Guida all'uso
Generare BGM con testo personalizzato per video di prodotti e-commerce usando mureka-9.5 su HiAPI
Guida per sviluppatori: trasformare il copy di prodotto in musica utilizzabile negli annunci e mixarla nei video
In questa pagina
Perché una canzone personalizzata è meglio di una BGM preconfezionata per i video di prodotto
La musica preconfezionata è un problema risolto nel senso che è economica e immediata, ma per l'e-commerce risolve il problema sbagliato. Una traccia con licenza è per definizione generica: è stata scritta prima che il tuo prodotto esistesse, non contiene il nome del prodotto, non contiene il punto di forza, né una call to action. In un video feed di 15 secondi il pubblico potrebbe sentire solo i primi tre secondi; la musica generica è riempitivo, non persuasione.
Un modello lyrics-to-song come mureka-9.5/lyrics-to-song cambia l'economia di questa decisione. Fornisci il testo, il modello restituisce una traccia cantata che nomina direttamente il prodotto e dichiara l'offerta. La differenza chiave rispetto alla musica di sottofondo è che la traccia stessa diventa un canale di copy, funzionando anche se lo spettatore non legge mai i sottotitoli.
Usa una BGM preconfezionata quando:
- il video è una pura vetrina visiva e il copy è sullo schermo;
- ti servono decine di varianti al giorno e il tono del brand non è un vincolo;
- il prodotto non ha un nome, un punto di forza o un'offerta che valga la pena cantare.
Usa una traccia con testo generato quando:
- il nome del prodotto o un breve punto di forza è l'hook;
- crei creatività riutilizzabili per ogni SKU e vuoi un'identità sonora riconoscibile;
- ti serve un asset simile a un jingle che puoi iterare modificando il testo invece di ri-licenziare la musica;
- vuoi controllare ritmo ed emozione tramite il prompt invece che cercando in una libreria musicale.
Il compromesso è onesto: la generazione aggiunge una richiesta e uno step di rendering, e il canto richiede più controllo qualità rispetto a un tappeto strumentale. Il resto di questa guida tratta questo compromesso come un problema di ingegneria e fornisce una pipeline riutilizzabile.
Un framework pratico per sviluppatori: considera la traccia con testo come l'ennesimo asset generato nella pipeline dei media di prodotto, accanto a miniature e video brevi. Ha input (attributi del prodotto), uno step di rendering (la chiamata API) e un output che deve superare i controlli prima della consegna.
Trasformare il copy di prodotto in un testo cantabile
Il fallimento più comune delle canzoni pubblicitarie è inviare copy di marketing. Un modello che canta canterà qualsiasi cosa gli dai, inclusa una lista di 40 parole di funzionalità, e il risultato non si adatterà a un montaggio di 15 secondi. La correzione avviene prima della chiamata API: comprimi il copy di prodotto in frasi brevi con una struttura fissa.
La struttura a quattro slot
Mappa ogni prodotto su quattro slot:
- Identità — il nome del prodotto più un indizio di categoria ("tazza in ceramica che mantiene il calore").
- Punto di forza — un risultato concreto, non una lista ("il caffè resta caldo fino a mezzogiorno").
- Prova o differenziazione — un singolo dettaglio sensoriale o materico.
- Call to action — un breve imperativo legato al negozio.
Ogni slot diventa una o due righe di testo. Mantieni le frasi brevi: circa 5-9 sillabe per riga è un obiettivo sicuro per la cantabilità e mantiene le frasi cantate entro pochi secondi di audio. Evita numeri nei prezzi, evita disclaimer legali, evita frasi tra parentesi, perché sono difficili da cantare e spesso vengono biascicate.
Derivare il testo in modo programmatico
Memorizza gli slot come campi strutturati sul record del prodotto, poi assembla con un template invece che con concatenazione di stringhe libera:
[verse]
{identity_line}
{benefit_line}
[chorus]
{product_name}, {benefit_short}
{cta_line}
Il template è il contratto tra i dati del tuo catalogo e il modello. Quando un copywriter riscrive una riga, cambia solo il campo; il template resta stabile, così la lunghezza e la struttura dell'output restano prevedibili tra gli SKU.
Budget di lunghezza
Stima la durata in base al numero di righe prima del rendering. Un annuncio da 15 secondi contiene comodamente una strofa più un breve ritornello; un annuncio da 30 secondi consente una seconda ripetizione del ritornello. Se il testo assemblato supera il budget, elimina prima lo slot di prova, non la call to action. Scrivi il controllo del budget come asserzione nel generatore, così descrizioni di prodotto prolisse non possono produrre silenziosamente tracce inutilizzabili.
