Was ist eine KI-Musikgenerierungs-API?

Eine KI-Musik-Generierungs-API komponiert Audio aus einer Textbeschreibung des Stils, der Stimmung, der Instrumente und des Tempos und auf einigen Modellen aus Texten einer Referenzaufnahme oder einem Video, das zur Musik verwendet wird. Du reichst einen Auftrag ein, fragst ab, bis er fertig ist, und lädst den generierten Track herunter.

Modellarten

Was eine KI-Musikgenerierungs-API bewirkt

Eine Musikgenerierungs-API erstellt neue Audios aus einer Beschreibung. Ein Prompt nennt zum Beispiel Genre, Stimmung, Instrumente und Tempo Lo-Fi Hip-Hop, sanftes Klavier, 90 BPM, und das Modell gibt eine fertige Spur zurück. Je nach Modell kann es mehr tun:

  • Songs mit Gesang. Sie liefern Texte, oft mit Abschnittstags wie [Vers] und [Refrain], und das Model singt sie. Eine instrumentale Fassung erzeugt einen Track ohne Gesang.
  • Soundtracks für Video. Manche Modelle vertonen ein Video, das du lieferst, indem sie den Schnitten und dem Tempo folgen oder Soundeffekte auf das Geschehen setzen.
  • Arbeiten Sie mit vorhandenem Audio. Manche Modelle transformieren einen Referenzclip, regenerieren einen Abschnitt davon oder bauen ein Cover oder ein Arrangement aus einem Song oder einer Gesangsaufnahme.
  • Soundeffekte. Mehrere Modelle erzeugen zudem Soundeffekte anhand einer Beschreibung.

Wie eine Anfrage funktioniert

Du schickst POST /v1/audio/generations mit der Modell-ID, dem Prompt und den Einstellungen, die das Modell akzeptiert, wie zum Beispiel Liedtext, dauer, Saatgut und das Ausgabeformat (MP3, WAV, FLAC und andere). Jede Anfrage gibt ein job id Sofort. Umfrage KOMM /v1/jobs/{job_id} bis der Status lautet abgeschlossen, dann laden Sie die Spur von der URL im Ergebnis herunter. Ein Modell, das ein Video verwertet, kann das fertige Video auch mit seinem neuen Soundtrack über den Video-Generierungsendpunkt zurückgeben.

Wofür Musikgenerierung genutzt wird

  • Hintergrundmusik für Videos, Werbung, Podcasts, Streams und Apps.
  • Partituren für Filmmaterial die dem Schnitt eines bestimmten Videos folgen.
  • Songentwürfe um Texte, Melodien und Arrangements zu testen.
  • Spiel- und App-Audio, wie kurze Hinweise und Soundeffekte.
  • Variationen mit einem Thema für Tests oder für mehrere Schnitte einer Kampagne.

Was man zwischen Musikmodellen vergleichen sollte

  • Gesang und Texte. Ob das Modell singt, Abschnittstags befolgt und die benötigten Sprachen verarbeitet.
  • Länge. Die maximale Spurlänge variiert je nach Modell, von kurzen Clips bis zu mehreren Minuten, und einige Modelle wählen die Länge selbst.
  • Audioqualität. Stereo-Ausgang, Samplrate sowie verlustfreie oder unkomprimierte Formate wie FLAC und WAV.
  • Eingaben. Nur Text oder auch Referenz-Audio und Video.
  • Wiederholbarkeit. Bei Modellen, die einen Seed akzeptieren, reproduzieren derselbe Seed und die gleichen Einstellungen ein Ergebnis.
  • Preis. Viele Modelle berechnen pro Sekunde erzeugten Audios, manche mit einer Mindestlänge pro Spur, andere berechnen einen Pauschalbetrag pro Spur, unabhängig von ihrer Länge. Bei der Abrechnung pro Sekunde kostet eine 3-Minuten-Spur dreimal so viel wie eine 1-Minuten-Spur.

Modellvergleiche direkt nebeneinander zeigen Sie die Fähigkeiten und Raten zweier Modelle zusammen.

Versuche, ein Musikmodell auf EmpirioLabs AI anzurufen

Durchsuchen Sie die Audiomodelle und eine Spur in der Playground. Um ein Modell aus Code aufzurufen, erstellen Sie einen API-Schlüssel im Dashboard und senden Sie den Auftrag an https://api.empiriolabs.ai/v1/audio/generations und abfrage den Jobs-Endpunkt. Die Referenz auf Musik und Soundgenerierung beschreibt die Anfrage und den Job-Flow.

Zahlen Sie nach Bezahlung oder wählen Sie einen Plan mit wöchentlichen Zulagen. Die aktuellen Tarife sind auf der preisseite.

Die Modelle auf EmpirioLabs AI

9 Modelle, günstigste zuerst, wo sie eine Abrechnungseinheit teilen. Die Seite jedes Modells zeigt die vollständige Preisliste, Parameter und Code.

Endpunkte

POST /v1/audio/generations

Preis pro Sekunde

ModellNiedrigster TarifGilt für
ACE-Step 1.5 XL ACE-Step$0.0003$0.00025 pro erzeugter SekundeMusikerzeugung
StepAudio 3 Music StepFun$0.000667 pro erzeugter SekundeText zur Musik
MiniMax Music 3 MiniMax$0.002$0.0018 pro erzeugter SekundeMusikerzeugung
Sonilo Sound Effects 1.0 Sonilo$0.0036 pro erzeugter SekundeText-zu-Soundeffekt
Sonilo v1.1 Sonilo$0.0045 pro erzeugter SekundeText zur Musik

Ebenfalls verfügbar: Stable Audio 2.0, Stable Audio 2.5, Sonilo Video to Video, Stable Audio 3 Medium

Häufige Fragen

Kann eine KI-Musik-API Songs mit Gesang generieren?

Ja, bei Models, die singen. Du lieferst Texte, die meist mit Abschnittstags wie [Vers] und [Refrain] gekennzeichnet sind, sowie einen Prompt für den Stil. Andere Modelle erzeugen nur instrumentale Musik und Sound.

Wie lang kann ein KI-generierter Track sein?

Es hängt vom Modell ab: Die Grenzen reichen von kurzen Clips bis zu mehreren Minuten pro Spur. Bei manchen Modellen kannst du die Dauer festlegen, andere wählen sie selbst.

Kann KI Musik erzeugen, die zu einem Video passt?

Ja. Manche Modelle nehmen ein Video als Eingabe und erzeugen einen Soundtrack, der den Schnitten und dem Tempo folgt, oder platzieren Soundeffekte auf die Aktion.

Wie wird KI-Musikgenerierung bepreist?

Viele Modelle rechnen pro Sekunde erzeugten Audios in Rechnung, sodass längere Spuren mehr kosten, während andere einen Pauschalpreis pro Spur berechnen. Auf EmpirioLabs AI können Sie unterwegs bezahlen oder einen Tarif mit wöchentlichen Zulagen wählen.

Bereit, bessere Endpunkte zu nutzen?

Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.