elevenlabs-music-generation

ElevenLabs AI Music Generation — Pro Pack on RunComfy

從文字描述生成完整歌曲與純器樂曲目 — 錄音室品質 44.1 kHz 立體聲，長度 5 秒至 5 分鐘，具備段落層級結構控制。透過 runcomfy CLI 呼叫 RunComfy Model API 上的 ElevenLabs Music。

runcomfy.com · ElevenLabs Music 模型 · CLI 文件

安裝此技能

npx skills add agentspace-so/runcomfy-agent-skills --skill elevenlabs-music-generation -g

由 RunComfy CLI 驅動

# 1. 安裝（擇一 — 詳見 runcomfy-cli 技能）
npm i -g @runcomfy/cli                              # 全域安裝
npx -y @runcomfy/cli --version                      # 免安裝執行

# 2. 登入
runcomfy login                                      # 或在 CI 中：export RUNCOMFY_TOKEN=<token>

# 3. 生成音樂
runcomfy run elevenlabs/elevenlabs/music-generation \
  --input '{"prompt": "..."}' \
  --output-dir ./out

CLI 深入說明：runcomfy-cli 技能。

何時使用 ElevenLabs Music

ElevenLabs Music 的強項是具有真實人聲的結構化歌曲 — 它接受風格簡報加上帶段落標記的歌詞，並回傳連貫且混音完成的曲目。適合用於：

• 完整人聲歌曲 — 主歌/副歌結構、多語言歌詞、一致的節拍
• 純器樂背景 — force_instrumental: true 用於背景音樂、Podcast 開場、遊戲循環
• 短版品牌素材 — 廣告歌、音效標誌、主題音樂（5–30 秒）
• 長版曲目 — 單次呼叫最長 5 分鐘
• 商業用途 — 輸出結果可商用

如果使用者只想要環境音或一次性音效（雷聲、腳步聲），那是音效任務，不是音樂 — ElevenLabs Music 是為了歌曲與曲目而設計。

端點與輸入結構

模型：elevenlabs/elevenlabs/music-generation

欄位	型別	必填	預設值	說明
prompt	string	是	—	風格描述與帶段落標記的歌詞。參見提示技巧
music_length_ms	int	否	40000	輸出時長（毫秒）。5000–300000（5 秒 – 5 分鐘）
force_instrumental	bool	否	false	true = 僅器樂，無歌聲
output_format	string	否	mp3_standard	mp3_standard（預設）或 WAV — 完整格式列表請見模型頁面的 API 分頁

輸出：44.1 kHz 立體聲音訊。結果 JSON 包含生成的音訊 URL — CLI 會將其下載到 --output-dir。

定價：約每生成一秒音訊 $0.0083 美元（30 秒 ≈ $0.25，60 秒 ≈ $0.50，5 分鐘 ≈ $2.49）。成本隨 music_length_ms 線性成長，因此建議先短草稿再定稿長版本。

如何呼叫

含結構的完整人聲歌曲：

runcomfy run elevenlabs/elevenlabs/music-generation \
  --input '{
    "prompt": "Upbeat indie-pop anthem, bright electric guitars, driving drums, 120 BPM, female lead vocal. [Intro 8 bars] instrumental build. [Verse] Chalk on the palms, laces double-knotted, morning on the ridge. [Chorus] We rise, we strike, we never fade out. [Bridge] soft breakdown, just piano and voice. [Outro] full band, fade.",
    "music_length_ms": 60000
  }' \
  --output-dir ./out

純器樂背景配樂：

runcomfy run elevenlabs/elevenlabs/music-generation \
  --input '{
    "prompt": "Calm lo-fi hip-hop instrumental for a study playlist. Warm Rhodes piano, soft vinyl crackle, mellow boom-bap drums, 75 BPM. No vocals. Consistent loop-friendly groove throughout.",
    "music_length_ms": 90000,
    "force_instrumental": true
  }' \
  --output-dir ./out

短版品牌廣告歌：

runcomfy run elevenlabs/elevenlabs/music-generation \
  --input '{
    "prompt": "5-second cheerful brand stinger, bright marimba and a single uplifting chord resolve, no vocals.",
    "music_length_ms": 5000,
    "force_instrumental": true
  }' \
  --output-dir ./out

