SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场elevenlabs-music-generation

elevenlabs-music-generation

设计与创作

查看项目

更新于 10-15 08:33

技能介绍

ElevenLabs Music Generation 是 RunComfy Model API 上的一项音乐生成技能，底层使用 ElevenLabs Music 模型，通过 runcomfy CLI 调用。它面向需要从文本生成完整歌曲或器乐曲目的场景，输出为录音室级别的 44.1 kHz 立体声音频，单次调用时长覆盖 5 秒到 5 分钟，并支持段落级结构控制。

用途

该技能的核心能力是生成结构化歌曲并包含真实人声。用户提供一段风格简述，加上带段落标记的歌词，模型会返回一首结构连贯、已完成混音的曲目。适用场景包括：包含主歌/副歌结构的完整人声歌曲、多语言歌词、节奏一致的演唱；纯器乐背景铺底，用于背景音乐、播客片头、游戏循环；短品牌素材如标识音、转场音、主题音乐（5–30 秒）；最长 5 分钟的长篇曲目；以及可商用用途的输出。如果只是需要环境音或一次性音效（如雷声、脚步），那属于音效任务而非音乐任务，本技能针对的是歌曲与曲目。

主要能力

  • 输入字段：prompt（必填，字符串）承载风格描述与带段落标记的歌词；music_length_ms（可选，整数，默认 40000，范围 5000–300000 毫秒）控制输出时长；force_instrumental（可选，布尔，默认 false）为 true 时仅生成器乐、不含人声；output_format（可选，字符串，默认 mp3_standard），可选 WAV 等格式，完整格式列表见模型页 API 选项卡。
  • 输出：44.1 kHz 立体声音频，结果 JSON 中包含生成音频的 URL，CLI 会将其下载到 --output-dir。
  • 结构控制：可在提示词中使用 [Intro]、[Verse]、[Chorus]、[Bridge]、[Outro] 等段落标记，并可标注小节数或大致时长。
  • 多语言：直接以目标语言撰写歌词，需要时可在行内标注语言/口音。
  • 费用：约为每秒生成音频 $0.0083（30 秒约 $0.25，60 秒约 $0.50，5 分钟约 $2.49），费用随 music_length_ms 变化。

使用方式

  1. 安装：全局安装 npm i -g @runcomfy/cli，或零安装使用 npx -y @runcomfy/cli --version。
  2. 登录：执行 runcomfy login，或在 CI 中设置 export RUNCOMFY_TOKEN=。
  3. 生成音乐：调用 runcomfy run elevenlabs/elevenlabs/music-generation --input '{"prompt": "..."}' --output-dir ./out。

完整人声歌曲示例（提示词中包含风格、BPM、人声类型及段落标记与歌词，music_length_ms 设为 60000）；器乐背景示例（描述乐器、风格、BPM，设置 force_instrumental: true 并在提示词中写明 no vocals，music_length_ms 设为 90000）；短品牌音效示例（5 秒愉悦品牌转场音，music_length_ms 设为 5000，force_instrumental: true）。

提示词编写要点：先写风格简述（流派、情绪、BPM、关键乐器、人声类型）；再写带段落标记的歌词并标注小节数；保持歌词节奏一致（每行音节数均匀、押韵清晰）；写明主奏乐器与混音优先级；器乐场景同时设置 force_instrumental: true 并在提示词中注明 no vocals；多语言时用目标语言写歌词；避免互相矛盾的风格指令；先用 30–45 秒草稿验证方向，再进行长时长正式渲染。

常见模式：视频主题曲（完整简述+歌词+段落结构，时长匹配视频长度）；播客片头/片尾（force_instrumental: true，10–20 秒，要求 loop-friendly、干净收尾）；游戏背景循环（器乐，描述 seamless loop，60–120 秒，节奏一致）；多语言发行（同一风格简述，每语言一次调用，仅替换歌词）；迭代后定稿（先用 music_length_ms: 35000 草稿锁定流派/节奏/结构，再按完整长度渲染）。

退出码：0 成功；64 CLI 参数错误；65 输入 JSON 错误或 schema 不匹配；69 上游 5xx；75 可重试（超时/429）；77 未登录或令牌被拒。完整参考见 docs.runcomfy.com/cli/troubleshooting。

工作原理：技能以 JSON 请求体调用 runcomfy run elevenlabs/elevenlabs/music-generation，CLI 向 RunComfy Model API 发起 POST，轮询请求状态，获取结果，并将生成的音频文件下载到 --output-dir。Ctrl-C 会在退出前取消远程请求。

限制

  • 仅有一个提示词字段承载全部内容（风格 + 歌词），没有独立的 “lyrics” 参数。
  • 每次调用时长 5 秒–5 分钟（music_length_ms 5000–300000）。更长作品需分段生成后在外部拼接。
  • 费用随时长增长，5 分钟渲染约为 30 秒渲染的 10 倍。
  • force_instrumental 是唯一的人声开关，无法通过该端点指定具体声音身份或克隆歌手。
  • 本技能专用于 ElevenLabs Music；音效、文本转语音或声音克隆属于 ElevenLabs 的其他能力，不在该端点范围内。

安全与隐私

仅通过经验证的包管理器安装，使用 npm i -g @runcomfy/cli 或 npx -y @runcomfy/cli；操作方不应让代理将任意远程安装脚本通过管道交给 shell 执行。令牌存储方面，runcomfy login 会将 API 令牌写入 ~/.config/runcomfy/token.json（权限 0600）；CI/容器中可设置 RUNCOMFY_TOKEN 环境变量绕过文件；切勿将令牌回显到提示词、日志或提交到版本库。输入边界方面，提示词以 JSON 字符串经 --input 传递，CLI 不会对提示词内容做 shell 展开，直接通过 HTTPS 将 JSON 请求体发送至 Model API，即提示词中出现反引号、引号或 $(...) 也不会构成 shell 注入面。歌词来源方面，如用户提供歌词，需确认其拥有相应权利，围绕受版权保护的歌词生成音乐由操作方负责，技能不做检查。出站端点白名单仅为 model-api.runcomfy.net（请求提交）以及 *.runcomfy.net / *.runcomfy.com（生成音频下载白名单），无遥测、无回调。生成文件大小上限为单次下载超过 2 GiB 时 CLI 中止。Bash 使用范围：技能仅调用 runcomfy <subcommand>，npm/npx 相关命令属一次性操作方设置，并非技能每次调用时执行。

相关

runcomfy-cli（底层 CLI、schema 发现、轮询模式、脚本化）；ElevenLabs Music 模型页（包含最新 schema 的完整 API 选项卡）；全部 RunComfy 模型（图像、视频与音频端点）；ai-video-generation（将生成曲目与生成视频搭配）；ai-avatar-video（口播视频，走语音而非音乐路径）。