Guía de uso
Uso de mureka-9.5/instrumental a través de HiAPI para imágenes de producto en comercio electrónico
Crea una línea de producción repetible de BGM a video de producto con la API de audio de HiAPI
En esta página
Por qué las imágenes de producto necesitan una capa de BGM independiente
La mayoría de los catálogos de comercio electrónico se ensamblan a partir de dos líneas de producción independientes: una línea visual que produce imágenes fijas y clips cortos de producto, y una línea de audio que se gestiona de forma improvisada, normalmente a última hora. El resultado es totalmente predecible: decenas de SKU comparten las mismas tres pistas de una biblioteca musical, la sonoridad varía entre clips y queda una cuestión de licencias que nadie quiere responder en la reunión de revisión de marketing.
Tratar la música de fondo como una capa independiente resuelve estos problemas. En lugar de pegar el audio directamente al video final, genera una pista por categoría de producto, guárdala como recurso reutilizable y mézclala durante el renderizado. Esta separación aporta beneficios prácticos:
- Reutilización. Una pista puede servir a todos los SKU de una categoría, de modo que cien clips de producto no requieren generar audio cien veces.
- Consistencia. Una pista fija implica una sonoridad fija y un punto de bucle fijo, lo que hace que toda una pantalla de videos de producto parezca una marca, no una lista de reproducción.
- Intercambiabilidad. Si cambia lo visual, solo hay que volver a mezclar, sin regenerar el audio; si cambia el audio, lo visual queda intacto.
- Procedencia clara. Las pistas puramente instrumentales generadas no tienen problemas de derechos sobre muestras de terceros, y si la tienda necesita variantes, se pueden volver a generar.
Esto es precisamente lo que hace que el endpoint de instrumentales generativos tenga cabida en una línea de producción. La salida puramente instrumental significa que no hay voces que compitan con el texto en pantalla o la narración, y el prompt de texto permite describir la atmósfera con el vocabulario que ya está en las normas de marca: sereno, minimalista, enérgico, clínico.
El resto de esta guía construye esa capa: generar pistas con mureka-9.5/instrumental a través de HiAPI y mezclarlas en videos cortos de producto de una forma que pueda ejecutarse como tarea por lotes, en lugar de crear arte clip por clip.
Qué ofrece mureka-9.5/instrumental
Funcionalmente, mureka-9.5/instrumental es un modelo de texto a música que devuelve una pista puramente instrumental. No hay pistas vocales que eliminar ni entradas de letras que gestionar: describes la música que quieres y recibes el audio.
Al llamarlo a través de HiAPI, esto significa que el modelo sigue el mismo modo de integración que el resto de la plataforma: una credencial, una familia de endpoints y una respuesta que puedes almacenar y reutilizar. No necesitas una cuenta separada ni una relación de facturación aparte para el audio; la pista generada es simplemente otro recurso que la línea de producción produce además de imágenes y videos.
Hay varias características especialmente importantes para el caso de comercio electrónico:
- Salida puramente instrumental. Los videos de producto suelen ser cortos y se ven en silencio. Una pista sin voces mantiene la atención en el producto y no entra en conflicto con los subtítulos.
- Atmósfera guiada por prompt. La atmósfera a nivel de categoría (por ejemplo, acústica cálida para artículos del hogar, percusión nítida para electrónica) puede fijarse en prompts reutilizables en lugar de depender de la selección manual de pistas.
- Salida en forma de recurso. El resultado es un recurso de audio que puedes almacenar, nombrar, versionar y reutilizar, con el mismo ciclo de vida que un renderizado de imagen.
La página del modelo mureka-9.5/instrumental es el lugar autorizado para consultar los campos de solicitud actuales, las opciones admitidas y la estructura de respuesta antes de escribir el código del cliente. Esta guía se mantiene deliberadamente en el nivel de la línea de producción: los nombres de campos y las opciones disponibles evolucionan, y tu integración debe construirse sobre el contrato documentado, no sobre suposiciones copiadas de una entrada de blog.
