Yollomi AI Image & Video Generator

核心用法

Yollomi AI API 是一个聚合型AI生成服务，通过单一 RESTful 端点 /api/v1/generate 提供图像生成、视频合成、背景移除、图像修复、人脸替换等20余种功能。开发者只需配置 YOLLOMI_API_KEY 环境变量，即可调用 Flux、Stable Diffusion 3.5、Kling、Google Veo、OpenAI Sora 等主流模型。

典型工作流：
1. 调用 GET /api/v1/models 获取可用模型与积分消耗
2. 根据场景选择模型（文生图/图生图/视频/编辑工具）
3. 构造请求体，type 字段区分 "image" 或 "video"
4. 处理响应中的 images 数组或 video URL

显著优点：

• 统一接口设计：所有模型共享相同端点和认证方式，大幅降低多供应商集成成本
• 模型覆盖全面：涵盖文生图（Flux系列、Imagen 4、Ideogram）、视频生成（Kling、Veo、Sora、Runway）、图像编辑（去背景、超分、修复、虚拟试穿）三大类别
• 灵活的积分机制：低至1积分的极速模型（z-image-turbo），按需付费无订阅捆绑
• Aspect Ratio 标准化：统一支持 1:1、16:9、9:16 三种比例，减少参数碎片化

潜在缺点与局限性：

• 商业透明度不足：yollomi.com 域名背景、公司实体信息未披露，API 实际由哪家云服务商托管不明
• 积分定价波动：视频模型标注"varies"或"~50+"，成本不可预测；部分模型按秒计费（kling-v2-6-motion-control: 7/sec）
• 依赖第三方模型：本质为模型聚合层，非自研基础设施，服务稳定性受制于上游供应商
• 速率限制与排队策略：文档未明确说明并发限制和超时重试机制

适合人群：

• 需快速原型验证的独立开发者/初创团队
• 不想维护多平台 API 密钥的中型应用
• 对图像编辑工具链（去背景、超分、修复）有批量需求的内容创作者

常规风险：

• API Key 泄露：Bearer Token 长期有效，建议配合密钥管理服务
• 内容合规：生成模型可能产出受版权保护风格或不当内容，需自行配置过滤策略
• 供应商锁定：统一端点虽简化调用，但迁移至原生供应商时需重构参数映射
• 积分耗尽导致服务中断：402 错误需前置监控，建议集成 remainingCredits 响应值做预算告警

核心功能

Yollomi AI API 是一个多模型 AI 图像与视频生成工具，通过单一统一端点 /api/v1/generate 调用包括 Flux 系列、Kling、Google Veo、OpenAI Sora 等在内的 30+ 种图像与视频模型。用户只需配置 YOLLOMI_API_KEY 环境变量即可使用，支持文本生成图像、图像编辑（去背景、换脸、扩图、修复）、虚拟试穿、视频生成等功能。

显著优点

1. 统一接口设计：所有模型共享同一端点，通过 modelId 参数切换，大幅降低集成成本
2. 模型覆盖全面：涵盖文生图、图生图、图生视频、视频生成等全链路能力，包括 Flux-2-Pro、Kling-2-1、OpenAI Sora 2 等前沿模型
3. 按需计费透明：信用点机制清晰（1-50 credits/任务），无订阅陷阱
4. 安全实现优秀：代码通过 CLS-Certify S 级认证，无危险函数、无硬编码密钥、HTTPS 强制加密、SSRF 防护完善
5. 零依赖轻量：纯 TypeScript 实现，仅使用内置 fetch API，无第三方供应链风险

潜在局限与风险

| 维度 | 说明 |

|------|------|

| **成本可控性** | 视频生成成本较高（Sora 50+ credits），高频使用需预算规划 |

| **外部依赖** | 完全依赖 Yollomi 平台可用性，服务中断时无降级方案 |

| **T2 来源等级** | 非顶级机构背书，版本升级需重新审查 |

| **数据隐私** | 提示词、上传图像发送至第三方 API，敏感内容需谨慎 |

| **功能边界** | 纯 API 封装层，无本地模型推理能力，离线不可用 |

适合人群

• 需要快速集成多模型 AI 生成能力的开发者
• OpenClaw/Claude 生态用户，寻求统一的工具调用方案
• 中小团队验证 AI 创意原型，避免多平台账号管理成本
• 对代码安全性有要求、倾向审计透明开源实现的技术决策者

使用建议

建议通过 yollomi.listModels() 先行查询模型列表与信用点成本，开发阶段选用 flux-schnell（2 credits）或 z-image-turbo（1 credit）等低成本模型测试；生产环境关键任务建议实现请求重试与响应校验机制，并监控剩余信用点避免 402 中断。