elevenlabs-music-generation

原文：🇺🇸 英文

已翻译

通过`runcomfy` CLI在RunComfy上使用ElevenLabs Music生成完整歌曲和器乐轨道。ElevenLabs Music可将风格描述加上结构化歌词转换为专业级44.1 kHz立体声音频——时长从5秒到5分钟——支持段落级控制（前奏/主歌/副歌/桥段）、多语言人声，且输出可用于商业用途。你可以生成伴奏、完整带人声歌曲、广告歌、播客开场曲、游戏循环音乐或器乐背景音。该工具通过本地RunComfy CLI调用`runcomfy run elevenlabs/elevenlabs/music-generation`。当触发词为“generate music”“make a song”“AI music”“background music”“instrumental track”“ElevenLabs Music”“soundtrack”“jingle”“theme music”“royalty-free music”“compose”，或任何明确要求通过文本描述生成音乐或歌曲的指令时，该功能会启动。

347.5k次下载

来源prime-skills/runcomfy-agent-skills

添加于2026-08-08

NPX安装

npx skill4agent add prime-skills/runcomfy-agent-skills elevenlabs-music-generation

SKILL.md 内容（中文）

查看翻译对照 →

RunComfy上的ElevenLabs AI音乐生成专业包

通过文本描述生成完整歌曲和器乐轨道——专业级44.1 kHz立体声，时长5秒到5分钟，支持段落级结构控制。RunComfy模型API上的ElevenLabs Music，可通过

runcomfy

CLI调用。

runcomfy.com · ElevenLabs Music模型 · CLI文档

安装该技能

bash

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

基于RunComfy CLI运行

bash

# 1. 安装（选择其一——详见runcomfy-cli技能说明）
npm i -g @runcomfy/cli                              # 全局安装
npx -y @runcomfy/cli --version                      # 零安装

# 2. 登录
runcomfy login                                      # 或在CI环境中：export RUNCOMFY_TOKEN=<token>

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

CLI深度解析：

runcomfy-cli

技能。

何时使用ElevenLabs Music

ElevenLabs Music的优势在于带真实人声的结构化歌曲——它接收风格简介和带段落标记的歌词，返回连贯的混音轨道。适合以下场景：

完整带人声歌曲——主歌/副歌结构、多语言歌词、稳定节拍
器乐背景音——设置
```
force_instrumental: true
```
，用于背景音乐、播客开场、游戏循环
短品牌素材——广告歌、提示音、主题音乐（5–30秒）
长时长轨道——单次调用最长可生成5分钟内容
商业项目——输出内容可用于商业用途

如果用户仅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制作——ElevenLabs Music专为歌曲和轨道设计。

端点与输入 schema

模型：

elevenlabs/elevenlabs/music-generation

字段	类型	是否必填	默认值	说明
`prompt`	string	是	—	包含风格描述和带段落标记的歌词。详见提示技巧
`music_length_ms`	int	否	`40000`	输出时长（毫秒）。范围5000–300000（5秒–5分钟）
`force_instrumental`	bool	否	`false`	`true` = 仅器乐，无人声
`output_format`	string	否	`mp3_standard`	`mp3_standard` （默认）或WAV——详见模型页面的API标签获取完整格式列表

输出：44.1 kHz立体声音频。结果JSON包含生成的音频URL——CLI会将其下载到

--output-dir

目录中。

定价：约每生成1秒音频0.0083美元（30秒≈0.25美元，60秒≈0.50美元，5分钟≈2.49美元）。成本随

music_length_ms

增加而上升，建议先生成短版本草稿，再渲染长版本最终内容。

调用示例

带结构的完整人声歌曲：

bash

runcomfy run elevenlabs/elevenlabs/music-generation \
  --input '{
    "prompt": "欢快的独立流行颂歌，明亮的电吉他，强劲的鼓点，120 BPM，女声主唱。[前奏8小节] 器乐渐强。[主歌] 掌心沾满粉笔灰，鞋带系成双结，山脊上的清晨。[副歌] 我们崛起，我们奋斗，永不褪色。[桥段] 轻柔的分解，仅钢琴与人声。[尾声] 全乐队演奏，渐弱。",
    "music_length_ms": 60000
  }' \
  --output-dir ./out

器乐背景音：

bash

runcomfy run elevenlabs/elevenlabs/music-generation \
  --input '{
    "prompt": "适合学习播放列表的舒缓Lo-Fi嘻哈器乐。温暖的罗德钢琴，轻柔的黑胶杂音，柔和的boom-bap鼓点，75 BPM。无人声。全程保持连贯的可循环节奏。",
    "music_length_ms": 90000,
    "force_instrumental": true
  }' \
  --output-dir ./out

短品牌广告歌：

bash

runcomfy run elevenlabs/elevenlabs/music-generation \
  --input '{
    "prompt": "5秒欢快的品牌提示音，明亮的马林巴琴和一个向上的和弦收尾，无人声。",
    "music_length_ms": 5000,
    "force_instrumental": true
  }' \
  --output-dir ./out

