Przejdź do treści

Elevenlabs Music v2

Integracja

Identyfikator modelu elevenlabs/music/v2
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/elevenlabs/music/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Pliki takie jak przykład: 1,20 $ 1200 kredytów API Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
ElevenLabs Tekst na muzykę #music#text-to-music

Tworzy muzykę z tekstowego promptu lub planu kompozycji opartego na fragmentach, z opcjonalnym trybem wyłącznie instrumentalnym

ElevenLabs · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

88 / 4100

Tekstowy opis oczekiwanej muzyki.

Opcjonalny czas trwania utworu w milisekundach, od 3000 ms do 600000 ms, stosowany tylko podczas używania promptu. Jeśli nie zostanie podany, model określa czas trwania na podstawie promptu.

Zaawansowane output_format · seed · force_instrumental · composition_plan
domyślnie mp3_48000_192

Wybierz format generowanego audio za pomocą wzorca codec_sample_rate_bitrate. Wejścia audio Twilio często używają μ-law, zapisywanego również jako mu-law lub przybliżanego jako u-law; przykładem MP3 jest mp3_22050_32, które oznacza częstotliwość próbkowania 22.05 kHz i przepływność 32 kbs.

Ziarno inicjalizacji generowania muzyki, używane wyłącznie wraz z `composition_plan`, w celu poprawy spójności kolejnych uruchomień przy identycznych parametrach i ziarnie. Nie gwarantuje dokładnie powtarzalnych wyników.

Plan kompozycji muzycznej uporządkowany w fragmenty.

POST /run/elevenlabs/music/v2?wait=20 wycena → 1,20 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/elevenlabs/music/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Elevenlabs Music v2

Tworzy muzykę na podstawie tekstowego `prompt` o długości do 4100 znaków lub ustrukturyzowanego `composition_plan`. Używany z promptem `music_length_ms` ustawia długość od 3000 do 600000 ms, a `force_instrumental` usuwa wokal. `output_format` wybiera kodek, częstotliwość próbkowania i bitrate, w tym opcje MP3 i PCM. `seed` działa tylko z planem kompozycji.

Parametry

NazwaTyp DomyślneDozwolone Opis
promptopcjonalne
Typstring | null
≤ 4100 znaków
Tekstowy opis oczekiwanej muzyki.
composition_planopcjonalne
Typobject
Plan kompozycji muzycznej uporządkowany w fragmenty.
composition_plan.chunkswymagane
Typobject[]
1 – 30 items
Uporządkowane fragmenty używane do generowania, ograniczone do 30 fragmentów o łącznym czasie trwania od 3000 ms do 600000 ms.
composition_plan.chunks[].textwymagane
Typstring
Tekst generowania fragmentu, ograniczony do 30 wierszy po maksymalnie 200 znaków każdy. Tekst może zawierać polecenia w nawiasach klamrowych, takie jak {scratching}, i może być poprzedzony opcjonalną nazwą sekcji w nawiasach kwadratowych, taką jak [Verse 1]. Nazwa sekcji musi zawierać od 1 do 100 znaków.
composition_plan.chunks[].duration_mswymagane
Typinteger
3000 – 120 000
Długość fragmentu w milisekundach, od 3000 ms do 120000 ms.
composition_plan.chunks[].positive_styleswymagane
Typstring[]
Pożądane style i wskazówki muzyczne dla tego fragmentu, przy czym największy wpływ mają wybory z pierwszego fragmentu: określają one ogólny gatunek i ton utworu. Późniejsze fragmenty mogą rozwijać muzykę, dodawać niuanse lub zmieniać kierunek; najlepiej sprawdzają się opisy w języku angielskim.
composition_plan.chunks[].negative_stylesopcjonalne
Typstring[]
Style muzyczne i wskazówki, których należy unikać w tym fragmencie; podawaj elementy tylko dla wyraźnych wykluczeń, w przeciwnym razie pozostawienie pustej listy jest dobrym ustawieniem domyślnym.
composition_plan.chunks[].context_adherenceopcjonalne
Typenum
lowmediumhigh
Zgodność z kontekstem równoważy swobodę twórczą i spójność z sąsiednimi fragmentami: wybierz wysoką wartość dla spójności lub niską, aby umożliwić większe odstępstwa twórcze.
composition_plan.chunks[].audio_referenceopcjonalne
Typobject
Klip audio warunkujący styl dla tego fragmentu; aby nadać kształt całemu utworowi, podaj go w pierwszym fragmencie. To umiejscowienie ma największy wpływ, ponieważ jego odniesienie wpływa na każdy kolejny fragment.
music_length_msopcjonalne
Typinteger | null
3000 – 600 000
Opcjonalny czas trwania utworu w milisekundach, od 3000 ms do 600000 ms, stosowany tylko podczas używania promptu. Jeśli nie zostanie podany, model określa czas trwania na podstawie promptu.
force_instrumentalopcjonalne
Typboolean
Domyślnefalse
Sterowanie trybem wyłącznie instrumentalnym, dostępne tylko podczas używania promptu. Ustawienie true gwarantuje wynik instrumentalny; false pozwala na muzykę instrumentalną lub nieinstrumentalną zgodnie z promptem.
seedopcjonalne
Typinteger | null
Ziarno inicjalizacji generowania muzyki, używane wyłącznie wraz z `composition_plan`, w celu poprawy spójności kolejnych uruchomień przy identycznych parametrach i ziarnie. Nie gwarantuje dokładnie powtarzalnych wyników.
output_formatopcjonalne
Typenum
Domyślnemp3_48000_192
mp3_22050_32mp3_24000_48mp3_44100_32mp3_44100_64mp3_44100_96mp3_44100_128mp3_44100_192mp3_48000_128mp3_48000_192mp3_48000_240mp3_48000_320pcm_8000pcm_16000pcm_22050pcm_24000pcm_32000
+9 więcejpcm_44100pcm_48000ulaw_8000alaw_8000opus_48000_32opus_48000_64opus_48000_96opus_48000_128opus_48000_192
Wybierz format generowanego audio za pomocą wzorca codec_sample_rate_bitrate. Wejścia audio Twilio często używają μ-law, zapisywanego również jako mu-law lub przybliżanego jako u-law; przykładem MP3 jest mp3_22050_32, które oznacza częstotliwość próbkowania 22.05 kHz i przepływność 32 kbs.
wymagane

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/music/v2",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1200,
    "usd": "1.20",
    "charged": 1200,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size}Plik wygenerowanej muzyki zakodowany jako audio MP3.

Więcej modeli: Tekst na muzykę

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/elevenlabs/music/v2.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt