节点类型

TongFlow 的节点分六组。Add 和 Modality 节点承载画布上的素材，其余节点对素材做操作。

权威清单在 tongflow 仓库的 config/tongflow.abi.json 里，本页反映当前状态。

Add 节点（7 个）

Add 节点往画布上落一个新素材。在 Create Mode 下从智能岛的 Add 工具栏选取：

节点图标用途
addTextNodeType直接在节点里输入文本
addImageNodeImage选本地文件、摄像头拍照或画板手绘——输出一张图
addAudioNodeMusic选音频文件或麦克风录音
addVideoNodeVideo选视频文件或摄像头录制
addFileNodeFileText上传文档（PDF / DOCX / TXT / MD）
addLinkNodeLink粘贴一个 URL——抓取页面内容转成文本
addModelNodeBox上传 3D 模型文件（GLB / GLTF）

Add 类型一共 7 种，不是 11 种。 老文档把”上传图片”和”摄像头拍照”算成两个节点，其实它们是同一个 addImageNode 里的不同模式。

Transform 转换

每个转换吃一种模态、产出另一种，背后接后端模型或外部 LLM。

文本转换

节点 slot描述后端
gen-text根据提示词生成或改写文本OpenRouter / Gemini / OpenAI / DeepSeek（可配置）
combine-text合并多个文本输入本地
split-text长文本拆分成块本地

图像转换

节点 slot描述后端模型
image-gen-text文 → 图Z-Image
image-gen图 → 图（整帧编辑）Z-Image
image-gen-model以模型为条件的图像生成可配置
image-edit局部修复 / 指令编辑FLUX.2 Klein 9B
image-fusion多图融合FLUX.2 Klein 9B
image-describe图 → 文（描述 / 视觉问答）Gemma 4（多模态）
image-upscale图像放大SeedVR2

视频转换

节点 slot描述后端
gen-video、text-gen-video文 → 视频LTX-2
image-gen-video图 → 视频LTX-2
image-image-gen-video首尾帧 → 视频（插值）LTX-2
video-image-gen-video-mix、wan-animate-mix图 + 视频 → 视频（角色替换 / 场景混合）WAN Animate
video-image-gen-video-move、video-image-move-animal动作迁移（主体取自一方，动作取自另一方）WAN Animate（move 变体）
audio-image-gen-video音频 + 图 → 视频（数字人 / 说话头像）LTX-2 / WAN
video-describe、video-gen-text视频 → 文Gemma 4
video-upscale视频放大SeedVR2
get-first-frame、get-last-frame抽帧本地（FFmpeg）
subtitle_remove去字幕后端
remove_watermark去水印后端

音频转换

节点 slot描述后端
gen-music文 → 音乐ACE-Step
text-gen-speech-preset预设音色 TTSQwen3
text-gen-speech-clone参考音色克隆 TTSQwen3
text-gen-speech-instruct指令驱动 TTSQwen3
text-audio-gen-speech文本 + 参考音频 TTSQwen3
transcribe、transcribe-timestamp音/视频 → 文本（可带时间戳）Qwen3
denoise_audio降噪后端
separate_speaker说话人分离后端
separate_audio_track、separate-video-audio从视频解出音频本地（FFmpeg）
convert_voice声音 / 音色替换Qwen3

跨模态桥接

节点 slot描述
parse-document文档 → 文本
linkURL → 文本
图 → 3D（开发中）图像 → 3D 模型

Combine 组合

Combine 节点吃多个输入、产出一个结果。

节点 slot输入输出
image-fusionN 张图一张融合图
audio-video-lip-sync音频 + 视频音频驱动对口型（InfiniteTalk）
speech-video-gen-video视频 + 文本（目标台词）文本驱动配音对口型（LTX LipDub）
其他口型相关音频+图 / 音频+文本 / 音频+图+视频生视频或合成（非纯对口型）
speech-image-video-gen-video语音 + 图 + 视频合成视频
speech-text-gen-video语音 + 文本视频
convert_voice（组合形式）文本 + 参考音频 → 语音克隆声音
combine-textN 个文本节点 → 一个

Helpers 辅助节点

节点 slot描述
concat-videos多个片段首尾拼接
merge-video-audio音视频合成一个文件
split-video按镜头边界切分（场景检测）
separate-video-audio解成独立音视频轨
extract-audio从视频提取音轨
split-text长文本切块
combine-text文本段合并
drop-video按规则丢弃片段
arrange-group把片段/文本分组排列，供下游批处理

类型怎么校验

连线校验由 ABI 驱动。从输出 handle 拖到输入 handle 时，系统检查模态和形状是否匹配——把视频往只收文本的输入上拖，线是连不上的。src/generated/abi/index.ts 里生成的 TypeScript 类型在编译期保证画布和工作流导出器口径一致。

加自己的节点

清单里没有你要的转换？可以自己接一个。参考 tongflow 仓库的 docs/feature-registry.md 和 docs/plugins.md。流程：

  1. 在 config/tongflow.abi.json 里加 slot 定义
  2. 重新生成类型：pnpm gen:abi
  3. 在 plugins/ 下实现插件，用 @node_slot 装饰器配上对应的 Pydantic 模型
  4. 升 Python SDK 版本号并发布，然后重新部署到 Modal

相关