LmaoAPI

AI Image AI Voice Copywriting

v1.5.0

Last updated Oct 21, 2026

便捷调用 LmaoAPI 进行文字生成、图像生成、音频转文本和视频理解。

22 Weekly Downloads

688 Monthly Downloads

View on NPM GitHub Repository

Included Nodes

LmaoAPI

Description

n8n-nodes-lmaoapi

![npm version](https://www.npmjs.com/package/n8n-nodes-lmaoapi)
![license](LICENSE.md)

一个用于在 n8n 中调用 LmaoAPI 的社区节点，当前提供文字生成、图像生成、音频转文本和视频理解四种模式。

功能概览

文字生成：默认使用 claude-sonnet-5-5，支持自定义模型 ID、系统提示词、文档文本拼接和最多 10 张图片输入。
图像生成：支持 GPT-Image-2.5 Sunburst、GPT-Image-2.5 Flare、GPT-Image-2 和 Nano Banana 2.1，生成结果直接输出为 n8n Binary。
音频转文本：自动提取 MP4/M4A 的 AAC 音轨并分段转写，只输出带全片时间戳的 Markdown text 字段。
视频理解：固定使用 qwen3.5-omni-plus 整片理解任意域名的公网 MP4 下载直链，输出按约 5 秒区间对应的画面描述与原语言口播。
多种 Binary 来源：可从当前节点输入、指定节点读取图片或音频；文字与图像模式还支持从 URL 获取图片。
长任务超时：文字与绘图 API 请求使用 600 秒超时；视频理解每个文件含元数据读取最多 600 秒；音频每次请求最多 180 秒、每个文件预算 600 秒；GPT Image 结果 URL 下载单次最多 20 秒、含重试等待总计最多 80 秒。

> 仓库中保留的 Sora 视频生成与向量相关实现不属于当前公开节点功能；「视频理解」是独立模式。

安装

节点运行时支持 Node.js 22.16+（22 系列）和 24 系列；构建、开发服务器和发布工具使用 Node.js 24。运行时版本声明与开发工具分开，避免 Node.js 22 环境中的 npm 版本选择导致 n8n 在已安装最新版时仍提示更新。

推荐在 n8n 的 Settings → Community Nodes 中安装：

n8n-nodes-lmaoapi

自托管环境也可以在相应的 n8n 节点目录执行：

npm install n8n-nodes-lmaoapi

安装完成后，在工作流节点搜索框中输入 LmaoAPI。

快速开始

1. 在 n8n 凭证管理中创建 LmaoAPI API 凭证。
2. 填入从 LmaoAPI 获取的 API Key。API 地址固定为 https://ai.lmao.net.cn，无需填写；已保存的旧凭证也自动使用该地址。
3. 添加 LmaoAPI 节点，选择所需模式。
4. 配置提示词、Binary 输入或视频 URL 并执行节点。

Binary 输入

来源模式

| 模式 | 当前节点输入 | 指定节点 | 图片 URL |
| —– | —— | —- | —— |
| 文字生成 | 支持 | 支持 | 支持 |
| 图像生成 | 支持 | 支持 | 支持 |
| 音频转文本 | 支持 | 支持 | 不支持 |

视频理解只接受视频直链，不使用上述 Binary 来源设置。

文字、图像和音频模式统一使用以下默认 Binary 属性名：

data,data0,data1,data2,data3,data4,data5

节点会按照填写顺序寻找匹配属性。属性名不同或需要读取更多 Binary 时，可以直接修改这个逗号分隔列表。图片处理上限为 10 张；音频模式使用找到的第一个有效音视频文件。

选择“指定节点”时，填写一个或多个精确的节点名称，多个名称用逗号分隔。若指定节点没有可用 Binary，节点会回退到当前输入。

文字生成

文字生成通过 /chat/completions 调用兼容接口。

默认模型 ID：claude-sonnet-5-5
默认系统提示词：你是一个专业的助手。
模型 ID 可自由修改。
如果输入 Item 的 JSON 中包含非空 text 字段，节点会将其作为“参考文档内容”拼接到用户提示词后。
支持从 Binary 或 URL 加载最多 10 张图片，与文字提示一起发送。
输出保留接口返回的完整 JSON，便于使用 choices、usage 等原始字段。

