Guía de uso
Genera BGM con canciones de letras personalizadas para vídeos de productos de e-commerce usando mureka-9.5 en HiAPI
Guía para desarrolladores: convertir el copy del producto en música apta para anuncios y mezclarla en el vídeo
En esta página
Por qué una canción personalizada supera al BGM de stock en vídeos de producto
La música de stock es un problema resuelto en el sentido de que es barata e inmediata, pero para el e-commerce resuelve el problema equivocado. Una pista con licencia es, por definición, genérica: se escribió antes de que existiera tu producto, no contiene el nombre del producto, no contiene el argumento de venta ni contiene una llamada a la acción. En un vídeo de feed de 15 segundos, el espectador puede escuchar solo los primeros tres segundos; la música genérica es relleno, no persuasión.
Un modelo de letra a canción como mureka-9.5/lyrics-to-song cambia la economía de esta decisión. Tú proporcionas la letra y el modelo devuelve una pista cantada que nombra el producto y enuncia la oferta. La diferencia clave con la música de fondo es esta: la pista se convierte en un canal de copy que funciona incluso si el espectador nunca lee los subtítulos.
Usa BGM de stock cuando:
- el vídeo sea una exhibición puramente visual y el copy esté en pantalla;
- necesites decenas de variantes cada día y el tono de marca no sea una restricción;
- el producto no tenga un nombre, argumento de venta u oferta que merezca cantarse.
Usa una pista de letra generada cuando:
- el nombre del producto o un argumento de venta breve sea el gancho;
- crees creatividades reutilizables para cada SKU y quieras una identidad sonora reconocible;
- necesites un activo tipo jingle que puedas iterar editando texto en lugar de volver a licenciar música;
- quieras controlar el tempo y el estado de ánimo mediante prompts en lugar de buscar en un catálogo musical.
El compromiso es honesto: la generación añade un paso de solicitud y renderizado, y la voz cantada exige más control de calidad que un colchón instrumental. El resto de esta guía trata ese compromiso como un problema de ingeniería y ofrece un pipeline reutilizable.
Un marco práctico para desarrolladores: trata la pista de letra como un activo generado más en el pipeline de medios de producto, junto a las miniaturas y los vídeos cortos. Tiene entradas (atributos del producto), un paso de renderizado (la llamada a la API) y una salida que debe superar comprobaciones antes de entregarse.
Convertir el copy del producto en letras cantables
El fallo más común al convertir copy publicitario en canción es enviar el copy de marketing. Un modelo que canta cantará cualquier cosa que le des, incluida una lista de 40 palabras de características, y el resultado no encajará en un montaje de 15 segundos. La solución ocurre antes de la llamada a la API: comprime el copy del producto en frases cortas con una estructura fija.
La estructura de cuatro ranuras
Asigna cada producto a cuatro ranuras:
- Identidad: el nombre del producto más una pista de categoría («taza de cerámica que mantiene el calor»).
- Beneficio: un resultado concreto, no una lista («el café sigue caliente hasta el mediodía»).
- Prueba o diferenciación: un único detalle sensorial o de material.
- Llamada a la acción: un imperativo breve vinculado a la tienda.
Cada ranura se convierte en una o dos líneas de letra. Mantén las frases cortas: unas 5 a 9 sílabas por línea es un objetivo seguro de cantabilidad y mantiene las frases cantadas dentro de unos pocos segundos de audio. Evita cifras en los precios, evita avisos legales y evita cláusulas entre paréntesis, porque todo eso es difícil de cantar y a menudo se arrastra.
Derivar la letra mediante programación
Guarda las ranuras como campos estructurados en el registro del producto y luego ensámblalas con una plantilla, en lugar de concatenar cadenas de forma libre:
[verse]
{identity_line}
{benefit_line}
[chorus]
{product_name}, {benefit_short}
{cta_line}
La plantilla es el contrato entre los datos de tu catálogo y el modelo. Cuando un redactor reescribe una línea, solo cambia el campo; la plantilla se mantiene estable, así que la longitud y la estructura de la salida se mantienen predecibles entre SKU.
Presupuesto de longitud
Estima la duración según el número de líneas antes de renderizar. Un anuncio de 15 segundos admite cómodamente una estrofa más un estribillo corto; un anuncio de 30 segundos permite un segundo estribillo. Si la letra ensamblada supera el presupuesto, elimina primero la ranura de prueba, no la llamada a la acción. Escribe la comprobación del presupuesto como una aserción en el generador, para que las descripciones de producto largas no puedan producir en silencio pistas inutilizables.
