Vydra

مدل پیش‌فرض و تنها مدل تصویر همراه:

• vydra/grok-imagine

آن را به‌عنوان ارائه‌دهنده پیش‌فرض تصویر تنظیم کنید:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "vydra/grok-imagine",      },    },  },}

پشتیبانی همراه فقط متن‌به‌تصویر است و در هر درخواست حداکثر یک تصویر تولید می‌کند. مسیرهای ویرایش میزبانی‌شده Vydra به URLهای راه‌دور تصویر نیاز دارند و Plugin همراه، پل بارگذاری مختص Vydra اضافه نمی‌کند.

مدل‌های ثبت‌شده ویدئو:

• vydra/veo3 برای متن‌به‌ویدئو (ورودی‌های مرجع تصویر را رد می‌کند)
• vydra/kling برای تصویر‌به‌ویدئو (دقیقاً به یک URL راه‌دور تصویر نیاز دارد)

Vydra را به‌عنوان ارائه‌دهنده پیش‌فرض ویدئو تنظیم کنید:

{  agents: {    defaults: {      videoGenerationModel: {        primary: "vydra/veo3",      },    },  },}

نکات:

• vydra/kling بارگذاری فایل محلی را از ابتدا رد می‌کند؛ فقط یک مرجع URL راه‌دور تصویر کار می‌کند.
• مسیر HTTP‏ kling متعلق به Vydra درباره اینکه به image_url یا video_url نیاز دارد، رفتاری ناسازگار داشته است؛ ارائه‌دهنده همراه، همان URL راه‌دور تصویر را در هر دو فیلد ارسال می‌کند.
• Plugin همراه رویکردی محافظه‌کارانه دارد و گزینه‌های مستندنشده سبک، مانند نسبت ابعاد، وضوح، واترمارک یا صدای تولیدشده را ارسال نمی‌کند.

پوشش زنده مختص ارائه‌دهنده:

OPENCLAW_LIVE_TEST=1 \OPENCLAW_LIVE_VYDRA_VIDEO=1 \pnpm test:live -- extensions/vydra/vydra.live.test.ts

فایل زنده همراه Vydra موارد زیر را پوشش می‌دهد:

• vydra/veo3 متن‌به‌ویدئو
• vydra/kling تصویر‌به‌ویدئو با استفاده از URL راه‌دور تصویر

در صورت نیاز، فیکسچر تصویر راه‌دور را بازنویسی کنید:

export OPENCLAW_LIVE_VYDRA_KLING_IMAGE_URL="https://example.com/reference.png"

Vydra را به‌عنوان ارائه‌دهنده گفتار تنظیم کنید:

{  tts: {    provider: "vydra",    providers: {      vydra: {        apiKey: "${VYDRA_API_KEY}",        voiceId: "21m00Tcm4TlvDq8ikWAM",      },    },  },}

مقادیر پیش‌فرض:

• مدل: elevenlabs/tts
• شناسه صدا: 21m00Tcm4TlvDq8ikWAM ("Rachel")

Plugin همراه، همین یک صدای پیش‌فرضِ آزموده و معتبر را ارائه می‌کند و فایل‌های صوتی MP3 بازمی‌گرداند.