AI围炉茶话会 — 工作流文档

1. 概述

工作流名称：AI围炉茶话会
工作流定位：用户输入一个聊天主题，自动生成两位说话人的口语化对话台词，并逐句合成为双人对话音频
触发方式：n8n 表单（表单标题「话题闲聊」，字段「主题」）
核心链路：主题输入 → 台词生成（LongCat-2.5）→ 双路语音合成（MiMo TTS）→ 音频合并（FFmpeg）→ 输出 merged_audio.wav
输出：合并后的双人对话音频文件（merged_audio.wav）
关键模型与服务：
- 台词生成：LongCat-2.5（OpenAI 兼容节点，按 JSON Schema 约束返回结构化台词）
- 语音合成：mimo-v2.5-tts，音色 Chloe（说话人 $1）、白桦（说话人 $2）
- 音频合并：n8n FFMPEG 节点（concat 拼接，pcm_s16le 编码）

2. 整体流程架构

主链路：表单填写 → 解析输入字段 → 生成编剧台词 → 转换数据类型 → 双分支拆分 → 双路语音合成 → 合并 → 重排 → 存储 → 音频拼接
分支结构：台词按说话人拆为两路，分别走「发起生成语音请求」→「base64转文件」→「写盘」，最终汇入 Merge 节点
数据流：主题文本 → 结构化台词数组 → 逐句音频（base64）→ 磁盘文件（1.xxx.wav / 2.xxx.wav）→ 文件列表 → 合并后的对话音频（merged_audio.wav）
关键中间产物：
- dialogue：台词数组，含 $1、$2 两位说话人各自的 content 列表
- 双路文件命名：1..wav（说话人 $1）、2..wav（说话人 $2）
- mylist.txt：按对话顺序排列的音频文件清单，供 FFmpeg concat 使用

3. 节点详解

3.1 表单填写（Form Trigger）

类型：n8n-nodes-base.formTrigger，版本 2.6
位置：[0, 0]，整条工作流的触发器
作用：生成表单页，用户填写「主题」后提交触发工作流
参数：
- formTitle：话题闲聊
- formDescription：输入主题，给你返回闲聊
- formFields.values[0].fieldLabel：主题
- formFields.values[0].placeholder：请输入您要聊的主题
- formFields.values[0].requiredField：true
- options.appendAttribution：true
- options.buttonLabel：Submit
输出（每条 item 的 json）：

{
  "主题": "用户输入的主题文本",
  "headers": { ... },
  "query": { ... },
  "params": { ... }
}

说明：下游统一通过 $json[‘主题’] 读取，中文字段名必须用方括号写法访问

3.2 解析输入字段（Set）

类型：n8n-nodes-base.set，版本 3.5
位置：[224, 0]
作用：把表单输出的中文字段「主题」映射为英文字段 topic，供下游节点引用
参数（assignments.assignments）：
- id：680295b0-2c51-4820-8f79-c281a6f5aca8
- name：topic
- value：=
- type：string
输出：{ “topic”: “用户输入的主题文本” }

3.3 生成编剧台词（OpenAI）

类型：@n8n/n8n-nodes-langchain.openAi，版本 2.3
位置：[448, 0]
作用：调用大模型，根据主题生成两位说话人的口语化对话台词，强制返回 JSON 结构
参数：
- modelId：{ “__rl”: true, “value”: “LongCat-2.5”, “mode”: “list”, “cachedResultName”: “LONGCAT-2.5” }
- builtInTools：{}
- responses.values[0].content：

=请根据如下主题：{{ $json.topic }}

生成每人 10 句围绕这个主题闲谈的语句，要求口语化，有对话感，后续我需要转成双人说话的音频用

返回示例格式（$1 为第一个开始说话的人，$2 为第二个开始说话的人）：
[
    {
        "speaker": "$1",
        "content": [
            {"content": "台词"},
            {"content": "台词"},
            {"content": "台词"}
            ...
        ]
    },
    {
        "speaker": "$2",
        "content": [
            {"content": "台词"},
            {"content": "台词"},
            {"content": "台词"}
            ...
        ]
    }
]

options.textFormat.textOptions.type：json_schema
options.textFormat.textOptions.schema（完整）：