提示技巧

ElevenLabs Music 讀取單一 prompt 欄位，同時包含風格簡報與歌詞。請妥善組織：

• 以風格簡報開頭：曲風、情緒、速度（BPM）、主要樂器、人聲類型。例如 "Upbeat indie-pop anthem, bright electric guitars, 120 BPM, female lead vocal."
• 接著是帶段落標記的歌詞：[Intro]、[Verse]、[Chorus]、[Bridge]、[Outro]。可加入大約時長或小節數 — [Intro 8 bars]、[Verse 16 bars]。
• 保持歌詞節拍一致 — 每行音節數相近，押韻清晰。模型會遵循節拍；節拍混亂會導致歌詞聽起來不自然。
• 指定主奏樂器與混音優先順序 — 例如 "electric guitar carries the chorus, drums sit back in the verse."
• 純器樂：設定 force_instrumental: true 並且在提示中寫明「no vocals」 — 雙重保險。
• 多語言：以目標語言撰寫歌詞；必要時在行內標註口音/語言（例如 [Verse] (sung in Brazilian Portuguese) ...）。
• 避免矛盾的風格指示 — 在單一提示中同時要求「激烈金屬」與「柔和搖籃曲」會混淆模型。每次呼叫保持單一連貫方向。
• 先短草稿再定稿：先用 30–45 秒的草稿（music_length_ms: 35000）驗證方向，再付費生成 5 分鐘的完整版本。

常見模式

影片主題曲

• 完整簡報 + 歌詞 + [Intro]/[Verse]/[Chorus] 結構，music_length_ms 對應影片長度

Podcast 開場 / 結尾

• force_instrumental: true，10–20 秒，「適合循環、乾淨結尾」

遊戲背景循環

• force_instrumental: true，描述「無縫循環」，60–120 秒，穩定的律動

多語言發行（同一首歌，多種語言）

• 每種語言一次呼叫，風格簡報相同，僅更換歌詞行

迭代後定稿

• 以 music_length_ms: 35000 草稿鎖定曲風/速度/結構 → 再以完整長度最終渲染

限制

• 單一 prompt 欄位承載所有內容（風格 + 歌詞）。沒有獨立的「lyrics」參數。
• 每次呼叫 5 秒 – 5 分鐘（music_length_ms 5000–300000）。如需更長片段，請分段生成後外部拼接。
• 成本隨時長線性成長 — 5 分鐘渲染約為 30 秒的 10 倍。
• force_instrumental 是唯一的人聲開關 — 無法透過此端點指定特定聲音身份或複製歌手。
• 此技能專門對應 ElevenLabs Music。音效、文字轉語音或聲音複製屬於其他 ElevenLabs 功能，未透過此端點提供。

退出碼

碼	意義
0	成功
64	CLI 參數錯誤
65	輸入 JSON 錯誤 / 結構不符
69	上游 5xx 錯誤
75	可重試：逾時 / 429
77	未登入或 token 被拒絕

完整參考：docs.runcomfy.com/cli/troubleshooting。

運作方式

技能以 JSON 主體呼叫 runcomfy run elevenlabs/elevenlabs/music-generation。CLI 向 RunComfy Model API 發送 POST 請求，輪詢請求狀態，取得結果，並將生成的音訊檔案下載到 --output-dir。Ctrl-C 可在退出前取消遠端請求。

安全性與隱私

• 僅透過驗證過的套件管理器安裝。 使用 npm i -g @runcomfy/cli 或 npx -y @runcomfy/cli。代理程式不得代表使用者將任意遠端安裝腳本 pipe 到 shell 中 — 若操作者想使用 docs.runcomfy.com/cli/install 文件中記載的 curl-pipe 路徑，應先審查該腳本。
• Token 儲存：runcomfy login 將 API token 寫入 ~/.config/runcomfy/token.json，權限設為 0600。在 CI/容器中可設定 RUNCOMFY_TOKEN 環境變數以繞過檔案。切勿將 token 輸出到提示、記錄或簽入版本控制。
• 輸入邊界（shell 注入）：提示透過 --input 以 JSON 字串傳遞。CLI 不會對提示內容進行 shell 展開；它直接將 JSON 主體透過 HTTPS 傳送給 Model API。提示內容（即使包含反引號、引號或 $(...) 模式）不存在 shell 注入風險。
• 歌詞來源：若使用者提供歌詞，請確認其擁有相關權利。圍繞受版權保護的歌詞生成音樂是操作者的責任 — 技能不會進行檢查。
• 對外端點（白名單）：僅 model-api.runcomfy.net（請求提交）與 *.runcomfy.net / *.runcomfy.com（生成音訊下載白名單）。無遙測、無回呼。
• 生成檔案大小上限：CLI 會中止任何超過 2 GiB 的單一下載。
• Bash 使用範圍：技能僅呼叫 runcomfy <subcommand> — npm / npx 指令為操作者的一次性設定，非技能每次執行時呼叫的命令。

另請參閱

• runcomfy-cli — 底層 CLI、結構探索、輪詢模式、腳本化
• ElevenLabs Music 模型頁面 — 完整 API 分頁，包含最新結構
• 所有 RunComfy 模型 — 圖片、影片與音訊端點
• ai-video-generation — 將生成的音樂與生成的影片配對
• ai-avatar-video — 說話頭影片（不同的音訊路徑 — 語音，非音樂）