共享生成策略

在任何付费调用 POST /v1/predictions 之前：

1. 随机种子仪式 — 始终为第一步；通过求和取模（sum-mod）推导各维度轴。
2. 生成多样性 — 使用显式提示词；每次会话中至少轮换 ≥2 个场景维度轴。
3. 质量检查清单 — 打开输出文件并人工判定是否通过，再进入下一步。

Music 2.5（MiniMax · Replicate）

基于歌词 + 风格描述生成的**完整时长歌曲（含自然人声）**。非 Pruna P-model，运行于 Replicate 平台。

主要工作流：音乐视频（music-video）—— 歌词 → 歌曲 → 歌词安全切分点（lyric-safe cuts）→ p-video-avatar / p-video 片段 → 合成组装。

适用场景

运行环境

export REPLICATE_API_TOKEN=r8_...

音乐视频工作流中的音频切片与合成环节需依赖 ffmpeg / ffprobe。

模型输入（Replicate）

输出：音频文件 URL（通常为 MP3 格式，完整歌曲时长约 2:30–4:30）。

结构化标签

通过独占一行的标签控制歌曲段落结构（详见 Music 2.5 README）：

[Intro] · [Verse] · [Pre Chorus] · [Chorus] · [Hook] · [Bridge] · [Solo] · [Inst] · [Build Up] · [Drop] · [Interlude] · [Break] · [Transition] · [Outro]

• 每段仅使用一个标签；每段后接 2–4 行歌词，以保障旋律清晰流畅。
• n = 换行符（同时也是音乐视频工作流中安全的视频剪辑边界点）。
• nn = 段落间停顿。
• 括号内内容可用于即兴演唱（ad-libs）或演奏指示：如 (Ooh, yeah) · (Guitar solo — slow, bluesy)。

Prompt 编写建议

遵循模型推荐的 prompt 结构：流派 + 情绪 + 人声描述 + 速度（BPM）+ 乐器 + 制作质感。

示例 prompt：

Indie pop, uplifting, warm female vocal, 92 BPM, acoustic guitar and soft synth pads,
wide soundstage, crisp modern production, anthemic chorus

纯器乐段落：请使用 [Inst] 或 [Solo] 标签，并在括号中注明乐器及演奏要求，而非填写演唱歌词。

HTTP（curl）调用示例

curl -s -X POST 
  -H "Authorization: Bearer ${REPLICATE_API_TOKEN}" 
  -H "Content-Type: application/json" 
  -d '{
    "input": {
      "lyrics": "[Verse]nWe built it line by linenEvery skill a stepping stonenn[Chorus]nRun the pipeline, watch it grownPruna models, let them flow",
      "prompt": "Indie pop, uplifting, warm female vocal, 92 BPM, acoustic guitar and mellow synth pads, no harsh distortion",
      "sample_rate": 44100,
      "bitrate": 256000,
      "audio_format": "mp3"
    }
  }' 
  "https://api.replicate.com/v1/models/minimax/music-2.5/predictions"

轮询 urls.get 接口直至 status 变为 succeeded，然后下载 output 中的音频文件。

仓库辅助脚本

python3 workflows/music-video/scripts/generate_song.py 
  --plan output/my-music-video/music_video_plan.json 
  --out-dir output/my-music-video

注意事项

• 英语与中文发音效果最佳；其他语言表现因语种而异。
• 每次生成结果均唯一 —— 相同歌词 + 相同 prompt 将产生不同编曲与演绎。
• 单次生成最长约 5 分钟。
• 数据经由 Replicate 发送至 MiniMax —— 请查阅其隐私政策。

相关文档

• audio-post-production.md — 歌曲、旁白与器乐铺底的选用指南
• music-video 工作流
• gemini-3.1-flash-tts — 用于语音旁白（非歌唱类）
• stable-audio-2.5 — 仅支持纯器乐铺底
• replicate-api.md