生成音乐

使用AI模型生成带或不带歌词的音乐。

使用指南

此接口根据您的文本提示创建音乐

每个请求会生成多个变体

您可以通过自定义模式和纯音乐设置来控制细节级别

参数详情

始终必填：customMode、instrumental、model

自定义模式下（customMode: true）:

title 可选，最多 80 字符。仅此模式可用

prompt 可选；提供时将严格作为歌词使用并在生成的音轨中演唱。若同时传入 lyrics，优先使用 lyrics 作为歌词

style、lyrics、negativeTags 至少提供一项，全部为空时将拒绝生成

如果 instrumental: true：生成纯音乐（无歌词）

如果 instrumental: false：使用 lyrics（未传则回退到 prompt）作为歌词

可选：duration、negativeTags、vocalGender、styleWeight、weirdnessConstraint、audioWeight、variety、personaId、personaModel

不同模型的字符限制：

V4：prompt 3000字符，style 200字符

V4_5、V4_5PLUS、V4_5ALL、V5、V5_5：prompt 5000字符，style 1000字符

V6、V6_MINI、V6_WILD：style 1000字符；lyrics 5000字符；negativeTags 1000字符

title 长度限制：80字符（所有模型）

非自定义模式下（customMode: false）:

prompt 可选；作为核心创意，歌词将根据它自动生成（不严格匹配输入），最多 3000 字符

lyrics 可作为歌词附件，与 prompt 同时使用

imageUrls、videoUrls、audioUrls、style、lyrics 至少提供一项，全部为空时将拒绝生成

imageUrls、videoUrls、audioUrls 仅在此模式下有效

请勿传入仅自定义模式可用的参数：title、negativeTags、duration、vocalGender、styleWeight、weirdnessConstraint、audioWeight、variety、personaId、personaModel

附件总数不超过 10:style+ lyrics +imageUrls +videoUrls +audioUrls

可选参数

prompt（string）：描述所需音频内容的提示词。可选。自定义模式下作为歌词；非自定义模式下作为核心创意（最多 3000 字符）。

lyrics（string）：歌词内容。可选。V6 最多 5000 字符。自定义模式优先于 prompt 作为歌词；非自定义模式可作为歌词附件与 prompt 同时使用。

imageUrls（array）：图片参考。仅在 customMode 为 false 时有效。最多 5 张，单张不超过 10 MB，支持 jpeg、png、webp、bmp。

videoUrls（array）：视频参考。仅在 customMode 为 false 时有效。最多 1 个，单个不超过 100 MB，时长不超过 241 秒，支持 mp4、mov、webm。

audioUrls（array）：音频参考。仅在 customMode 为 false 时有效。时长需在 6 秒至 30 分钟之间，单个不超过 500 MB。

style（string）：音乐风格规范。字符限制见上方「参数详情」。

title（string）：曲目标题。可选。仅当 customMode 为 true 时可用。最多 80 字符。将显示在播放器界面和文件名中。

negativeTags（string）：从生成音频中排除的音乐风格或特征。仅当 customMode 为 true 时可用。V6、V6_MINI、V6_WILD 最多 1000 字符。

vocalGender（string）：人声性别偏好。m 男声，f 女声。仅当 customMode 为 true 时可用。根据实践，此参数只能加强概率，但不能保证一定遵循男女声的指令。

styleWeight（number）：对指定风格的遵循强度。范围 0–1，保留两位小数。仅在 customMode 为 true 时有效。

weirdnessConstraint（number）：创意/离散程度。范围 0–1，保留两位小数。仅在 customMode 为 true 时有效。

audioWeight（number）：音频要素相对权重。范围 0–1，保留两位小数。仅在 customMode 为 true 时有效。

variety（number）：生成结果的多样性。范围 0–4 的整数，默认 1。仅在 customMode 为 true 时有效。0 off（严格同一风格），1 normal（默认，平衡），2 high（风格差异明显），3 extra（大胆探索），4 max（最大差异）。

personaId（string）：Persona ID 或 Voice ID。可选。要生成 Persona ID，请访问生成 Persona 接口。

personaModel（string）：persona 模型，可选 style_persona 或 voice_persona。仅 V5（已废弃）、V5.5（已废弃）、V6、V6_MINI、V6_WILD 可用。

duration（number）：音频时长，单位为秒。范围 10–360，默认 20。仅当 customMode 为 true 时可用，且仅对 V5_5、V6、V6_MINI、V6_WILD 生效。

开发者注意事项

新用户建议：以 customMode: false 开始使用，更简单

生成的文件将保留14天

回调过程分三个阶段：text（文本生成）、first（第一首完成）、complete（全部完成）

Bearer Token

Provide your bearer token in the

Authorization

header when making requests to protected resources.

Example:

Authorization: Bearer ********************

Callbacks

audioGenerated

Request

Responses