n8n-nodes-lmaoapi

v1.3.3

Published

a month ago

便捷调用 LmaoAPI 进行文字生成、图像生成、音频转文本。

0High
0Medium
0Low

maosonghuai

n8n-community-node-package n8n-nodes-lmaoapi lmaoapi lmao 文字生成图像生成 GPT-image-2 音频转文本 nano banana2

n8n-nodes-LmaoAPI（V1.3.3 版本）

🚀 告别见鬼的 HTTP Request 节点！ 在 n8n 中像原生节点一样傻瓜式调用 LmaoAPI 中的模型。

🆕 重点新增：GPT-Image-2 生图支持

现在节点已经正式支持 gpt-image-2，而且不是只有简单的文生图：

文生图：直接输入 Prompt 生成图片
图生图：直接读取当前节点的 Binary 图片做参考图
多图参考生图：可同时输入多张参考图，让模型按你的素材继续创作
原生图片输出：生成结果直接返回到 Binary，不需要自己再转 base64
专属参数支持：支持 背景、质量、输出格式、自动/横图/竖图尺寸

如果你主要就是想在 n8n 里方便地玩 OpenAI 风格生图，这一版最值得用的就是 GPT-Image-2。

🌟 为什么开发这个节点？

还在为配置那个该死的 HTTP Request 节点抓耳挠腮吗？还在手动拼接复杂的 JSON 或者在 Code 节点里苦哈哈地写 Base64 转换函数吗？（说的就是我自己）

为了无痛调用龙猫平台（https://api.lmao.net.cn）上的各种AI大模型，本项目诞生了！

作者本人完全没有代码基础，全靠 Gemini和Claude 鼎力赞助完成，这个节点（对我来说）很好用！

✨ 核心亮点

傻瓜式配置：摆脱复杂的 API 参数构造，配置简单选项即可开用。
自动图像处理：彻底解决 Base64 转换痛点。直接读取 Binary 选项卡中的图片，生成结果也直接返回图片。
GPT-Image-2 重点支持：不仅支持文生图，还支持图生图、多图参考生图，并且内置背景、质量、输出格式等参数。
五模式支持：同时支持"文字生成"、"图片生成"、"视频生成"、"向量嵌入"、"音频转文本"五种模式。
跨节点 Binary 读取：支持从指定的其他节点读取 Binary 图片数据，无需手动传递。

🛠️ 功能详解

1. 文字生成模式

模型自定义：支持手动指定模型 ID（例如 gemini-3.1-pro-preview、gemini-3-flash 等）。
双模态支持：支持发送 文字 + 图片 的组合。
自动 Base64：节点会自动识别并转换 Binary 中的图片文件，最高支持 3 张图片同时输入。再也不用手动加代码节点去做转换了！
文档附件： 配合 Extract from File 节点使用。Extract from File 节点会提取 pdf 等文件中的文字内容，以 text 字段输出，本节点则会自动抓取上一节点输出的 text 字段内容，并自动与用户提示词进行拼接，实现将提示词+文档内容一并传输给 AI。

2. 图片生成模式

极简输入输出：输入是 Binary 图片，输出也是 Binary 图片，节点内自动完成图片转 base64、单图与多图处理逻辑切换、base64 转图片。
重点模型：GPT-Image-2
- 文生图直接可用：输入 Prompt 就能生成。
- 图生图体验完整：检测到参考图后会自动切换到图像编辑接口，无需你自己判断该走哪个 API。
- 多图参考支持：可以同时喂多张参考图，让生成结果更贴近你的素材方向。
- 参数更实用：支持设置 背景（自动/透明/不透明）、质量（自动/低/中/高）、输出格式（PNG/JPEG/WEBP）、尺寸（自动/方图/横图/竖图）。
多样化创作：
- 文生图：输入 Prompt 直接生成。
- 图生图：支持"文 + 单图"或"文 + 多图"生图（参考图上限为 3 张）。
- GPT-Image-2：支持文生图；当检测到参考图时，会自动切换到图像编辑接口，实现图生图 / 多图参考生图。
简单参数：不同模型按各自特性暴露最合适的参数，尽量避免你手动拼底层请求体。
生图模型：当前支持以下模型：
| 模型名称 | 模型 ID | 分辨率参数 | 尺寸比例参数 | | -------------------------- | -------------------------------- | -------------------------- | ----------------------------- | | Gemini-3.1-Flash-Image | gemini-3.1-flash-image-preview | ❌ 不需要 | ✅ 支持 (13种比例，含1:4/4:1/1:8/8:1) | | Gemini-3-Pro-Image | gemini-3-pro-image-preview | ✅ 支持 (1K/2K/4K) | ✅ 支持 (9种比例) | | GPT-Image-2 | gpt-image-2 | ✅ 支持 (auto/1024方图/横图/竖图) | ❌ 不支持（改为背景/质量/输出格式） | | 即梦 5.0 | doubao-seedream-5-0-260128 | ✅ 支持 (2K/3K) | ❌ 不支持 |

推荐用法：

想要 OpenAI 风格生图：优先选 GPT-Image-2
想要强图像比例控制：优先选 Nano Banana 2 / 1 Pro
想要走即梦风格链路：选 即梦 5.0

3. 音频转文本模式 (Whisper)

使用 Whisper-1 模型将音频文件转写为文本，完美适配抖音等平台视频的音频转录场景：

模型固定：使用 whisper-1 模型，无需手动配置。
多格式支持：支持 9 种音频格式：flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav、webm。
智能语言识别：
- 自动识别：默认自动检测音频语言（推荐）。
- 手动指定：可选择中文或英语，提高准确性和速度。
双输出格式：
- 带时间戳的 JSON 格式：包含完整转写文本、分段信息、时间戳、音频时长等详细数据。
- 纯文本格式：仅返回转写的文本内容，适合直接传递给下游节点。
自动音频处理：节点会自动从 Binary 中读取音频文件，支持从当前节点或指定节点读取。
典型使用场景：
- 抖音/快手视频音频转文字
- 会议录音转文字
- 语音消息转文字
- 播客/音频内容转录