Infine, affianca il copy di prodotto originale e il testo derivato. Quando una parola viene pronunciata male al ritorno della traccia, devi sapere se è colpa del campo sorgente o della formulazione.
Costruire la richiesta HiAPI per mureka-9.5/lyrics-to-song
Tutto l'accesso ai modelli passa attraverso l'interfaccia unificata di HiAPI, quindi la forma della richiesta è la stessa che usi per gli altri modelli media: autenticati con la tua chiave HiAPI, specifica l'identificatore del modello mureka-9.5/lyrics-to-song e passa il payload del testo e le indicazioni di stile.
Struttura della richiesta
Una richiesta minima contiene:
- model —
mureka-9.5/lyrics-to-song. - lyrics — il testo assemblato nello step precedente, con i tag di sezione. Mantieni i tag
[verse]/[chorus]; dicono al modello come strutturare la canzone. - prompt di stile — genere, mood, tempo e strumentazione, espressi con aggettivi o frasi (ad esempio "bright indie pop, mid tempo, acoustic guitar, clean female vocal").
- flag strumentale — mantienilo false quando vuoi il testo cantato; impostalo true solo quando ti serve un semplice accompagnamento.
{
"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
}
Gestire la risposta
Nella maggior parte dei flussi di lavoro la chiamata restituisce un riferimento all'asset audio invece che byte inline. Trattalo come un task asincrono: invia, esegui polling o attendi il segnale di completamento, poi scarica l'audio nel tuo bucket, con chiave {sku}/{variant}/{hash-of-lyrics-and-style}. L'hash è importante perché rende il rendering idempotente; rieseguire un batch non crea asset duplicati.
Avvolgi la chiamata in un client leggero con tre responsabilità: retry con backoff per errori transitori, validazione che la durata restituita rientri nel tuo budget, e registrazione del payload della richiesta insieme all'asset per la riproducibilità. Non lasciare che un rendering fallito blocchi l'assemblaggio del video; controlla l'errore e ripiega sulla traccia in cache per quella linea di prodotto.
Metti il prompt di stile in un file di configurazione per campagna, non hardcoded nel builder della richiesta. Così gli aggiornamenti stagionali sono modifiche di configurazione e non di codice, e ogni SKU della campagna mantiene un suono coerente.
Mixare la traccia generata nella tua pipeline video
La traccia generata è un asset creativo grezzo; il montaggio finale richiede durata e livelli prevedibili. La maggior parte dei problemi emerge qui, non in fase di generazione.
Adattare la durata al montaggio
Misura la durata dell'audio restituito e confrontala con la timeline del video. Due strategie sicure:
- Taglia ai confini musicali — taglia alla fine di una frase cantata e applica una dissolvenza in uscita di circa 300-500 ms, così la coda non produce click.
- Loop su punti allineati al beat — se la traccia è più corta del video, esegui il loop ai confini del ritornello, non a timestamp arbitrari, per evitare giunzioni udibili.
Se la traccia è chiaramente più lunga del video, non tagliarla brutalmente; esegui di nuovo il rendering con un budget di testo più breve. Tagliare a metà parola è il fallimento più evidente in una canzone pubblicitaria.
Livelli prima del missaggio
Normalizza la musica a una loudness target coerente rispetto alla voce fuori campo (se presente), e abbassa la musica sotto la voce con sidechain o una semplice curva di automazione del volume. Se il video non ha voce narrante, la traccia può essere più alta, ma lascia margine, così la normalizzazione di loudness della piattaforma non la schiaccia. Applica una breve dissolvenza in entrata all'inizio del video, così l'audio non parte bruscamente in autoplay.
Missaggio
Usa la tua pipeline di encoding esistente — ffmpeg o un transcoder gestito — e tratta l'audio come l'ennesimo stream di input:
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 è che lo stream video viene copiato e non ricodificato, così sostituire la musica non degrada la qualità. Mantieni lo step di missaggio parametrizzato sui punti di fade e sui marker di loop, così le varianti da 15 e 30 secondi derivano dallo stesso percorso di codice.
Memorizza la traccia generata separatamente dal video mixato. Quando aggiorni la creatività, rimixa invece di rigenerare la canzone.
Controlli di qualità prima della consegna al negozio
Automatizza ciò che puoi, ascolta il resto. Una breve checklist pre-pubblicazione intercetta quasi tutte le modalità di fallimento.