配合 n8n 的 Extract From File 节点，可以先提取 PDF 等文件的文本，再交给文字生成模式处理。

图像生成

图像模式支持文生图、单图参考和多图参考。没有参考图时执行文生图；存在参考图时按模型对应的接口发送参考图片。成功后，图片位于输出 Item 的 binary.data。

模型与参数

Nano Banana 1 Pro 和即梦 5.0 已从图像生成模式移除。旧工作流如果仍选用这两个模型，执行时会提示重新选择模型，不会发送生图请求。

Nano Banana 2 已替换为 Nano Banana 2.1；旧工作流需重新选择该模型。Nano Banana 2.1 沿用 Google 原生 generateContent 接口，支持 1K/2K/4K 和包含 21:9 的 14 种比例，Thinking 跟随服务商默认值。图片按实际格式输出正确的文件扩展名和 MIME；4K 超长比例的实际尺寸可能与官方表格存在偏差。

三个 GPT Image 模型在节点中使用不带 -c 的模型值，发送请求时明确映射到上表 ID。默认模型仍为 GPT-Image-2。三个模型共享以下尺寸：

auto
1024x1024、1024x1536、1536x1024
2048x1152、2048x2048
2160x3840、3840x2160
符合接口约束的自定义尺寸，例如 2048x1152

GPT-Image-2 的质量可选自动、低、中、高；输出格式可选 PNG、JPEG、WEBP。背景设置目前不在节点界面开放，固定使用自动背景。

仅两个 GPT-Image-2.5 模型额外提供超高（xhigh）、最高（max）质量，以及自动、不透明、透明背景。透明背景使用官方 background: "transparent"，必须配合 PNG 或 WEBP，选择 JPEG 会在发送请求前报错。暂不提供压缩参数。

GPT Image 图片输出

三个 GPT Image 模型的文生图和参考图编辑请求均固定发送 responseformat: "b64json"，不提供返回格式选项。收到 Base64 后直接解码为图片，无需再次下载结果 URL；同时继续兼容 data[0].b64_json 和 data[0].url：

Base64：解码后输出至 binary.data；若服务商没有同时返回 URL，则不输出 json.imageUrl。
URL：自动下载图片至 binary.data，同时在 json.imageUrl 输出服务商返回的完整链接。
两个字段同时存在：使用 Base64 图片并保留 json.imageUrl，避免额外下载。

图片链接可能是临时签名链接，请及时保存 Binary 图片。URL 下载不附带LmaoAPI API Key；下载失败会明确报错并保留恢复信息。内部下载重试只访问同一图片 URL，不重新调用生图接口。

OpenAI 官方参数说明将 responseformat 标记为旧模型遗留参数，不支持 GPT Image。但上游在 2026-10-09 对麦包服务的 gpt-image-2-c 文生图对照实测中，该参数能分别控制 Base64 和 URL 返回。本节点跟随上游向 LmaoAPI 固定请求 Base64，并保留服务商仍返回 URL 时的下载兼容；两个 GPT-Image-2.5 模型及参考图编辑接口尚未完成该参数的在线验证；LmaoAPI 的线上响应行为也尚未验证。outputformat 仍只选择 PNG/JPEG/WEBP 文件格式。

下载重试与失败恢复（自 1.4.1 起）

每次下载最多 20 秒，最多重试 3 次（包含首次共最多 4 次），整个下载阶段连同等待最多 80 秒。生图请求的等待时间不计入这 80 秒。重试通常等待约 2、5、10 秒，并增加少量随机间隔；剩余预算不足时缩短最后一次请求，或提前停止。HTTP 429/503 等响应中的 Retry-After 也受总预算限制。