Una nota de alcance: la BGM instrumental es solo una capa, no la pista completa. Si el video de producto necesita narración hablada o un conjunto de efectos de sonido, son preocupaciones independientes que deben componerse sobre el lecho musical, en lugar de pedirle a este endpoint que las genere.
Diseñar prompts y especificaciones de pista por categoría de producto
El modo de fallo más común del audio generativo es que un prompt sin estructura produzca algo técnicamente válido pero que no encaja con la marca. Soluciona esto antes de tocar la API definiendo un pequeño conjunto de perfiles de categoría.
Crear perfiles de categoría en lugar de prompts por SKU
Agrupa el catálogo en un conjunto manejable de categorías de audio; normalmente de cinco a quince para una tienda de tamaño medio. Para cada categoría, escribe la atmósfera, las indicaciones de instrumentación, el rango de tempo y lo que hay que evitar. Un perfil es un documento que todo el equipo puede revisar y que se corresponde uno a uno con una plantilla de prompt:
Lecho instrumental de fondo para un video de producto de la categoría {category}.
Atmósfera: {mood}. Instrumentación: {instruments}.
Tempo: {tempo_range}. Mantén el arreglo uniforme y fácil de repetir en bucle.
Sin voces. Sin caídas bruscas de intensidad.
Especificar para la edición, no solo para la atmósfera
El prompt debe codificar cómo se usará la pista. Hay dos detalles que dan sus frutos más adelante:
- Energía uniforme. Los clips de producto son cortos; una pista que dedica sus primeros diez segundos a una introducción dejará tu clip casi sin música. Pide un arreglo consistente.
- Apto para bucle. Si vas a repetir la pista en bucle para rellenar clips más largos, pide una sensación estable y repetitiva, sin cambios de tonalidad bruscos. Repetir en bucle una pista diseñada para ello es mucho más fácil que hacer un fundido cruzado con una cualquiera.
Decidir la duración de la pista de antemano
La duración de la pista es una decisión de especificación, no un añadido posterior. Hay dos estrategias viables:
- Ajustar la duración nominal del clip y recortar ligeramente. Funciona cuando todos los clips de una categoría tienen la misma duración.
- Generar un lecho más largo por categoría y repetirlo en bucle o recortarlo según el clip. Funciona cuando las duraciones varían y quieres usar un único recurso reutilizable.
Para catálogos grandes, la segunda suele ser más económica en esfuerzo operativo, siempre que hayas diseñado para el bucle.
Deja constancia de la especificación
Coloca cada perfil, junto con su plantilla de prompt, bajo control de versiones, indicando la categoría, la plantilla y la duración de pista prevista. Cuando alguien pregunte por qué un clip de utensilios de cocina suena de una determinada manera, la respuesta será un archivo, no un recuerdo.
Realizar la llamada a la API a través de HiAPI
La llamada en sí es la parte más pequeña de la línea de producción. Configúrala de modo que todo lo que la rodea —el ensamblaje del prompt, el nombrado de recursos y el almacenamiento— sea determinista.
Credenciales y configuración del cliente
Guarda la clave de HiAPI en una variable de entorno y cárgala en un único lugar del cliente. No disperses credenciales por varios scripts.
export HIAPI_API_KEY="your_key_here"
Coloca la URL base y la clave en un pequeño módulo compartido, de modo que todas las tareas —una prueba puntual o un lote completo— usen la misma configuración.
Ensamblar la solicitud desde el perfil
No escribas los prompts a mano en el código; carga el perfil de categoría, renderiza la plantilla de prompt y construye la solicitud a partir de ello. La solicitud debe incluir:
- el prompt renderizado,
- las características de pista objetivo definidas en el perfil,
- y los identificadores necesarios para rastrear la tarea a posteriori (categoría, versión del perfil).
Antes de finalizar la carga útil de la solicitud, confirma los campos de solicitud exactos de mureka-9.5/instrumental en la página del modelo y fija el código a la estructura descrita en esa documentación.
