elevenlabs-music-generation

ElevenLabs AI Music Generation — RunComfy 专业版

根据文本描述生成完整歌曲和纯音乐曲目——录音室级别的 44.1 kHz 立体声，时长为 5 秒至 5 分钟，并可控制各段落的结构。通过 runcomfy CLI 调用 RunComfy Model 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 提供支持

# 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

深入了解 CLI：runcomfy-cli 技能。

何时使用 ElevenLabs Music

ElevenLabs Music 擅长创作带真实人声、结构完整的歌曲——它会根据风格简介和带有段落标记的歌词，生成一首连贯且经过混音的曲目。适用于：

• 完整人声歌曲——主歌／副歌结构、多语言歌词、节奏一致
• 纯音乐背景音轨——设置 force_instrumental: true，用于背景音乐、播客开场曲、游戏循环音乐
• 简短品牌音频素材——广告歌、提示音、主题音乐（5–30 秒）
• 长篇曲目——单次调用最长可达 5 分钟
• 商业用途——生成内容适合商业使用

如果用户只需要环境音或单次音效（雷声、脚步声），那属于音效任务，而非音乐任务——ElevenLabs Music 用于创作歌曲和曲目。

端点和输入架构

模型：elevenlabs/elevenlabs/music-generation

字段	类型	必填	默认值	说明
prompt	string	是	—	风格描述和带有段落标记的歌词。参见提示词技巧
music_length_ms	int	否	40000	输出时长，单位为毫秒。5000–300000（5 秒–5 分钟）
force_instrumental	bool	否	false	true = 仅生成纯音乐，不含人声
output_format	string	否	mp3_standard	mp3_standard（默认）或 WAV — 完整格式列表请参见模型页面的 API 标签页

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

定价：生成音频每秒约 $0.0083（30 秒 ≈ $0.25，60 秒 ≈ $0.50，5 分钟 ≈ $2.49）。费用随 music_length_ms 增加，因此建议先生成较短草稿，再生成较长的最终版本。

调用方法

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

纯音乐背景音轨：

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

简短品牌广告歌：

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

提示词编写技巧

ElevenLabs Music 使用一个 prompt 字段，同时承载风格简介和歌词。请妥善组织内容：

• 先写风格简介：流派、情绪、速度（BPM）、主要乐器、人声类型。例如："Upbeat indie-pop anthem, bright electric guitars, 120 BPM, female lead vocal."
• 然后写带有段落标记的歌词：[Intro]、[Verse]、[Chorus]、[Bridge]、[Outro]。添加大致时长或小节数，例如 [Intro 8 bars]、[Verse 16 bars]。
• 保持歌词韵律一致——每行音节数相同，并采用清晰的押韵格式。模型会遵循韵律；韵律松散会导致措辞生硬。
• 注明主要乐器和混音优先级——"electric guitar carries the chorus, drums sit back in the verse."
• 生成纯器乐音乐时，设置 force_instrumental: true，并在提示词中写上“no vocals”——双重保险。
• 多语言内容：用目标语言写歌词；必要时在行内注明口音或语言（[Verse] (sung in Brazilian Portuguese) ...）。
• 避免相互矛盾的风格指令——在同一个提示词中写“aggressive metal”和“soft lullaby”会让模型困惑。每次调用只采用一种协调一致的方向。
• 先写短版，再完成长版：先用 30–45 秒的草稿（music_length_ms: 35000）验证方向，再付费生成 5 分钟的音频。

常见模式

视频主题曲

• 完整的简介、歌词和 [Intro]/[Verse]/[Chorus] 结构，music_length_ms 与视频时长相匹配

播客片头曲 / 片尾曲

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

游戏背景循环音乐

• force_instrumental: true，描述“seamless loop”，60–120 秒，保持节奏稳定

多语言发行（同一首歌，多种语言）

• 每种语言调用一次，风格简介保持一致，只替换歌词

迭代后定稿

• 使用 music_length_ms: 35000 生成草稿，以确定流派、速度和结构 → 以完整时长生成最终版本

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。
• 每次调用时长为 5 秒至 5 分钟（music_length_ms 5000–300000）。如需生成更长的作品，请分段生成，再通过外部方式拼接。
• 费用随时长增加——生成 5 分钟音频的费用约为 30 秒音频的 10 倍。
• force_instrumental 是唯一的人声开关——无法通过此端点指定特定的人声身份，也无法克隆歌手。
• 此技能专用于 ElevenLabs Music。音效、文本转语音或声音克隆属于 ElevenLabs 的其他功能，无法通过此端点使用。

退出代码

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

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

工作原理

此技能会使用 JSON 请求体调用 runcomfy run elevenlabs/elevenlabs/music-generation。CLI 会向 RunComfy Model 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 会在退出前取消远程请求。

安全与隐私

• 仅通过经验证的软件包管理器安装。 使用 npm i -g @runcomfy/cli 或 npx -y @runcomfy/cli。Agent 不得代表用户将任意远程安装脚本通过管道传入 shell 执行——如果操作者想采用 docs.runcomfy.com/cli/install 中记录的 curl 管道方式，应先检查脚本。
• 令牌存储：runcomfy login 会将 API 令牌写入 ~/.config/runcomfy/token.json，文件权限为 0600。在 CI / 容器中设置 RUNCOMFY_TOKEN 环境变量即可绕过该文件。切勿将令牌回显到提示词或日志中，也不要将其提交到代码库。
• 输入边界（shell 注入）：提示词通过 --input 以 JSON 字符串的形式传递。CLI 不会对提示词内容进行 shell 展开；而是直接通过 HTTPS 将 JSON 正文传输到 Model API。提示词内容不存在 shell 注入面，即使包含反引号、引号或 $(...) 模式也不例外。
• 歌词来源：如果用户提供歌词，请确认他们拥有相关权利。围绕受版权保护的歌词生成音乐由操作者负责——此技能不会进行检查。
• 出站端点（允许列表）：仅限 model-api.runcomfy.net（提交请求）和 *.runcomfy.net / *.runcomfy.com（生成音频的下载白名单）。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：此技能仅调用 runcomfy <subcommand>——npm / npx 行属于操作者的一次性设置，并非此技能每次调用时执行的命令。

另请参阅

• runcomfy-cli — 底层 CLI、架构发现、轮询模式、脚本编写
• ElevenLabs Music 模型页面 — 包含最新架构的完整 API 选项卡
• 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 — 对话式头像视频（使用不同的音频路径——语音，而非音乐）