超时、连接中断及部分临时 HTTP 错误会触发下载重试；403、404、证书错误、无效 URL 和无法识别的图片内容不会盲目重试。取消执行时停止下载与等待。

请关闭整个生图节点的“失败时重试”。 n8n 的整体重试或手动重跑仍可能重新生图扣费，内部下载重试无法阻止跨执行的重新生成。

最终失败仍然报错；在错误详情中可查看诊断 JSON，执行记录的 error.context.imageDownload 包含：

未收到下载 HTTP 响应时，不会用生图的 HTTP 200 充当下载状态码。开启 Continue On Fail 时，错误输出仍保留输入关联，并额外提供 json.imageDownload 和可用的 json.imageUrl。

恢复下载时，从错误详情复制 imageUrl 到独立的 HTTP Request 节点：方法选 GET、认证选 None、响应格式选 File，即可单独下载已有图片。链接可能过期，请及时保存；完整签名链接仅保留在执行详情中，不写入普通日志。

音频转文本

选择「音频转文本」，输入含音频的 Binary 文件即可。语言自动识别，保留原语言，不自动翻译。无需安装 FFmpeg、额外程序或运行时依赖。

支持格式

当前支持普通、未加密 MP4/M4A 中的单条 AAC-LC / HE-AAC 音轨，支持常见的编码延迟、头尾裁剪和音轨起点信息。

音轨时长按完整音频包的时间表计算，自动兼容文件头声明时长偏短、偏长或未知的情况；保留实际的编码延迟与头尾裁剪，不再因声明时长与音频包时长不一致而拒绝正常音轨。裁剪终点超出实际数据时，仅容忍末尾一个音频包或一个电影时基舍入单位以内的偏差，并截到实际音频终点；超出该范围仍报错，避免输出缺少内容的结果。此处理完全在内存中完成，安装方式不变，不增加依赖。

暂不支持分片式 MP4、复杂多段编辑、多音轨选择，以及 MP3、WAV、FLAC、OGG、WebM 等其他容器/编码；不支持的文件会在提交前报错。单文件最大 128 MiB，最多 500,000 个 AAC 包。文件整体需读入内存，大文件或大量工作流并行时应预留内存。

解析失败会区分分片封装、没有音轨、多音轨、编码或加密不支持、裁剪范围超出可用音频，以及文件结构损坏或不完整等原因，并保留技术诊断。时间信息兼容不修复丢失的音频数据，也不改变转写接口的超时、额度或服务错误处理。

输出格式

成功 JSON 只包含 text，其值为 Markdown 字符串，每个句段一条列表：

- [00:00–00:06] 你是否正在寻找一款价格实惠的摩托车对讲机？
[00:06–00:11] 接下来，我们会介绍几款值得关注的产品。

时间是全片起止时间，显示到秒；内部使用精确时间拼接。一小时以上显示小时。时间戳为估算值，切片边界、噪声和多人说话可能影响识别与对齐，不适用于逐词精准对齐。重叠部分仅对严格匹配的句段或多词短语去重；不同措辞、单词残片可能保留少量重复。纯静音返回空字符串。

下游读取：

{{ $json.text }}

约 30 秒切片，片段之间保留少量上下文；单个节点执行最多 3 路并发，单次请求最多 180 秒，每个文件转写预算 600 秒。可重试故障仅重试失败片段，最多额外 2 次。任一片段最终失败，节点报错并指出失败区间，不将残缺结果作为完整文本输出。整个节点被重跑仍可能重复计费。

从 1.4.2 及更早版本升级

1.4.3 的音频成功输出改为单字段 text，与旧音频输出结构不兼容。原工作流引用 time-text、sentences、_metadata 等字段的表达式需更新；原 text 也改为包含时间戳的 Markdown。语言和格式控件隐藏，已保存的旧参数值保留。已有工作流显式保存的文字模型 ID 不会被新默认值覆盖。

维护者恢复旧后端

旧 Whisper 请求、格式、参数及输出实现完整保存在 nodes/MaibaoApi/audio/WhisperTranscription.ts。将 AudioBackend.ts 的 ACTIVEAUDIOBACKEND 从 'omni' 改为 'whisper'，构建后会恢复旧执行路径、语言/格式下拉框和完整旧输出。没有自动回退请求。恢复发布前运行两套回归测试，并在服务重新可用后做真实接口验证。

