elevenlabs-music

ElevenLabs 音乐制作技能

使用此技能，通过 ElevenLabs Eleven Music 将内容简报转化为可用的音乐素材。将其视为一套制作工作流：选择合适的生成方式，编写符合法律要求的音乐指导，妥善保管素材，并在发布前根据剪辑内容审核结果。

本技能中有来源支持的事实已于 2026-07-10 根据 ElevenLabs 官方文档和条款核实。在付费或公开制作中依赖定价、限制、模型默认设置、许可条款或端点架构之前，请重新查阅最新文档。

提示词前的硬性限制

不要提交提及或明显针对受保护作品或可识别艺术家的提示词、歌词、参考内容、上传内容或元数据。ElevenLabs 音乐条款禁止使用包含任何艺术家本名或艺名、词曲作者本名或艺名、歌曲标题、专辑标题、音乐出版商名称、唱片公司名称，或意在指涉某首歌曲的大段／独特歌词摘录的音乐输入。条款还禁止可能造成侵权的提示词，以及误导性地模仿可识别的录音艺术家。

请改用流派、年代、地区、乐器配置、制作语言、速度、情绪、编曲、混音参考和功能意图：

• 不安全：“让它听起来像 [artist] 的 [song title]。”
• 更安全：“20 世纪 70 年代末的华丽迪斯科流行乐，四拍鼓点、八度低音线、明亮的弦乐短句、欢庆的副歌，118 BPM，不模仿任何艺术家。”
• 不安全：“像这句受版权保护的歌词一样写一句副歌……”
• 更安全：“创作一段关于重新开始的两行励志副歌，只使用原创歌词。”

用于商业发行时，请核查当前套餐和音乐模型专属条款。截至 2026-07-10，已核实自助套餐在生成／下载限额、署名要求、流媒体权利、API 功能、并发数量和允许使用的媒体方面各不相同。文档说明，自助套餐的媒体权利允许在线／离线商业使用，但电影、电视、广播和 Studio Games 除外；Enterprise Music 则允许所有在线／离线商业使用。除非客户的套餐／合同明确授予相关权利，否则不要声称客户拥有广播、电影、电视、Studio Games、转售或音乐库／存储库使用权。

能力概览

文档中介绍的 Eleven Music 能力包括文本生成音乐、可选的人声或纯音乐输出、多语言歌词、段落／歌词编辑、作曲方案、使用 music_v2 进行修补、视频转音乐、上传文件以进行修补，以及分轨。付费用户可使用 API。

已于 2026-07-10 核实的 API 关键信息：

• 基础创作端点：POST /v1/music。
• 详细创作端点：POST /v1/music/detailed，返回音频以及作曲方案和歌曲元数据。
• 作曲方案端点：创建方案不产生生成费用，但受速率限制。
• 视频转音乐端点：最多接受 10 个视频，视频总大小最多为 200 MB，总时长最多为 600 秒。
• 在创作调用中，提示词和 composition_plan 不能同时使用。
• 使用提示词生成时，music_length_ms 接受 3,000-600,000 ms。
• 官方时长文档并不完全一致：API 参考文档说明 music_length_ms 为 3,000-600,000 ms，而概览和定价页面也提到生成／时长上限为 5 分钟。在承诺生成超过 5 分钟的音乐片段前，请先确认当前账户和 API 的实际行为。
• prompt 最多接受 4,100 个字符。
• 音乐文档中列出的 model_id 值包括 music_v1 和 music_v2。
• 在概览页面中，music_v2 被列为 UI 默认模型，而在过渡期间，API 默认模型仍为 music_v1。请显式设置 model_id，不要依赖默认值。
• 默认的 output_format="auto" 会根据模型选择 MP3 格式：文档中列出的 v1 格式为 mp3_44100_128，v2 格式为 mp3_48000_192。
• 使用相同参数时，seed 有助于提高一致性，但无法保证完全复现，系统更新也可能导致输出变化。
• 使用提示词生成时，force_instrumental=true 可确保输出为纯音乐，且不能与作曲方案同时使用。
• API 定价页面列出的 Eleven Music API 价格为每分钟 $0.15。估算费用前请先确认。

选择生成方式

快速进行创意探索时，请使用明确指定时长并设置 model_id="music_v2" 的提示词，除非项目要求兼容 v1。使用网页版 UI 时，请要求生成 2-4 个变体；使用 API 时，请分别创建多个生成任务，并记录种子、提示词版本和选中的版本。

