多模态生成

多模态生成功能让您可以使用 AI 创建图片、语音和视频内容。系统通过 rig-core 统一编排多种模态模型，支持文本生成图片（文生图）、文本生成语音（TTS）和文本生成视频，所有生成的文件自动存入媒体库便于管理。

本功能适用于内容营销素材制作、SEO 配图、短视频脚本生成等场景。

图片生成

通过文字描述生成图片，支持多种风格和尺寸。

操作步骤

1. 进入「AI 能力 > 图片生成」页面
2. 输入提示词（Prompt），描述想要的图片内容
3. 选择图片参数：
   • 尺寸（如 1024x1024、1792x1024）
   • 风格（写实 / 插画 / 二次元 / 油画等）
   • 生成数量
4. 点击「生成」，等待模型返回结果
5. 生成完成后图片自动保存到媒体库，可下载或直接用于内容

提示词技巧

产品级摄影，一个白色智能音箱放在木桌上，柔和的自然光从左侧打来，
背景虚化，色彩偏暖，4K 画质，商业摄影风格

!TIP 提示词越具体，生成效果越好。建议包含：主体、场景、光线、风格、画质等要素。

语音合成（TTS）

将文本转换为自然流畅的语音，适用于有声内容、视频配音等场景。

操作步骤

1. 进入「AI 能力 > 语音合成」页面
2. 输入或粘贴要转换的文本
3. 选择语音参数：
   • 音色（男声 / 女声 / 不同情感风格）
   • 语速
   • 采样率
4. 点击「合成」，生成完成后可在页面试听并下载

应用场景

• SEO 内容有声化：将博客文章转为音频，提升页面停留时长
• 视频配音：为营销视频生成旁白
• 无障碍访问：为视障用户提供语音内容

视频生成

通过文字描述生成短视频，适用于社交媒体内容创作。

操作步骤

1. 进入「AI 能力 > 视频生成」页面
2. 输入视频描述（场景、动作、风格）
3. 选择参数：
   • 时长
   • 分辨率
   • 帧率
4. 提交生成任务，等待处理完成
5. 生成完成后可在媒体库查看和下载

!NOTE 视频生成耗时较长（通常 1-5 分钟），且消耗的 Token / 配额较多，请合理安排生成任务。

文件存储管理

所有生成的图片、语音、视频文件会自动存入系统媒体库，您可以在「内容管理 > 媒体库」中统一管理。

文件操作

• 查看文件列表：按类型、时间筛选已生成的文件
• 获取文件 URL：复制文件访问链接，用于内容嵌入
• 删除文件：清理不再需要的生成内容，释放存储空间

文件上传

除了 AI 生成的文件，您也可以手动上传本地文件到媒体库：

POST /api/storage/upload
Content-Type: multipart/form-data

file: <二进制文件>

!WARNING 单文件大小限制和总存储配额取决于您的套餐版本，超出配额将无法继续生成或上传。

多模态使用建议

!TIP 生成图片时建议一次生成多张候选，从中挑选最佳效果，比反复调整提示词更高效。

!NOTE 不同供应商对多模态的支持能力不同，请确认所选供应商已开启对应能力类型（image / audio / video）。

API 参考

相关链接

• AI 供应商配置
• 媒体库与新闻
• 用量统计与配额管理