ElevenLabs Music Text to Audio API

elevenlabs/music

ElevenLabs Music Text to Audio 将文字描述转化为歌曲或纯音乐,支持歌词输入与分段编曲。你可以分别设置整曲和各段的风格与时长,安排前奏、主歌和副歌的音乐变化。

Input

0 / 4100

描述曲风、情绪、乐器和人声,最多 4100 字符;填写文字后使用文字创作方式。

Composition Plan

添加段落来安排歌曲结构,并设置全局风格。编辑编曲计划后使用分段创作方式。

Positive Global Styles

每项填写一个风格方向,如原声吉他、轻柔鼓点或温暖人声;可保留空列表。

Negative Global Styles

每项填写一个希望避开的风格,如强烈失真或密集鼓点;可保留空列表。

Sections

用 1–100 字符命名段落,如 Intro、Verse 或 Chorus。

Positive Local Styles

每项填写一个风格方向,如原声吉他、轻柔鼓点或温暖人声;可保留空列表。

Negative Local Styles

每项填写一个希望避开的风格,如强烈失真或密集鼓点;可保留空列表。

设置本段时长,范围为 3–120 秒,可填写小数。

Lines

每项填写一行歌词,每行最多 200 字符;纯音乐段落保留空列表,并在风格中注明 instrumental。

用 1–100 字符命名段落,如 Intro、Verse 或 Chorus。

Positive Local Styles

每项填写一个风格方向,如原声吉他、轻柔鼓点或温暖人声;可保留空列表。

Negative Local Styles

每项填写一个希望避开的风格,如强烈失真或密集鼓点;可保留空列表。

设置本段时长,范围为 3–120 秒,可填写小数。

Lines

每项填写一行歌词,每行最多 200 字符;纯音乐段落保留空列表,并在风格中注明 instrumental。

用 1–100 字符命名段落,如 Intro、Verse 或 Chorus。

Positive Local Styles

每项填写一个风格方向,如原声吉他、轻柔鼓点或温暖人声;可保留空列表。

Negative Local Styles

每项填写一个希望避开的风格,如强烈失真或密集鼓点;可保留空列表。

设置本段时长,范围为 3–120 秒,可填写小数。

Lines

每项填写一行歌词,每行最多 200 字符;纯音乐段落保留空列表,并在风格中注明 instrumental。

用 1–100 字符命名段落,如 Intro、Verse 或 Chorus。

Positive Local Styles

每项填写一个风格方向,如原声吉他、轻柔鼓点或温暖人声;可保留空列表。

Negative Local Styles

每项填写一个希望避开的风格,如强烈失真或密集鼓点;可保留空列表。

设置本段时长,范围为 3–120 秒,可填写小数。

Lines

每项填写一行歌词,每行最多 200 字符;纯音乐段落保留空列表,并在风格中注明 instrumental。

开启后按各段设置的时长编排;关闭后允许模型灵活安排段落时长。

选择音频编码、采样率与比特率,默认 mp3_44100_128。

Examples

钟表匠的线索

Create a 30-second instrumental jazz cue for a puzzle scene in a clockmaker's workshop. 104 BPM, lightly swinging 4/4, playful curiosity with a hint of mystery. Use plucked upright bass, brushed drums, muted trumpet and vibraphone, each clearly separated in a warm intimate acoustic mix. Begin with a distinctive four-note vibraphone motif over bass; let muted trumpet answer and develop that motif in the middle, while brush accents subtly increase the momentum. Resolve with a short, clean ensemble cadence and allow the last note to decay naturally. No vocals, choir, spoken words, ticking sound effects or abrupt cutoff.

海带森林的光

Compose a 40-second instrumental score for a nature documentary gliding through a sunlit underwater kelp forest. 72 BPM, gently flowing 4/4. Felt piano, delicate harp harmonics, soft sustained strings and a subtle low ambient texture; luminous, patient, full of quiet wonder. Start sparsely with isolated felt-piano notes and wide space. Gradually introduce harp and strings into an expansive rising harmony through the middle third, suggesting shafts of light moving through long fronds. Gently thin the arrangement and finish on a peaceful resolved chord with natural reverb decay. Detailed soft dynamics, wide stereo depth, no heavy percussion, no vocals or choir, no narration, no water sound effects, no abrupt cutoff.

