Elevenlabs Music：在模型頁面與 API 上透過文字生成錄音室級歌曲 | RunComfy

ElevenLabs / Elevenlabs Music#

Elevenlabs Music 是一款文字轉音樂模型，可將自然語言提示詞和選填的結構化歌詞製作成有聲或純器樂的高保真歌曲。模型能理解細緻的風格和段落說明，並輸出適用於媒體、遊戲和創意製作的成品音訊。

輸出格式：僅音訊 / 長度約 3 秒至約 5 分鐘 / 44.1 kHz / 立體聲 / MP3 或 WAV

核心亮點#

• 分段控制與編輯：描述前奏—主歌—副歌結構，並可修改某一段，無須重新生成整首歌曲。
• 多語言演唱：以多種語言生成措辭自然、風格細膩的歌聲。
• 微調支援：使用自己擁有的音訊訓練自訂風格，建立獨特的聲音識別。
• 適合商業製作的輸出：常用於電影、遊戲、Podcast 和廣告，並由服務供應商給出清晰的權利指引。
• 出色的提示詞遵循能力：Elevenlabs Music 能穩定執行複雜的風格、情緒和結構要求。
• 面向製作流程：可匯出 MP3 便於快速分享，也可匯出 WAV 進入後期處理。

參數#

使用以下欄位可以更穩定地控制 Elevenlabs Music。

參數	必填	類型	預設值	範圍 / 選項	說明
prompt*	是（*）	string	—	—	含結構標記的風格描述與歌詞。
music_length_ms	否	integer	40000	通常為 3000–300000	輸出長度，單位為毫秒。
force_instrumental	否	boolean	disabled	true/false	僅生成不含人聲的器樂曲。
output_format	否	string	mp3_standard	參見平台選項	輸出格式（預設為 mp3_standard，其他格式以平台列表為準）。

價格#

RunComfy 上的 Elevenlabs Music 依生成音訊的長度計費。

計費單位	費率
每生成 1 秒音訊	$0.011

預估費用範例

長度	預估費用
30 秒	約 $0.33
40 秒（預設）	約 $0.44
60 秒	約 $0.66
120 秒	約 $1.32
300 秒（5 分鐘）	約 $3.30

使用方法#

1) 在 RunComfy 中選擇 Elevenlabs Music，並開啟生成設定面板。

2) 用結構標記編寫提示詞，例如“前奏 8 小節、主歌 16 小節、副歌 16 小節”；若需要人聲，請同時加入歌詞。

3) 根據編排設定 music_length_ms，例如 40000 約為 40 秒。先生成短版以便快速迭代，再延長成片。

4) 若需要無人聲的配樂，請啟用 force_instrumental；若要演唱歌詞，則保持關閉。

5) 按工作流程選擇 output_format：MP3 生成與分享更快，WAV 適合混音；具體格式以平台提供的選項為準。

6) 生成並試聽。若某個段落需要修改，只調整提示詞中的對應部分後重新執行，無須重寫整首歌曲。

7) 透過 RunComfy API 呼叫時傳送相同參數即可，無須自行部署；結果可從工作紀錄中下載。

8) 儲存各段表現出色的不同版本，之後可以拼接或比較，逐步找出最佳版本。

提示詞與參考建議#

• 先製作 30–45 秒草稿，確認曲風、配器和人聲質感後，再請求完整長度。
• 使用清晰的段落標籤（Intro、Verse、Chorus、Bridge）並標註大致長度，可提高 Elevenlabs Music 的結構還原度。
• 指明主奏樂器和混音優先順序，例如“溫暖的電鋼琴主奏、緊實底鼓、側鏈壓縮貝斯”，幫助模型平衡編曲。
• 為主歌和副歌明確指定韻律與押韻，並保持音節數一致，讓演唱更流暢。
• 使用包含/排除式風格要求，例如“加入原聲掃弦，不要重度失真”，進一步限定音色。
• 避免“lo-fi 但又要極致 hi-fi”之類互相沖突的要求；每個段落應有一個主導審美方向。
• 若出現長度或格式錯誤，請確認 music_length_ms 位於平台限制內，且 output_format 受支援。
• 使用 Elevenlabs Music 生成多語言人聲時，請在歌詞行註釋中寫明語言和期望口音。

Elevenlabs Music 與其他模型的比較#

• 依照公開資料，與 Suno AI 相較，Elevenlabs Music 提供更細緻的逐段控制和多語言人聲指導。
• 主要提升：在高階工作流程中，它比簡單的“單一提示詞”方式更強調提示詞遵循、結構編輯和微調能力。
• 理想場景：需要有敘事推進的歌曲、多語言歌詞，或希望透過微調建立可複用的聲音品牌時，可選擇 Elevenlabs Music。

在 RunComfy 上，Elevenlabs Music 以細緻的結構控制支援快速迭代，適合專業音樂製作流程。