用途：该技能用于在 TanStack AI 中实现图像、音频、语音（TTS）、转录和视频生成。所有媒体活动遵循同一架构：服务端调用 generate*() 函数，经 toServerSentEventsResponse() 以 SSE 传输，客户端使用框架 Hook 接收。依赖 ai-core，需先阅读其关键规则。
主要能力：图像生成支持 openaiImage、geminiImage、byteplusImage 适配器，可传字符串或多模态内容部件（文本/图像/视频/音频），支持图生图、多参考图、inpaint（metadata.role 为 mask）等；音频生成 generateAudio() 用于非语音内容，适配 geminiAudio、falAudio；语音合成 generateSpeech() 支持 openaiSpeech、byteplusSpeech；转录 generateTranscription() 支持 openaiTranscription、byteplusTranscription，可做说话人分离；视频生成 generateVideo() 为实验性，采用任务轮询架构。
使用方式：服务端定义 API 路由或 TanStack Start 服务函数，返回 toServerSentEventsResponse(stream)；客户端用 useGenerateImage、useGenerateAudio、useGenerateSpeech、useTranscription 等 Hook，配合 fetchServerSentEvents 或 fetcher 调用。浏览器录音可用 useAudioRecorder，转录时需包装为 data: URL。
限制：部分适配器对 URL 输入默认抛错，需传 data: URI 或启用 allowUrlFetch；OpenAI 图像 URL 1 小时后过期；BytePlus Seed Speech 使用独立密钥且输出上限 120 秒；视频生成仍为实验性。具体模型、参数与平台支持以资料为准，未提及的收费、价格等信息暂未提供。