视频理解

选择「视频理解」，填写视频解析节点返回的 videoUrl，例如表达式 {{ $json.videoUrl }}。这里需要可公开访问的 MP4 下载直链，不能直接填写小红书笔记、抖音作品页面或分享短链。LmaoAPI 凭据须有 qwen3.5-omni-plus 可用通道。

支持任意域名的公网 HTTP(S) 视频下载直链，包括小红书/抖音 CDN、OSS、COS 和自建服务器，不按平台或域名白名单筛选。地址需无需登录或额外 Cookie，并支持 HTTP Range；普通 MP4 须有明确时长和视频轨道。支持跨域重定向（最多5次），每次均校验目标 URL；拒绝本机/内网 IP 字面量及 localhost、.local 地址。域名解析与连接级访问策略由 n8n 和部署网络配置管理。不支持分片 MP4、HLS/m3u8、直播、加密、Binary 或 Base64 输入。

节点用有上限的 HTTP Range 请求自动读取时长和元数据：从 Content-Range 响应头取得文件总大小，跳过音视频媒体数据，只读取 MP4 文件头及 moov/mvhd 元数据。不会为了预检在本地下载完整视频，也不抽取音轨、不切分视频，不依赖 FFmpeg 或额外运行时程序。上游样例中，162MB、11分10秒原片的预检只读取约0.55MB；具体耗时取决于服务器响应和元数据大小。不支持 Range 的服务器会报错并关闭响应，不回退到整片下载。

单文件最大2GB、时长最长1小时，与官方 Qwen3.5-Omni 视频 URL 输入规格保持一致；不再额外限制为15分钟。节点在收费调用前校验这两个上限，并保留8MiB元数据读取上限。输入 token、上游通道和内容审核等限制仍由模型服务判断。输出 token 上限设为官方 Plus 模型规格的65,536；允许输入1小时不代表任意分辨率、语速或复杂度的视频都能在上下文及输出预算内完成。上游在麦包服务上完成的整片模型验证素材为11分10秒，尚未验证1小时长片的完整理解质量；本项目尚未对 LmaoAPI 视频理解接口进行线上验证。

模型一次接收完整视频 URL 和固定提示词，按约5秒区间记录画面和口播。成功 JSON 只包含 Markdown text，下游仍读取 {{ $json.text }}：

- [00:00–00:05]
  - 画面：人物坐在桌前，举起两袋食品展示给镜头。
  - 口播：这里是网友分享的食品评测。
[00:05–00:10]
  - 画面：人物拆开包装，展示里面的产品。
  - 口播：无

口播保留原语言，不自动翻译。内部屏幕文字仅用于模型理解，不作为已校验 OCR 单独输出。结果属于待核对初稿：上游实测仍有细节误写、局部数秒定位偏差，数字区间连续不代表逐字或逐帧准确。

节点校验流式响应完整结束、JSON结构、所有细分区间及字段类型，并兼容模型返回的数字字符串和代码围栏。截断或缺段时明确失败，不将残缺结果作为完整时间线输出。每个文件含元数据读取最多执行10分钟，支持取消；不自动重试收费请求，也不回退其他模型。整个节点被重跑仍可能重复计费。

本地开发

环境要求

安装项目依赖和执行构建需要 Node.js/npm 环境。
npm run dev 明确要求 Node.js 24。
开发脚本固定使用本地 [email protected] 运行时。

npm install
npm run build
npm test
npm run dev

首次执行 npm run dev 时会准备以下本地目录，后续启动会复用：

.n8n-dev-server-node24/：固定版 n8n 开发运行时
.npm-n8n-cache-node24/：开发运行时 npm 缓存
~/.n8n-node-cli/：独立的 n8n 用户目录

