SiliconFlow 多模态服务，支持图片生成(FLUX/Qwen)、视频生成(Wan)、TTS语音合成、ASR语音识别。使用代金券支付。

核心用法

SiliconFlow-media 是一套完整的 AI 媒体生成技能，通过统一的命令行接口调用 SiliconFlow 平台的先进模型：

图片生成：基于 FLUX 系列（schnell/dev/pro）与通义 Qwen 系列，支持文生图与智能编辑，5-10 秒出图；
视频生成：集成 Wan2.2 系列模型，支持文生视频与图生视频双模式，约 2-5 分钟生成；
语音合成 (TTS)：四款模型可选——Fish Speech（默认）、阿里 CosyVoice2、IndexTTS、MOSS 多语言，满足多样化音色需求；
语音识别 (ASR)：支持阿里 SenseVoice 与 TeleSpeechASR 双引擎，精准转写音频内容。

所有脚本统一输出 MEDIA: 标记行，便于自动化流程附加文件。

显著优点

• 模型丰富度：覆盖 FLUX/Qwen/Wan 等前沿开源/商用模型，单一技能满足全场景媒体需求
• 成本优势：代金券支付机制，当前余额 3000+，零现金门槛试用
• 开发友好：Python 脚本化调用，uv 运行环境隔离，CLI 参数清晰，易于集成 CI/CD
• 输出标准化：自动标记媒体文件，支持下游自动化处理

潜在缺点与局限性

• 视频生成耗时：2-5 分钟等待时间与实时场景不匹配，不适合交互式应用
• 模型黑箱性：依赖第三方 SiliconFlow 平台，模型版本、服务可用性不可控
• 无本地推理：必须联网，无法离线使用，敏感数据存在外发风险
• 代金券限制：余额消耗完毕后需补充，非完全免费

适合人群

• AI 原型开发者、内容创作者、自动化工作流工程师
• 需快速验证多模态能力的中小团队
• 对成本敏感、不愿预付费 API 的个人开发者

常规风险

• API Key 泄露：环境变量管理不善可能导致凭证外泄
• 内容合规：AI 生成内容的版权与合规责任由用户承担
• 服务依赖：平台变更模型或价格策略将影响技能可用性
• 长任务中断：视频生成期间网络波动可能导致任务失败

SiliconFlow Media 是一款基于 SiliconFlow 官方 API 的多模态 AI 内容生成工具集，涵盖四大核心功能：图片生成（FLUX/Qwen 系列）、视频生成（Wan 2.2）、语音合成 TTS（Fish Speech/CosyVoice 等）及语音识别 ASR（SenseVoice）。

核心用法：通过 uv run 执行 4 个独立 Python 脚本，分别对应不同媒体类型。图片生成支持 FLUX 三版本与 Qwen 编辑能力；视频生成支持文生/图生两种模式；TTS 提供 4 款主流模型选择；ASR 覆盖阿里与 TeleAI 引擎。所有脚本均通过 --prompt、--filename、--audio 等参数接收用户输入，并从环境变量安全读取 SILICONFLOW_API_KEY。

显著优点：
1. 成本优势：采用代金券支付模式，当前余额 3000+，无需绑定信用卡或额外付费；
2. 模型丰富：聚合 FLUX、Qwen、Wan、CosyVoice 等 SOTA 开源模型，一站式满足多模态需求；
3. 安全合规：S 级安全认证（88/100），代码结构清晰无危险函数，API Key 仅从环境变量读取，HTTPS 加密传输；
4. 依赖轻量：仅依赖 requests 与 pillow 两个成熟库，无供应链风险；
5. 输出规范：自动打印 MEDIA: 行便于 Claude Code 自动附加文件，提升工作流效率。

潜在缺点与局限：
1. 数据外发风险：所有用户输入需发送至 SiliconFlow 服务器处理，存在隐私合规考量，不适合处理机密敏感数据；
2. 生成时效：视频生成耗时 2-5 分钟，FLUX 虽快但复杂提示词仍需等待；
3. 第三方依赖：服务可用性完全绑定 SiliconFlow 平台，存在单点故障风险；
4. 无本地部署：必须联网调用云端 API，无法离线使用。

适合人群：内容创作者、设计师、开发者及需快速生成 AI 媒体素材的个人/团队，尤其适合希望零成本试用多模态模型的用户。

常规风险：需审查 SiliconFlow 隐私政策；API Key 泄露可能导致额度被盗用；建议遵循最小权限原则，避免处理受监管数据。