elevenlabs-music-generation

ElevenLabs AI Music Generation — RunComfy の Pro Pack

テキストによる説明から、フルソングやインストゥルメンタルトラックを生成します。スタジオ品質の 44.1 kHz ステレオ、長さは 5 秒から 5 分までで、セクション単位の構成を制御できます。runcomfy CLI を通じて呼び出す RunComfy Model API 上の ElevenLabs Music です。

runcomfy.com · ElevenLabs Music model · CLI docs

このスキルをインストールする

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

RunComfy CLI を活用

# 1. Install (one of — see runcomfy-cli skill for details)
npm i -g @runcomfy/cli                              # global install
npx -y @runcomfy/cli --version                      # zero-install

# 2. Sign in
runcomfy login                                      # or in CI: export RUNCOMFY_TOKEN=<token>

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

CLI の詳細については、runcomfy-cli スキルをご覧ください。

ElevenLabs Music の使用場面

ElevenLabs Music の強みは、実際のボーカルを含む構成の整った楽曲です。スタイルの概要とセクションマーカー付きの歌詞を入力すると、一貫性のあるミックス済みトラックが生成されます。次のような用途に適しています。

• ボーカル入りのフルソング — ヴァース／コーラスの構成、多言語の歌詞、安定した韻律
• インストゥルメンタルのバックグラウンド音源 — force_instrumental: true を指定すると、BGM、ポッドキャストのイントロ、ゲームのループ音源などを生成できます
• 短いブランド用音源 — ジングル、スティンガー、テーマ音楽（5～30 秒）
• 長尺トラック — 1 回の呼び出しで最大 5 分
• 商用制作 — 商用利用に適した出力

ユーザーが求めているのが環境音や単発の効果音（雷、足音など）だけであれば、それは音楽ではなく効果音のタスクです。ElevenLabs Music は楽曲やトラック向けです。

エンドポイントと入力スキーマ

モデル：elevenlabs/elevenlabs/music-generation

フィールド	型	必須	デフォルト	備考
prompt	string	はい	—	セクションマーカー付きのスタイル説明と歌詞。プロンプト作成のヒントを参照してください
music_length_ms	int	いいえ	40000	出力の長さ（ミリ秒）。5000～300000（5 秒～5 分）
force_instrumental	bool	いいえ	false	true = ボーカルなしのインストゥルメンタルのみ
output_format	string	いいえ	mp3_standard	mp3_standard（デフォルト）、または WAV。対応形式の全一覧は、モデルページ の API タブを参照してください

出力：44.1 kHz ステレオ音声。結果の JSON には生成された音声の URL が含まれ、CLI が --output-dir にダウンロードします。

料金：生成音声 1 秒あたり約 $0.0083（30 秒 ≈ $0.25、60 秒 ≈ $0.50、5 分 ≈ $2.49）。料金は music_length_ms に応じて変わるため、短い尺で下書きを作成し、長い尺で仕上げてください。

呼び出し方法

構成のあるボーカル入りフルソング：

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

インストゥルメンタルのバックグラウンド音源：

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

短いブランド用ジングル：

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

プロンプト作成のヒント

ElevenLabs Music では、スタイルの概要と歌詞の両方を含む1 つの prompt フィールドを読み込みます。適切に構成しましょう。

• スタイルの概要から始める：ジャンル、ムード、テンポ（BPM）、主な楽器、ボーカルの種類を指定します。"アップビートなインディーポップのアンセム、明るいエレキギター、120 BPM、女性のリードボーカル。"
• 続けてセクションマーカー付きの歌詞を記述する：[Intro]、[Verse]、[Chorus]、[Bridge]、[Outro]。おおよその長さや小節数も追加します — [Intro 8 bars]、[Verse 16 bars]。
• 歌詞の韻律を一貫させる — 各行の音節数をそろえ、明確な韻律パターンにします。モデルは韻律に従うため、韻律が不揃いだと不自然な言い回しになります。
• 主な楽器とミックスの優先順位を指定する — "コーラスではエレキギターを中心にし、ヴァースではドラムを控えめにする。"
• インストゥルメンタルの場合は、force_instrumental: trueを設定し、さらにプロンプトに「ボーカルなし」と記述します — 念には念を入れましょう。
• 多言語の場合：歌詞は対象言語で書き、必要に応じてアクセントや言語をインラインで注記します（[Verse] (ブラジルポルトガル語で歌唱) ...）。
• 矛盾するスタイル指示は避ける — 1 つのプロンプトで「アグレッシブなメタル」と「柔らかな子守歌」を組み合わせると、モデルが混乱します。1 回の呼び出しにつき、統一感のある方向性を 1 つ指定します。
• 短く下書きし、長く仕上げる：5 分のレンダリングにコストをかける前に、30–45 s の下書き（music_length_ms: 35000）で方向性を確認します。

