music_generate cria música ou áudio por meio do recurso compartilhado
de geração de música, com suporte de ComfyUI, fal, Google, MiniMax e
OpenRouter.
music_generate só aparece quando pelo menos um provedor de geração de música está
disponível: uma configuração explícita em agents.defaults.musicGenerationModel ou um
provedor configurado com autenticação (por exemplo, uma chave de API definida).music_generate inicia como uma tarefa em segundo plano,
acompanha o progresso no registro de tarefas e então reativa o agente quando a faixa está
pronta, para que ele possa avisar o usuário e anexar o áudio concluído. O agente de conclusão
segue o contrato de resposta visível da sessão: resposta final automática quando configurada
ou message(action="send") quando a sessão exige a ferramenta de mensagens. Se a sessão
solicitante estiver inativa ou sua reativação falhar, e o áudio gerado ainda estiver ausente
da resposta, o OpenClaw envia um fallback direto e idempotente apenas com o áudio ausente.
Início rápido
- Compartilhado com suporte de provedor
- Fluxo de trabalho do ComfyUI
1
Configurar a autenticação
Defina uma chave de API para pelo menos um provedor — por exemplo,
GEMINI_API_KEY ou MINIMAX_API_KEY.2
Escolher um modelo padrão (opcional)
3
Pedir ao agente
“Gere uma faixa synthpop animada sobre uma viagem noturna de carro por uma
cidade de neon.”O agente chama
music_generate automaticamente. Não é necessário
incluí-la em uma lista de ferramentas permitidas.action: "list" para inspecionar os provedores/modelos disponíveis e
action: "status" para inspecionar a tarefa de música ativa com sessão:
Provedores compatíveis
O MiniMax registra dois IDs de provedor que compartilham os mesmos modelos:
minimax para
autenticação por chave de API e minimax-portal para OAuth. As referências de modelo seguem
o caminho de autenticação (minimax/music-2.6 em comparação com minimax-portal/music-2.6);
consulte MiniMax.
O fal também disponibiliza fal-ai/ace-step/prompt-to-audio (wav, sem letras, sem
alternância de modo instrumental) e fal-ai/stable-audio-25/text-to-audio (wav,
somente prompt), além de seu modelo padrão com suporte do MiniMax. O modelo padrão
lyria-3-clip-preview do Google gera somente mp3; lyria-3-pro-preview também oferece
suporte a wav. O MiniMax também disponibiliza music-2.6-free, music-cover e
music-cover-free. O OpenRouter também disponibiliza google/lyria-3-clip-preview.
Matriz de recursos
O contrato explícito de modos usado pormusic_generate, pelos testes de contrato e pela
verificação compartilhada em ambiente real:
Parâmetros da ferramenta
string
obrigatório
Prompt para geração de música. Obrigatório para
action: "generate"."generate" | "status" | "list"
padrão:"generate"
"status" retorna a tarefa atual da sessão; "list" inspeciona os provedores.string
Substituição de provedor/modelo (por exemplo,
google/lyria-3-pro-preview,
comfy/workflow).string
Letras opcionais quando o provedor oferece suporte à entrada explícita de letras.
boolean
Solicita uma saída somente instrumental quando o provedor oferece suporte.
string
Caminho ou URL de uma única imagem de referência.
string[]
Várias imagens de referência (até 10 nos provedores compatíveis).
number
Duração desejada em segundos quando o provedor oferece suporte a sugestões de duração.
"mp3" | "wav"
Sugestão de formato de saída quando o provedor oferece suporte.
string
Sugestão de nome do arquivo de saída.
Nem todos os provedores oferecem suporte a todos os parâmetros. O OpenClaw ainda valida
limites rígidos, como a quantidade de entradas, antes do envio. Quando um provedor oferece
suporte à duração, mas usa um máximo menor que o valor solicitado, o OpenClaw ajusta para
a duração compatível mais próxima. Sugestões opcionais realmente incompatíveis são ignoradas
com um aviso quando o provedor ou modelo selecionado não consegue atendê-las. Os resultados
da ferramenta informam as configurações aplicadas;
details.normalization registra qualquer
mapeamento entre o valor solicitado e o aplicado.agents.defaults.musicGenerationModel.timeoutMs quando configurado, eleva
valores abaixo de 120000ms para 120000ms e, caso contrário, usa por padrão 300000ms para
as solicitações aos provedores.
Comportamento assíncrono
A geração de música com sessão é executada como uma tarefa em segundo plano:- Tarefa em segundo plano:
music_generatecria uma tarefa em segundo plano, retorna imediatamente uma resposta de início/tarefa e publica a faixa concluída depois, em uma mensagem de acompanhamento do agente. - Prevenção de duplicatas: enquanto uma tarefa estiver
queuedourunning, chamadas posteriores demusic_generatena mesma sessão retornam o status da tarefa em vez de iniciar outra geração. Useaction: "status"para verificar explicitamente. Uma solicitação correspondente concluída recentemente também é deduplicada por 2 minutos. - Consulta de status:
openclaw tasks listouopenclaw tasks show <taskId>inspeciona os status na fila, em execução e terminais. - Reativação após a conclusão: o OpenClaw injeta um evento interno de conclusão de volta na mesma sessão para que o próprio modelo possa escrever a mensagem de acompanhamento voltada ao usuário.