Gate automatici
- Durata — entro la finestra target per quel posizionamento (ad esempio il limite dello slot pubblicitario).
- Loudness — loudness integrata entro l'intervallo previsto dalla piattaforma; fuori intervallo, la build fallisce.
- Silenzi e clipping — nessun segmento silenzioso inatteso e nessun picco a fondo scala.
- Tracciabilità dell'asset — hash della traccia, payload del testo e record di prodotto registrati rispetto all'output.
Gate manuali
- Chiarezza del testo — un ascoltatore al primo ascolto riesce a sentire il nome del prodotto? Se no, semplifica le frasi, non rallentare il ritmo.
- Pronuncia — i nomi dei brand e le parole inusuali sono le vittime tipiche; controllali uno per uno rispetto a una lista nota.
- Coerenza con il brand — genere e timbro vocale corrispondono alla categoria. Una traccia ad alta energia su un prodotto premium o silenzioso viene percepita come errore.
- Tempismo — la call to action arriva mentre il prodotto è ancora sullo schermo, non dopo che è svanito.
Esegui questi gate per variante, non per batch. Una pronuncia sbagliata su cento batch è esattamente il caso che sfugge fino al negozio. Mantieni un piccolo strumento di ascolto che recuperi i rendering più recenti per una data linea di prodotto e li riproduca in sequenza; richiede pochi minuti e intercetta problemi strutturali che le metriche non vedono.
Quando un controllo fallisce, correggi l'input — la riga di testo, il prompt di stile o il budget di lunghezza — e riesegui il rendering con la stessa chiave di cache in input, così il nuovo asset sostituisce pulitamente il vecchio.
Scalare al catalogo prodotti
Un singolo video principale è una demo; il catalogo è il sistema. L'obiettivo è la coerenza su larga scala senza riascoltare ogni traccia.
Raggruppa per linea di prodotto, non per SKU
Raggruppa gli SKU che condividono categoria, forma del punto di forza e tono del brand, poi esegui il rendering di un prompt di stile e di un template di testo per gruppo. Le varianti all'interno del gruppo differiscono solo nei campi da compilare. Questo ti dà coerenza sonora sulle pagine di categoria mantenendo l'identità di ogni prodotto, e riduce drasticamente il numero di prompt distinti da revisionare.
Cache e deduplicazione
Chiave ogni asset con l'hash del payload del testo, del prompt di stile e della versione del modello. Input identici restituiscono l'asset in cache; solo i campi modificati attivano un nuovo rendering. Così, quando ritocchi una riga per un prodotto, il re-rendering del catalogo costa poco, e ogni creatività ha un URL stabile a cui la pipeline video può fare riferimento.
Accodamento e backoff
Invia i rendering tramite una coda di task con concorrenza limitata e retry. I refresh del catalogo sono a raffica; la coda li smussa e ti permette di dare priorità ai prodotti con campagne imminenti. Registra il payload della richiesta per ogni task, così un rendering fallito è riproducibile senza indovinare.
Mantieni leggera la governance creativa
Versiona template e prompt di stile nello stesso repository dei dati di prodotto. Così una modifica al template del ritornello può essere revisionata come codice, e puoi vedere esattamente quali prodotti sono stati renderizzati con quale revisione del template. Ritira i vecchi asset quando il template cambia, invece di lasciare revisioni miste coesistere nel negozio.
Inizia da una linea di prodotto, valida end-to-end il percorso da testo a missaggio, poi espandi categoria per categoria. La pipeline che costruisci — campi di testo strutturati, richieste HiAPI idempotenti, step di missaggio e una breve checklist — resta la stessa man mano che il catalogo cresce; cambia solo il volume. Quando sei pronto a collegare la prima richiesta, esplora il modello su HiAPI.
Articoli correlati
Vedi tutti gli articoli →-
Guida all'uso
Guida introduttiva a gpt-6.2-sol: limiti delle capacità, integrazione API e note sui prezzi per token
Punti decisionali e pratici per l'integrazione rivolti ai team di ingegneria
-
Guida all'uso
Guida introduttiva a gpt-6.2-astra: confini delle capacità del modello testuale, punti di integrazione e controllo dei costi
-
Guida all'uso
Guida introduttiva a Tripo H3.1: come scegliere tra tre modalità di input, parametri e prezzi
Guida pratica per sviluppatori: decisioni di integrazione e controllo dei costi nella generazione 3D