ElevenLabs Music Text to Audio

ElevenLabs Music Text to Audio 是 ElevenLabs 的音乐生成模型,可根据文字描述创作歌曲或纯音乐,也可按编曲计划组织前奏、主歌、副歌和尾奏。全局风格设定整曲基调,局部风格、歌词与段落时长细化每一部分的表现,让创作意图落实到音乐结构。可为视频准备配乐、构思播客片头,以及将原创歌词发展为可试听的歌曲。

为什么选择 ElevenLabs Music

  • 一句描述建立音乐方向把曲风、情绪、乐器和节奏写进文字描述,生成适合画面或故事氛围的音轨。

  • 人声歌曲与纯音乐分别创作用文字指定演唱风格,或开启 Is Instrumental 制作纯音乐;编曲计划还可逐段填写歌词。

  • 把前奏、主歌和副歌写进计划为每段设置风格、歌词和时长,把整首音乐的创作方向细化为明确的段落安排。

  • 兼顾整曲风格与段落变化用全局风格建立整首音乐的基调,再用局部风格安排鼓点加入、人声展开或器乐收尾。

参数说明

参数填写要求说明
text文字方式必填

音乐描述,1–4100 字符。与 composition_plan 二选一。

默认值—
composition_plan编曲方式必填

按段编排音乐,包含全局风格与 sections。与 text 二选一。

默认值—
duration文字方式可选

文字方式的目标时长,3–600 秒,可含小数;省略时由模型决定。

默认值—
is_instrumental文字方式可选

设为 true 生成纯音乐;使用 text 时填写。

默认值false
respect_sections_durations编曲方式可选

控制模型遵循各段目标时长的严格程度;使用 composition_plan 时填写。

默认值true
output_format可选

选择音频编码、采样率与比特率,合法取值见下方列表。

默认值mp3_44100_128mp3_22050_32mp3_44100_32mp3_44100_64mp3_44100_96mp3_44100_192pcm_8000pcm_16000pcm_22050pcm_24000pcm_44100pcm_48000ulaw_8000alaw_8000opus_48000_32opus_48000_64opus_48000_96opus_48000_128opus_48000_192
composition_plan.positive_global_styles编曲方式必填

整首音乐的风格方向,如曲风、乐器和节奏;允许空数组。

默认值—
composition_plan.negative_global_styles编曲方式必填

整首音乐应避开的风格元素;允许空数组。

默认值—
composition_plan.sections编曲方式必填

至少一个段落,按数组顺序组织音乐。

默认值—
composition_plan.sections[].section_name每段必填

段落名称,1–100 字符,用于标记前奏、主歌或副歌等结构。

默认值—
composition_plan.sections[].positive_local_styles每段必填

本段的乐器、人声与情绪方向;允许空数组。

默认值—
composition_plan.sections[].negative_local_styles每段必填

本段应避开的风格元素;允许空数组。

默认值—
composition_plan.sections[].duration每段必填

本段目标时长,3–120 秒,可含小数。

默认值—
composition_plan.sections[].lines每段必填

每项是一行歌词,每行最多 200 字符;纯音乐段落可用空数组并指定器乐风格。

默认值—

如何创作音乐

  1. 选择创作方式在 Text 中写音乐描述,或编辑 Composition Plan 安排段落、风格与歌词。

  2. 设置音乐表现与时长文字方式可设置 Duration 与 Is Instrumental;编曲方式填写各段 Duration,并选择 Respect Sections Durations。

  3. 确认格式与费用后运行选择 Output Format,查看 Run 按钮上的费用预估,登录并确认点数余额后点击 Run。

  4. 试听并继续调整在 Output 中播放生成音轨,根据听感调整乐器、歌词或段落安排,再提交下一次创作。

用量与计费

ElevenLabs Music Text to Audio 每开始一分钟收取 128 credits($0.64)。按秒数除以 60 后向上取整;编曲计划先合计各段时长,再计算分钟数。

用量费用计算方式
3–60 秒128 credits · $0.64计为一个开始分钟。
60.1 秒256 credits · $1.28超过一分钟,向上取整为两分钟。
多段编曲合计后按分钟取整30 秒+30 秒计为一分钟;30 秒+30.1 秒计为两分钟。
文字时长留空预估 128 credits · $0.64提交前按一分钟估算费用,生成时长由模型决定。

