shaomang/mtnode-aio/media-gen-nodes

音乐 / 语音 / 视频生成节点

节点种类

tts_gen（SoVITS 语音）已随 GPT-SoVITS 本地插件整块移除：画布上不再有这个 kind，

老画布里的 tts_gen 节点不渲染、也不报错（重建/改用 breeze_gen）。

媒体端子口径（URL）

• 输入节点（input_audio / input_video）各有 1 个数据输出端子，值是该本机文件的 `file:///` URL
• 生成节点的媒体参考端子会自动归一：file:/// URL → 本机绝对路径，无需手动转换
• 因此音/视频输入节点可以直接连线到 video_gen 等需要媒体参考的节点

自建 ComfyUI 工作流（video_gen）

• video_gen.workflowId = 全局 H3 工作流库里的条目 id：留空 = 内置 FL2VA / R2V 链（默认，行为与老画布完全一致）
• 库里的图在 H3 管理窗口导入（ComfyUI 的 API 格式 / UI 格式都收），不要凭空编造 workflowId：先用 mtnode_app 的 list_dsh_plugins 之外的方式确认库里有什么——节点面板「工作流来源 → 自建 ComfyUI 工作流」下拉就是那份清单
• 自建模式下端子排布：端口 0 = 控制输入（固定在最前）· 数据端子 1 = 文本参数 · 2+ = 素材参数（图 / 视频 / 音频，按参数表顺序）；哪些字段占端子由节点上的参数表决定。v5 起端口号 ≡ 面板里的「端子 N」（数据槽号），不必再换算
• 参数值优先级：端子接进来的值 > 面板直填值 > 工作流 JSON 原值
• 内置的 duration / ratio / outputRes / steps / postEnabled 在自建模式下一律失效（由工作流图自己决定）；抽卡、种子、进度、取消、全局互斥照常
• 种子：一次执行把节点种子下发到图里所有 seed / noise_seed 类字段，所以种子参数不再单独占值输入

输出

• 在节点 设置 中配置 outputPath（及可选文件名）：music_gen / yue_gen / breeze_gen 写音频（.wav，breeze 可选 .flac / .mp3），video_gen 写视频（.mp4）
• 抽卡 attempts 1–10：多轮生成，文件名 #1、#2…（目标文件已存在时同样按 #1、#2 递增，绝不叠加 _1）
• 不要再接 save_* 节点

种子

• 「摇数」开启时：每次执行（含每一抽）种子 +1，非随机

全局互斥（显存）

• 全应用 同时只允许 1 个 音乐或视频生成任务
• 另一节点启动会被拒绝并提示占用中的节点
• 抽卡连跑为 串行，每轮结束释放锁后再占
• breeze_gen（Breeze TTS 2 语音）持这条全局锁：引擎 eager 就要约 7.7GB 显存，与音乐 / 视频抢同一张卡

图像尺寸策略

• 生成输出：保持 API 原尺寸（assetWriteBase64 不降采样）
• 参考图输入：超过 1080p 等比缩小（assetCopy / API 参考图）

插件安装

• 后端未安装时走插件设置或 minimax-music3-install / minimax-h3-install 技能（安装专用，非用户工坊列表）

写 music_gen / yue_gen 的两段文本

• 端口 0（风格提示词） → 先加载内置技能 minimax-music-prompt：产出固定为一段六句英文散文（曲风+情绪 → 速度与律动 → 乐器 → 人声 → 段落对比 → 制作混音），不是逗号标签、不是 JSON、不含唱词。
• 端口 1（歌词） → 先加载内置技能 minimax-music-lyrics：结构标签独占一行，只有会唱出来的话进正文。
• 两份技能随包内置（frontmatter menu: user → $DSH_HOME/skills 带 .builtin），不再从创意工坊下载；写歌时不要让用户先去装。
• 字段名对照：Music 3 后端设置窗里端口 0 那格标的是 Structured Caption（音乐描述），就是上面这段六句散文的原样落点——不要在那里自创三标题（Global Metadata / Vocal Details / Arrangement）结构，官方口径是一段能读的音乐描述。