--- read_when: - 通过智能体生成音乐或音频 - 配置音乐生成提供商和模型 - 理解 music_generate 工具参数 sidebarTitle: Music generation summary: 通过 music_generate 跨 Google Lyria、MiniMax 和 ComfyUI 工作流生成音乐 title: 音乐生成 x-i18n: generated_at: "2026-05-11T20:35:20Z" model: gpt-5.5 provider: openai source_hash: b355dd6f1f41074624b692edb8a597a65ad99fc3ad61d2ed5e32f1b6cf393244 source_path: tools/music-generation.md workflow: 16 --- `music_generate` 工具让智能体可以通过共享音乐生成能力，使用已配置的提供商来创建音乐或音频，目前支持 Google、MiniMax，以及通过工作流配置的 ComfyUI。 对于有会话支持的智能体运行，OpenClaw 会将音乐生成作为后台任务启动，在任务账本中跟踪它，然后在曲目就绪时再次唤醒智能体，以便智能体告知用户并附上完成的音频。在使用仅消息工具可见投递的群组/渠道聊天中，智能体会通过消息工具转发结果。如果完成智能体只写入私有最终回复，OpenClaw 会回退到带有生成媒体的直接渠道发送。完成唤醒会明确警告智能体，在这些路由中普通最终回复是私有的。 内置共享工具只会在至少一个音乐生成提供商可用时出现。如果你在智能体的工具中看不到 `music_generate`，请配置 `agents.defaults.musicGenerationModel` 或设置提供商 API key。 ## 快速开始 为至少一个提供商设置 API key，例如 `GEMINI_API_KEY` 或 `MINIMAX_API_KEY`。 ```json5 { agents: { defaults: { musicGenerationModel: { primary: "google/lyria-3-clip-preview", }, }, }, } ``` _"Generate an upbeat synthpop track about a night drive through a neon city."_ 智能体会自动调用 `music_generate`。无需工具允许列表。 对于没有会话支持的智能体运行的直接同步上下文，内置工具仍会回退到内联生成，并在工具结果中返回最终媒体路径。 使用工作流 JSON 和提示词/输出节点配置 `plugins.entries.comfy.config.music`。 对于 Comfy Cloud，请设置 `COMFY_API_KEY` 或 `COMFY_CLOUD_API_KEY`。 ```text /tool music_generate prompt="Warm ambient synth loop with soft tape texture" ``` 示例提示词： ```text Generate a cinematic piano track with soft strings and no vocals. ``` ```text Generate an energetic chiptune loop about launching a rocket at sunrise. ``` ## 支持的提供商 | 提供商 | 默认模型 | 参考输入 | 支持的控制项 | 认证 | | -------- | ---------------------- | ---------------- | --------------------------------------------------------- | -------------------------------------- | | ComfyUI | `workflow` | 最多 1 张图片 | 工作流定义的音乐或音频 | `COMFY_API_KEY`, `COMFY_CLOUD_API_KEY` | | Google | `lyria-3-clip-preview` | 最多 10 张图片 | `lyrics`, `instrumental`, `format` | `GEMINI_API_KEY`, `GOOGLE_API_KEY` | | MiniMax | `music-2.6` | 无 | `lyrics`, `instrumental`, `durationSeconds`, `format=mp3` | `MINIMAX_API_KEY` 或 MiniMax OAuth | ### 能力矩阵 `music_generate`、契约测试和共享实时扫描使用的显式模式契约： | 提供商 | `generate` | `edit` | 编辑限制 | 共享实时通道 | | -------- | :--------: | :----: | ---------- | ------------------------------------------------------------------------- | | ComfyUI | ✓ | ✓ | 1 张图片 | 不在共享扫描中；由 `extensions/comfy/comfy.live.test.ts` 覆盖 | | Google | ✓ | ✓ | 10 张图片 | `generate`, `edit` | | MiniMax | ✓ | — | 无 | `generate` | 使用 `action: "list"` 在运行时检查可用的共享提供商和模型： ```text /tool music_generate action=list ``` 使用 `action: "status"` 检查当前有会话支持的音乐任务： ```text /tool music_generate action=status ``` 直接生成示例： ```text /tool music_generate prompt="Dreamy lo-fi hip hop with vinyl texture and gentle rain" instrumental=true ``` ## 工具参数 音乐生成提示词。`action: "generate"` 必填。 `"status"` 返回当前会话任务；`"list"` 检查提供商。 提供商/模型覆盖（例如 `google/lyria-3-pro-preview`、`comfy/workflow`）。 当提供商支持显式歌词输入时，可选歌词。 当提供商支持时，请求仅器乐输出。 单个参考图片路径或 URL。 多张参考图片（支持的提供商最多 10 张）。 当提供商支持时，以秒为单位的目标时长提示。 当提供商支持时的输出格式提示。 输出文件名提示。 可选的提供商请求超时时间，单位为毫秒。省略时，如果已配置，OpenClaw 会使用 `agents.defaults.musicGenerationModel.timeoutMs`。低于 10000ms 的值会提升到 10000ms，并在工具结果中报告。 并非所有提供商都支持所有参数。OpenClaw 仍会在提交前验证输入数量等硬性限制。当提供商支持时长但使用的最大值短于请求值时，OpenClaw 会钳制到最接近的受支持时长。真正不受支持的可选提示会在选定提供商或模型无法满足时被忽略，并附带警告。工具结果会报告已应用的设置；`details.normalization` 会捕获任何从请求到应用的映射。 ## 异步行为 有会话支持的音乐生成会作为后台任务运行： - **后台任务：** `music_generate` 会创建后台任务，立即返回已启动/任务响应，并稍后在后续智能体消息中发布完成的曲目。 - **防止重复：** 当任务处于 `queued` 或 `running` 状态时，同一会话中后续的 `music_generate` 调用会返回任务状态，而不是启动另一次生成。使用 `action: "status"` 可显式检查。 - **状态查询：** `openclaw tasks list` 或 `openclaw tasks show ` 可检查排队、运行中和终止状态。 - **完成唤醒：** OpenClaw 会将内部完成事件注入回同一会话，让模型可以自行编写面向用户的后续消息。 - **提示词提示：** 同一会话中之后的用户/手动轮次会在音乐任务已在进行中时获得一个小的运行时提示，因此模型不会盲目再次调用 `music_generate`。 - **无会话回退：** 没有真实智能体会话的直接/本地上下文会内联运行，并在同一轮中返回最终音频结果。 ### 任务生命周期 | 状态 | 含义 | | ----------- | ---------------------------------------------------------------------------------------------- | | `queued` | 任务已创建，等待提供商接受。 | | `running` | 提供商正在处理（通常为 30 秒到 3 分钟，取决于提供商和时长）。 | | `succeeded` | 曲目已就绪；智能体会被唤醒并将其发布到对话。 | | `failed` | 提供商错误或超时；智能体会被唤醒并带有错误详情。 | 从 CLI 检查状态： ```bash openclaw tasks list openclaw tasks show openclaw tasks cancel ``` ## 配置 ### 模型选择 ```json5 { agents: { defaults: { musicGenerationModel: { primary: "google/lyria-3-clip-preview", fallbacks: ["minimax/music-2.6"], }, }, }, } ``` ### 提供商选择顺序 OpenClaw 会按以下顺序尝试提供商： 1. 工具调用中的 `model` 参数（如果智能体指定了一个）。 2. 配置中的 `musicGenerationModel.primary`。 3. 按顺序使用 `musicGenerationModel.fallbacks`。 4. 仅使用基于认证的提供商默认值进行自动检测： - 当前默认提供商优先； - 其余已注册的音乐生成提供商按提供商 ID 顺序。 如果某个提供商失败，会自动尝试下一个候选项。如果全部失败，错误会包含每次尝试的详情。 设置 `agents.defaults.mediaGenerationAutoProviderFallback: false` 以仅使用显式的 `model`、`primary` 和 `fallbacks` 条目。 ## 提供商说明 由工作流驱动，并依赖已配置的图以及提示词/输出字段的节点映射。内置的 `comfy` 插件通过音乐生成提供商注册表接入共享的 `music_generate` 工具。 使用 Lyria 3 批量生成。当前内置流程支持提示词、可选歌词文本和可选参考图片。 使用批量 `music_generation` 端点。支持提示词、可选歌词、器乐模式、时长引导，以及通过 `minimax` API key 认证或 `minimax-portal` OAuth 输出 mp3。 ## 选择合适的路径 - **共享提供商支持**：当你需要模型选择、提供商故障转移，以及内置异步任务/状态流程时使用。 - **插件路径（ComfyUI）**：当你需要自定义工作流图，或需要不属于共享内置音乐能力的提供商时使用。 如果你正在调试 ComfyUI 特定行为，请参阅 [ComfyUI](/zh-CN/providers/comfy)。如果你正在调试共享提供商行为，请从 [Google (Gemini)](/zh-CN/providers/google) 或 [MiniMax](/zh-CN/providers/minimax) 开始。 ## 提供商能力模式 共享音乐生成契约支持显式模式声明： - `generate` 用于仅提示词生成。 - 当请求包含一张或多张参考图片时使用 `edit`。 新的提供商实现应优先使用显式模式块： ```typescript capabilities: { generate: { maxTracks: 1, supportsLyrics: true, supportsFormat: true, }, edit: { enabled: true, maxTracks: 1, maxInputImages: 1, supportsFormat: true, }, } ``` `maxInputImages`、`supportsLyrics` 和 `supportsFormat` 等旧版扁平字段**不足以**声明编辑支持。提供商应显式声明 `generate` 和 `edit`，以便实时测试、契约测试和共享的 `music_generate` 工具能够确定性地验证模式支持。 ## 实时测试 共享内置提供商的选择加入式实时覆盖： ```bash OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/music-generation-providers.live.test.ts ``` 仓库包装器： ```bash pnpm test:live:media music ``` 此 live 文件会从 `~/.profile` 加载缺失的提供商环境变量，默认优先使用 live/env API 密钥，而不是已存储的认证配置文件，并且在提供商启用 edit 模式时同时运行 `generate` 和声明的 `edit` 覆盖范围。当前覆盖范围： - `google`：`generate` 加 `edit` - `minimax`：仅 `generate` - `comfy`：单独的 Comfy live 覆盖范围，不属于共享的提供商 sweep 为内置 ComfyUI 音乐路径启用可选 live 覆盖范围： ```bash OPENCLAW_LIVE_TEST=1 COMFY_LIVE_TEST=1 pnpm test:live -- extensions/comfy/comfy.live.test.ts ``` 配置了对应部分时，Comfy live 文件也会覆盖 comfy 图像和视频工作流。 ## 相关内容 - [后台任务](/zh-CN/automation/tasks) — 用于分离式 `music_generate` 运行的任务跟踪 - [ComfyUI](/zh-CN/providers/comfy) - [配置参考](/zh-CN/gateway/config-agents#agent-defaults) — `musicGenerationModel` 配置 - [Google (Gemini)](/zh-CN/providers/google) - [MiniMax](/zh-CN/providers/minimax) - [Models](/zh-CN/concepts/models) — 模型配置和故障转移 - [工具概览](/zh-CN/tools)