对于需要与剪辑精准对齐的音乐片段，请使用作曲方案。方案可以明确指定分段时长、段落标签、歌词位置、正向风格、负向风格和上下文遵循程度。当音乐片段必须配合旁白留白、章节切换、预告片节拍、循环段落，或精准衔接副歌／尾奏时，请使用方案。

为现有剪辑配乐时，如果需要让画面内容引导背景音乐，请使用视频转音乐。同时提供简洁的 description 和最多 10 个风格标签，帮助模型理解品牌调性和剪辑用途。尽可能预先合并视频，以缩短请求时长并避免顺序错误。

已有满意版本后需要修改时，请使用 music_v2 修补，而不是重新生成整首歌曲。可通过 store_for_inpainting=true 生成，或上传自有且不侵权的文件；将满意的片段保留为音频参考块，仅重新生成较弱的部分。

需要控制混音时，请在需要将人声压低于旁白、在对话期间移除鼓点、制作社交媒体精简版，或交付给混音师时，提取或生成分轨。较长文件的分轨处理延迟可能较高。

提示词构建

出色的 Eleven Music 提示词会用音乐语言回答五个问题：

1. 这段音频素材有什么用途？说明制作功能：“15 秒片头广告垫乐”“可循环播放的游戏菜单音乐”“60 秒旁白下方的讲解视频背景音乐”“片尾卡点音效”。
2. 希望观众有什么感受？使用情绪和音色相关的词语，而不只是曲风名称。
3. 希望听到什么？指定乐器编制、节奏组、速度/BPM 范围、调性或和声色彩（如有用）、是否有人声，以及混音密度。
4. 音乐应如何随时间推进？说明结构、过渡、起伏、骤停、间奏、短促音效或各段时长。
5. 哪些情况必须避免？添加负向要求，例如不要人声、不要繁忙的主旋律、不要提及受版权保护的内容、不要刺耳的镲片、不要突然结束、不要模仿艺术家。

ElevenLabs 的最佳实践文档指出，高层意图提示词可能有效，但制作提示词仍应包含保护剪辑效果的约束：时长、人声要求、对话下方的音乐密度、时间提示和交付内容背景。

当人声会与旁白冲突时，请在提示词中使用“仅限器乐”，并在基于提示词的 API 调用中设置 force_instrumental=true。如果可以接受歌词，请提供原创歌词和时间提示，例如“歌词从 15 秒开始”或“1:45 之后仅限器乐”。未提供歌词时，模型可能会生成与提示词和时长相匹配的结构化歌词。

如需独立元素，请使用有针对性的表述：“独奏钢琴”“独奏尼龙弦吉他”或“无伴奏女声质感”。如需完整混音，请说明这些元素应融入完整编曲中。

编曲计划指南

大多数制作任务都使用 music_v2 分块式计划。一个计划最多可包含 30 个片段。生成片段包括：

• text：方括号中的段落标签、原创歌词或内联指示。
• duration_ms：每个生成片段为 3,000-120,000 ms。
• positive_styles：最多 50 个风格/方向词。
• negative_styles：最多 50 个需要避免的词。
• context_adherence：high、medium 或 low。
• 可选的 conditioning_ref 和 condition_strength，用于基于参考进行再生成。

第一个片段会强烈影响整体基调。在方向明确之前，前几个片段至少应包含 6-7 个具体风格词。无缝衔接剪辑时使用 context_adherence="high"；只有在某个段落需要明显变化时，才使用 medium 或 low。

音频参考片段会原样保留存储歌曲中的片段：

{
  "song_id": "stored_song_id",
  "range": { "start_ms": 0, "end_ms": 30000 }
}

条件参考可用于引导生成片段；文档规定条件参考的最长时长为 30 秒。根据新片段需要在多大程度上贴合存储的源音频，使用 condition_strength low、medium、high 或 xhigh。

真实制作工作流

从音乐需求说明开始：

• 交付内容和平台；
• 确切时长或剪辑时间码表；
• 音轨是否作为旁白／对白的背景音乐；
• 纯音乐／人声政策；
• 品牌调性和受众；
• 各段落的能量变化曲线；
• 禁止涉及的参考对象、行业和版权限制；
• 下游剪辑所需的目标响度／格式。

