Vydra

默认且唯一的内置图像模型：

• vydra/grok-imagine

将其设置为默认图像提供商：

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

内置支持仅限文本生成图像，每个请求最多生成一张图像。Vydra 托管的编辑路由要求使用远程图像 URL，而内置插件未添加 Vydra 专用的上传桥接。

已注册的视频模型：

• vydra/veo3 用于文本生成视频（拒绝图像引用输入）
• vydra/kling 用于图像生成视频（要求恰好提供一个远程图像 URL）

将 Vydra 设置为默认视频提供商：

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

注意：

• vydra/kling 会预先拒绝本地文件上传；仅支持远程图像 URL 引用。
• Vydra 的 kling HTTP 路由对于究竟要求 image_url 还是 video_url 一直表现不一致；内置提供商会在两个字段中发送同一个远程图像 URL。
• 内置插件采取保守策略，不会转发未记录的样式选项，例如宽高比、分辨率、水印或生成的音频。

提供商专用的实时测试覆盖：

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

内置的 Vydra 实时测试文件涵盖：

• vydra/veo3 文本生成视频
• vydra/kling 使用远程图像 URL 生成图像转视频

必要时可覆盖远程图像测试夹具：

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

将 Vydra 设置为语音提供商：

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

默认值：

• 模型：elevenlabs/tts
• 语音 ID：21m00Tcm4TlvDq8ikWAM（“Rachel”）

内置插件提供这一种已知可正常使用的默认语音，并返回 MP3 音频文件。