Generowanie muzyki i dźwięku

Przegląd

ToRun może generować muzykę i inne zasoby dźwiękowe w taki sam sposób, w jaki generuje obrazy i wideo: opisujesz, czego chcesz, ToRun kieruje żądanie do odpowiedniego modelu dostawcy, a Ty otrzymujesz gotowy zasób. Generowanie jest rozliczane za każdy wyprodukowany zasób, a pełny koszt jest pokazywany przed i po uruchomieniu.

Generowanie muzyki i dźwięku jest udostępniane jako możliwości platformy (music-gen, text-to-speech) i działa poprzez ten sam routing oparty na możliwościach, co każdy inny tryb: wybrany tryb jest rozwiązywany do wymaganego zestawu możliwości, ToRun filtruje modele, które go obsługują, stosuje Twój poziom subskrypcji i klasyfikuje pozostałe modele według ceny.

Co możesz wyprodukować

• Muzyka — klipy tekst-na-muzykę na podstawie promptu (gatunek, nastrój, instrumentacja, tempo).
• Mowa / narracja — zobacz osobny dokument Voice (TTS/STT) dotyczący dźwięku słowa mówionego.
• Dźwięk sterowany przepływem pracy — dowolną możliwość audio można wykorzystać jako krok w przepływie pracy bez kodu (na przykład wygenerować jingiel, a następnie zapisać go w swojej bibliotece CDN).

Jak generować muzykę

1. Otwórz tryb audio/muzyki z powierzchni czatu lub mediów.
2. Napisz prompt opisujący utwór. Bądź konkretny w kwestii gatunku, nastroju, długości i instrumentacji.
3. (Opcjonalnie) Wybierz model, jeśli chcesz konkretnego dostawcę; w przeciwnym razie routing wybierze odpowiedni model w najlepszej cenie.
4. Uruchom. Szacunkowy koszt pojawia się przed potwierdzeniem, a BillingRecord jest zapisywany, gdy zasób zostanie wyprodukowany.

Koszt i pomiar

• Każdy wygenerowany zasób tworzy dokładnie jeden BillingRecord z pełną migawką cenową.
• Zadania audio są śledzone jako encje zadań (na przykład AudioGenJob), abyś mógł zobaczyć status, dane wejściowe i wynikowy zasób.
• Jeśli zadanie wykonuje lokalne obliczenia (takie jak komponowanie/scalanie audio), obliczenia te są mierzone osobno jako sekundy obliczeniowe i rozliczane według opublikowanej stawki za obliczenia.

Przechowywanie i ponowne wykorzystanie

Wygenerowany dźwięk jest przesyłany do Twojej biblioteki mediów w Bunny CDN, aby adres URL pozostawał stabilny. Adresy URL po stronie dostawcy zwykle wygasają w ciągu kilku godzin; ToRun ponownie hostuje zasób, dzięki czemu Twoja historia i udostępnienia nadal działają. W przepływach pracy użyj kroku zapisywania artefaktu, aby utrwalić tymczasowy adres URL dostawcy jako stały adres URL CDN.

Wskazówki

• Utrzymuj prompty konkretne — niejasne prompty dają ogólne wyniki i nadal kosztują pełny zasób.
• Do powtarzalnej produkcji (np. jingiel na wpis blogowy) opakuj krok audio w przepływ pracy, aby uzyskać spójne ustawienia i automatyczne archiwizowanie w CDN.
• Sprawdź pozostały limit lub saldo portfela przed uruchomieniami wsadowymi; każdy zasób to osobne płatne wywołanie.