然后按以下流程循环：

1. 版权与安全检查：移除艺人／歌曲／标题／唱片公司／出版商名称和受版权保护的歌词片段。确认客户方案允许预期的发行方式。
2. 选择路径：提示词、编曲方案、视频转音乐、局部重绘、上传或分轨。
3. 尽可能先生成短版。对于歌曲，先生成一段 10-30 秒、能体现核心质感的试听样片或编曲方案预览，方向获批后再扩展到完整时长。
4. 记录每次请求：模型、端点／工具、提示词或方案、时长、种子（如有）、输出格式、时间、成本估算和生成文件的路径。
5. 结合实际内容审核，而非单独试听。将音轨置于剪辑／旁白之下，检查它是否能烘托故事而不喧宾夺主。
6. 精准修改。如果 80% 符合要求，就进行局部重绘或重新生成片段；除非创作思路有误，否则不要耗费预算重新生成整首音轨。
7. 冻结素材。将最终音频、提示词／方案、元数据、许可／方案说明和 QA 记录一并保存。

QA 检查清单

交付 ElevenLabs Music 素材前，请确认：

• 音轨时长与剪辑需求相符，误差在允许范围内。
• 纯音乐／人声政策符合要求。
• 提示词、元数据、文件名或歌词中均未出现艺人、歌曲、唱片公司、出版商或受版权保护的歌词相关内容。
• 如有生成歌词，须为原创、易于发音、不侵权且符合品牌要求。
• 编曲为对白／旁白留有空间：讲话时没有主唱或繁忙的中频内容。
• 转场、爆发段、提示音和结尾均卡准要求的节拍。
• 循环片段可平滑交叉淡化，或配有专门制作的衔接／转场片段。
• 如果剪辑师需要对白闪避、无鼓版本、纯音乐版本或社交媒体剪辑版，应提供分轨或其他混音版本。
• 输出格式和采样率符合交付流程；必要时在下游转换副本，但保留原始生成母带。
• 当前 ElevenLabs 方案／合同允许预期用途，包括流媒体、广告、游戏、广播或客户分发。
• 项目记录包含易变条款的源文件核验日期。

常见故障模式及解决方法

• 人声出现在背景音乐中：在提示词模式下使用 force_instrumental=true 重新生成，添加“仅限器乐”，添加“无人声、无歌词、无合唱、无切片人声”，或者在曲目其他方面表现良好时，使用分轨移除或压低人声内容。
• 曲目过于普通：除了流派之外，还应添加制作细节、具体乐器、速度范围、混音质感、节奏模式、段落发展和平台用途。
• 曲目过于接近地模仿某位知名艺人：停止使用该曲目，改写提示词以描述宽泛的音乐特征，然后重新生成。不要尝试发布近似模仿作品。
• 段落时间不正确：改用明确指定分段时长的创作计划。对于 music_v2，创作计划会强制执行段落时长。
• 开场很棒，结尾乏力：生成并存储时启用修补支持，将开场保留为音频参考片段，再用新的生成片段重新生成结尾。
• 对白被掩盖：降低提示词中的音效密度，要求减少中频主奏，创建分轨，或要求在人声旁白部分使用稀疏的底层音乐、轻柔打击乐且不含主旋律。
• 提示词或创作计划错误：将 ElevenLabs 返回的建议视为合规性改写，然后在重新生成前检查其音乐意图。有害内容错误可能不会提供建议的替代内容。
• 成本意外上升：缩短测试时长，在生成音频前先创建创作计划，避免上传受版权保护的素材进行修补，并确认当前定价。

示例：30 秒 SaaS 上线广告配乐

制作意图：创作一段付费社交媒体广告配乐，衬托清晰的人声旁白，并在第 24 秒呈现产品揭晓。

路径：POST /v1/music 或 SDK music.compose；由于结构简单，使用提示词模式即可。使用 force_instrumental=true。

提示词示例：

30-second instrumental-only music bed for a polished SaaS launch ad. Confident, modern, optimistic, and premium without sounding corporate-stale. Start with muted pulsing synth bass and soft tick percussion under voiceover. Add warm analog pads at 8 seconds, subtle handclap groove at 14 seconds, and a clean uplifting product-reveal lift at 24 seconds. 112-118 BPM, tight low end, bright but not harsh, no vocals, no lyrics, no vocal chops, no busy lead melody during narration, no artist imitation, no copyrighted references. End with a short resolved logo sting.

