用途：调用 meitu video-multimodal-generate，基于音频、视频、图片、文字的任意组合做多模态混合驱动视频生成，适合音乐配视频、参考视频运镜/风格/节奏、多素材混合生成。不处理纯文字生成视频、仅图片生成视频（无视频无音频）和动作迁移。
主要能力：支持 prompt 文字描述、video_duration（4–15 秒或 -1 智能）、ratio（adaptive/16:9/4:3/1:1/3:4/9:16/21:9）、image_list（≤9 张）、reference_video_list（≤3 个，总时长 ≤15s）、reference_audio_list（≤3 个，总时长 ≤15s）、sound（是否生成音频）、resolution（480p/720p）。素材总数（图片+视频+音频）≤12，至少提供一类多媒体素材。
使用方式：依赖 meitu-cli >=2.0.6，需配置凭证并设置环境变量 MEITU_OPENAPI_TOOL_TASK_MODE=command。流程为 Preflight → Execute → Deliver：先校验版本与授权、解析 output_dir 并创建目录；再执行命令，例如：meitu video-multimodal-generate --skill_name skill_video-multimodal-generate --prompt "{prompt}" --video_duration -1 --ratio adaptive --image_list '["{url1}"]' --reference_video_list '["{video_url}"]' --reference_audio_list '["{audio_url}"]' --sound true --resolution 720p --json --download-dir {output_dir}；最后解析 --json 结果并重命名输出。
输出：MP4（默认 720p，可选 480p），命名 {YYYY-MM-DD}_{descriptive-name}_multimodal.mp4，项目内放 ./output/，一次性任务放 $VISUAL/output/video-multimodal-generate/。
限制与降级：prompt 缺失但有素材时追问；素材超 12 提示精简；时长与音频冲突优先匹配音频；部分素材不可访问则静默过滤；调用失败降级模型重试 1 次；超时降低 duration/size 重试 1 次；内容合规拦截直接返回不重试；无任何多媒体素材不属于本工具范畴。