Por último, coloca el copy original del producto y la letra derivada lado a lado. Cuando una palabra se pronuncie mal al volver la pista, necesitas saber si la causa es el campo de origen o la redacción.
Construir la solicitud a HiAPI para mureka-9.5/lyrics-to-song
Todo el acceso a modelos pasa por la interfaz unificada de HiAPI, así que la forma de la solicitud es la misma que usas para otros modelos de medios: autentícate con tu clave de HiAPI, especifica el identificador de modelo mureka-9.5/lyrics-to-song y pasa el payload de letra y la guía de estilo.
Estructura de la solicitud
Una solicitud mínima contiene:
- model:
mureka-9.5/lyrics-to-song. - lyrics: el texto ensamblado en el paso anterior con etiquetas de sección. Conserva las etiquetas
[verse]/[chorus]; indican al modelo cómo organizar la estructura de la canción. - prompt de estilo: género, estado de ánimo, tempo e instrumentación, expresados con adjetivos o frases (por ejemplo, «bright indie pop, mid tempo, acoustic guitar, clean female vocal»).
- indicador instrumental: mantenlo en false cuando quieras letra cantada; ponlo en true solo si necesitas acompañamiento puro.
{
"model": "mureka-9.5/lyrics-to-song",
"lyrics": "[verse]\nHand-thrown stoneware, morning light\n[chorus]\nKeep the heat till the afternoon\nShop the stoneware line today",
"style": "warm indie pop, mid tempo, clean vocal",
"instrumental": false
}
Gestionar la respuesta
En la mayoría de los flujos de trabajo, la llamada devuelve una referencia al activo de audio en lugar de bytes en línea. Trátala como una tarea asíncrona: envía, consulta o espera la señal de finalización, y luego descarga el audio en tu propio bucket con la clave {sku}/{variant}/{hash-of-lyrics-and-style}. El hash importa porque hace que el renderizado sea idempotente; volver a ejecutar un lote no crea activos duplicados.
Envuelve la llamada en un cliente ligero con tres responsabilidades: reintentar con retroceso ante fallos transitorios, validar que la duración devuelta esté dentro de tu presupuesto y registrar el payload de la solicitud junto con el activo para poder reproducirlo. No dejes que un renderizado fallido bloquee el montaje del vídeo; mientras revisas el error, recurre a una pista en caché para esa línea de producto.
Coloca el prompt de estilo en un archivo de configuración por campaña, en lugar de codificarlo directamente en el constructor de solicitudes. Así, las actualizaciones de temporada son cambios de configuración y no de código, y cada SKU de la campaña mantiene una voz coherente.
Mezclar la pista generada en tu pipeline de vídeo
La pista generada es un activo creativo en bruto; el montaje final necesita una duración y un nivel predecibles. La mayoría de los problemas aparecen aquí, no en la generación.
Ajustar la duración al montaje
Mide la duración del audio devuelto y compárala con la línea de tiempo del vídeo. Dos estrategias seguras:
- Recortar en un límite musical: corta al final de la frase cantada y aplica un fundido de salida de unos 300–500 ms para que el final no produzca un chasquido.
- Repetir en un punto alineado al ritmo: si la pista es más corta que el vídeo, repítela en el límite del estribillo, no en una marca de tiempo arbitraria, para evitar una costura audible.
Si la pista es claramente más larga que el vídeo, no la cortes sin más; vuelve a renderizar con un presupuesto de letra más corto. Cortar en medio de una palabra es el fallo más evidente en un anuncio cantado.
Nivel antes de la mezcla
Normaliza la música a una sonoridad objetivo coherente respecto a la locución (si la hay) y usa sidechain o una curva de automatización de volumen simple para bajar la música bajo la voz. Si el vídeo no tiene narración, la pista puede sonar más alta, pero deja margen para que la normalización de sonoridad de la plataforma no la aplaste. Aplica un breve fundido de entrada al inicio del vídeo para que el audio no empiece de golpe al reproducirse automáticamente.
Mezcla
Usa tu pipeline de codificación existente —ffmpeg o un transcodificador gestionado— y trata el audio como un flujo de entrada más:
ffmpeg -i product.mp4 -i track.wav \
-filter_complex "[1:a]afade=t=in:st=0:d=0.4,afade=t=out:st=14.6:d=0.4[a]" \
-map 0:v -map "[a]" -c:v copy -c:a aac -shortest out.mp4
La disciplina importante es que el flujo de vídeo se copia en lugar de recodificarse, para que sustituir la música no reduzca la calidad de imagen. Mantén el paso de mezcla parametrizado por los puntos de fundido y las marcas de repetición, para que las variantes de 15 y 30 segundos salgan de la misma ruta de código.