Trata la respuesta como un recurso, no como un valor
La llamada de generación devuelve un recurso de audio y un identificador. Dos hábitos lo mantienen bajo control:
- Persistencia inmediata. Descarga a tu propio almacenamiento con una clave determinista, por ejemplo
bgm/{category}/{profile_version}/{job_id}.wav. No dependas de que una URL remota se mantenga estable. - Registra metadatos. Guarda junto al archivo el prompt, la versión del perfil, el identificador de la tarea y la duración devuelta. Cuando haya que regenerar la pista, podrás reproducir exactamente la misma solicitud.
Clasifica los fallos como reintentables o no reintentables
Distingue entre fallos transitorios (reintentar con retroceso exponencial) y problemas de la propia solicitud (campos no válidos, prompt rechazado), que fallarán de la misma manera si se reintentan. Una tarea por lotes que reintenta cien veces una carga útil malformada es mucho peor que fallar rápido e informar del perfil problemático.
Mezclar la pista en el video de producto
La mezcla es donde se gana o se pierde la mayor parte de la calidad percibida. Un audio que empieza de golpe, salta en el punto de bucle o suena más alto que el resto de los clips de la tienda se percibe como descuidado, aunque la pista en sí sea correcta.
Igualar las duraciones de forma deliberada
Antes de renderizar, compara la duración del clip con la de la pista:
- Pista más larga que el clip: recorta desde el final, no desde el principio. Empezar por el medio pierde la introducción y a menudo cae en un pasaje inestable.
- Pista más corta que el clip: repite en bucle, pero solo sobre una región diseñada para el bucle. Usa un breve fundido cruzado en la unión para evitar chasquidos audibles.
- Aproximadamente iguales: aun así, añade un breve fundido de entrada y salida en el último segundo para que el audio no empiece ni termine de forma brusca.
Controla la sonoridad como ajuste de la línea de producción
La sonoridad debe ser un objetivo fijo aplicado a cada recurso, no una decisión de mezcla clip por clip. Normaliza el lecho musical a un nivel consistente antes de mezclar y bájalo ligeramente cuando haya narración, para que la locución se mantenga clara. Como normalizas la pista de origen una sola vez, cada clip derivado hereda la misma referencia.
Realiza la mezcla con una operación determinista
Un único comando que recibe el clip y la pista y produce el archivo final hace que la línea de producción sea reproducible:
ffmpeg -i clip.mp4 -stream_loop -1 -i bgm.wav \
-filter_complex "[0:a]anull[a0];[1:a]afade=t=in:st=0:d=0.5,afade=t=out:st=9.5:d=0.5[a1];[a0][a1]amix=inputs=2:duration=first" \
-shortest -c:v copy -c:a aac out.mp4
Ajusta la cadena de filtros a tus duraciones reales y a si el clip ya trae audio, pero mantén esta forma: un comando, una salida y parámetros determinados por la especificación de la tarea, no escritos a mano.
Conserva los recursos de origen
Guarda la pista generada por separado del video mezclado. El video es un producto derivado; la pista es lo reutilizable. Regenerar el video a partir de la pista almacenada es rápido; regenerarlo porque sobrescribiste la pista no lo es.
Procesamiento por lotes entre SKU sin edición manual
Pasar de un clip a todo el catálogo es principalmente un problema de datos. Si los pasos de cada clip están parametrizados, la capa por lotes es fina.
Impulsa las tareas mediante un manifiesto
Describe el trabajo como datos —una fila por salida— con el SKU, la ruta del clip, la categoría y la versión del perfil. El ejecutor lee el manifiesto, resuelve la categoría a una pista (generándola solo si hay un fallo de caché) y renderiza el video. Ningún paso debe requerir la selección manual de la pista.
Almacena en caché las pistas por categoría y versión de perfil
La pista es la parte cara y reutilizable. Usa como clave de caché la categoría más la versión del perfil, además de cualquier opción que afecte al prompt, y reutilízala en cada SKU de esa categoría. Cuando modifiques un perfil, incrementa su número de versión para que las pistas antiguas no se reutilicen silenciosamente con imágenes nuevas.