よくあるパターン

動画のテーマソング

• スタイルの概要、歌詞、[Intro]/[Verse]/[Chorus] の構成をすべて指定し、music_length_ms を動画の長さに合わせる

ポッドキャストのオープニング／エンディング

• force_instrumental: true、10–20 s、「ループしやすく、すっきりとした終わり方」

ゲームのバックグラウンドループ

• force_instrumental: true、「シームレスなループ」と指定し、60–120 s の長さで、グルーヴを一定に保つ

多言語リリース（同じ曲を複数の言語で）

• 言語ごとに 1 回呼び出し、スタイルの概要は同一にして、歌詞の行だけを入れ替える

試作してから確定

• music_length_ms: 35000 で下書きを作成し、ジャンル／テンポ／構成を決定する → フル尺で最終レンダリングする

制限事項

• スタイルと歌詞のすべてを1 つの prompt フィールドに記述します。「歌詞」専用のパラメーターはありません。
• 1 回の呼び出しにつき 5 s ～ 5 min（music_length_ms 5000～300000）です。これより長い曲を作る場合は、セクションごとに生成し、外部でつなぎ合わせてください。
• コストは長さに応じて増加します — 5 分のレンダリングは、30 秒のものの約 10 倍です。
• ボーカルの切り替えに使えるのは force_instrumental のみです — このエンドポイントでは、特定の声の人物像を指定したり、歌手の声をクローンしたりすることはできません。
• このスキルはElevenLabs Music 専用です。効果音、テキスト読み上げ、声のクローン作成には、別の ElevenLabs 機能が必要であり、このエンドポイントでは利用できません。

終了コード

code	意味
0	成功
64	CLI 引数が不正
65	入力 JSON が不正／スキーマが不一致
69	アップストリームの 5xx
75	再試行可能：タイムアウト／429
77	サインインしていない、またはトークンが拒否された

詳細なリファレンス：docs.runcomfy.com/cli/troubleshooting。

動作の仕組み

このスキルは、JSON 本文を指定して runcomfy run elevenlabs/elevenlabs/music-generation を実行します。CLI は RunComfy Model API に POST リクエストを送り、リクエストのステータスをポーリングして結果を取得し、生成された音声ファイルを --output-dir にダウンロードします。Ctrl-C を押すと、終了前にリモートリクエストがキャンセルされます。

セキュリティとプライバシー

• 検証済みのパッケージマネージャーからのみインストールしてください。 npm i -g @runcomfy/cli または npx -y @runcomfy/cli を使用してください。エージェントは、ユーザーに代わって任意のリモートインストールスクリプトをシェルにパイプして実行してはいけません — オペレーターが docs.runcomfy.com/cli/install に記載されている curl パイプ方式を希望する場合は、まずスクリプトを確認してください。
• トークンの保存：runcomfy login は API トークンをモード 0600 で ~/.config/runcomfy/token.json に書き込みます。CI／コンテナでファイルを介さずに使用するには、RUNCOMFY_TOKEN 環境変数を設定してください。トークンをプロンプトやログに出力したり、チェックインしたりしないでください。
• 入力境界（シェルインジェクション）：プロンプトは --input を介して JSON 文字列として渡されます。CLI はプロンプトの内容をシェル展開せず、JSON 本文を HTTPS 経由で Model API に直接送信します。バッククォート、引用符、$(...) パターンを含む場合でも、プロンプトの内容によるシェルインジェクションの危険性はありません。
• 歌詞の出所：ユーザーが歌詞を提供する場合、その歌詞を使用する権利があることを確認してください。著作権で保護された歌詞を使った音楽生成はオペレーターの責任であり、このスキルでは確認しません。
• 外部接続先（許可リスト）：model-api.runcomfy.net（リクエストの送信）と、生成された音声のダウンロード許可リストである *.runcomfy.net／*.runcomfy.com のみです。テレメトリやコールバックはありません。
• 生成ファイルのサイズ上限：CLI は 2 GiB を超える単一ファイルのダウンロードを中止します。
• bash の使用範囲：このスキルが実行するのは runcomfy <subcommand> のみです。npm／npx の行はオペレーターが一度だけ行うセットアップであり、スキルが呼び出しのたびに実行するコマンドではありません。

関連項目

• runcomfy-cli — 基盤となる CLI、スキーマの検出、ポーリングモード、スクリプティング
• ElevenLabs Music モデルページ — 最新のスキーマを掲載した API の全タブ
• RunComfy の全モデル — 画像、動画、音声のエンドポイント
• ai-video-generation — 生成したトラックと生成した動画を組み合わせる
• ai-avatar-video — トーキングヘッド動画（音声経路が異なり、音楽ではなく音声を扱います）