Skip to main content
La herramienta music_generate crea música o audio mediante la capacidad compartida de generación de música, respaldada por ComfyUI, fal, Google, MiniMax y OpenRouter.
music_generate solo aparece cuando hay al menos un proveedor de generación de música disponible: una configuración explícita de agents.defaults.mediaModels.music o un proveedor con autenticación configurada (por ejemplo, una clave de API establecida).
Para las ejecuciones de agentes respaldadas por sesiones, music_generate se inicia como una tarea en segundo plano, registra el progreso en el registro de tareas y, cuando la pista está lista, reactiva al agente para que pueda informar al usuario y adjuntar el audio terminado. El agente de finalización sigue el contrato de respuesta visible de la sesión: respuesta final automática cuando está configurada, o message(action="send") cuando la sesión requiere la herramienta de mensajes. Si la sesión solicitante está inactiva o su reactivación falla y el audio generado todavía no aparece en la respuesta, OpenClaw envía un recurso alternativo directo e idempotente que contiene únicamente el audio faltante.

Inicio rápido

1

Configurar la autenticación

Establezca una clave de API para al menos un proveedor; por ejemplo, GEMINI_API_KEY o MINIMAX_API_KEY.
2

Elegir un modelo predeterminado (opcional)

3

Solicitarlo al agente

“Genera una pista synthpop animada sobre un viaje nocturno en automóvil por una ciudad de neón.”El agente llama automáticamente a music_generate. No es necesario incluir la herramienta en una lista de permitidas.
Sin una ejecución de agente respaldada por una sesión (en contextos directos/locales), la herramienta se ejecuta en línea y devuelve la ruta final del contenido multimedia en el mismo resultado de la herramienta.
Ejemplos de solicitudes:
Use action: "list" para consultar los proveedores/modelos disponibles y action: "status" para consultar la tarea de música activa respaldada por la sesión:
Ejemplo de generación directa:

Proveedores compatibles

MiniMax registra dos identificadores de proveedor que comparten los mismos modelos: minimax para la autenticación mediante clave de API y minimax-portal para OAuth. Las referencias de los modelos siguen la ruta de autenticación (minimax/music-2.6 frente a minimax-portal/music-2.6); consulte MiniMax. fal también ofrece fal-ai/ace-step/prompt-to-audio (wav, sin letras ni selector instrumental) y fal-ai/stable-audio-25/text-to-audio (wav, solo solicitud), además de su modelo predeterminado respaldado por MiniMax. El modelo predeterminado de Google, lyria-3-clip-preview, solo genera mp3; lyria-3-pro-preview también admite wav. MiniMax también ofrece music-2.6-free, music-cover y music-cover-free. OpenRouter también ofrece google/lyria-3-clip-preview.

Matriz de capacidades

El contrato de modo explícito utilizado por music_generate, las pruebas de contrato y el barrido en vivo compartido:

Parámetros de la herramienta

string
requerido
Solicitud de generación de música. Obligatoria para action: "generate".
"generate" | "status" | "list"
predeterminado:"generate"
"status" devuelve la tarea de la sesión actual; "list" consulta los proveedores.
string
Sustitución del proveedor/modelo (p. ej., google/lyria-3-pro-preview, comfy/workflow).
string
Letras opcionales cuando el proveedor admite una entrada explícita de letras.
boolean
Solicita una salida exclusivamente instrumental cuando el proveedor la admite.
string
Ruta o URL de una única imagen de referencia.
string[]
Varias imágenes de referencia (hasta 10 en los proveedores compatibles).
number
Duración objetivo en segundos cuando el proveedor admite indicaciones de duración.
"mp3" | "wav"
Indicación del formato de salida cuando el proveedor lo admite.
string
Indicación del nombre del archivo de salida.
No todos los proveedores admiten todos los parámetros. OpenClaw sigue validando los límites estrictos, como el número de entradas, antes del envío. Cuando un proveedor admite la duración, pero utiliza un máximo inferior al valor solicitado, OpenClaw lo limita a la duración compatible más cercana. Las indicaciones opcionales que realmente no se admiten se ignoran con una advertencia cuando el proveedor o modelo seleccionado no puede respetarlas. Los resultados de la herramienta indican la configuración aplicada; details.normalization registra cualquier correspondencia entre el valor solicitado y el aplicado.
Los tiempos de espera de las solicitudes a proveedores son exclusivamente una configuración del operador. OpenClaw utiliza agents.defaults.mediaModels.music.timeoutMs cuando está configurado, eleva los valores inferiores a 120000ms hasta 120000ms y, en los demás casos, establece de forma predeterminada las solicitudes a proveedores en 300000ms.

Comportamiento asíncrono

La generación de música respaldada por una sesión se ejecuta como una tarea en segundo plano:
  • Tarea en segundo plano: music_generate crea una tarea en segundo plano, devuelve inmediatamente una respuesta de inicio/tarea y publica posteriormente la pista terminada en un mensaje de seguimiento del agente.
  • Prevención de duplicados: mientras una tarea está en queued o running, las llamadas posteriores a music_generate en la misma sesión devuelven el estado de la tarea en lugar de iniciar otra generación. Use action: "status" para comprobarlo explícitamente. Una solicitud coincidente completada recientemente también se desduplica durante 2 minutos.
  • Consulta de estado: openclaw tasks list o openclaw tasks show <taskId> consulta los estados en cola, en ejecución y terminales.
  • Reactivación al finalizar: OpenClaw vuelve a inyectar un evento interno de finalización en la misma sesión para que el propio modelo pueda redactar el seguimiento dirigido al usuario.
  • Indicación de la solicitud: los turnos posteriores del usuario o manuales de la misma sesión reciben una pequeña indicación en tiempo de ejecución cuando ya hay una tarea de música en curso, para que el modelo no vuelva a llamar a music_generate a ciegas.
  • Alternativa sin sesión: los contextos directos/locales sin una sesión real del agente se ejecutan en línea y devuelven el resultado final del audio en el mismo turno.

