¿Cómo usar la API de Mirelo SFX 2.0? Genera tu primer efecto de sonido en 5 minutos

TL;DR

• Qué es: un modelo de texto a efecto de sonido; una descripción se convierte en un WAV de 1–30 segundos (PCM 16-bit / 48 kHz / mono). Abre la página del modelo Mirelo SFX 2.0 y escribe una frase para escucharlo. Mirelo SFX 2.0 ya está disponible en HiAPI; los nuevos usuarios reciben 200 créditos al registrarse.
• Cuánto cuesta: se cobra por segundos de salida, a $0.0215 por segundo (43 créditos), desde 1 segundo; 5 segundos cuestan $0.1075 y 30 segundos, $0.645.
• Cómo llamarlo lo más rápido posible: en la página del modelo, rellena la descripción, elige la duración y envía; para integrarlo en tu producto, usa POST /v1/tasks, pon mirelo-sfx-2.0 en model y en input solo van prompt y duration.

Qué es Mirelo SFX 2.0

La entrada solo tiene dos campos: prompt y duration. La descripción admite de 1 a 2.000 caracteres; indica la fuente del sonido, el material, la acción, la distancia y el entorno, y añade el ataque y la cola; duration es un número entero de segundos entre 1 y 30, y por defecto es 5. La salida es siempre un único WAV, PCM 16-bit, 48 kHz, mono, sin opciones de formato.

Solo genera efectos de sonido individuales y ambientes: una petición equivale a un evento sonoro, no genera canciones, voces ni diálogos. Añadir un punto de impacto en una edición, un sonido de respuesta de UI en un videojuego o un fondo de lluvia nocturna en un vídeo corto: ese es su terreno.

Este golpe de martillo de la plataforma entrega 1 segundo por $0.0215. El transitorio y la resonancia metálica caben en ese segundo:

Escuchar: golpe de martillo sobre viga de acero, WAV de 1 segundo

A single heavy hammer strike on a steel beam in a large empty warehouse, sharp transient, long metallic ring, close perspective.

Generar con este prompt → El enlace solo rellena la descripción; para obtener este resultado, ajusta duration a 1 segundo al abrirlo.

Escucha también un caso de ambiente de 10 segundos, con el mismo modelo y el mismo conjunto de campos:

Escuchar: techo metálico en noche de lluvia, WAV de 10 segundos

Prueba en línea: 4 pasos para escuchar el primero

1. Abre la página del modelo Mirelo SFX 2.0; al registrarte recibirás 200 créditos.
2. Pega en el campo de descripción la descripción del golpe de martillo de arriba, o cámbiala por el sonido que quieras.
3. Ajusta duration a 1–3 segundos para escuchar primero el ataque y la cola.
4. Pulsa enviar; lo que aparece en el reproductor es el WAV, que puedes descargar directamente.

No te saltes el paso 3. La misma descripción con 1 segundo y con 10 segundos da dos cosas distintas; empezar por corto y luego alargar ahorra el dinero de generaciones repetidas.

Integración con la API: 4 pasos para que funcione

1. Crea una API Key en la consola.
2. POST https://api.hiapi.ai/v1/tasks, pon mirelo-sfx-2.0 en model y coloca prompt y duration en input.
3. Obtén el taskId devuelto y espera la notificación de callback, o consulta con GET /v1/tasks/{taskId}.
4. Cuando status pase a success, toma de output la entrada cuyo type sea audio y descarga el WAV con su url.

curl ejecutable

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mirelo-sfx-2.0",
    "input": {
      "prompt": "A single heavy hammer strike on a steel beam in a large empty warehouse, sharp transient, long metallic ring, close perspective.",
      "duration": 1
    }
  }'

El ID de tarea de la respuesta está en data.taskId:

{"code":200,"data":{"taskId":"tk-hiapi-..."},"message":"success"}

Consulta el estado con ese ID:

curl -s https://api.hiapi.ai/v1/tasks/YOUR_TASK_ID \
  -H "Authorization: Bearer YOUR_API_KEY"

data.status pasará por queued, handling, success o fail. Cuando tenga éxito, busca en data.output el elemento cuyo type sea audio.

