核心功能
ai-music-runcomfy 是 RunComfy 平台提供的 AI 音乐生成 CLI 技能，通过单一命令行接口整合多款音乐模型，实现从文本到音频、音频编辑到后期扩展的全流程覆盖。核心能力包括：
- 智能模型路由：根据用户意图自动匹配最优模型——ElevenLabs AI Music Generation（高端 44.1kHz 立体声，$0.0083/s）或 ACE Step 系列（开源权重，$0.0002–0.0003/s，成本低 27 倍）
- 多场景覆盖：支持人声歌曲、纯音乐、游戏循环、广告 jingle、多语言翻唱等
- 音频编辑能力：独有 ACE Step audio-inpaint（局部修复）与 audio-outpaint（双向延长），ElevenLabs 暂不提供编辑端点
- 标准化 CLI 接口：统一
runcomfy run <model>/<endpoint>调用模式，JSON 输入参数，本地输出目录管理
显著优点
1. 成本弹性极大：从 $0.0002/s 的快速迭代到 $0.0083/s 的商业级交付，覆盖草图到成品的全预算区间
2. 多语言原生支持：ACE Step 1.5 支持 50+ 语言人声，ElevenLabs Music 提供多语言商业级演唱
3. 开放权重与合规：ACE Step 基于 Apache 2.0 许可，可离线部署；ElevenLabs 提供商用友好授权
4. 编辑工作流闭环：inpaint/outpaint 填补"生成→发现问题→局部修复"的断点，避免全曲重渲染
5. 安全设计：token 文件 0600 权限、HTTPS 传输、无 shell 注入面、明确输入边界验证
潜在局限与风险
- 模型能力边界：ACE Step 人声质量逊于 ElevenLabs，高端商业 hook 仍需溢价模型；超过 4 分钟的总时长需链式调用
- 编辑功能限制：当前 CLI 未暴露基于掩码的音频 inpaint，仅支持时间范围定位
- 第三方音频风险：inpaint/outpaint 的源音频 URL 属不可信输入，存在隐写指令或异常元数据影响生成的可能
- 成本误用风险：ElevenLabs 单价较高，批量草稿场景若未正确路由至 ACE Step，易造成意外费用
- 版权责任：用户提供的歌词版权需自行确认，工具不做版权校验
适合人群
- 广告/品牌团队：需要快速产出多语言 campaign jingle，控制 hero asset 与批量 variant 的成本
- 游戏/应用开发者：生成无缝循环 BGM 库，迭代成本低
- 独立音乐人/创作者：从草稿到成品的阶梯式工作流，先 ACE Step 探索，后 ElevenLabs 定稿
- 内容运营团队：视频配乐、播客 intro/outro 的快速生产与延长修复
常规风险管控
- 始终通过 npm/npx 安装官方 CLI，禁止管道执行未审计的远程脚本
- 生产环境使用
RUNCOMFY_TOKEN环境变量，避免 token 文件泄露 - 对 inpaint/outpaint 的源音频执行来源确认，异常输出时排查第三方内容影响
- 批量任务前先用 ACE Step 验证提示词效果，再切至 ElevenLabs 最终渲染