跳到正文
GitHub

形象工作室 ​

智能体的脸默认是随附的小龙,直到你开口要换一张;灵感卡不会自行改变这个默认值。手机上从 0.1.20 起,网页版和桌面版从 0.1.23 起 经由运行时(nanomuse/avatar/studio.py),形象工作室可以在聊天里按一句描述把新形象画出来:

  1. 开口。 在聊天里说:「换个形象:一只戴圆眼镜的橘猫」、"new avatar: a robot owl"、 "change your avatar to a small fox with a scarf"。或者走工作室页面(资料面板里形象上的那支笔 → 「形象工坊…」,或者「设置」里的工作室磁贴),那是手机的页面:顶部是现在的脸和它是什么、一段 描述、七个风格标签、「画四张」,然后走完下面这个列表剩下的步骤,只是聊天里没有卡片(进度通过 socket 以 {"kind": "studio", "current"} 送来)。这一步不运行智能体。
  2. 配置你的图像服务商。 先在「模型」里添加图像服务商和 API key。nanoMuse Cloud 不再由项目方付费提供生图或生视频;工作室把生成文件留在设备上,并使用你选定的服务商。 Android、iPhone、网页和桌面端的描述框上方都有四张形象灵感卡。点一张只会填入描述和风格; 直到你让自己的服务商作画并选中结果,它都不会替换现在的脸。四套示例是「苔邮使」「潮汐巧匠」 「暮光蛾」和「铜果」;五状态图片在 assets/avatar-presets/,其中的 source.json 记录模型、日期、非敏感 prompt 和原创/许可证说明。名称、描述和风格提示跟随应用语言;共享资产 只用稳定 id,不把英文当成固定界面文案。
  3. 四张里挑一张。 同一个主体画四次(经典配色、浅一些、深一些加一件小配饰、一个俏皮的版本), 工作室的 3D 玩偶风格,全身,白底。点一张,或者说是哪张(「第二个」、"the first one"、"top right"); 「再画四张」再出四张。
  4. 各个姿势。 选中的那张就是待命的静态图;在它上面做四次编辑,得到其余几个状态(戴着耳机在 笔记本前干活、抱着水晶球等你、抱着星星开心、带着一滴汗说抱歉),和小龙那套一样。它们落在工作区的 avatar/<face>/<mood>.webp 下;资料里的 avatar 变成这张脸的 id;账号下的每个应用都会显示它 (通过 /api/files/avatar/<face>/<mood>.webp)。画不出来的姿势就用待命那张代替。

图片从哪来:对话模型的主机和 key。中继会说 OpenAI 的 images API(/v1/images/generations、 /v1/images/edits),任何能画图的 OpenAI 兼容服务商也一样;阿里云百炼自己的主机两者都没有,于是 用同一把 key 调它原生的多模态接口(默认 qwen-image-3.0)。由哪个模型来画,是 config.toml 里的 [image] 一段([llm] image_model 仍然有效)、网页控制台「连接」页的「生成图片」一行,或手机和桌面版的 设置 → 模型;留空就是「自动」:对话模型所在的服务商能画就用它(百炼上是 qwen-image-3.0),否则用你配置的 另一家图像服务商,否则没有,这时聊天会直说,而不是硬试。

静态图穿上之后,只要接口有视频模型,工作室就会像手机上那样,从这几张图做出四段短视频(待命、 干活中、等你回复、搞定;动作是固定的那几套):使用你配置的服务商,例如百炼上的通义万相,走异步 视频 API(上传、建任务、轮询、拿 MP4);[video] 一节(或旧的 [llm] video_model,见 configuration.md)覆盖模型的选择,[llm] video_base_url 在那个 API 的主机不是对话模型的主机时指明它(像展示站网关这样的中转主机会替它的运行时设好)。它们落在 avatar/<face>/<mood>.mp4;短视频生成期间卡片显示 animating 阶段,费用卡片把它们算在内,失败的 一段保留它的静态图。没有视频 API 的 OpenAI 兼容服务商只给静态图。网页版和桌面版在 44 px 及以上播放 短视频(小龙自己的四段随网页版一起发布);在列表和选择器里、在 prefers-reduced-motion 下,或者 某段短视频缺失时,低于这个尺寸的地方只显示静态图。