Ciclo de vida de las tareas

La tarea de música presenta los mismos estados que el registro general de tareas (consulte Tareas en segundo plano para ver la máquina de estados completa, incluidos timed_out, cancelled y lost). La mayoría de las ejecuciones de música pasan por: Compruebe el estado desde la CLI:

Configuración

Selección del modelo

Orden de selección de proveedores

OpenClaw prueba los proveedores en este orden:
  1. Parámetro model de la llamada a la herramienta (si el agente especifica uno).
  2. musicGenerationModel.primary de la configuración.
  3. musicGenerationModel.fallbacks en orden.
  4. Detección automática utilizando únicamente los valores predeterminados de proveedores respaldados por autenticación:
    • primero, el proveedor predeterminado actual del modelo de texto, si también ofrece generación de música;
    • los demás proveedores de generación de música registrados, ordenados alfabéticamente por identificador del proveedor.
Si un proveedor falla, se prueba automáticamente el siguiente candidato. Si todos fallan, el error incluye detalles de cada intento. La alternativa automática entre proveedores autenticados siempre está habilitada. Un valor model por llamada sigue siendo determinante.

Notas sobre los proveedores

Se basa en flujos de trabajo y depende del grafo configurado, además de la asignación de nodos para los campos de entrada y salida. El Plugin comfy incluido se integra en la herramienta compartida music_generate mediante el registro de proveedores de generación de música.
Usa los endpoints de modelos de fal mediante la ruta compartida de autenticación de proveedores. El proveedor incluido utiliza fal-ai/minimax-music/v2.6 de forma predeterminada y también ofrece fal-ai/ace-step/prompt-to-audio y fal-ai/stable-audio-25/text-to-audio para solicitudes de generación de audio a partir de indicaciones. Las letras y el modo instrumental son exclusivos del modelo MiniMax; los otros dos modelos solo admiten indicaciones.
Usa la generación por lotes de Lyria 3. El flujo incluido actual admite indicaciones, texto de letras opcional e imágenes de referencia opcionales. El modelo predeterminado lyria-3-clip-preview solo genera mp3; el modelo lyria-3-pro-preview también admite wav.
Usa el endpoint por lotes music_generation. Admite indicaciones, letras opcionales, modo instrumental y salida mp3 mediante autenticación con clave de API minimax o mediante OAuth de minimax-portal. También ofrece los modelos music-2.6-free, music-cover y music-cover-free.
Usa la salida de audio de finalizaciones de chat de OpenRouter con la transmisión activada. El proveedor incluido utiliza google/lyria-3-pro-preview de forma predeterminada y también ofrece openrouter/google/lyria-3-clip-preview.

Elección de la ruta adecuada

  • Con respaldo de proveedor compartido cuando se requiera selección de modelos, conmutación por error entre proveedores y el flujo asíncrono integrado de tareas y estados.
  • Ruta del Plugin (ComfyUI) cuando se necesite un grafo de flujo de trabajo personalizado o un proveedor que no forme parte de la capacidad compartida incluida de generación de música.
Para depurar comportamientos específicos de ComfyUI, consulte ComfyUI. Para depurar comportamientos de proveedores compartidos, comience con fal, Google (Gemini), MiniMax u OpenRouter.

Modos de capacidad de proveedores

El contrato compartido de generación de música admite declaraciones explícitas de modo:
  • generate para la generación basada únicamente en indicaciones.
  • edit cuando la solicitud incluye una o más imágenes de referencia.
Las nuevas implementaciones de proveedores deben preferir bloques de modo explícitos:
Los campos planos heredados, como maxInputImages, supportsLyrics y supportsFormat, no bastan para anunciar la compatibilidad con la edición. Los proveedores deben declarar generate y edit explícitamente para que las pruebas en vivo, las pruebas de contrato y la herramienta compartida music_generate puedan validar la compatibilidad con los modos de manera determinista.

Pruebas en vivo

Cobertura en vivo opcional para los proveedores compartidos incluidos (fal, Google, MiniMax, OpenRouter):
Contenedor equivalente del repositorio, que ejecuta el mismo archivo de prueba:
De forma predeterminada, este archivo de pruebas en vivo usa las variables de entorno de proveedores ya exportadas antes que los perfiles de autenticación almacenados, y ejecuta tanto la cobertura de generate como la de edit declarada cuando el proveedor activa el modo de edición. Cobertura actual:
  • google: generate más edit
  • fal: solo generate
  • minimax: solo generate
  • openrouter: generate más edit
  • comfy: cobertura en vivo de Comfy independiente, no incluida en el barrido de proveedores compartidos
Cobertura en vivo opcional para la ruta incluida de música de ComfyUI:
El archivo de pruebas en vivo de Comfy también abarca los flujos de trabajo de imágenes y vídeos de Comfy cuando esas secciones están configuradas.

Temas relacionados