{
  "$schema": "https://json-schema.org/draft/2020-12/schema",
  "type": "array",
  "minItems": 2,
  "maxItems": 2,
  "prefixItems": [
    {
      "type": "object",
      "required": ["speaker", "content"],
      "additionalProperties": false,
      "properties": {
        "speaker": { "const": "$1" },
        "content": {
          "type": "array",
          "minItems": 1,
          "items": {
            "type": "object",
            "required": ["content"],
            "additionalProperties": false,
            "properties": { "content": { "type": "string" } }
          }
        }
      }
    },
    {
      "type": "object",
      "required": ["speaker", "content"],
      "additionalProperties": false,
      "properties": {
        "speaker": { "const": "$2" },
        "content": {
          "type": "array",
          "minItems": 1,
          "items": {
            "type": "object",
            "required": ["content"],
            "additionalProperties": false,
            "properties": { "content": { "type": "string" } }
          }
        }
      }
    }
  ],
  "items": false
}

输出：$json.output[0].content[0].text 为 JSON 字符串，解析后：

[
  { "speaker": "$1", "content": [ {"content": "..."}, ... ] },
  { "speaker": "$2", "content": [ {"content": "..."}, ... ] }
]

3.4 转换数据类型（Set）

类型：n8n-nodes-base.set，版本 3.5
位置：[816, 0]
作用：把模型输出中的 JSON 字符串提取为字段 dialogue，并标记为数组类型，供后续 Split Out 使用
参数：
- assignments.assignments[0].id：d4f54230-93b9-4890-98e6-7e43f097f048
- assignments.assignments[0].name：dialogue
- assignments.assignments[0].value：=
- assignments.assignments[0].type：array
- options：{}
输出：

{
  "dialogue": [
    { "speaker": "$1", "content": [ {"content": "..."}, ... ] },
    { "speaker": "$2", "content": [ {"content": "..."}, ... ] }
  ]
}

说明：type 设为 array 后，下游 Split Out 才能正确按数组下标取 dialogue[0].content / dialogue[1].content

3.5 Split Out / Split Out1（拆分双方台词）

3.5.1 Split Out（说话人 $1）

类型：n8n-nodes-base.splitOut，版本 1.1
位置：[1056, -176]（上分支）
作用：把 dialogue[0].content 数组逐项拆成独立 item，每个 item 是一句 $1 的台词
参数：
- fieldToSplitOut：dialogue[0].content
- options：{}
输出（每个 item）：{ “content”: “一句台词” }
说明：拆分后每个 item 的 $json.content 即为该句台词文本，直接作为 TTS 输入

3.5.2 Split Out1（说话人 $2）

类型：n8n-nodes-base.splitOut，版本 1.1
位置：[1024, 208]（下分支）
作用：把 dialogue[1].content 数组逐项拆成独立 item，每个 item 是一句 $2 的台词
参数：
- fieldToSplitOut：dialogue[1].content
- options：{}
输出（每个 item）：{ “content”: “一句台词” }
说明：与 Split Out 并行，分别对应两位说话人

3.6 发起生成语音请求 / 1（HTTP Request → MiMo TTS）

3.6.1 发起生成语音请求（说话人 $1）

类型：n8n-nodes-base.httpRequest，版本 4.5
位置：[1232, -176]（上分支）
作用：把单句台词发给 MiMo TTS 接口，返回 base64 音频
参数：
- method：POST
- url：https://api.xiaomimimo.com/v1/chat/completions
- sendHeaders：true
- headerParameters.parameters[0].name：api-key（值为接口密钥）
- headerParameters.parameters[1].name：Content-Type，value：application/json
- sendBody：true
- specifyBody：json
- jsonBody：

{
  "model": "mimo-v2.5-tts",
  "messages": [
    { "role": "user", "content": "" },
    { "role": "assistant", "content": "{{ $json.content }}" }
  ],
  "audio": { "format": "wav", "voice": "Chloe" }
}

options：{}
说明：assistant 角色承载真正要合成的台词，user 角色为空串；voice 固定为 Chloe，代表说话人 $1
输出：

{
  "choices": [
    { "message": { "audio": { "id": "音频唯一标识", "data": "base64 编码的 wav 音频" } } }
  ]
}