Windows 下如遇原生依赖、node-gyp 或 SQLite 构建问题，请先确认当前 Shell 使用 Node.js 24。

发布版本

在 main 分支完成 lint、测试及版本文档更新并提交后，使用 npm run release 发布 GitHub 版本。脚本会执行 lint 和构建、管理版本号、创建 Git tag、推送代码与 tag，并创建 GitHub Release；推送后确认远端 CI 通过。不执行 npm 发布，也不检查 npm 登录状态。

版本号已更新时，使用 --no-increment 保持 package.json 中的版本不变：

npm run release -- --no-increment --dry-run
npm run release -- --no-increment

发布预览与 GitHub 发布说明均读取 CHANGELOG 对应版本，避免 Windows 对 Git 修订表达式的转义差异。需要设置 GITHUBTOKEN；已登录 GitHub CLI 时，可在 PowerShell 中执行 $env:GITHUBTOKEN = gh auth token。npm 发布由维护者在对应版本的代码上单独执行 npm publish，并手动完成身份验证。

1.5.0 更新内容

新增「视频理解」模式，固定使用 qwen3.5-omni-plus，前端只需选择凭据、模式并填写视频 URL。
支持任意域名的公网普通 MP4 下载直链，整片输入，不切分；按官方规格允许最长1小时、最大2GB，输出上限为65,536 tokens。
通过有限 HTTP Range 请求提前读取大小和时长，不下载完整视频，无需 FFmpeg 或新增运行时依赖。
输出带时间戳的画面描述和原语言口播，统一为 Markdown text；无口播区间显示「无」，无需音轨。
校验响应完整结束、JSON结构和全部约5秒区间；缺段、截断或超时明确失败，支持取消，不自动重试收费调用。
上游麦包服务已完成11分10秒样片的整片实测及135段输出核验；结果仍需人工核对，1小时长片的细粒度效果尚未实测。已有文字、图像和音频模式的配置及输出保持不变。

1.4.5 更新回顾

修复部分 MP4/M4A 因文件头声明时长与实际 AAC 音频包不一致而无法转文本的问题，兼容小红书样例中的 HE-AAC 编码延迟信息。
使用实际音频包时间表计算时长，保留编码延迟、头尾裁剪及全片时间戳；自动吸收末尾少量舍入偏差，仍拒绝缺失音频数据或超出可用音频的裁剪范围。
解析失败明确区分分片封装、音轨缺失、多音轨、编码或加密不支持、裁剪及文件完整性问题，入口格式提示同步为 MP4/M4A。
安装方式不变，无需 FFmpeg 或新增运行时依赖；成功输出仍为 Markdown text，旧工作流无需调整字段。分片 MP4、非 AAC 编码等既有边界继续保留。

1.4.4 更新回顾

创建或编辑凭证时仅需填写 API Key，移除 API 地址栏和地址选项。
凭证测试及全部节点 API 请求固定使用 https://ai.lmao.net.cn，停止使用已不受支持的旧地址。
已保存的旧凭证自动使用新地址，无需重新创建；文字、图像和音频功能保持不变。

1.4.3 更新回顾

音频转文本采用纯 JavaScript 提取 AAC、封装及切分 M4A，无需安装 FFmpeg；约 30 秒分段、三路并发，支持失败片段重试与取消。
模式名称保持不变，隐藏音频语言和输出格式，仅输出带秒级全片时间戳的 Markdown text；完整保留旧 Whisper 实现，便于维护者恢复。
文字生成默认模型改为 claude-sonnet-5-5；删除 GPT 绘图模型下方的图片下载说明。
升级提示：本版音频输出结构与旧版不兼容，下游改为读取 $json.text。当前支持普通 MP4/M4A 的 AAC 音轨，不支持 MP3、WAV、分片 MP4 等输入；时间戳为模型估算值。

完整版本记录见 CHANGELOG.md。

项目说明

本项目由作者结合 AI 辅助持续迭代，主要服务于电商内容生产和自动化工作流。如遇问题，请在 GitHub Issues 提交可复现信息。

作者微信：maosonghuai

License

本项目采用 MIT License。