媒体生成｜图片、图表与语音

先决定需要什么媒体成果，再检查相应连接。主聊天模型、生图服务、视觉分析与语音服务各自承担不同任务，配置了一项不等于其他项都可用。

生成一张图片

先在设置中完成图片能力配置，再提出完整要求：用途、主体、构图、风格、比例，以及是否需要文字。

例如：

有参考图时，先提供准确文件，让 Agent 说明是改图、风格参考还是多图融合。不同供应商支持的方式可能不同；不能把“有图片附件”直接当成所有生图模型都支持参考图。

成功信号是实际生成了可用图片路径或文件卡。失败后先读错误，确认没有已完成的结果，再决定重试，避免重复计费和重复产物。

分析图片用于理解截图、图表或文字，不会生成一张新图。主模型不支持看图时，可以通过配置的视觉模型辅助分析。

要求“核实这张图表中的数值”时，应检查分析结果与原图；要求“做成同样风格的新图”时，需要对应的生图能力。两项任务不要混为一谈。

对话和笔记可显示标题、列表、表格、代码、数学公式、提示块和流程图。这些形式帮助阅读，但格式正确不等于结论可靠。较长表格可能先折叠一部分，展开后再核对全部数据。

需要保留原样时，先确认要保存的是 Markdown 原文、HTML 页面还是图片。不要假设复制到其他工具后，所有折叠、样式与交互都会保留。

把真实数据、指标定义和想回答的问题交给 Agent。对话可以显示交互图表，但图表渲染成功只证明结构可被处理，不证明数据和结论正确。

不要把聊天中的图表自动理解成已导出的图片或报告。文件交付见成果指南。

先配置语音连接，准备已经审阅的口播稿。告诉 Agent 哪些文字需要朗读，补充音色、速度和使用场景；标题说明、脚注或编辑批注若不应读出，也要说清。

成功后试听实际音频，检查读音、停顿、内容是否完整，再保存或交付。语音合成不是录音转文字，不能拿一个生成语音入口假定应用已经支持全部转写任务。

图片可能出现在右侧成果列表；音频、视频和其他格式通常通过聊天文件卡或系统打开。核对真实文件后再对外使用。只看到模型说“已生成”，没有可打开资源时，继续查结果路径，不要直接视为交付完成。

聊天显示图片或图表不保证已有可长期保存的文件，也不保证进入交付物列表。需要后续编辑、分享或复用时，明确保存到资料库中的目标路径，再打开实际文件核对；登记限制见交付物。

内容来自 Orrery Desktop 的 Wiki，文档仍在持续完善。功能开放情况以当前版本为准。