3.6.2 发起生成语音请求1（说话人 $2）

类型：n8n-nodes-base.httpRequest，版本 4.5
位置：[1200, 208]（下分支）
作用：与 3.6.1 相同，但使用另一个音色，生成说话人 $2 的语音
参数：与 3.6.1 完全一致，唯一差异：
- jsonBody.audio.voice：白桦
说明：两个 HTTP 节点形成并行双路，分别产出两位说话人的音频

3.7 base64转文件 / 1（Convert to File）

3.7.1 base64转文件（说话人 $1）

类型：n8n-nodes-base.convertToFile，版本 1.2
位置：[1392, -176]
作用：把接口返回的 base64 音频字符串转成二进制文件
参数：
- operation：toBinary
- sourceProperty：choices[0].message.audio.data
- options.fileName：=.wav
- options.mimeType：audio/wav
输出：

{
  "json": { "choices": [ ... ] },
  "binary": { "data": { "fileName": "<id>.wav", "mimeType": "audio/wav", "fileData": "..." } }
}

说明：文件名使用接口返回的 audio.id，保证唯一性

3.7.2 base64转文件1（说话人 $2）

类型：n8n-nodes-base.convertToFile，版本 1.2
位置：[1392, 208]
作用：与 3.7.1 完全相同，处理说话人 $2 的音频
参数：与 3.7.1 一致
说明：两路产物文件名同为.wav，靠后续写盘时的前缀区分说话人

3.8 Read/Write Files from Disk1 / 2（写盘）

3.8.1 Read/Write Files from Disk1（说话人 $1）

类型：n8n-nodes-base.readWriteFile，版本 1.1
位置：[1584, -176]
作用：把音频二进制写到本地磁盘
参数：
- operation：write
- fileName：=/home/node/.n8n/1.
输出：{ “fileName”: “/home/node/.n8n/1..wav”, “binary”: { … } }
说明：统一加前缀 “1.”，标记为说话人 $1；后续 Code 节点据此区分两组文件

3.8.2 Read/Write Files from Disk2（说话人 $2）

类型：n8n-nodes-base.readWriteFile，版本 1.1
位置：[1568, 208]
作用：与 3.8.1 相同，写入说话人 $2 的音频
参数：
- operation：write
- fileName：=/home/node/.n8n/2.
输出：{ “fileName”: “/home/node/.n8n/2..wav”, “binary”: { … } }
说明：统一加前缀 “2.”，与说话人 $1 的文件区分

3.9 Merge（合并双分支）

类型：n8n-nodes-base.merge，版本 3.2
位置：[1808, 16]
作用：把上分支（说话人 $1）与下分支（说话人 $2）的所有 item 汇总到一条链路
参数：{}（无显式参数，使用默认合并模式）
连接方式：
- input(0) ← Read/Write Files from Disk1
- input(1) ← Read/Write Files from Disk2
输出：包含两路全部 item 的数组，每个 item 形如

1
2
3

{
  "fileName": "/home/node/.n8n/1.xxx.wav" 或 "/home/node/.n8n/2.xxx.wav"
}

说明：默认合并模式为 append，输出顺序为 $1 全部在前、$2 全部在后，因此后续 Code 节点必须按说话人重新交替排序

3.10 拉链式合并：两个数组改成对话方式（Code）

类型：n8n-nodes-base.code，版本 2
位置：[1968, 16]
作用：把「先 $1 全部、后 $2 全部」的列表，重排成两人交替对话的顺序，并生成 FFmpeg concat 可用的文件清单文本
参数：
- jsCode：

const items = $input.all();

const isTarget = (item) => {
  const fileName = item.json.fileName ?? '';
  const base = fileName.split(/[\\/]/).pop() ?? '';
  return base.startsWith('2.');
};

const groupA = items.filter(it => !isTarget(it));
const groupB = items.filter(it => isTarget(it));

const ordered = [];
const maxLen = Math.max(groupA.length, groupB.length);
for (let i = 0; i < maxLen; i++) {
  if (i < groupA.length) ordered.push(`file '${groupA[i].json.fileName}'`);
  if (i < groupB.length) ordered.push(`file '${groupB[i].json.fileName}'`);
}
return {
  file_content: ordered.join(`\n`)
};

