在不断变化的21世纪和全球化背景下，身份认同研究得到越来越多学者、群体和机构的重视，但以多模态话语分析为理论框架对城市身份认同进行的研究相对少见。本文以集文字、画面以及声音手段为一体的江南小镇西塘宣传视频为例，试图回答以下三个问题:(1)在视频文本中，语言文字，画面以及声音有哪些话语特征？(2)这些话语特征建构了西塘什么样的文化身份认同？(3)为什么西塘视频会着力建构这样的身份认同？　　文章首先运用功能语法中包括语气和情态以及人称系统的人际意义对文字进行分析;其次，运用多模态话语理论中包括接触，社会距离和态度在内的互动意义对画面进行分析;最后运用Rick Moody的电影原声分析方法对视频声音进行分析。　　文字的模态和情态分析表明，视频在呈献出包括廊棚小弄，灰墙墨顶，小桥流水，美食，童谣，民俗这些传统文化特征的同时，也增加了包括风景-国际旅游小姐大赛、电影-汤姆克鲁斯主演、浪漫在内的现代和全球文化特征。文字中的第二人称“你”在西塘和潜在游客之间唤起了一种对话形式。　　画面语料分析集中于两幅画面。第一幅画面在观看者和年轻女人之间呈现出一种远距离，“不平等的地位”，引起观看者再次思考之前画面的问题“你以为西塘就是小桥流水？”。第二幅画面与第一幅画面相关联。画面在观看者和韩国游客之间建立起一种参与，平等的社会关系。韩国游客的国籍表明西塘现代与国际的身份认同。这两幅画面一起表明西塘身份建构的混杂。　　视频将包括古筝，琵琶，二胡在内的传统乐器以及显示出现代文化的踢踏舞节奏作为背景音乐。这两种音乐之间的明显对比唤起视频观看者对文化混杂意识，视频后半部分中将代表全球特征的电子音乐与小孩子的笑声以及当地越剧的声音相结合，所有的这些音乐特征展示出西塘传统与当地、现代与全球的身份认同。因此，视频话语构建出西塘传统与当地，现代化与全球化特质相结合这一身份认同。　　这一身份认同特点的话语建构受到全球化与市场推销两个方面因素的影响。