多数人工智能平台是把媒体生成事后拧上去的。另开一个标签页、另配一把 API 密钥、一套与你对话余额毫不相干的计费方式。ToRun 取的是另一种立场：图像、视频与音乐生成都是模式——与对话或代码一样是完整的产品面——并且走过与任何其他调用分毫不差的按能力分流与计费管线。
本文说明其机理，以及它为何要紧。
分流管线如何对待媒体
ToRun 的每次请求都从一个模式开始：对话、图像、视频、音乐、研究等等。每个模式声明它所要求的能力。图像生成要求 image-gen 能力，视频要求 video-gen，音乐与音频合成要求 audio-out。一次把对话与图像输出连起来的请求——比如在解释旁边给出一张概念草图——同时要求 text 与 image-gen。
分流管线取过这份能力集合，把模型目录收窄到全部满足这些能力的供应商，再按价格与质量为候选排序。所选模型没有在你的工作流里被写死；若某供应商宕机或迟缓，回退链会自动挑出下一个合适的模型。你不写针对某家供应商的代码，也不必按形态维护各自的 API 密钥（除非你愿意，通过 BYOK）。
这一点在你混用形态时最要紧。一个工作流节点可以让文本模型写出场景描述，把该输出交给图像生成模型，再把图像的地址交给延展视频的模型——全在同一张图里，全记到同一本台账上。
与供应商实际收费相符的计价单位
媒体计费历来不透明，因为其单位并不映射到词元。ToRun 使用十二种规范计价单位，以精确覆盖每一种形态：
- 每张图像——用于扩散模型与文生图模型；价格捕捉的是生成，而非像素。
- 每秒音频——用于语音合成、口语输出与音乐生成。
- 每秒视频——用于视频生成模型；时长与分辨率型号写在价格行上。
- 每字符语音合成——用于按字符收费的语音接口。
与之并列的，是常见的词元单位（每百万输入词元、输出词元与输入缓存词元），覆盖参与媒体管线的文本模型。
每一次调用都写下恰好一条计费记录。该记录在执行时刻冻结价格：计价单位、每单位价格、消耗数量、计入 ToRun 加成后的美元金额，以及在你的账户货币不是美元时的汇率快照。若某供应商明天改价，你今天的账单依然可从台账完整重算。你可以导出原始价格，离线核到每一分。
把媒体生成与对话、工作流组合起来
这套架构回报最丰的地方是工作流。
工作流节点不过是一个声明自身所需的步骤：一个具备某些能力的模型、一份输入模式、一份输出模式。音乐节点可以接受一段文本提示与一个时长，返回所生成音频的 Bunny CDN 地址。图像节点接受提示、画面比例与风格提示，返回一个图像地址。这些节点与其他任何步骤一样可以组合。
你可以搭出这样一条工作流：
- 把一份产品简介作为输入。
- 调用文本模型，生成五个标语版本。
- 调用图像模型，为每个版本绘制一张主视觉。
- 调用语音模型，念出选中的标语。
- 返回一份包含文本、图像地址与音频的结构化产物。
这次运行整体的计费分成五条记录——每次模型调用一条——全都系在同一个工作流执行标识上。你能看到按步骤的成本拆分。因为结果要紧，执行器默认取质量档的模型；你可以按节点覆盖。
同样的逻辑适用于对话。若你的对话触发了一次图像生成调用——无论是你直接要求，还是某条附带的工作流启动了它——该调用都会走过分流管线，并作为一行出现在你的会话成本视图里。没有什么藏在统一费率里。也没有什么先免费、后收费。
现在有哪些在跑
图像生成、视频生成与音乐/音频生成在第一阶段均已可用。它们走过与文本相同的供应商目录，记到同一本台账上，并在同一个工作流搭建器里组合。具体哪些模型可用，取决于彼时目录中有哪些供应商、它们声明了哪些能力——分流层会实时反映这一点。
价格见 /pricing。若你想以更低的平台费用、经由自己的供应商账户分流媒体调用，也有 BYOK 支持。