多模态生成怎么调对模型？按准确模型号建任务出图出视频

多模态生成，难点不在生成而在"调对模型"

当一个平台同时提供图像、视频、音乐和语音生成，每类任务下又有多个模型时，真正的麻烦是路由：一个需求该走哪种 task_type、用哪个准确的 model_id，模型别名（Nano Banana、SeeDream、Wan、Kling、Suno 等）和实际 ID 对不上就调用失败；做宣传片这类复合需求，还要先生成参考图、再生成视频和配乐，多步之间的顺序、积分、参数和轮询都要照看；同一角色或产品要出多张图和视频，外观一致性也容易跑偏。

这个技能怎么统一调度多模态生成

它充当 IMA Studio 多模态能力的统一入口和路由层。面对一个需求，它先解析媒体类型与 task_type（图像、视频、音乐还是语音），再按产品列表匹配准确的 model_id 调用生成脚本创建任务，并处理轮询、积分、输入图片和视频参数；遇到模型别名，它负责把别名映射到正确的 ID。对宣传片、MV 这类多媒体工作流，它会拆解步骤、安排好"先参考图、后视频和音乐"的顺序，并维持同一角色或产品在多张图、多段视频间的视觉一致性，同时记录用户显式的模型偏好。

它的价值在于把"选对模型、串好流程、保持一致"这些容易出错的环节标准化，让多模型调用变得规范、可复用。

怎么用它

用法是把要生成的内容、风格和指定模型用自然语言交给它。例如可以这样对它说：

它适合这些场景：需要用 IMA 生成图片、视频、配乐或语音并选择合适模型；用户指定 Nano Banana、SeeDream、Wan、Kling、Suno 等模型别名；制作宣传片或 MV、需要先生成参考图再生成视频和音乐；以及同一角色或产品要多张图和视频保持外观一致。