MiniMax: Music 1.5

MiniMax Music 1.5 tworzy muzykę z pisemnego opisu muzycznego i tekstu piosenki. Wybierz minimax/music-1.5 dla tej konkretnej edycji; music-1.5 jest jej skonfigurowanym aliasem. Metoda muzyczna używa żądania JSON z polami model, prompt i lyrics oraz tworzy wygenerowany dźwięk. Użyj jej, aby przekształcić pisemną koncepcję piosenki w wersję roboczą do odsłuchu, ułożyć muzykę do dostarczonego tekstu lub zbadać kompozycję przed dalszą edycją.

Użyj pola prompt do opisania stylu muzycznego, nastroju i otoczenia, a pola lyrics do słów, które mają zostać zaśpiewane. Przydatny opis może żądać refleksyjnej piosenki folkowej do cichej kawiarni, ze zwrotką wprowadzającą scenę i refrenem powtarzającym jej główną myśl. Zachowaj kierunek muzyczny w polu prompt, a zamierzone wersy w polu lyrics, aby tekst miał jasną rolę w kompozycji.

Dla Music 1.5 prompt musi zawierać 10–2 000 znaków, a lyrics musi zawierać 10–3 500 znaków. Dołącz oba pola tekstowe do żądania wraz z wybranym modelem. Wykorzystaj miejsce w polu prompt na istotne wybory muzyczne, a następnie podaj wszystkie zamierzone słowa w polu lyrics. Zwięzły, ale kompletny opis łatwiej porównać ze zwróconą piosenką niż niepowiązane instrukcje rozproszone w obu polach.

Oddzielaj wersy tekstu piosenki znakami nowego wiersza. Etykiety sekcji, takie jak [Intro], [Verse], [Pre Chorus], [Chorus], [Bridge] i [Outro], mogą określać zamierzoną strukturę; udokumentowany zestaw obejmuje też [Interlude], [Post Chorus], [Transition], [Break], [Hook], [Build Up], [Inst] i [Solo]. Umieść rzeczywiste słowa pod etykietami ich sekcji i stosuj powtórzenia świadomie. Te znaczniki dają kompozycji strukturę wyjściową; oceń, jak ukończona piosenka rzeczywiście realizuje przejścia i powtórzenia.

Obiekt audio_setting udostępnia wartości sample_rate 16000, 24000, 32000 lub 44100, wartości bitrate 32000, 64000, 128000 lub 256000 oraz wartości format mp3 lub wav. Wybierz ustawienia pliku odpowiednie do następnego kroku edycji lub odtwarzania i zachowaj je wraz z opisem. Opublikowany przykład żąda 44100, 256000 i mp3; są to przykładowe wybory, a nie uniwersalne wartości domyślne wszystkich trzech pól.

Wybrany przepływ muzyczny jest synchroniczny i niestrumieniowy. Udokumentowane wartości output_format to url i hex, przy czym hex jest domyślną wartością schematu; wybrany przykład jawnie żąda url. Dla wyjścia URL użyj zwróconego łącza Ailoot, aby pobrać zapisany dźwięk. Wynik hex reprezentuje bajty audio, które przed odtworzeniem należy zdekodować do wybranego formatu pliku. Odpowiedź może zawierać zarówno lokalizację audio, jak i audio_url dla jednego wygenerowanego nagrania; zachowaj ten wynik jako jedną piosenkę.

Zapisz gotowy dźwięk wraz z tekstem piosenki, opisem muzycznym, dokładnym identyfikatorem modelu i żądanymi ustawieniami pliku. Przed umieszczeniem w projekcie sprawdź przez odsłuch zamierzone słowa, kolejność sekcji i kierunek muzyczny. Jeśli żądanie zakończy się bez kompletnego wyniku, zachowaj tożsamość pierwotnego żądania i informacje o odpowiedzi do sprawdzenia wyniku; automatyczne żądanie zastępcze może utworzyć kolejną piosenkę. Korekta może zmienić konkretny wers lub instrukcję muzyczną przy zachowaniu reszty opisu do porównania.