- Dica no prompt: interações posteriores do usuário/manuais na mesma sessão recebem uma
pequena dica em tempo de execução quando uma tarefa de música já está em andamento, para
que o modelo não chame
music_generatenovamente sem necessidade. - Fallback sem sessão: contextos diretos/locais sem uma sessão real de agente são executados em linha e retornam o resultado final do áudio na mesma interação.
Ciclo de vida da tarefa
A tarefa de música apresenta os mesmos estados do registro geral de tarefas (consulte Tarefas em segundo plano para ver a máquina de estados completa, incluindotimed_out, cancelled e lost). A maioria das execuções de música
passa por:
Verifique o status pela CLI:
Configuração
Seleção de modelo
Ordem de seleção de provedores
O OpenClaw tenta os provedores nesta ordem:- Parâmetro
modelda chamada da ferramenta (se o agente especificar um). musicGenerationModel.primaryda configuração.musicGenerationModel.fallbacksna ordem definida.- Detecção automática usando somente os padrões de provedores com autenticação:
- primeiro, o provedor padrão atual do modelo de texto, se ele também oferecer geração de música;
- depois, os demais provedores de geração de música registrados, em ordem alfabética por ID de provedor.
agents.defaults.mediaGenerationAutoProviderFallback: false para usar somente
as entradas explícitas de model, primary e fallbacks.
Observações sobre os provedores
ComfyUI
ComfyUI
Orientado por fluxos de trabalho e depende do grafo configurado, além do mapeamento de nós
para os campos de prompt/saída. O plugin
comfy incluído se integra à
ferramenta compartilhada music_generate por meio do registro de provedores
de geração de música.fal
fal
Usa os endpoints de modelos da fal pelo caminho compartilhado de autenticação do provedor. O
provedor incluído usa
fal-ai/minimax-music/v2.6 por padrão e também disponibiliza
fal-ai/ace-step/prompt-to-audio e
fal-ai/stable-audio-25/text-to-audio para solicitações de conversão de prompt em áudio.
Letras e o modo instrumental são exclusivos do modelo MiniMax; os outros dois
modelos aceitam somente prompts.Google (Lyria 3)
Google (Lyria 3)
Usa a geração em lote do Lyria 3. O fluxo incluído atual oferece suporte a
prompt, texto de letras opcional e imagens de referência opcionais. O
modelo padrão
lyria-3-clip-preview gera somente mp3; o
modelo lyria-3-pro-preview também oferece suporte a wav.MiniMax
MiniMax
Usa o endpoint em lote
music_generation. Oferece suporte a prompt, letras
opcionais, modo instrumental e saída mp3 por meio da autenticação por chave de API
minimax ou do OAuth minimax-portal. Também disponibiliza os modelos
music-2.6-free, music-cover e music-cover-free.OpenRouter
OpenRouter
Usa a saída de áudio das conclusões de chat do OpenRouter com transmissão habilitada. O
provedor incluído usa
google/lyria-3-pro-preview por padrão e também disponibiliza
openrouter/google/lyria-3-clip-preview.Como escolher o caminho certo
- Baseado em provedor compartilhado quando você quer seleção de modelo, failover de provedor e o fluxo assíncrono integrado de tarefa/status.
- Caminho de Plugin (ComfyUI) quando você precisa de um grafo de fluxo de trabalho personalizado ou de um provedor que não faça parte do recurso compartilhado e incluído de música.
Modos de recurso do provedor
O contrato compartilhado de geração de música oferece suporte a declarações explícitas de modo:generatepara geração somente por prompt.editquando a solicitação inclui uma ou mais imagens de referência.
maxInputImages, supportsLyrics e
supportsFormat, não são suficientes para indicar suporte à edição. Os provedores
devem declarar generate e edit explicitamente para que testes em ambiente real, testes de
contrato e a ferramenta compartilhada music_generate possam validar o suporte aos modos
de forma determinística.
Testes em ambiente real
Cobertura opcional em ambiente real para os provedores compartilhados incluídos (fal, Google, MiniMax, OpenRouter):generate e de edit
declarada quando o provedor habilita o modo de edição. Cobertura atual:
google:generateeeditfal: somentegenerateminimax: somentegenerateopenrouter:generateeeditcomfy: cobertura separada do Comfy em ambiente real, fora da bateria compartilhada de provedores
Relacionados
- Tarefas em segundo plano — acompanhamento de tarefas para execuções desacopladas de
music_generate - ComfyUI
- Referência de configuração — configuração
musicGenerationModel - Google (Gemini)
- MiniMax
- Modelos — configuração e failover de modelos
- Visão geral das ferramentas