elevenlabs-music-generation

ElevenLabs AI 音乐生成 — RunComfy 专业版

根据文本描述生成完整歌曲和纯音乐——录音室品质的 44.1 kHz 立体声，时长 5 秒到 5 分钟，支持段落级结构控制。通过 runcomfy CLI 调用 RunComfy 模型 API 上的 ElevenLabs Music。

runcomfy.com · ElevenLabs Music 模型 · CLI 文档

安装此技能

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

由 RunComfy CLI 驱动

# 1. 安装（任选其一——详见 runcomfy-cli 技能）
npm i -g @runcomfy/cli                              # 全局安装
npx -y @runcomfy/cli --version                      # 零安装

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

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

CLI 深入： runcomfy-cli 技能。

何时使用 ElevenLabs Music

ElevenLabs Music 的优势在于带有真实人声的结构化歌曲——它接收风格简介和带段落标记的歌词，返回连贯的混音曲目。适用于：

• 完整人声歌曲——主歌/副歌结构、多语言歌词、一致的节拍
• 纯音乐垫——force_instrumental: true 用于背景音乐、播客开场曲、游戏循环
• 短品牌素材——广告曲、短促音、主题音乐（5–30 秒）
• 长格式曲目——单次调用最长 5 分钟
• 商业作品——输出可用于商业用途

如果用户只需要环境音或一次性音效（雷声、脚步声），那是音效任务，不是音乐——ElevenLabs Music 用于歌曲和曲目。

端点 + 输入模式

模型：elevenlabs/elevenlabs/music-generation

字段	类型	必填	默认值	说明
prompt	string	是	—	风格描述和带段落标记的歌词。参见提示技巧
music_length_ms	int	否	40000	输出时长（毫秒）。5000–300000（5 秒 – 5 分钟）
force_instrumental	bool	否	false	true = 仅纯音乐，无 vocals
output_format	string	否	mp3_standard	mp3_standard（默认）或 WAV——参见模型页面 API 标签获取完整格式列表

输出：44.1 kHz 立体声音频。结果 JSON 包含生成的音频 URL——CLI 将其下载到 --output-dir。

定价：约 $0.0083/秒生成音频（30 秒 ≈ $0.25，60 秒 ≈ $0.50，5 分钟 ≈ $2.49）。成本随 music_length_ms 缩放，因此先短草稿再定稿长版本。

如何调用

带结构的完整人声歌曲：

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

纯音乐背景垫：

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

短品牌广告曲：

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 读取一个**prompt 字段**，同时包含风格简介和歌词。合理组织：

• 以风格简介开头：流派、情绪、速度（BPM）、关键乐器、人声类型。"Upbeat indie-pop anthem, bright electric guitars, 120 BPM, female lead vocal."
• 然后是带段落标记的歌词：[Intro]、[Verse]、[Chorus]、[Bridge]、[Outro]。添加大致时长或小节数——[Intro 8 bars]、[Verse 16 bars]。
• 保持歌词节拍一致——每行音节数均匀，押韵清晰。模型遵循节拍；不规整的节拍会导致别扭的措辞。
• 指明主奏乐器和混音优先级——"electric guitar carries the chorus, drums sit back in the verse."
• 对于纯音乐，设置 force_instrumental: true 并在提示中说“no vocals”——双重保险。
• 多语言：用目标语言写歌词；如有需要，内联标注口音/语言（[Verse] (sung in Brazilian Portuguese) ...）。
• 避免矛盾的风格指令——一个提示中同时出现“aggressive metal”和“soft lullaby”会混淆模型。每次调用保持一个连贯的方向。
• 先短草稿，再定稿长版本：用 30–45 秒草稿（music_length_ms: 35000）验证方向，再支付 5 分钟渲染。

常见模式

视频主题曲

• 完整简介 + 歌词 + [Intro]/[Verse]/[Chorus] 结构，music_length_ms 匹配视频长度

播客开场/结尾曲

• force_instrumental: true，10–20 秒，“loop-friendly, clean ending”

游戏背景循环

• force_instrumental: true，描述“seamless loop”，60–120 秒，一致律动

多语言发布（同一首歌，多种语言）

• 每种语言一次调用，风格简介相同，仅替换歌词行

迭代后定稿

• 在 music_length_ms: 35000 下草稿以锁定流派/速度/结构 → 最终以全长渲染

限制

• 一个 prompt 字段承载所有内容（风格 + 歌词）。没有单独的“lyrics”参数。
• 每次调用 5 秒 – 5 分钟（music_length_ms 5000–300000）。对于更长的作品，分段生成并外部拼接。
• 成本随时长缩放——5 分钟渲染大约是 30 秒的 10 倍。
• force_instrumental 是唯一的人声开关——无法通过此端点请求特定声音身份或克隆歌手。
• 此技能专门针对 ElevenLabs Music。音效、文本转语音或声音克隆是 ElevenLabs 的其他能力，不通过此端点暴露。

退出码

代码	含义
0	成功
64	CLI 参数错误
65	输入 JSON 错误 / 模式不匹配
69	上游 5xx
75	可重试：超时 / 429
77	未登录或令牌被拒

完整参考：docs.runcomfy.com/cli/troubleshooting。

工作原理

技能调用 runcomfy run elevenlabs/elevenlabs/music-generation 并附带 JSON 体。CLI 向 RunComfy 模型 API 发送 POST 请求，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 在退出前取消远程请求。

安全与隐私

• 仅通过已验证的包管理器安装。 使用 npm i -g @runcomfy/cli 或 npx -y @runcomfy/cli。代理不得代表用户将任意远程安装脚本通过管道传入 shell——如果操作员想要 docs.runcomfy.com/cli/install 中记录的 curl-pipe 方式，他们应先审查脚本。
• 令牌存储：runcomfy login 将 API 令牌写入 ~/.config/runcomfy/token.json，权限为 0600。设置 RUNCOMFY_TOKEN 环境变量以在 CI/容器中绕过文件。切勿将令牌回显到提示中、记录或检入。
• 输入边界（shell 注入）：提示通过 --input 作为 JSON 字符串传递。CLI 不会对提示内容进行 shell 扩展；它直接将 JSON 体通过 HTTPS 传输到模型 API。提示内容无 shell 注入面，即使包含反引号、引号或 $(...) 模式。
• 歌词来源：如果用户提供歌词，请确认他们拥有相应权利。围绕受版权保护的歌词生成音乐是操作员的责任——技能不进行检查。
• 出站端点（白名单）：仅 model-api.runcomfy.net（请求提交）和 *.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：CLI 会中止任何超过 2 GiB 的单个下载。
• Bash 使用范围：技能仅调用 runcomfy <subcommand>——npm / npx 行是一次性操作员设置，不是技能每次调用执行的命令。

另请参阅

• runcomfy-cli —— 底层 CLI、模式发现、轮询模式、脚本编写
• ElevenLabs Music 模型页面 —— 包含最新模式的完整 API 标签
• 所有 RunComfy 模型 —— 图像、视频和音频端点
• ai-video-generation —— 将生成的曲目与生成的视频配对
• ai-avatar-video —— 说话头像视频（不同的音频路径——语音，非音乐）