TongFlow v0.1.0 开源了

TongFlow v0.1.0 现已在 GitHub tong-io/tongflow 公开，采用 AGPL-3.0 协议。一行 Docker 命令、跑在你自己机器上，所有模态共享一张画布。

是什么

TongFlow 是一个多模态 AIGC 工作室，围绕一个核心理念构建：每一个 AI 模型都是一次模态转换。文生图模型是 text → image，语音识别是 audio → text，3D 生成是 image → 3D。把每个模型封装成一个带强类型输入输出的节点、放上无限画布——你就拥有了一条看得见、可编辑、可分享的创作流水线。

界面由三个动词覆盖：

• Add（添加）：把素材放上画布——文本、图像、相机拍照、手绘、音频、视频、文档、URL、3D 模型
• Transform（转换）：在模态之间转——文本到图像、图像到视频、音频到文本、图像到 3D 等等
• Combine（组合）：把结果拼起来——图像融合、口型同步、声音克隆、角色替换、动作迁移

没有复杂的参数面板、不用手动连线。把素材丢上画布，从智能岛（Smart Island）挑下一步，连线自动完成。

你能造什么

v0.1.0 的节点图已经支持下面这些端到端流程：

• 数字人 / 说话头像视频 —— 脚本 → 语音 → 形象 → 口型同步视频，一张画布完成
• 段落生短片 —— 文本 → 分镜图 → 图生视频 → 拼接成片
• 电商批量出图 —— 一张产品图加一张参考，跑图像融合批处理，得到一组干净的变体
• AI 原创音乐 —— ACE-Step 把一段文字描述变成完整曲目
• AI 漫画 / 短剧 —— 故事提示 → 分格图像 → 排版 → 可选配音
• 角色动起来 —— 静态角色通过动作迁移或角色替换节点变成动画

v0.1.0 里有什么

• 7 种素材输入：文本、图像、音频、视频、文档、URL、3D 模型
• 图像转换：生成、编辑、识别（图说 / 视觉问答）、放大、图生 3D
• 视频转换：文本到视频、图像到视频、首尾帧补帧、视频描述、放大、抽帧、字幕去除、水印去除
• 音频转换：音乐生成、语音合成（预设 / 声音克隆 / 指令）、语音识别、降噪、说话人分离、声音替换
• 组合节点：图像融合、口型同步（音频+图像→视频、音频+视频→视频、音频+文本→视频）、声音克隆、角色替换、动作迁移、文本合并
• 后端模型，全部明示：Z-Image、FLUX.2 Klein 9B、LTX-2、SeedVR2、Gemma 4、Qwen3、ACE-Step
• 设计上可扩展：新转换通过 ABI（config/tongflow.abi.json）和插件扫描器接入。接自己的模型、自己的 slot、自己的工作流
• 一行 Docker 命令自托管：git clone + docker compose up

隐私由架构保证

无需账号、无中央 CDN、无任何遥测。工作流和上传文件都存在本地 SQLite 数据库和本地磁盘上——掌控权完全在你、数据完全在你的机器上。工作室只对外通信两个服务：Modal 提供 GPU Worker，以及你自选的一家 LLM 提供商（OpenRouter / Gemini / OpenAI / DeepSeek）。API Key 由你保管，任何东西都不经过我们。

怎么试

git clone https://github.com/tong-io/tongflow
cd tongflow
docker compose up

你需要：

• Docker（Compose v2）
• Modal 账号 + Token —— 免费额度（每月 30 美元）跑日常工作绰绰有余
• 一个 LLM API Key：OpenRouter、Gemini、OpenAI 或 DeepSeek 任选

按 .env.example 配置环境变量，然后访问 http://localhost:3000。Getting Started 文档会带你走完第一个工作流。

不想自己装也行——托管版 https://app.tongflow.com 已经在线，同一张画布、同一套节点，浏览器里直接开干。

加入社区

• GitHub Issues：功能请求、想法、bug 报告——github.com/tong-io/tongflow/issues
• 欢迎 PR：参考 CONTRIBUTING.md。插件扫描器 + ABI 让加新转换节点是一次范围可控的改动
• Discord：实时交流：discord.gg/K7V8az94Zf

如果你用 TongFlow 做出了东西，欢迎来秀。如果项目对你有用，在仓库点个 Star 是实打实的支持。