Alibaba Cloud Model Studio：音樂產生

兩個模型的區別

Fun-Music 提供兩個模型，主要區別如下：

音訊輸出格式

通過 format 參數指定輸出格式：

提示詞（prompt）

prompt 是描述音樂創作意圖的核心參數。模型會根據您的描述自動創作歌詞、編曲並產生歌曲。

撰寫建議：具體描述情緒、情境、樂器偏好，能產生更貼合需求的音樂。

• 推薦：悲傷鋼琴曲，雨夜思念

• 不推薦：悲傷音樂（過於籠統）

不同風格的提示詞樣本

歌詞（lyrics）

lyrics 參數用於傳入您自己編寫的歌詞，模型將嚴格根據歌詞內容譜曲並產生歌曲。在歌詞中使用結構標籤可以控制歌曲的段落編排。

結構標籤

歌詞樣本

[intro]
琴鍵輕落，晚風微涼.
那年夏天，心跳悄悄發燙.

[verse]
教室窗邊，陽光斜照你側臉.
借半塊橡皮，指尖碰出電流線.
放學路上，單車鈴聲追雲煙.
你說未來很遠，我卻想走到終點.

[chorus]
青春是未拆的信箋，寫滿勇敢的誓言.
哪怕世界忽明又忽暗，有你就看見光點.
戀愛像初夏的雨甜，淋濕夢也不怕遠.
我們笑著奔向明天，手牽手不回頭望.

[bridge]
後來風雨打散紙傘，沉默代替了答案.
可心底那首歌未完，還等一句"別走散".

[chorus]
青春是未拆的信箋，寫滿勇敢的誓言.
哪怕世界忽明又忽暗，有你就看見光點.
戀愛像初夏的雨甜，淋濕夢也不怕遠.
我們笑著奔向明天，手牽手不回頭望.

[outro]
琴聲漸遠，星光鋪滿長街.
故事未完，下一頁仍熱烈.

創作要求

• 原創性原則：嚴禁抄襲已發表歌曲的歌詞，不得模仿知名歌曲的押韻模式或標誌性句式。

• Alibaba Content Security Service：禁止涉及政治、暴力、色情、低俗、恐怖、毒品等違法內容，保持內容健康、情感真摯。

• 語言要求：僅支援中文或英文，不支援日文、韓文等其他語言。

聲音性別（gender）

通過 gender 參數選擇演唱聲音的性別，預設為女聲。僅 fun-music-v1 模型支援該參數。

• female：女聲（預設）

• male：男聲

流式輸出

流式模式支援邊產生邊返迴音頻資料，適用於即時播放等情境，fun-music-v1 和 fun-music-preview 均支援該模式。啟用流式輸出需要在要求標頭中添加 X-DashScope-SSE: enable。

curl -X POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/music/generation' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
    "model": "fun-music-v1",
    "input": {
        "prompt": "節奏感強的電子舞曲，合成器音效，充滿能量，適合健身運動情境",
        "gender": "male"
    }
}'

import requests
import os
import json
import base64

api_key = os.getenv("DASHSCOPE_API_KEY")
url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/music/generation"

response = requests.post(url,
    headers={
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json",
        "X-DashScope-SSE": "enable"
    },
    json={
        "model": "fun-music-v1",
        "input": {
            "prompt": "節奏感強的電子舞曲，合成器音效，充滿能量，適合健身運動情境",
            "gender": "male"
        }
    },
    stream=True
)

output_file = "output.mp3"
with open(output_file, "wb") as f:
    for line in response.iter_lines():
        if not line:
            continue
        decoded = line.decode("utf-8")
        if decoded.startswith("data:"):
            data = json.loads(decoded[5:])
            finish_reason = data.get("output", {}).get("finish_reason")
            if finish_reason == "null":
                audio_data = data["output"]["audio"].get("data", "")
                if audio_data:
                    f.write(base64.b64decode(audio_data))
            elif finish_reason == "stop":
                print(f"音樂產生完成！已儲存到 {output_file}")

import java.io.*;
import java.net.HttpURLConnection;
import java.net.URL;
import java.util.Base64;

public class FunMusicStreamDemo {
    public static void main(String[] args) throws Exception {
        String apiKey = System.getenv("DASHSCOPE_API_KEY");
        String endpoint = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/music/generation";