Almacena la pista generada por separado del vídeo mezclado. Cuando actualices la creatividad, vuelve a mezclar en lugar de volver a renderizar la canción.
Control de calidad antes de entregar a la tienda
Automatiza lo que se pueda automatizar y deja el resto a la escucha. Una breve lista de comprobación previa a la publicación captura casi todos los modos de fallo.
Puertas automáticas
- Duración: dentro de la ventana objetivo de la ubicación (por ejemplo, el límite del espacio publicitario).
- Sonoridad: la sonoridad integrada está dentro del rango esperado por la plataforma; si queda fuera, la compilación falla.
- Silencios y clipping: sin tramos silenciosos inesperados ni picos a escala completa.
- Trazabilidad del activo: el hash de la pista, el payload de la letra y el registro del producto quedan registrados para la salida.
Puertas manuales
- Claridad de la letra: ¿un oyente nuevo capta el nombre del producto a la primera? Si no, simplifica la frase; no bajes el tempo.
- Pronunciación: los nombres de marca y las palabras poco habituales suelen ser las víctimas; revísalos uno a uno contra una lista conocida.
- Adecuación a la marca: el género y el timbre vocal encajan con la categoría. Una pista de alta energía en un producto premium o silencioso se percibirá como un error.
- Momento: la llamada a la acción aparece mientras el producto sigue en pantalla, no después de que se haya desvanecido.
Ejecuta estas puertas por variante, no por lote. Una mala pronunciación en uno de cada cien lotes es justo el caso que se cuela en la tienda. Mantén una pequeña herramienta de audición que extraiga el último renderizado de una línea de producto y lo reproduzca en secuencia; tarda unos minutos y captura problemas estructurales que las métricas no detectan.
Cuando una comprobación falle, corrige la entrada —la línea de letra, el prompt de estilo o el presupuesto de longitud— y vuelve a renderizar con la misma clave de caché, para que el nuevo activo sustituya limpiamente al anterior.
Escalar a un catálogo de productos
Un único vídeo principal es una demostración; un catálogo es un sistema. El objetivo es mantener la coherencia a escala sin volver a escuchar cada pista.
Agrupar por línea de producto, no por SKU
Agrupa los SKU que comparten categoría, forma del argumento de venta y tono de marca, y luego renderiza un prompt de estilo y una plantilla de letra para cada grupo. Las variantes dentro del grupo solo difieren en los campos que se rellenan. Esto te da coherencia sonora en las páginas de categoría, conserva la identidad de cada producto y reduce enormemente el número de prompts distintos que debes revisar.
Caché y deduplicación
Usa como clave de cada activo el hash del payload de la letra, el prompt de estilo y la versión del modelo. Las mismas entradas devuelven el activo en caché; solo los campos que cambian provocan un nuevo renderizado. Así, volver a renderizar el catálogo es barato cuando ajustas una línea para un producto, y cada creatividad tiene una URL estable a la que el pipeline de vídeo puede hacer referencia.
Colas y retroceso
Envía los renderizados mediante una cola de tareas con concurrencia y reintentos acotados. Las actualizaciones del catálogo son ráfagas; la cola las suaviza y te permite priorizar los productos que tienen una campaña próxima. Registra el payload de la solicitud por tarea, para poder reproducir un renderizado fallido sin adivinar.
Mantener la gobernanza creativa ligera
Versiona las plantillas y los prompts de estilo en el mismo repositorio que los datos de producto. Así, un cambio en la plantilla del estribillo se revisa como código y puedes ver exactamente qué productos se renderizaron con qué revisión de la plantilla. Retira los activos antiguos cuando cambie la plantilla, en lugar de dejar revisiones mixtas coexistiendo en la tienda.
Empieza con una línea de producto, valida de extremo a extremo la ruta de la letra a la mezcla y luego amplía categoría por categoría. El pipeline que construyas —campos de letra estructurados, solicitudes idempotentes a HiAPI, el paso de mezcla y una breve lista de comprobación— se mantiene igual a medida que crece el catálogo; solo cambia el volumen. Cuando estés listo para tu primera solicitud, explora el modelo en HiAPI.
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