输出：

1
2
3

{
  "file_content": "file '/home/node/.n8n/1.xxx.wav'\nfile '/home/node/.n8n/2.yyy.wav'\n..."
}

说明：
- 用文件名前缀 “2.” 而非 speaker 字段判断说话人，因为此处 item 中只有 fileName
- 交替顺序为 $1 → $2 → $1 → $2，形成你一言我一语的对话节奏
- 输出内容直接对应 FFmpeg concat demuxer 的 list 文件格式

3.11 文本转二进制文件（Convert to File）

类型：n8n-nodes-base.convertToFile，版本 1.2
位置：[2144, 16]
作用：把 Code 生成的清单文本转为二进制文件对象
参数：
- operation：toText
- sourceProperty：=file_content
- binaryPropertyName：=data
输出：

{
  "json": { "file_content": "file '...'\nfile '...'..." },
  "binary": { "data": { "fileName": "...", "mimeType": "text/plain", "fileData": "..." } }
}

说明：生成的是纯文本清单，不是音频

3.12 存储文件（Read/Write File）

类型：n8n-nodes-base.readWriteFile，版本 1.1
位置：[2336, 16]
作用：把清单文本写到固定路径，供 FFmpeg 读取
参数：
- operation：write
- fileName：/home/node/mylist.txt
输出：{ “fileName”: “/home/node/mylist.txt” }

3.13 合并多个音频为一个音频（FFMPEG）

类型：n8n-nodes-ffmpeg.ffmpeg，版本 1
位置：[2512, 16]
作用：按清单顺序把所有单句音频拼接为一个完整对话音频
参数：
- operation：custom
- outputFileName：merged_audio.wav
- outputBinary：mergedAudio
- ffmpegCustomArgs：=-f concat -safe 0 -i ““ -c:a pcm_s16le -f wav “{output}”
说明：使用 concat demuxer 无损拼接，输出为 wav 格式
输出：二进制属性 mergedAudio，即最终成品音频

4. 关键设计说明

双说话人拆分与并行 TTS 逻辑：
- 台词生成后由两个 Split Out 节点分别拆分 $1 / $2，形成两条独立并行链路
- 每条链路独立完成「TTS 请求 → base64 转文件 → 写盘」，互不阻塞
- 优势：两次合成可并行执行，整体耗时约等于单路耗时，而非两路之和
语音角色分配（Chloe / 白桦）：
- 说话人 $1 → voice: Chloe
- 说话人 $2 → voice: 白桦
- 两个 HTTP 节点除 voice 字段外参数完全一致，保证音色切换只影响该字段
文件命名前缀区分说话人：
- 说话人 $1 文件写为 /home/node/.n8n/1..wav
- 说话人 $2 文件写为 /home/node/.n8n/2..wav
- 前缀由写盘节点 fileName 表达式添加，下游仅凭文件名即可判断归属
对话顺序重排算法（交替合并）：
- Merge 默认 append 导致顺序为「$1 全部在前、$2 全部在后」
- Code 节点按文件名前缀 “2.” 分组，得到 groupA（$1）与 groupB（$2）
- 按 maxLen 循环，交替 push file '<$1 文件>' 与 file '<$2 文件>'
- 结果：$1 → $2 → $1 → $2 的对话节奏，而非两段各自独白

5. 输入输出规范

5.1 表单字段定义

表单标题：话题闲聊
表单描述：输入主题，给你返回闲聊
字段：
- 字段名（json key）：主题
- fieldLabel：主题
- placeholder：请输入您要聊的主题
- requiredField：true
提交按钮文案：Submit
附加归属信息：appendAttribution = true
触发输出（每条 item）：

{
  "主题": "用户输入的主题文本",
  "headers": { ... },
  "query": { ... },
  "params": { ... }
}

5.2 台词 JSON Schema 结构

顶层：array，minItems = 2，maxItems = 2，items = false
prefixItems[0]：
- type：object
- required：[“speaker”, “content”]
- additionalProperties：false
- properties.speaker：const “$1”
- properties.content：array，minItems = 1，items 为 object
  - required：[“content”]
  - additionalProperties：false
  - properties.content：string
prefixItems[1]：
- 结构同上，唯一差异：properties.speaker.const = “$2”
解析后结构示例：

