用途：面向媒体生产，先遵循 AGENT_GUIDE.md 和所选管线。这些适配器通过常规 BaseTool 注册表可发现；请求前需检查其输入 schema 与状态。API 凭据只代表已配置，不代表账号权限已验证，也不意味着包含付费实测。
路由：用 preferred_tool 指定精确适配器，用 hosting_provider 指定 API 宿主。preferred_provider 仍为旧式排序偏好。图像/视频选择精确模型，语音选择 model_id。不可用的精确模型必须失败，而非静默替换为其他模型。
模型与直连/聚合工具：GPT Image 2.5 对应 openai_image（聚合 openai_fal_image、atlas_refresh_image）；Gemini 3 Pro Image / Nano Banana Pro 对应 google_imagen（聚合 gemini_fal_image、gemini_replicate_image、atlas_refresh_image）；Ideogram 4.5 / Precise Edit 对应 ideogram_image（聚合 ideogram_fal_image）；Wan 3.0 对应 wan_fal_video、wan_atlas_video、wan_replicate_video；H3 Max 对应 h3_max_video（fal）；LTX-2.5 Fast/Pro 对应 ltx_api_video；Eleven v4 / v4 Turbo 对应 elevenlabs_tts（fal_elevenlabs_tts 仅 v4）；Gemini 3.8 Flash/Flash-Lite TTS 对应 gemini_tts；Lyria 3.5 对应 google_music；Sonic 3.6 对应 cartesia_tts；Inworld TTS-2/Flash 对应 inworld_tts；Qwen Image 2.1 对应 qwen_image_21（本地）；HeyGen Avatar V 对应 heygen_avatar。
图像：GPT Image 2.5 使用 gpt-image-2.5-flare 与 gpt-image-2.5-sunburst 两个 ID，Flare 偏速度、Sunburst 偏复杂编辑。直连编辑用本地 image_path/image_paths 与可选 mask_path；透明输出保留 PNG 或 WebP。Google Pro 精确 ID 为 gemini-3-pro-image，不同于 gemini-3.1-flash-image；最多 14 张参考图，支持路由的 1K/2K/4K。Ideogram 的 precise_edit 保留未改动像素，image_path 后最多四个参考，带 mask 时最多三个；黑色为编辑、白色为保留；不可指定输出尺寸；dry_run=true 可校验并按精确请求计价而不生成。Qwen Image 2.1 需真实本地模型目录与兼容 Diffusers，不会隐式下载权重，需查看 Qwen Research License。
视频与作业：operation 选择 text_to_video、image_to_video 或 reference_to_video。Replicate Wan 仅支持文本与首帧图像；Atlas Wan 用 refers 对象与 duration=-1，fal 用参考 URL 数组与可空 duration；勿跨宿主移植原生参数，路由相关控制放 provider_params，tools/provider_contracts 下的 schema 会在提交前校验完整请求。LTX-2.5 支持文本/图像/音频生成，不支持 retake 或 extend；帧率 24、25、48、50；长时长需 Fast 且 720p/1080p、24/25 FPS；duration=null 由模型决定长度，但不能与尾帧同用。H3 Max 与旧 H3 端点不同。job_path 可持久化检查点；超时后用返回的 resume_job 传给同一工具轮询现有作业，避免二次付费提交；无 ID 的提交超时属不确定状态，应先在提供商面板确认。未知价格会明确报告，绝不视为免费。
语音与音乐：Eleven 直连 ID 为 eleven_v4 / eleven_v4_turbo，fal 用 eleven-v4；fal v4 最多 5,000 字符且无 speed/style 控制，直连 v4 最多 10,000；语音目录与权利因宿主而异。Gemini TTS 使用 Interactions 与 speech 标注，需分别配置每位说话者的语音与文本，当前适配器输出 WAV。Cartesia 使用 API 版本 2026-08-14 与 WAV。Inworld 使用门户签发的 Base64 凭据与 Basic 认证，输出 MP3，最多 2,000 个 UTF-16 码元。Lyria 的 duration 是提示目标，不保证精确时长。
Avatar V：在 avatar-spokesperson 管线中使用 heygen_avatar；先 list_looks 或 inspect_look；生成前检查 avatar_type=digital_twin 与 supported_api_engines；用 engine=avatar_v 显式请求，绝不回退到 IV。script（含 voice_id）、audio_url、audio_asset_id 三者必须恰好提供一个；参考 look 必须是同一已验证组内的数字孪生；使用已获授权的现有主播并遵守 HeyGen 的同意与账号要求。
证据与限制：契约检查于 2026-10-03，各 schema 记录官方来源；发布研究见 docs/provider-update-plan-2026-10-03.md。公开 Kling 4 生成端点仍未验证，不要臆造模型 ID。实时语音代理需在批处理旁白之外另行做流式/会话集成。