这些灵感资产在规范的 source.json 中明确标为 AI 生成。它们来自经认证、按量计费的百炼模型推理 HTTP API,不是百炼控制台体验:qwen-image-3.0-pro 通过原生同步多模态端点生成 20 张图片。 清单记录端点类型、维护者证明、成功数量、prompt、每个文件的 SHA-256 以及官方 API 和条款链接, 但不记录凭据、账号、私有主机、请求 id 或签名结果 URL。体验功能与 API 输出的条款区别,以及 API 调用者把其可能持有的权利按 GPL-3.0-or-later 贡献给项目的说明也在清单中;这是项目事实记录, 不是法律意见。

GET /api/avatar 告诉你这里能不能画脸(以及用哪个短视频模型)、哪个会话正在进行、资料现在穿着 哪张脸和它是什么:描述、风格和模型,在姿势落地时写进 avatar/<face>/face.json;POST /api/avatar/begin|start|choose|cancel 驱动一个会话(聊天卡片和工作室页面都用它们),POST /api/avatar/moods 把正在穿的脸的姿势和短视频重画一遍。结束的会话的候选图一天后清掉;脸留在工作区里, 只要资料,或者你,还想要。

有 nanoMuse Cloud 账号时,这张脸跟着你到每一台设备(docs/cloud.md):静态图上传到中继 一次,其他设备从 avatar/sync-<hash>/ 穿上它,描述和风格写在它们各自的 face.json 里;如果账号上 的图片正是某台设备已经在穿的,那台设备保留自己画的那张脸,连短视频一起。

你自己的视频 ​

一段你自己的短视频可以顶替那几段短视频。手机上,在资料页形象上的那支笔下面选(「你自己的视频…」), 或者在形象工作室的「你自己的视频」一节里选;桌面版在形象工作室或资料抽屉里选。只要形象在动的地方, 这段视频就静音循环播放:待命状态用它,其他状态也用它,因为只有这一段。需要静态图的地方(视频第一帧 出现之前垫在下面的那张、分享卡片、磁贴)仍用工作室画的那套静态图;没有工作室形象时,视频的第一帧就是 静态图。改动之前先预览:视频在形象自己的圆框里播放,下面是「使用」和「取消」;「默认形象」移除这段 视频,工作室的脸或小龙重新出现。

限制在每台设备上相同(every-device.md):MP4 或 MOV,最长 15 秒、最大 30 MB, H.264 视频;设备能播的话也收 HEVC(iOS 一直可以;桌面版要系统带解码器,预览放不出来的会在那里被拒绝; Android 目前只收 H.264)。更长、更大或别的格式会被拒绝,并用一句话说明限制;不裁剪、不转码,声音永远不播。

视频留在选择它的那台设备上。它不上传到 nanoMuse Cloud,也不同步到你的其他设备,这一点和工作室形象的 静态图不同;每台设备各选各的。Android 上它在 minis-global/nanomuse/avatar/own-clip.mp4,第一帧 在旁边的 own-clip.png,和当前登录账号的其他文件归在一起;iOS 上在应用的 Application Support/nanomuse/avatar/own-clip.mp4;桌面版在 $DSH_HOME/nanomuse/avatar/own-clip.mp4。 换一张工作室的脸或者退回内置形象,它都还在。

Android 上这个目录在 App 自己的存储里,文件管理器和 shell 都打不开,所以工作台的菜单里有「保存到相册」: 把底图、各个状态的静态图、上一次生成的四张候选图、动起来的状态视频和你自己的视频复制到 Pictures/nanoMuse/avatar 和 Movies/nanoMuse/avatar,每一批按保存的那一分钟命名,完成后告诉你存了几张图、 几段视频。文件只到这台手机的相册,不去别处;清掉 App 数据或换手机之前,靠它把形象和视频留下来。 (#664)

GPL-3.0-or-later。nanoMuse 是独立的社区项目,与 Meta 无关。