Trata el re-renderizado como el camino habitual
Lo visual cambia más a menudo que el audio. Cuando se actualizan las imágenes de producto, el comportamiento esperado es conservar la pista y volver a mezclar el video. Diseña el manifiesto para que un cambio de clip solo invalide los productos de video, mientras la caché de pistas se mantiene caliente. El re-renderizado debe ser barato, rutinario y seguro de ejecutar por lotes.
Falla de forma ruidosa por elemento, no por lote
El ejecutor por lotes debe procesar todas las filas que pueda e informar de los fallos con el SKU, la versión del perfil y el motivo. Un clip defectuoso no debe abortar una tarea de mil filas, y el resumen final debe indicarte qué perfiles o entradas requieren atención.
Haz que el ejecutor sea idempotente
Las claves de salida deterministas significan que volver a ejecutar un lote sobrescribe los mismos productos en lugar de crear duplicados. Esta propiedad hace que el ejecutor sea algo que se puede programar de forma segura, por ejemplo cada noche para los SKU nuevos, sin supervisión manual.
Comprobaciones de calidad antes de publicar
Antes de que los recursos salgan en vivo, ejecuta una lista de comprobación breve y fija. Automatiza lo que se pueda y convierte el resto en un paso de revisión con un responsable claro.
Comprobaciones automatizadas
- Coincidencia de duración. La longitud del audio del video mezclado es igual a la del clip dentro de una tolerancia pequeña.
- Consistencia de sonoridad. Muestrea los niveles de audio de todo el lote y marca los valores atípicos; una pista normalizada de forma distinta destacará en la cuadrícula.
- Uniones de bucle. Revisa la región de unión de las pistas en bucle; los chasquidos o saltos de nivel deben hacer fallar la comprobación.
- Presencia de fundidos. Confirma que los fundidos de entrada y salida se aplicaron realmente.
- Integridad del archivo. Verifica que cada salida se pueda decodificar y que el códec sea el esperado por la tienda.
Comprobaciones manuales
- Adecuación a la marca. Escucha un clip representativo de cada categoría. La generación no es determinista; un perfil que normalmente funciona puede ocasionalmente producir una pista que se desvía de la marca. Regenérala y actualiza la caché de esa categoría.
- Legibilidad del texto. Confirma que la música no enmascara el texto en pantalla ni la narración, especialmente en el altavoz de un teléfono.
- Inicio y final. Revisa el primer y el último segundo de varios clips; es donde más se evidencia un audio brusco.
Qué hacer cuando algo va mal
Investiga desde el producto hacia fuera. Si el video está mal pero la pista es correcta, el problema está en el paso de mezcla o en el manifiesto. Si la pista está mal, revisa el prompt renderizado y la versión del perfil antes de volver a llamar al modelo. Cuando la propia solicitud falla o devuelve una estructura inesperada, consulta la página del modelo mureka-9.5/instrumental para obtener el contrato actual y comprueba tus credenciales y la carga útil contra él.
Ejecuta estas comprobaciones como parte del lote, no como una auditoría separada. Una línea de producción que valida sus propias salidas es la clave para que todo el enfoque sea repetible.
Una vez que los perfiles, la caché de pistas y las comprobaciones están en su sitio, añadir una nueva categoría de producto es solo un cambio pequeño y revisable, no un nuevo proyecto de producción; esa es precisamente la razón de construir la capa de BGM por separado.
Artículos relacionados
Ver todos los artículos →-
Guía de uso
Guía de inicio con gpt-6.2-sol: límites de capacidad, integración vía API y consideraciones sobre el precio por token
Puntos clave de decisión e implementación de la integración para equipos de ingeniería
-
Guía de uso
Guía de inicio de gpt-6.2-astra: límites de capacidad del modelo de texto, puntos clave de integración y control de costes
-
Guía de uso
Guía de inicio de Tripo H3.1: cómo elegir entre tres modos de entrada, parámetros y precios
Guía práctica de decisiones de integración y control de costes de la generación 3D para desarrolladores