Ugrás a fő tartalomra

Videó- és hanggenerálás

A Libre WebUI 0.18.0 képen túl videó/audio capabilityt támogat, minden kép, videó, beszéd és hang felhasználónkénti galériába kerül.

Minden hitelesített user használhatja; read/fetch/delete szigorúan fiókonkénti.

Capability blokkok​

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

Mindegyik endpoint, fallback model_map, opcionális models_endpoint és config méret/aspect/voice/format/resolution/duration értékekkel. Videó cancel_endpoint és cancel_method prompt-ID-val; Libre nem feltételez cancellationt normál endpointról.

tts beszéd, audio promptból hang. OpenRouter (plugins/openrouter.json) az egyetlen bundled plugin, amely inline video capabilityt is deklarál. models_endpoint normál ciklusban frissül (lásd Környezeti változók); model_map fallback.

Média generálása​

Nyissa meg Imagine (/gallery): Generate, Video, Audio. Speech/sound szinkron: kérés, mentés, kész item. Cancel megszakít browsert és outbound requestet, nem ment. Image ugyanígy.

ComfyUI accepted workflow esetén job cancel és queue delete prompt-ID-val, max 3 s várás. Nincs unscoped interrupt. Jelenlegi /api/jobs/:promptId/cancel; régi csak pendinget töröl, runningot nem állít biztonságosan. Frissítse.

TTS voice cloningnál reference audio és esetleg exact transcript. Libre validálja, memóriában tartja és csak választott providernek küldi; csak generated speech kerül galériába.

Klón menthető névvel ugyanahhoz a plugin/modelhez külön storage consenttel. Eredeti reference/transcript titkosított userprofil, nem generated speech. Kezelés Settings → Text-to-Speech. Provider minden batchnél újra megkapja. Profil approved routinghoz kötött; változásnál recreate/consent. Csak beleegyező beszélő.

Voice profile kimarad exportból biometria miatt. Recoveryhez DB és ENCRYPTION_KEY együtt.

Videójob életciklus​

POST /api/media/video/generate → 202, majd pending, in_progress, completed/failed.

  • Submit validation után detached, provider job ID azonnal persisted kapcsolatvesztésnél is.
  • GET /api/media/video/jobs csak user handles, max 100 active, újranyitható.
  • media.video.resume.v1 polling/download zárt panelnél; solo embedded, team external. Leases/retry/revalidation/conditional completion reclaimet ad duplicate nélkül.
  • Stop waiting csak transportot állít. Cancel job csak declared endpointtel és confirmed cancel után törli local handle-t.
  • Backend max 200 MB videót tölt redirect nélkül és ment.
  • Record plugin/model/options/status/encrypted prompt; terminal 30 nap felett prune, pending nem jár le.
  • Completed media-ready, failure media-failed, galérialink, dedupe, inbox/webhook.

Képszerkesztés és inpainting​

Edit-capable modelnél Edit image. Festett mask újrafestés, érintetlen canvas egész kép, extra references. OpenAI multipart edits; plugin edit_endpoint és opcionális supports_mask, max_reference_images, edit_mime_types, max_edit_image_bytes.

Minden input MIME/magic PNG/JPEG/WebP és 10 MiB limit szerint ellenőrzött. Mask PNG alpha miatt. Result provenance source, references és mask, használat mérése azonos.

Egységes galéria​

All, Images, Videos, Audio, creation time. Inline video/audio, lightbox, download/delete. GALLERY_RETENTION_DAYS automatikus tartós törlést ad; unset owner törléséig tart.

  • Titkosított DB-ben DATA_DIR alatt, nem loose files; DB és key együtt mentendő.
  • API nem embed payloadot, item URL-t ad.
  • MIME allowlist/type, max 200 MB, X-Content-Type-Options: nosniff és sandbox Content-Security-Policy.

Régi image endpoints ugyanabba a galériába írnak.

Rate limits​

MűveletLimit
Video/speech/sound10/perc
Video polling60/perc
Gallery/list/content/delete120/perc

30 s UI poll belefér.

Mérés és adatvédelem​

Usage Analytics méri plugin/model/status/duration/units értéket. Prompt/content nem kerül recordba. Media és video prompt csak user encrypted rows. Provider megkapja promptot, pricing/retention/content policy érvényes.

Kapcsolódó dokumentáció​