用途：为视频制作生成音乐，包括背景音乐、带人声与歌词的歌曲、翻唱/风格迁移、分轨提取、局部重绘和续写。核心脚本为 tools/music_gen.py，通过 uv run 调用。
主要能力：文本生成音乐（text2music，默认）、cover 风格迁移（--cover-strength 0.0-1.0，默认0.7）、extract 分轨（vocals、drums、bass、guitar、piano、keyboard、strings、brass、woodwinds、other）、repaint 局部重绘（仅 acemusic）、continuation 续写（仅 acemusic）。支持 --lyrics 歌词、--bpm、--key、--duration、--variations（1-8）、--seed、--guidance-scale、--infer-method（ode/sde）、--thinking/--no-thinking、--preset 场景预设（corporate-bg、upbeat-tech、ambient、dramatic、tension、hopeful、cta、lofi）、--brand 加载品牌提示。
使用方式：默认云端 acemusic，在 .env 写入 ACEMUSIC_API_KEY（取自 acemusic.ai/api-key），无需 GPU。示例：uv run tools/music_gen.py --prompt "Upbeat tech corporate" --duration 60 --output bg.mp3。自托管可选 Modal（uv run modal deploy docker/modal-music-gen/app.py，需 MODAL_MUSIC_GEN_ENDPOINT_URL）或 RunPod（uv run tools/music_gen.py --setup，需 RUNPOD_ACESTEP_ENDPOINT_ID），通过 --cloud modal/runpod 切换。
场景与限制：输出 48kHz MP3/WAV/FLAC，时长 10-600 秒，BPM 30-300，音乐时长精确（约0.1秒内）。适合按场景（标题、问题、方案、演示、数据、CTA、片尾）配乐，背景音乐在混音中建议 10-20% 音量。人声性别控制需在提示词与歌词标签中同时指定。分轨提取在自托管 turbo 端点（Modal XL Turbo、RunPod 2B Turbo）预期效果较弱。不适用于语音克隆、音效和旁白/解说；从视频提取分轨需先用 FFmpeg 提取音频。具体收费、价格与其他平台信息暂未提供。