格里的图片交给你指定的视觉模型:描述画面、提取图中文字、多图对比、提取商品卖点,一次最多识别 10 张。

播放点赞评论收藏数据采集

每次 ¥0.01。翻译文档中的全部文字并输出为 Word。中文原文译为英文，其余语种译为中文，保持段落结构。

把字幕文件（SRT/VTT/ASS）烧录到视频上，写入附件字段。

用 MiniMax 最新一代视频模型 H3 生成视频：原生 2K 画质、自带声音、4~15 秒任意时长，支持首尾帧、参考图、参考音频等多模态素材。

输入公司名查工商信息

用 MiniMax 海螺（Hailuo）系列视频生成模型根据提示词生成视频，支持文生视频和图生视频，可选 512P / 768P / 1080P 三档画质 + 6 秒 / 10 秒两档时长。

简历附件 + 岗位描述丢进去，一次产出 11 个字段：姓名、性别、年龄、手机号、邮箱、最高学历、教育经历、工作经历、匹配度、匹配度原因、面试建议。

用阿里通义千问（Qwen）系列模型完成文本总结、翻译、抽取、改写、问答，模型可手动填写或按行引用字段

用 Seedance 1.5 Pro 模型根据提示词生成视频，支持文生视频和图生视频。每次生成固定扣 450 积分。

输入视频文件和提示词， 自动解析视频内容

文档图片网页，一句话读懂

调用智谱 GLM 原生多模态模型（glm-5.3-flash）理解图片：识图、提取图中文字、OCR、图表解读、视觉定位、内容总结与问答，支持一次多张。

PDF、Word、Excel、合同、图片、网页链接，勾上写一句指令就读懂：总结、提要点、抽字段、翻译、问答都行。默认通义千问 3.5 Plus，也可切更省的 3-VL Plus。

PDF、Word、Excel、合同、长文、网页链接，勾上写一句指令就读懂：总结、提要点、抽字段、翻译、问答都行。图片也能读，自动转成文字。DeepSeek V4 Flash 支持 1M 超长上下文，整列批量也不怕。

PDF、Word、Excel、合同、图片、网页链接，勾上写一句指令就读懂：总结、提要点、抽字段、翻译、问答都行。默认豆包 2.0 Pro，读文档看图都稳，整列批量也不怕。

识图、提取图中文字、看懂图表、描述卖点，一句提示词搞定。默认 3-VL 视觉专款，比通用款便宜约 58%；文档链接文本也能混着选。

识图、提取图中文字、看懂图表、描述卖点，一句提示词搞定。豆包直接看图识别；文档链接文本也能混着选，整列批量执行。

用 MiniMax 系列大模型（M1 / M2 / M2.1 / M2.5 / M2.7）对单元格文本做总结、翻译、抽取、改写、问答，自动剥离思考过程只返回正文。

发票号码税号金额明细提取

执照信用代码范围提取

银行卡号有效期识别

食品经营许可证提取

台湾通行证信息提取

食品生产许可证提取

名片联系方式提取

车次站点席别票价提取

行驶证车辆信息提取

车牌时间里程金额提取

护照号码姓名有效期

简历字段结构化解析

港澳通行证信息提取

驾驶证准驾有效期提取

用 Moonshot AI 的 Kimi 系列大模型（K2 / K2-thinking / K2.5 / K2.6 / Moonshot-v1）对单元格文本做总结、翻译、抽取、改写、问答

PDF、Word、Excel、合同、图片、网页链接，勾上写一句指令就读懂：总结、提要点、抽字段、翻译、问答都行。默认 MiniMax M3：最快、还能原生看图（照片图表直接识别）。整列批量执行不在话下。