        HttpURLConnection conn = (HttpURLConnection) new URL(endpoint).openConnection();
        conn.setRequestMethod("POST");
        conn.setRequestProperty("Authorization", "Bearer " + apiKey);
        conn.setRequestProperty("Content-Type", "application/json");
        conn.setRequestProperty("X-DashScope-SSE", "enable");
        conn.setDoOutput(true);

        String jsonBody = "{\"model\":\"fun-music-v1\","
            + "\"input\":{\"prompt\":\"節奏感強的電子舞曲，合成器音效，充滿能量，適合健身運動情境\","
            + "\"gender\":\"male\"}}";

        try (OutputStream os = conn.getOutputStream()) {
            os.write(jsonBody.getBytes("UTF-8"));
        }

        String outputFile = "output.mp3";
        try (BufferedReader reader = new BufferedReader(
                new InputStreamReader(conn.getInputStream(), "UTF-8"));
             FileOutputStream fos = new FileOutputStream(outputFile)) {
            String line;
            while ((line = reader.readLine()) != null) {
                if (line.startsWith("data:")) {
                    String data = line.substring(5);
                    if (data.contains("\"finish_reason\":\"null\"")) {
                        int start = data.indexOf("\"data\":\"") + 8;
                        int end = data.indexOf("\"", start);
                        if (start > 8 && end > start) {
                            byte[] chunk = Base64.getDecoder().decode(
                                data.substring(start, end));
                            fos.write(chunk);
                        }
                    } else if (data.contains("\"finish_reason\":\"stop\"")) {
                        System.out.println("音樂產生完成！已儲存到 " + outputFile);
                    }
                }
            }
        }
    }
}

能否指定樂器、節奏或情感？

可以。在 prompt 中直接描述即可，例如“鋼琴伴奏，慢節拍，傷感”。模型會儘可能遵循這些描述進行創作。描述越具體，產生效果越貼合預期。詳細的提示詞撰寫建議請參見提示詞（prompt）。

兩個模型怎麼選？

fun-music-v1 支援通過 gender 參數選擇男聲或女聲，且支援 prompt 和 lyrics 二選一。fun-music-preview 必須傳入 prompt，不支援 gender 參數。兩個模型的詳細差異請參見兩個模型的區別。

產生的音頻 URL 有效期間是多久？

音頻檔案下載 URL 的有效期間為 24 小時，請在此時間內完成下載。超過有效期間後 URL 將失效，需要重新調用介面產生。

lyrics 和 prompt 有什麼區別？

lyrics 參數用於傳入您自己編寫的歌詞，模型將嚴格根據歌詞內容譜曲並產生歌曲。prompt 參數用於傳入對音樂風格、情境的自然語言描述，模型將自動創作並產生音樂。兩個參數的必選性因模型而異：fun-music-v1 至少傳入其中之一，若同時傳入僅 lyrics 生效；fun-music-preview 必須傳入 prompt，lyrics 為選擇性參數，傳入後將優先作為歌詞內容。

流式和非流式模式如何選擇？

如果只需擷取最終的完整音頻檔案，推薦使用非流式模式，介面調用更簡單。如果需要在音樂產生過程中逐步擷取音頻資料（如邊產生邊播放），建議使用流式模式。

流式和非流式模式的參數限制有何不同？

兩種模式下 lyrics 和 prompt 的字元數限制存在差異。非流式模式下，lyrics 支援中文 5~350 字元、英文 5~2000 字元，prompt 支援 1~2000 字元。流式模式下，lyrics 支援中文 300~350 字、英文 200~250 詞，prompt 支援 5~1000 個中文漢字或英文單詞。請根據所選模式注意對應的參數限制。