La génération musicale d’OpenClaw

L’outil musical crée de la musique ou de l’audio par une capacité partagée de génération musicale adossée à ComfyUI, fal, Google, MiniMax et OpenRouter, et il n’apparaît que lorsqu’au moins un fournisseur est disponible, par une configuration explicite des modèles de médias ou un fournisseur dont l’authentification est configurée. Dans une exécution adossée à une session, il démarre comme tâche d’arrière-plan, suit la progression dans le registre des tâches, et réveille l’agent quand le morceau est prêt pour qu’il vous le dise et joigne l’audio. Voici le démarrage rapide sur les deux chemins, les fournisseurs et ce que chacun contrôle, les paramètres, le cycle de vie asynchrone, l’ordre de sélection et les notes de fournisseurs.

Démarrage rapide

• Voie partagée par fournisseur : définissez une clé d’API pour au moins un fournisseur, Gemini ou MiniMax par exemple, choisissez éventuellement un modèle par défaut sous la configuration des modèles de médias, et demandez à l’agent ; l’outil est appelé automatiquement sans liste d’autorisation.
• Flux ComfyUI : configurez la section musicale de l’extension avec un JSON de flux et ses nœuds de prompt et de sortie, ajoutez une clé cloud si vous utilisez Comfy Cloud, et appelez l’outil avec un prompt.
• L’action de liste inspecte les fournisseurs et les modèles, l’action d’état inspecte la tâche de session active, et un appel direct peut demander une sortie instrumentale.
• Sans exécution adossée à une session, contextes directs ou locaux, l’outil tourne en ligne et renvoie le chemin du média final dans le même résultat.

L’agent appelle music_generate automatiquement. Aucune liste d’autorisation d’outils n’est nécessaire.

Fournisseurs et paramètres

ComfyUI exécute un flux avec au plus une image de référence ; fal a par défaut un modèle musical adossé à MiniMax avec des contrôles de paroles, d’instrumental, de durée et de format, plus deux modèles audio à prompt seul ; l’aperçu de clip Lyria de Google prend jusqu’à dix images de référence avec paroles, instrumental et format, ne produit que du mp3 tandis que le modèle pro prend aussi le wav ; MiniMax prend paroles et instrumental en mp3 seulement, enregistre deux identifiants de fournisseur pour l’authentification par clé d’API et par OAuth, et expose aussi des modèles gratuits et de reprise ; OpenRouter a par défaut l’aperçu Lyria pro avec une image et l’ensemble complet des contrôles. Les paramètres : le prompt ; une action de génération, d’état ou de liste ; un modèle de remplacement ; des paroles là où c’est pris en charge ; un indicateur d’instrumental ; une ou jusqu’à dix images de référence ; une indication de durée ; un format mp3 ou wav ; et une indication de nom de fichier. Les limites dures comme le nombre d’entrées sont validées avant la soumission, une durée au-dessus du maximum d’un fournisseur est bornée à la valeur prise en charge la plus proche, les indications facultatives non prises en charge sont ignorées avec un avertissement, et le résultat rapporte les réglages appliqués avec un enregistrement de normalisation. Les délais de requête des fournisseurs sont une configuration d’opérateur seulement : une valeur configurée sous deux minutes est relevée à deux minutes, et la valeur par défaut est cinq.

Le cycle de vie asynchrone

• L’outil crée une tâche d’arrière-plan et renvoie immédiatement une réponse de démarrage, puis publie plus tard le morceau terminé dans un message de suite ; tant qu’une tâche est en file ou en cours, les appels suivants dans la même session renvoient son état au lieu d’en démarrer une autre, et une requête correspondante récemment terminée est dédoublonnée pendant deux minutes.
• Un événement de fin interne réveille la même session pour que le modèle écrive lui-même la suite destinée à l’utilisateur, les tours suivants reçoivent une petite indication tant qu’une tâche est en vol pour que le modèle n’appelle pas l’outil de nouveau à l’aveugle, et la CLI des tâches liste, montre et annule ; si la session demandeuse est inactive ou si son réveil échoue, un envoi direct idempotent de repli livre seulement l’audio manquant.
• Les états sont ceux du registre général des tâches : en file, en cours pendant trente secondes à trois minutes selon le fournisseur et la durée, réussie, quand l’agent se réveille et publie, et échouée avec les détails de l’erreur.

La génération vidéo d’OpenClaw est l’outil au même cycle de vie et à la liste de fournisseurs plus longue, et La génération d’images d’OpenClaw le jumeau en image fixe.

Sélection et les deux chemins

Le paramètre de modèle seul quand il est défini, puis le principal configuré, puis les replis dans l’ordre, puis la détection automatique seulement quand rien n’est configuré, avec le fournisseur de modèle texte par défaut en premier s’il offre aussi la musique et les autres fournisseurs par ordre alphabétique ; une configuration explicite limite le repli à la liste. Le conseil de la documentation sur les chemins : la voie partagée par fournisseur quand vous voulez la sélection de modèle, le basculement et le flux de tâches intégré, la voie de l’extension ComfyUI quand il vous faut un graphe de flux personnalisé ou un fournisseur hors de l’ensemble intégré. La synthèse vocale d’OpenClaw est l’autre audio que l’agent peut produire, et Les automatisations d’OpenClaw explique la mécanique des tâches derrière le réveil.

Sur Diali

Sur Diali, l’outil musical apparaît dès qu’une clé de fournisseur est dans le coffre ; le morceau atterrit dans le stockage de médias de l’assistant et revient dans le chat comme fichier audio. OpenClaw hébergé sur Diali est l’assistant.

• Pas de fournisseur, pas d’outil ; une clé suffit.
• Une tâche d’arrière-plan, un réveil, une suite avec le fichier.
• Lyria pour les images et le wav, MiniMax pour le mp3 et les paroles.