API 参数示例：

{
  "model_id": "music_v2",
  "music_length_ms": 30000,
  "force_instrumental": true,
  "output_format": "auto"
}

预期审核：在产品揭晓之前，曲目的中频应保持稀疏；在手机扬声器音量下听感应精致，并且结尾要有可用的收尾音效。如果模型生成了喧宾夺主的主题旋律，请加强有关主旋律和类似人声合成器的负面风格要求后重新生成。

示例：带创作计划且与剪辑锁定的预告片配乐

制作意图：为一段 60 秒的电影感产品预告片配乐，并在 0:18、0:38 和 0:55 处设置强拍。

路径：使用 model_id="music_v2" 的创作计划，以明确指定时间点。

创作计划示例：

{
  "chunks": [
    {
      "text": "[Cold Open]",
      "duration_ms": 18000,
      "positive_styles": [
        "cinematic",
        "minimal low strings",
        "subtle clock-like percussion",
        "tense",
        "premium technology",
        "80 BPM",
        "dark spacious mix",
        "slow riser"
      ],
      "negative_styles": ["vocals", "lyrics", "rock drums", "comic", "bright pop"],
      "context_adherence": "high"
    },
    {
      "text": "[First Reveal]",
      "duration_ms": 20000,
      "positive_styles": [
        "larger hybrid orchestra",
        "deep braam accent at the start",
        "pulsing synth bass",
        "controlled intensity",
        "wide percussion",
        "rising brass swells"
      ],
      "negative_styles": ["busy melody", "sung vocals", "cheerful"],
      "context_adherence": "high"
    },
    {
      "text": "[Final Build]",
      "duration_ms": 17000,
      "positive_styles": [
        "accelerating percussion",
        "heroic but restrained",
        "layered strings",
        "sub-bass pulses",
        "big hit at final second"
      ],
      "negative_styles": ["fade out too early", "lyrics", "soft ending"],
      "context_adherence": "high"
    },
    {
      "text": "[Logo Sting]",
      "duration_ms": 5000,
      "positive_styles": ["short resolved logo sting", "clean tail", "premium"],
      "negative_styles": ["new melody", "vocals", "long unresolved reverb"],
      "context_adherence": "high"
    }
  ]
}

预期审核：确认剪辑点准确命中；如果整体音色风格有效，只需修补较弱的片段。

示例：为蒙太奇视频生成配乐

制作意图：生成一段背景音乐，使其跟随一段 75 秒的旅行蒙太奇，无需手动为每个剪辑点标注时间码。

路径：使用最终锁定的参考视频进行视频转音乐。尽可能在上传前按顺序合并片段。

请求字段示例：

{
  "description": "Instrumental background score for a warm, cinematic travel montage. Starts intimate and curious, grows into open-road optimism, then resolves gently for an end card. Leave room for natural location sound and occasional captions.",
  "tags": ["cinematic", "warm", "instrumental", "travel", "optimistic", "acoustic", "soft percussion"],
  "model_id": "music_v2",
  "output_format": "auto"
}

预期审核：配乐应跟随整体视觉能量变化，但未必能精准命中每个剪辑点。如果需要精确命中点，请改用创作计划，并使用剪辑时间码映射。

示例：修补出更好的结尾

制作意图：保留已获批准曲目的前 45 秒，将较弱的结尾替换为更干净的行动号召收尾音效。

路径：生成或上传一首已存储的歌曲，然后将混合音频参考与生成计划传递给 music.compose，并使用 model_id="music_v2"。

计划示例：

{
  "chunks": [
    {
      "song_id": "stored_song_id",
      "range": { "start_ms": 0, "end_ms": 45000 }
    },
    {
      "text": "[CTA Ending]",
      "duration_ms": 12000,
      "positive_styles": [
        "same premium electronic palette",
        "clean rising transition",
        "confident final logo sting",
        "short reverb tail",
        "instrumental"
      ],
      "negative_styles": ["new genre", "vocals", "lyrics", "messy cymbals", "fade out"],
      "context_adherence": "high"
    }
  ]
}

预期审核：拼接处应听起来自然且有意为之。如果重新生成的结尾偏离原有的音色风格，请从已存储源曲目最后 10-20 秒添加 conditioning_ref，并使用 condition_strength="high"。

来源说明

已核实官方来源（2026-07-10）：

• Eleven Music 概览：https://elevenlabs.io/docs/overview/capabilities/music
• Music API 快速入门：https://elevenlabs.io/docs/eleven-api/guides/cookbooks/music
• Music 提示词最佳实践：https://elevenlabs.io/docs/overview/capabilities/music/best-practices
• Composition plans 指南：https://elevenlabs.io/docs/eleven-api/guides/how-to/music/composition-plans
• Music 修补指南：https://elevenlabs.io/docs/eleven-api/guides/how-to/music/inpainting
• 位于 https://elevenlabs.io/docs/api-reference/music/ 下的 compose、detailed compose、composition-plan、video-to-music、upload 和 stem-separation API 参考页面
• API 定价：https://elevenlabs.io/pricing/api
• Music 条款：https://elevenlabs.io/music-terms
• Eleven Music 特定模型条款：https://elevenlabs.io/eleven-music-model-specific-terms
• 禁止使用政策：https://elevenlabs.io/use-policy