Versión en Python: crear, consultar y descargar en una sola pasada

import requests
import time

BASE = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_API_KEY"}

payload = {
    "model": "mirelo-sfx-2.0",
    "input": {
        "prompt": "A single heavy hammer strike on a steel beam in a large empty warehouse, sharp transient, long metallic ring, close perspective.",
        "duration": 1,
    },
}

task_id = requests.post(BASE, headers=HEADERS, json=payload, timeout=30).json()["data"]["taskId"]

while True:
    data = requests.get(f"{BASE}/{task_id}", headers=HEADERS, timeout=30).json()["data"]
    if data["status"] in ("success", "fail"):
        break
    time.sleep(2)

if data["status"] == "success":
    audio_url = next(item["url"] for item in data["output"] if item["type"] == "audio")
    with open("effect.wav", "wb") as f:
        f.write(requests.get(audio_url, timeout=60).content)
    print("saved effect.wav")
else:
    print(data.get("error"))

Las tareas de efectos de sonido son mucho más cortas que las de vídeo; un intervalo de consulta de 2 segundos es suficiente, no hace falta esperar los 3 segundos completos.

Cómo escribir la descripción: cinco elementos

No hay parámetros adicionales; prompt es toda la superficie de control. Escríbelo con estos cinco puntos y acertarás a la primera:

Elemento	Qué escribir	Frase correspondiente en el ejemplo
Fuente del sonido	Qué cosa emite el sonido	a heavy hammer strike
Material	El material del cuerpo que suena	on a steel beam
Acción	Cómo suena y con qué intensidad	single, heavy
Distancia y entorno	Dónde está el oyente y qué tamaño tiene el espacio	in a large empty warehouse, close perspective
Ataque y cola	Qué rápido empieza y cuánto dura el final	sharp transient, long metallic ring

Omite las dimensiones que no controles y no escribas adjetivos como «aproximadamente» o «cinematográfico»: cada sustantivo concreto de la descripción se refleja en el sonido. Merece la pena cerrar con una frase como «no music and no voices», que excluye de una vez las capas que no quieres.

Cómo elegir la duración

Primero confirma con 1–3 segundos si el timbre, el ataque y la cola son correctos; cuando lo tengas decidido, sube duration a la longitud objetivo. La misma descripción con 3 segundos y con 10 segundos da una densidad de eventos distinta; probar la dirección con la versión corta y tomar el producto final con la larga es mucho más barato que ejecutar directamente 30 segundos.

• Impactos, UI, pulsaciones → 1–3 segundos.
• Ambientes, ruido de fondo, atmósfera de sala → 10–30 segundos.
• Si necesitas ajustarte a la duración del plano → escribe directamente el número entero de segundos del plano; el modelo entrega los segundos que le indiques.

4 cosas que tener en cuenta antes de lanzar

1. Callback más polling como respaldo. Añade al cuerpo de la petición "callback": {"url": "https://yourapp.com/webhook", "when": "final"} y te avisará cuando la tarea llegue a un estado final; la notificación puede perderse, así que configura además un GET /v1/tasks/{taskId} periódico como compensación.
2. Idempotencia por taskId. Tanto success como fail son estados finales; un mismo taskId puede recibir varias notificaciones, así que consulta la base de datos para deduplicar antes de procesar.
3. Los enlaces al producto caducan. La url de output es una dirección temporal; en cuanto la recibas, guárdala en tu propio almacenamiento; no la uses como CDN a largo plazo.
4. Una descripción, un solo evento. Un impacto más la caída de fragmentos, lluvia más trueno más ladridos: genera cada uno en peticiones separadas y mézclalos en posproducción; es más controlable que meterlo todo en una frase.

Preguntas frecuentes

¿Puede Mirelo SFX 2.0 generar canciones o voces? No. Solo genera efectos de sonido individuales y ambientes, con un límite de 30 segundos. Para música usa un modelo de música; para narración, un modelo de voz.

¿Qué pasa si no relleno duration? Se genera con 5 segundos y se cobran $0.1075. Si quieres otra duración, escríbela explícitamente, como entero de 1 a 30.

¿Puedo elegir MP3 o estéreo en la salida? No; siempre es un único WAV, PCM 16-bit, 48 kHz, mono. Si necesitas otro formato, conviértelo en posproducción.

¿Cuánto puede medir como máximo la descripción? 2.000 caracteres, suficiente para incluir una especificación de sonido completa.

Ejecuta ya tu primero

Copia la descripción del golpe de martillo de arriba, abre la página del modelo Mirelo SFX 2.0, ajusta duration a 1 segundo y escucha un impacto completo por $0.0215. Cuando confirmes el resultado, coloca los mismos dos campos en el curl de arriba y intégralo en tu propio flujo. Consulta todos los parámetros en la documentación de integración.

Lecturas relacionadas: Precios de Mirelo SFX 2.0 · vs ElevenLabs Sound Effects v2 · 4 prompts de efectos de sonido reales