多模态

多模态工作产出非文本 artifact。Runtime 拥有规范化的输入字段、artifact 形状、适配器路由、投递闸口。App 显示或消费 artifact；它们不重新定义 artifact 真相。

能力面

Runtime 多模态合同覆盖：

能力	产出什么
图像	图像引擎产出的栅格图
视频	视频引擎产出的视频 artifact
音频	音频生成
语音	文本转语音（`AI_TTS`），含声音克隆（`AI_TTS_CREATE_VOICE`、`AI_TTS_SYNTHESIZE`）
音乐	音乐生成，含迭代支持

每种能力有准入的规范化输入字段、准入的 artifact 形状、准入的投递闸口。App 不能新发明 MIME 类型，也不能跳过投递闸口。

规范化输入字段

每次多模态请求都有规范化的类型化输入。App 按合同构造输入：

字段	用途
能力 id	调的是哪种能力
Provider 上下文	可选的 Provider 特定扩展
资源引用	输入资源（已有 artifact）
生成参数	能力特定参数

规范化字段在 runtime/kernel/tables/multimodal-canonical-fields.yaml。产出脱合同输入形状的 App 在准入时 fail-close。

Provider 异步任务生命周期

多模态生成通常是长跑的。Runtime 把它们建模为 Provider 异步任务，生命周期类型化：

状态	终态？
`queued`	否
`running`	否
`succeeded`	是
`failed`	是
`expired`	是（等价于超时）

注意小写 snake（vs ScenarioJob 用大写 SNAKE）。Provider 异步任务是 Provider 边界上的规范化；大小写贴合 Provider 语义。

异步到 ScenarioJob 的映射

Provider 异步终态确定地映到 ScenarioJob 终态：

Provider 异步状态	ScenarioJob 终态
`succeeded`	`COMPLETED`
`expired`	`TIMEOUT`
`failed`	`FAILED`

映射规则（K-MMPROV-027）已准入；App 在跨模态时看到的是统一形状。

Artifact 规范化

多模态输出落为带规范化字段的 artifact。App 通过 artifact 合同消费：

字段	用途
Artifact id	稳定身份
MIME 类型	来自合同，不是猜的
字节 / 引用	在哪儿读 artifact
来源	谁产出的、在哪条请求 lineage 下
投递闸口裁定	闸口是否准入投递

Artifact 字段准入在 runtime/kernel/tables/multimodal-artifact-fields.yaml。少必填字段的 artifact fail-close。

投递闸口

多模态 artifact 不会因生成成功就自动到 App。投递闸口 决定一份 artifact 什么时候可以投递。

闸口关注	为什么重要
敏感度分类	某些 artifact 需要审批
来源	来源不全的 artifact 可能被隔离
Schema 校验	脱合同 artifact fail-close
用户策略	用户偏好可能闸住投递

Runtime 投递闸口表（runtime/kernel/tables/runtime-delivery-gates.yaml）准入具体闸口。App 看到闸口裁定；它们不绕过。

音乐迭代支持

音乐生成准入迭代模型：一份 artifact 可以在类型化参数下迭代产出变体。

性质	值
迭代种类	`MUSIC_GENERATE`（`K-MMPROV-*` 准入）
Lineage	每次迭代引用上一份 artifact
审计	迭代作为工作流 lineage 的一部分被记下

迭代受准入合同约束；App 不能在运行时新发明迭代种类。

声音克隆支持

语音能力按类型化合同准入声音克隆。

操作	用途
`AI_TTS_CREATE_VOICE`	从输入音频建一份声音 profile
`AI_TTS_SYNTHESIZE`	用准入声音 profile 合成语音
`AI_TTS`	用准入声音的标准 TTS

VoiceAsset 生命周期准入在语音合同（K-VOICE-*）；声音 profile 有准入的引用合同。

阅读场景：图像生成工作流

App 用一个长跑 Provider 生成图像。

工作流节点。 工作流里有个 AI_IMAGE 节点。
ScenarioJob 创建。 节点扇出到 ScenarioJob。
Provider 异步任务。 Provider 返回 task id；状态走 queued → running。
Polling / 流式。 Runtime 跟踪任务。工作流事件流推外部异步进度事件。
任务成功。 Provider 状态搬到 succeeded。按 K-MMPROV-027，ScenarioJob 终态变成 COMPLETED。
Artifact 投递。 图像 artifact 有规范化字段、MIME 类型、来源。投递闸口校验 schema、来源、敏感度。准入则投递完成。
App 拿到 artifact。 通过 SDK 类型化 artifact 形状。MIME 类型来自合同；App 不猜。

没发生：App 没拿到一个无来源的自由 URL；App 没看到猜的 MIME 类型；artifact 没绕开投递闸口。

阅读场景：音乐迭代

用户生成音乐并想迭代。

第一次生成。 跑一个音乐工作流；产出一份 artifact。
迭代请求。 App 用类型化参数发起迭代，引用原 artifact。
MUSIC_GENERATE 被准入。 在 K-MMPROV-* 下准入。
Provider 异步生命周期。 迭代过 Provider 异步生命周期。状态映到 ScenarioJob 终态如前。
新 artifact。 迭代 artifact 引用原 artifact；lineage 被保留。

迭代是类型化操作；lineage 是结构上的，不是 docstring。

阅读场景：Provider 异步任务到期

一次长视频生成撞到 Provider 侧的超时。

Provider 状态 从 running 搬到 expired。
映射。 按 K-MMPROV-027，ScenarioJob 终态变成 TIMEOUT。
工作流影响。 节点的工作流状态搬到 FAILED（或按准入重试策略走重试路径）。
审计。 到期带原因被记下。

App 看到的是类型化的 TIMEOUT，不是「请求以某种方式失败了」；ScenarioJob 终态类型告诉 App 发生了什么。

多模态 ​

能力面 ​

规范化输入字段 ​

Provider 异步任务生命周期 ​

异步到 ScenarioJob 的映射 ​

Artifact 规范化 ​

投递闸口 ​

音乐迭代支持 ​

声音克隆支持 ​

阅读场景：图像生成工作流 ​

阅读场景：音乐迭代 ​

阅读场景：Provider 异步任务到期 ​

来源 ​

多模态

能力面