[
  { "speaker": "$1", "content": [ {"content": "第一句"}, {"content": "第二句"}, ... ] },
  { "speaker": "$2", "content": [ {"content": "第一句"}, {"content": "第二句"}, ... ] }
]

5.3 最终音频文件规格

文件名：merged_audio.wav
格式：wav
编码：pcm_s16le
生成方式：FFmpeg concat demuxer 无损拼接（-f concat -safe 0 -i list.txt -c:a pcm_s16le -f wav）
内容：两位说话人交替的对话音频
输出二进制属性名：mergedAudio

6. 依赖与配置

6.1 模型依赖

台词生成模型：LongCat-2.5
- 节点：生成编剧台词（OpenAI）
- modelId：{ “__rl”: true, “value”: “LongCat-2.5”, “mode”: “list”, “cachedResultName”: “LONGCAT-2.5” }
- 通过 OpenAI 兼容节点调用，使用对应凭据
语音合成模型：mimo-v2.5-tts
- 节点：发起生成语音请求 / 1（HTTP Request）
- 接口地址：https://api.xiaomimimo.com/v1/chat/completions
- 请求体：model 字段固定为 mimo-v2.5-tts
- 音色：Chloe（$1）、白桦（$2）
- 音频格式：wav

6.2 文件路径约定

单句音频目录：/home/node/.n8n/
- 说话人 $1：/home/node/.n8n/1..wav
- 说话人 $2：/home/node/.n8n/2..wav
音频清单文件：/home/node/mylist.txt
- 内容格式：每行 file '<音频绝对路径>'，按对话顺序排列
最终成品：merged_audio.wav
- 由 FFMPEG 节点输出，二进制属性名 mergedAudio

6.3 凭据与密钥说明

OpenAI 节点：使用 LongCat-2.5 对应的 OpenAI 兼容凭据（模型列表来自该凭据）
HTTP Request 节点（两个）：请求头 api-key 字段携带 MiMo 接口密钥，用于调用 TTS 接口
说明：两个 HTTP 节点共用同一接口地址与同一 api-key 请求头，仅 voice 字段不同

7. 运行与测试

7.1 触发方式

通过表单触发：访问表单页填写「主题」并点击 Submit
表单地址：http://localhost:5678/form/8654ef69-4290-4013-924e-0600c5d90d6e
手动执行：在画布中点击 Execute workflow，或直接执行「表单填写」节点

7.2 预期结果

台词生成：返回含 $1 / $2 两位说话人的结构化 JSON
语音合成：每位说话人每句台词生成一个 wav 文件
文件落盘：/home/node/.n8n/ 下生成 1..wav 与 2..wav 两组文件
清单生成：/home/node/mylist.txt 按 $1 → $2 交替顺序记录文件路径
最终产物：FFMPEG 节点输出 merged_audio.wav，内容为两人交替对话的完整音频

7.3 常见问题排查

表单提交后无反应：
- 检查工作流是否已激活（Active）
- 确认表单地址中的 Webhook ID 与节点一致
台词生成失败或格式错误：
- 检查 LongCat-2.5 凭据是否有效、模型是否在凭据可用列表中
- 确认 options.textFormat.textOptions 已启用 json_schema，且 schema 与代码一致
TTS 请求失败（401/403）：
- 检查 HTTP 请求头 api-key 是否正确
- 确认接口地址 https://api.xiaomimimo.com/v1/chat/completions 是否可访问
语音文件未生成或为空：
- 检查 /home/node/.n8n/ 目录是否存在且可写
- 确认 Convert to File 节点的 sourceProperty 路径 choices[0].message.audio.data 正确
合并音频顺序错误：
- 确认 Code 节点按文件名前缀 “2.” 分组逻辑正常
- 检查 Read/Write Files from Disk1 / 2 是否分别加了 1. / 2. 前缀
合并音频失败：
- 检查 /home/node/mylist.txt 内容格式是否为 file '<路径>'
- 确认 FFMPEG 节点 ffmpegCustomArgs 中能正确引用清单文件路径