开源的 多模态 生成式AI
工作流工作室
每个 AI 模型都是画布上的节点。连接模态、组合结果 —— 自己跑或用云版本。 开源 · 多模态 · 随处可跑。
Add → Transform → Combine
一张画布，覆盖所有模态。
没有复杂参数面板，不用手动连线 —— 添加、转换、组合，仅此而已。
Add
文本、图像、音频、视频、文档、URL、3D 模型 —— 任意素材拖上画布，即成节点。
Transform
文本→图像、图像→视频、音频→文本 —— 每个 AI 模型都是一个模态转换节点，随时切换模型，无需重新连线。
Combine
图像融合、口型同步、声音克隆、角色替换、动作迁移 —— 多路输入合并为单一输出。内置，不是插件。
数据留在你自己的电脑上
工作流和上传文件都保存在你自己的电脑上。无需注册账号、无云端同步、无任何遥测。
自带 API Key，自由选择
文本生成接入你自己的 OpenRouter / Gemini / OpenAI / DeepSeek，你的 Key 你做主。GPU 推理跑在 Modal 上（含免费额度）。
真实模型，明码标价
Z-Image、FLUX.2 Klein 9B、LTX-2、SeedVR2、Qwen3、ACE-Step —— 干活的模型在 README 里写得清清楚楚，不藏在产品名称后面。
Add
文本、图像、音频、视频、文档、URL、3D 模型 —— 任意素材拖上画布，即成节点。
Transform
文本→图像、图像→视频、音频→文本 —— 每个 AI 模型都是一个模态转换节点，随时切换模型，无需重新连线。
Combine
图像融合、口型同步、声音克隆、角色替换、动作迁移 —— 多路输入合并为单一输出。内置，不是插件。
数据留在你自己的电脑上
工作流和上传文件都保存在你自己的电脑上。无需注册账号、无云端同步、无任何遥测。
自带 API Key，自由选择
文本生成接入你自己的 OpenRouter / Gemini / OpenAI / DeepSeek，你的 Key 你做主。GPU 推理跑在 Modal 上（含免费额度）。
真实模型，明码标价
Z-Image、FLUX.2 Klein 9B、LTX-2、SeedVR2、Qwen3、ACE-Step —— 干活的模型在 README 里写得清清楚楚，不藏在产品名称后面。
当前已实现的能力
全部摘自 README。这里列出的，今天就能用。
文本、图像、相机拍照、手绘、音频文件、录音、视频文件、录像、文档、URL、3D 模型 —— 任意素材都能放上画布。
文生图、图像编辑（inpaint / 重绘）、图像理解（描述、问答）、图像超分。
文生视频、图生视频、首尾帧提取、视频理解、视频超分。
音乐生成、语音合成（预设音色 / 声音克隆 / 指令式）、语音识别。
根据 Prompt 生成或改写文案 —— 根据节点的 Model Slot 路由到 OpenRouter / Gemini / OpenAI / DeepSeek。
图像融合（多参考混合）、口型同步（音频+视频 / 音频+图像 / 音频+文本 → 视频）、声音克隆、角色替换、动作迁移、文本合并。
拼接视频、视频音频混流、按镜头分割、视频音频分离、抽取音轨、长文切片、文本块合并、片段筛选、批量分组排列。
文档 → 文本、URL → 文本 —— 把外部素材带上画布。
FFmpeg 媒体管线、Modal GPU Worker。当前在运行的模型：Z-Image、FLUX.2 Klein 9B、LTX-2、SeedVR2、InfiniteTalk、Wan-Animate、ACE-Step、Qwen3、Whisper、Gemini、OpenAI、OpenRouter。
FAQ
直接回答
关于 TongFlow 是什么、不是什么。
真的是开源的吗？
是的。AGPL-3.0。全部源码在 github.com/tong-io/tongflow —— 可以阅读、fork、自行部署。app.tongflow.com 的云版本跑的是同一套代码。
云版本和自托管有什么区别？
同一套代码，不同的安装成本。云版本秒级启动，无需配置。自托管让你完全掌控：你自己的 API Key、你自己的文件、无需账号、无任何外部依赖。两条路都是一等公民。
需要 GPU 吗？
本地不需要。重的推理任务跑在 Modal 上，免费额度包含真实的 H100 时间。你提供一个 Modal Token 和至少一个 LLM API Key（OpenRouter / Gemini / OpenAI / DeepSeek 任选）。TongFlow 本身在笔记本上也能跑。
和 ComfyUI 或 n8n 有什么区别？
ComfyUI 专为图像生成设计，n8n 专为 API 编排设计。TongFlow 把所有七种模态 —— 文本、图像、视频、音频、语音、音乐、3D —— 都视为一等公民。Combine 节点（口型同步、图像融合、动作迁移）是内置的，不是第三方扩展。
怎么自托管？
git clone https://github.com/tong-io/tongflow && cd tongflow && pnpm install && pnpm dev。你需要：Node.js 20+、一个 Modal Token（免费额度够用）、至少一个 LLM API Key。剩下的跟着 README 走。
能开发自己的插件吗？
可以。在 ABI 里定义一个 slot，写一个带 @node_slot 装饰器的 Python 函数，发布成 package 即可。后端任意选 —— Modal、Replicate、本地 GPU 或者普通 API。参见 SDK 文档。
项目现在处于什么阶段？
2026 年 6 月发布，早期阶段。欢迎贡献代码、反馈 bug、集成模型。Discord 和 GitHub Issues 是最佳途径。
三种入口
下载桌面应用、使用我们的云版本、或从源码自托管 —— 同一套开源代码，随你选。