提示技巧

ElevenLabs Music读取单个
prompt
字段，同时承载风格简介和歌词。需合理结构化：

先写风格简介：流派、情绪、节拍（BPM）、核心乐器、人声类型。例如：
```
"欢快的独立流行颂歌，明亮的电吉他，120 BPM，女声主唱。"
```
再写带段落标记的歌词：
```
[前奏]
```
、
```
[主歌]
```
、
```
[副歌]
```
、
```
[桥段]
```
、
```
[尾声]
```
。可添加大致时长或小节数——
```
[前奏8小节]
```
、
```
[主歌16小节]
```
。
保持歌词节拍一致——每行音节数均匀，押韵清晰。模型会遵循节拍，混乱的节拍会导致生硬的演唱。

指定核心乐器和混音优先级——

"电吉他主导副歌，鼓点在主歌中后置。"

生成器乐时，设置
```
force_instrumental: true
```
并在提示中注明“无人声”——双重保障。
多语言支持：用目标语言写歌词；如有需要可在行内标注口音/语言（
```
[主歌]（用巴西葡萄牙语演唱）...
```
）。
避免矛盾的风格指令——同一提示中同时出现“激进金属”和“轻柔摇篮曲”会混淆模型。单次调用保持一个连贯的风格方向。
先短草稿，再长终稿：先生成30–45秒的草稿（
```
music_length_ms: 35000
```
）确认风格/节拍/结构，再付费渲染5分钟的最终版本。

常见使用场景

视频主题歌

完整简介+歌词+
```
[前奏]/[主歌]/[副歌]
```
结构，
```
music_length_ms
```
匹配视频时长

播客开场/结尾曲

设置
```
force_instrumental: true
```
，时长10–20秒，“可循环，干净收尾”

游戏背景循环音

设置
```
force_instrumental: true
```
，描述“无缝循环”，时长60–120秒，节奏稳定

多语言发布（同一歌曲，多种语言）

每种语言调用一次，风格简介完全相同，仅替换歌词内容

先迭代再定稿

用
```
music_length_ms: 35000
```
生成草稿锁定流派/节拍/结构 → 再渲染完整时长的终稿

局限性

单个
prompt
字段承载所有内容（风格+歌词）。没有单独的“歌词”参数。
单次调用时长5秒–5分钟（
```
music_length_ms
```
范围5000–300000）。如需更长内容，需分段生成后在外部拼接。
成本随时长增加——5分钟的渲染成本约为30秒版本的10倍。
force_instrumental
是唯一的人声开关——无法通过该端点请求特定人声身份或克隆歌手声音。
该技能专门针对ElevenLabs Music。如需音效、文本转语音或人声克隆，属于ElevenLabs的其他功能，未通过该端点开放。

退出码

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

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

工作原理

该技能通过JSON参数调用

runcomfy run elevenlabs/elevenlabs/music-generation

。CLI向RunComfy模型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

目录。按

Ctrl-C

可在退出前取消远程请求。

安全与隐私

仅通过已验证的包管理器安装。使用
```
npm i -g @runcomfy/cli
```
或
```
npx -y @runcomfy/cli
```
。代理不得将任意远程安装脚本通过管道传入用户的shell——如果操作者希望使用
```
docs.runcomfy.com/cli/install
```
中记录的curl-pipe方式，应先审核脚本内容。
令牌存储：
```
runcomfy login
```
会将API令牌写入
```
~/.config/runcomfy/token.json
```
，权限为0600。在CI/容器环境中可设置
```
RUNCOMFY_TOKEN
```
环境变量跳过文件存储。切勿在提示中回显令牌、记录令牌或将其提交到代码库。
输入边界（shell注入）：提示内容通过
```
--input
```
以JSON字符串形式传递。CLI不会对提示内容进行shell展开，而是直接通过HTTPS将JSON主体传输到模型API。提示内容不存在shell注入风险，即使包含反引号、引号或
```
$(...)
```
模式。
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是操作者的责任——该技能不进行检查。
出站端点（白名单）：仅允许
```
model-api.runcomfy.net
```
（请求提交）和
```
*.runcomfy.net
```
/
```
*.runcomfy.com
```
（生成音频的下载白名单）。无遥测，无回调。
生成文件大小限制：CLI会中止任何超过2 GiB的单个下载。
bash使用范围：该技能仅调用
```
runcomfy <subcommand>
```
——
```
npm
```
/
```
npx
```
命令是操作者的一次性设置步骤，而非技能每次调用时执行的命令。

elevenlabs-music-generation

NPX安装

标签

SKILL.md 内容（中文）

RunComfy上的ElevenLabs AI音乐生成专业包

安装该技能

基于RunComfy CLI运行

何时使用ElevenLabs Music

端点与输入 schema

调用示例

提示技巧

常见使用场景

视频主题歌

播客开场/结尾曲

游戏背景循环音

多语言发布（同一歌曲，多种语言）

先迭代再定稿

局限性

退出码

工作原理

安全与隐私

相关链接