适合哪些音乐项目

  • 视频背景配乐围绕画面情绪描述乐器与节奏,选择纯音乐,为剪辑准备配乐素材。

  • 播客片头与片尾指定片头的进入方式与片尾的收束风格,用简短段落建立节目的听觉主题。

  • 游戏场景音乐草案用环境、张力和节奏描述场景氛围,先试听短段落,再展开完整编曲计划。

  • 原创歌曲创作将自己的歌词分配到主歌和副歌,分别设置人声与伴奏方向,试听结构与旋律的组合。

提示词与编曲技巧

  • 提示词按“曲风+情绪+乐器+节奏+人声”组织,例如“温暖的独立民谣,原声吉他与轻鼓,舒缓节奏,柔和女声”。
  • 全局风格填写整首音乐共同的方向,局部风格描述本段变化,例如副歌加入完整鼓组和人声和声。
  • 把歌词按演唱顺序逐行放入 Lines,给每段留出承载歌词的时长,并为前奏与尾奏安排器乐段落。
  • 先生成短段落试听音色和编配,再扩展段落计划;每次调整一个主要方向,便于比较结果。

创作设置要点

  • 每次选择文字描述或编曲计划一种方式,并填写该方式对应的控制项。
  • 编曲计划至少包含一个段落;风格与歌词字段保留数组结构,空列表使用 []。
  • 提交前检查 Run 上的费用预估。生成完成后,音轨可在 Output 中试听,也可通过 API 返回的文件地址下载。

ElevenLabs Music Text to Audio API 常见问题

ElevenLabs Music Text to Audio API 是什么?

ElevenLabs Music Text to Audio 是 ElevenLabs 用于将文字描述转化为音乐的模型。它可生成歌曲或纯音乐,并通过编曲计划设置各段歌词、风格与时长。全局和局部风格控制将整曲基调与段落变化结合,帮助组织前奏、主歌和副歌。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

ElevenLabs Music 如何生成纯音乐?

使用文字创作时开启 Is Instrumental,并描述需要的乐器、情绪和节奏。使用编曲计划时,为器乐段落保留空的 Lines,并在该段风格中写明 instrumental 和乐器安排。

ElevenLabs Music 怎样使用自己的歌词?

在 Composition Plan 的各个段落中填写 Lines,每项对应一行歌词,每行最多 200 字符。再用局部风格描述演唱语言、人声特点和伴奏,并为该段设置时长。

ElevenLabs Music 如何安排主歌和副歌?

使用 Composition Plan,按演奏顺序添加前奏、主歌、副歌和尾奏等段落。每段独立设置名称、风格、歌词和时长;开启 Respect Sections Durations,让模型按指定段落时长编排。

ElevenLabs Music 的全局风格如何影响编曲?

全局风格设定整首音乐共同的曲风、乐器和情绪方向,局部风格描述某一段的具体表现。正向列表填写希望采用的元素,负向列表填写希望避开的元素,例如把整曲设为原声民谣,再让副歌加入鼓组与和声。

ElevenLabs Music 可以生成多长的音乐?

文字方式可指定 3–600 秒,留空时由模型决定时长。编曲方式为每段设置 3–120 秒,并用多个段落组织音乐;各段时长可填写小数。

ElevenLabs Music 提示词应该怎么写?

先写曲风和情绪,再补充主要乐器、节奏以及人声方向,例如“轻快爵士,温暖钢琴与刷鼓,纯音乐”。需要明显的结构变化时,用编曲计划为不同段落设置局部风格,文字描述最多 4100 字符。

ElevenLabs Music 提供哪些音频格式?

Output Format 提供 MP3、Opus、PCM、μ-law 和 A-law,共 19 个编码与采样配置。默认 mp3_44100_128 对应 44.1 kHz、128 kbps 的 MP3,完整取值见本页参数说明。

ElevenLabs Music 如何按分钟计费?

每开始一分钟收取 128 credits,即 $0.64。文字方式按指定时长向上取整,编曲方式先合计段落时长再向上取整;60 秒为 128 credits,60.1 秒为 256 credits。文字时长留空时,提交前费用按一分钟估算,生成时长由模型决定。