用途：TanStack AI 的媒体生成技能，统一处理图片、音频（音乐/音效）、语音合成（TTS）、视频与转写。依赖 ai-core，须先阅读其规则。
架构：所有媒体活动都遵循同一服务端/客户端模式——服务端调用 generate*() 函数，用 toServerSentEventsResponse() 转为 SSE，客户端用框架 Hook 消费。在 TanStack Start 中用 createServerFn 返回 toServerSentEventsResponse()，客户端以 fetcher 或 fetchServerSentEvents 连接。
主要能力： 图片生成：generateImage()，适配器 openaiImage、geminiImage、byteplusImage 等。结果 ImageGenerationResult 的 images 条目含 b64Json、url、revisedPrompt；OpenAI 图片 URL 1 小时后过期，需及时下载或展示。 多模态提示：prompt 可为字符串或 TextPart/ImagePart/VideoPart/AudioPart 有序数组，支持图生图、多参考图、遮罩修补（metadata.role: 'mask'）等；也用于图生视频。 音频生成：generateAudio() 产出非语音内容，适配器 geminiAudio、falAudio。 语音合成：generateSpeech()，适配器 openaiSpeech、byteplusSpeech、elevenlabsSpeech；支持多说话人 turns 与 timestamps 时间对齐。 使用方式：在服务端路由或 Server Function 中导入 @tanstack/ai 及各适配器包，调用 generate*；客户端从 @tanstack/ai-react 导入 useGenerateImage、useGenerateAudio、useGenerateSpeech 等 Hook，通过 connection 或 fetcher 触发并读取 result。
限制：各提供商对输入部分有支持差异与数量上限，部分端点不接受文件句柄或 HTTP(S) URL 图像输入（需 data: URI 或 allowUrlFetch: true）。BytePlus Seed Speech 使用 BYTEPLUS_VOICE_API_KEY，输出上限 120 秒；Seedream 水印默认开启，尺寸不可混用。具体定价与配额暂未提供。