有什么对多模态输入输出支持比较友好的 ai 聚合工具吗

[DigitalG]

主要发挥一个操练场的作用。聚合多个 ai 上游平台，偏重于实验/测试和对比的目的。除了 chat 以外，还支持图像生成，最好对音视频生成也支持得好点。

我目前用过的工具里

• new-api 网关里有个“操练场”不过功能比较简单，基本只适合文本模型。
• cherry-studio 虽然支持图像，但是我体验下来，部分点上的体验一般(比如只有部分类型的上游支持设置模型为图像生成的端点类型，配合 new api 才能正常使用阿里云/火山的图像模型)。

支持音视频模型的聚合平台，我还没完全接触到过。

V 友有推荐的吗？