识图、提取图中文字、看懂图表、描述卖点，一句提示词搞定。默认 M3 原生多模态、响应快；文档链接文本也能混着选，整列批量执行。

正反面合并提取9项信息

甲乙双方金额期限开户行

评论采集含点赞IP属地

KOL粉丝数作品数采集

视频转文字，提文案出字幕逐字稿

把表格里的视频交给你指定的多模态模型:总结视频内容、提取口播文案、按时间列出关键画面,单个视频最大 1GB。

PDF/Word/Excel/CSV/TXT 自动转文本再交给 AI 完成总结、条款提取、问答;超长文件自动分片阅读后汇总,不怕大文件。

Image 2.5 文生图与改图

一次运行最多出 5 张各不相同的图：填 5 个提示词各生成一张，全部写回同一个附件单元格。支持参考图（图生图/图像编辑）、1K/2K/4K 尺寸。

用 DeepSeek V4 模型对单元格文本做总结、翻译、抽取、改写、问答，可选推理强度。

每次 ¥0.01。把整个网页渲染成 PDF 存档。渲染前自动滚动全页，确保懒加载的图片也被载入。

每次 ¥0.01。把图片内容整理成演示稿大纲并生成 PPT，每页含标题与要点。适合把白板照片、截图变成可讲的幻灯片。

每次 ¥0.01。识别图片中的文字与版面结构，还原成可编辑的 Word 文档，标题、段落、表格分别还原。

每次 ¥0.01。把一张或多张图片按顺序合成一个 PDF，支持透明背景自动垫白底。适合批量归档截图与扫描件。

每次 ¥0.01。识别图片中的表格并还原成 Excel，行列与原表一致。适合把截图、拍照的表格变成可计算的数据。

每次 ¥0.01。抽取 PDF 里的表格并还原成 Excel，逐页分表。没有表格时自动退回按行提取文本。

每次 ¥0.01。把 PDF 每一页转成一张幻灯片，按原始页面比例排版。适合把方案稿、报告快速变成演示文稿。

把图片、PDF/Word/Excel 文档、网页链接和文本混着交给 Kimi 按提示词处理：识图、提取图中文字、看懂图表、总结文档、抽取字段都行。

写一句要求（可选再挑些素材），AI 自动生成排版精美的网页并返回可分享公开链接。支持把 PDF/Word/Excel/图片附件、文本、链接作为素材。

选择视频附件并填写提示词，GLM 5.3 Flash 原生解析视频画面与语音：总结内容、提取口播文案、识别关键画面、按时间线梳理都行。单个视频最大 1GB，整列批量执行。

选择视频附件并填写提示词，MiniMax M3 原生解析视频画面与语音：总结内容、提取口播文案、识别关键画面、按时间线梳理都行。1M 超长上下文，长视频整段理解。

识图、提取图中文字、看懂图表、描述卖点，一句提示词搞定。默认 V4 Flash Vision——DeepSeek 首个原生看图模型。文档链接文本也能混着选，整列批量执行。

选择视频附件并填写提示词，豆包 Seed 2.0 Lite 原生解析视频画面与语音：总结内容、提取口播文案、识别关键画面、按时间线梳理都行。单个视频最大 1GB，整列批量执行。

选择视频附件并填写提示词，Kimi K2.7 原生解析视频画面与语音：总结内容、提取口播文案、识别关键画面、按时间线梳理都行。单个视频最大 1GB，整列批量执行。

读懂图片文档音视频

按开始/结束时间裁剪视频片段，结果自动写入附件字段。

用模型把一张参考图生成约 10 秒动态视频：填提示词、选参考图、宽高比即可。

用 AI 对图片智能去噪、优化纹理细节、提升人像质量，让模糊噪点多的图片变清晰自然。

把多条音频叠加混音成一条，写入附件字段。

按九宫格锚点和目标宽高裁剪图片,批量出固定尺寸图,结果自动写入附件字段。

把视频或图片以画中画方式叠加到主视频，可设位置、大小、出现时间，结果写入附件字段。

粘贴一篇文章或写一个主题,AI 自动改写成双人对话脚本并合成播客音频(MP3),自动写入附件字段。

在视频上叠加文字水印，可设字号与颜色，写入附件字段。

用 AI 超分把图片清晰度提升 4 倍，智能去噪、补全细节，模糊低清图一键变清晰。

智能去除音视频中的背景噪声，提升音质，写入附件字段。

一个图像生成和编辑模型，支持文生图、图生图。

根据提示词生成图片，支持文生图和图生图，按比例生成。

可灵 Omni(O1)多模态模型,最多 7 张参考图,让多张图里的人物/物体出现在同一段视频里互动,支持指定首帧,结果自动写入附件字段。

把表格里的图片按指定角度顺时针旋转(90/180/270),结果自动写入附件字段。

把图片 AI 重渲成羊毛毡/陶土泥塑/赛博朋克/翡翠玉雕风格,结果自动写入附件字段。

把音视频分离为人声和背景声两条音轨，分别写入附件字段。

用豆包语音合成模型把文本一键转成自然语音（mp3），11 种音色可选、可调语速。按字符计费，使用波波 API 你自己的额度。

把低清视频智能超分到 720P/1080P/2K/4K 并增强画质，写入附件字段。

把音频（配音/BGM）合成到视频上，可保留原声，写入附件字段。

对音视频做响度均衡，统一音量，写入附件字段。

一句提示词(可附一张参考图)生成 6/10/15 秒的 AI 动态视频,支持文字生视频与图生视频,结果自动写入附件字段。

把多张图片和背景音乐合成为视频，写入附件字段。

最多 7 张参考图,提示词用 @img1~@img7 引用对应图片,生成人物/物体同框互动视频(如换装、产品展示),结果自动写入附件字段。

模型按提示词生成视频，支持文生视频与图生视频（多张参考图），可选 16:9 / 9:16。

一句话描述歌曲主题与风格,AI 自动作词作曲并演唱成完整歌曲,可选曲风/情绪/演唱/时长。

选择视频附件并填写提示词，通义千问 qwen3-vl-flash 真实解析视频画面与语音，完成总结、口播提取、画面识别、时间线梳理等任务，性价比极高，使用波波 API（apibobo.com）计费。