输出示例（带时间戳格式）：

{
  "text": "家里过年人多 炖肉时间长 你们也学我 花几十块钱来整一个陶瓷垫砂锅",
  "duration": 44.2,
  "language": "chinese",
  "sentences": [
    {
      "text": "家里过年人多",
      "start": 0.0,
      "end": 1.3
    },
    {
      "text": "炖肉时间长",
      "start": 1.5,
      "end": 2.6
    },
    {
      "text": "你们也学我",
      "start": 2.6,
      "end": 4.0
    },
    {
      "text": "花几十块钱来整一个陶瓷垫砂锅",
      "start": 4.0,
      "end": 7.2
    }
  ]
}

注意：带时间戳的 JSON 格式使用句级别时间戳，输出简洁实用。每个句子包含 text（句子文本）、start（开始时间，秒）、end（结束时间，秒）三个字段，时间保留 1 位小数。

使用提示：

音频属性名默认为：data, data0, video, video0, audio, audio0，一般无需修改。
转写结果可直接传递给 AI 节点进行内容分析、摘要生成等后续处理。
支持实时处理，无需等待异步任务完成。

🆕 版本更新记录

v1.1.0 (2026-03-08)

新增功能：音频转文本模式 (Whisper-1)
- 支持 9 种音频格式：flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
- 支持自动语言识别和中英文手动选择
- 支持两种输出格式：带时间戳的 JSON 格式 / 纯文本格式
- 完整的错误处理和格式验证
- 适配抖音等平台视频音频转录场景
功能优化：Binary 来源模式现在支持音频文件读取

v1.0.0 (2026-03-06)

初始版本：从 DeerAPI 迁移到 LmaoAPI
模型升级：
- 文字生成默认模型：gemini-3.1-pro-preview
- 图像生成模型：
  - Gemini-3.1-Flash-Image (gemini-3.1-flash-image-preview) - 支持13种尺寸比例
  - Gemini-3-Pro-Image (gemini-3-pro-image-preview) - 支持9种尺寸比例
  - 即梦 5.0 (doubao-seedream-5-0-260128) - 支持2K/3K分辨率
API 端点更新：Base URL 更新为 https://api.lmao.net.cn/v1
功能保持：所有原有功能完全保留（文字生成、图像生成、视频生成、向量嵌入）

📦 安装方法

在你的 n8n 根目录下运行：

npm install n8n-nodes-lmaoapi

或者在 n8n 设定页面的 Community Nodes 中搜索 n8n-nodes-LmaoAPI 进行安装。

（个人推荐下面这种方法，因为安装方法是 Gemini 自己脑补写的，虽然看起来是对的，但我没用过命令行安装的方式）

本地开发

如果你是在本地调试这个节点：

npm install
npm run build
npm run dev

项目使用 Node.js 24.x。

npm run dev 现在会自动复用项目本地固定版本的 n8n 开发运行时：

首次运行会在仓库根目录生成 .n8n-dev-server-node24/ 并安装固定版本的 n8n
后续运行会直接复用这套本地运行时，不再每次临时下载 n8n@latest
本地 npm 缓存会写入 .npm-n8n-cache-node24/

如果你在 Windows 上遇到 sqlite3 / node-gyp / Python 相关报错，优先确认当前 shell 使用 Node.js 24，并将 npm 的 Python 指向 3.11 或 3.12。

🛞 使用流程

添加凭证： 在 n8n 凭证管理页面创建凭证，凭证搜索"LmaoAPI"。凭证只需要填入从 LmaoAPI 后台获取的 API Key 就行了，Base URL 不要改。
添加节点： 在工作流中添加节点时，可搜索"LmaoAPI"，即可找到本节点（找不到是因为你还没安装本社区节点）
节点配置： 选择凭证 → 选择模式（文本生成/图像生成/视频生成/向量嵌入/音频转文本）→ 填好其它两三个参数（模型 ID、提示词等）→ OJ8K 完事！

说明： "图片属性名"/"音频属性名"这个参数，默认已经填写了常用的属性名，一般情况下不需要修改。节点会自动检测这些属性名中哪些有对应的文件。因为 n8n 工作流 Binary 选项卡中的文件属性名一般默认就是 data, data0 之类的。当然，如果你的文件属性名不一样，这里就需要你自己填了。

v1.5.6 新增： "Binary 来源模式"参数允许你从指定的其他节点读取 Binary 数据（图片、音频等）。选择"指定节点"模式后，在"指定节点名称"中填入节点名称（多个节点用逗号分隔），节点会自动从这些节点收集 Binary 数据。

⚠️ 免责声明 & 致谢

关于代码：本项目所有核心代码均由 Gemini和Claude 编写。作者本人不保证代码的完美性，如有 Bug 纯属正常（毕竟是 AI 写的）。
功能限制：目前功能相对有限，大家凑合用吧。我也会一边用一边根据自己的需求进行功能迭代。
开发者寄语：寄语个 G8，让 Gemini 写个 README 文档，叽叽歪歪净扯没用的。
顺便交点朋友： 本人专注于研究电商领域的 AI 技术应用，电商干了 13 年，AI 搞了3年了。微信号：maosonghuai

如果你觉得这个项目帮到了你，请给个 Star 🌟，这也是对 Gemini 最大的鼓励！

（反之，如果你觉得没帮到，请骂 Gemini）