मुख्य कंटेंट तक स्किप करें

Video और audio generation

Libre WebUI 0.18.0 में plugins video/audio घोषित करते हैं; image, video, speech और sound प्रत्येक user की gallery में रहते हैं। Access authenticated users का है और data account-scoped है।

Capability blocks​

"capabilities": {
  "image": { "endpoint": "...", "model_map": ["..."], "config": { ... } },
  "tts":   { "endpoint": "...", "model_map": ["..."], "config": { ... } },
  "audio": { "endpoint": "...", "model_map": ["..."], "config": { ... } },
  "video": { "endpoint": "...", "model_map": ["..."], "config": { ... } }
}

हर block में endpoint, fallback model_map, optional models_endpoint और config है। Discovery TTL परिवेश चरों में वर्णित है। Video provider cancel_endpoint/cancel_method दे सकता है। tts text-to-speech और audio prompt-to-sound है। OpenRouter (plugins/openrouter.json) built-in video/audio provider है।

Media बनाना​

Imagine (/gallery) में image, video और audio panels हैं। Speech/sound synchronous हैं; cancel browser/request रोकता और result save नहीं करता। ComfyUI exact prompt ID को /api/jobs/:promptId/cancel से cancel करता; unlimited interrupt नहीं।

TTS voice clone में reference audio और transcript validated होकर provider को जाते हैं; gallery में केवल speech। Separate consent के बाद encrypted named voice profile save हो सकता है। Profiles model/plugin route-bound हैं और biometric होने से general export में नहीं। Recovery के लिए database तथा ENCRYPTION_KEY backup करें।

Video lifecycle​

POST /api/media/video/generate 202 देता है; pending, in_progress, completed/failed। Provider job ID तुरंत save होता है। GET /api/media/video/jobs user के अधिकतम 100 active handles दिखाता है। Durable media.video.resume.v1 बंद UI में polling/download जारी रखता है।

Stop waiting केवल current stream रोकता; Cancel job तभी जब ID-based cancellation declared हो। Server 200 MB तक बिना redirects video download करता है। Finished/failed records 30 दिन बाद cleanup; terminal events media-ready/media-failed inbox/webhook से जाते हैं।

Edit और inpaint​

Editing model पर Edit image दिखता है। Masked area redraw, empty mask full edit, references supported। OpenAI multipart fields: edit_endpoint, supports_mask, max_reference_images, edit_mime_types, max_edit_image_bytes। MIME/signature और 10 MiB/image validated; mask PNG। Provenance source, references और mask use रखता है।

All, Images, Videos, Audio filters; playback, lightbox, download, delete। GALLERY_RETENTION_DAYS scheduled deletion करता है।

  • Media DATA_DIR database में encrypted; ENCRYPTION_KEY सहित backup।
  • API content URLs उपयोग करता है।
  • Allowed MIME, 200 MB, X-Content-Type-Options: nosniff और Content-Security-Policy लागू।

Rate limits​

OperationLimit
Video/speech/sound generation10/minute
Video polling60/minute
List/content/delete120/minute

Accounting और privacy​

Analytics plugin, model, state, duration, units रखता है; prompts/content नहीं। Provider prompt और content process करता है; उसकी pricing, retention और policy लागू।

संबंधित दस्तावेज़​