比較レビュー

ElevenLabs Music API の代替案：hiapi の minimax-music-3 と lyria-3.5 で音楽を生成する

同じブリーフに対して実際に自律実行した 2 回の生成——インストゥルメンタルの BGM とカスタム歌詞のボーカル——実際の音声、実際の料金、上流サプライヤーを露出せずに。

Sep 18, 2026

ElevenLabs Music API の代替案を検索したことがあるなら、すでに「どれが一番よく聞こえるか」という段階は過ぎているかもしれません。ElevenLabs Music 自体はしっかりしたテキスト・トゥ・ミュージック製品です。あなたが本当に解決したいのは通常、次のいずれかです：

すでに hiapi で画像や動画を処理していて、音楽を追加するためだけに 3 つ目のベンダー、3 つ目の API キー、3 つ目の課金関係を持ち込みたくない。
特定のトレードオフが必要——より長い再生時間とより細かい制御、または正確なカスタム歌詞を備えた迅速な納品——これらは単一の外部ツールにきれいにマッピングできない。
ワークフローに投資する前に、仕様表を読むだけでなく、出力が実際に使える本物の音声であることを確認したい。

本記事では、hiapi の 2 つのライブ音楽モデル、minimax-music-3 と lyria-3.5 を通じて、2 番目と 3 番目の点に直接取り組みます。各モデルで実際の生成を 1 回ずつ実行しました——シミュレーション画像でも仕様比較でもありません——意思決定の前に実際の出力品質を聞くことができます。

2 つのモデル、2 つの異なるタスク

hiapi には単一の「音楽」モデルはありません——2 つあり、それぞれ異なるリクエストのために構築されています：

minimax-music-3 は完全なトラック（インストゥルメンタルまたはボーカル付き）を最大 5 分、44.1kHz ステレオ WAV 形式で生成します。再生時間、ムード、楽器、ボーカルスタイルは、プロンプトとオプションの歌詞フィールドで制御できます。出力秒数で課金されます（$0.0026/秒——30 秒のクリップで約 $0.08）。そのためコストは実際に必要なトラックの長さに応じて変わります。

lyria-3.5 はカスタム歌詞を中心に構築されています。歌詞とスタイル/ムードの説明を提供すると、完成した曲を返します。1 曲あたり固定 $0.09 で、長さに関係ありません。調整できる再生時間ダイヤルはありません——完全な 1 回の生成に対して支払います。

実際の役割分担：特定の長さのインストゥルメンタル BGM が必要で、正確な実行時間を厳密に制御したいなら、minimax-music-3 が適しています。実際の歌詞に曲をつけたいが、再生時間や料金計算を考えたくないなら、lyria-3.5 がより早く実現します。

実際のテスト #1：インストゥルメンタル BGM トラック（minimax-music-3）

30 秒のインストゥルメンタル BGM を依頼しました——製品デモ動画の下に敷くようなものです。

使用したプロンプト（逐語、歌詞なし——インストゥルメンタルのみ）：

Upbeat corporate tech background music, confident and modern, driving
mid-tempo synth pulse with a clean plucked arpeggio, light electronic
percussion, optimistic and professional mood, suitable for a product
demo video

結果： minimax-music-3 のサンプルを聴く（WAV、30 秒）

出力は本物の 44.1kHz ステレオ WAV ファイルとして返されました（検証済み——圧縮プレビューではありません）。モデルが宣伝する仕様に完全に一致しています。アルペジオとパーカッションのレイヤーはプロンプトに忠実に従い、トラックは目立つ継ぎ目なしでより長い動画用に延長できるほどきれいにループします。

実際のテスト #2：カスタム歌詞のボーカルトラック（lyria-3.5）

lyria-3.5 では、単なるムードの説明ではなく、実際の歌詞を書きました——これがモデルの核心的な差別化要因です。

使用したプロンプト：

Warm indie pop, bright acoustic guitar strums, soft claps, hopeful
female vocal, easy driving tempo

提供した歌詞：

Verse: Small steps forward, the light is turning gold
Chorus: We keep the melody, we make it ours to hold

結果： lyria-3.5 のサンプルを聴く（30 秒）

ボーカルはプレースホルダーの音節を生成するのではなく、提供された歌詞の行に従って歌いました。ギター/クラップの楽器は要求されたスタイルに一致しました。これが lyria-3.5 をあなたのユースケースで評価する最も明確な方法です。すでに歌詞があるなら（広告コピー、ブランドキャンペーンの歌詞パート、短いジングル）、これはテキスト入力、曲出力の直接的なパスです。

同じ API、新しいベンダー不要

両モデルとも hiapi の標準的な非同期タスクエンドポイントを通じて動作します——プラットフォームで画像や動画の生成に使われているのと同じ POST /v1/tasks → ポーリング GET /v1/tasks/<id> パターンです。すでにビジュアル用に hiapi を統合しているなら、音楽の追加は新しい model 値と異なる input の形だけで、新しい統合ではありません。

これはまた、1 つの API キー、1 つの使用ダッシュボード、1 つの請求書を意味します——「なぜ ElevenLabs Music を直接使わないのか」に対する実際の答えはこれです：ElevenLabs がまだあなたのスタックになければ、追加することは 2 つ目のアカウント、ローテーションが必要な 2 つ目のキー、使用量と突き合わせる必要がある 2 つ目の請求を意味します。hiapi がすでにあなたのスタックにあれば、そうではありません。

制限はどこにあるか

どちらのモデルも完全な音楽制作スイートではありません：

ステム書き出しなし。 どちらも単一のミックス音声ファイルを返します——分離されたボーカル/インストゥルメンタルのトラックはありません。
歌詞からタイムスタンプへの同期なし。 字幕やカラオケ風表示用の単語レベルのタイミングが必要なら、現時点でどちらのモデルの出力にも含まれていません。
minimax-music-3 の歌詞フィールドはオプションですが、精密なボーカル指示器ではありません——正確な一語一語のボーカル歌唱には、lyria-3.5 の歌詞優先設計が両者の中でより近いマッチです。

ワークフローで上記のいずれかが必要なら、投資する前に下にリンクしたモデルページで現在の機能を確認してください——プラットフォーム上のモデル機能は時間とともに確実に拡張されます。

よくある質問

これらのモデルをテストできる無料枠はありますか？ 料金は生成ごとの使用量に基づきます（minimax-music-3 は $0.0026/秒、lyria-3.5 は 1 曲固定 $0.09）——hiapi アカウント開始時のトライアルクレジット以外に、別途の無料クォータはありません。現在のアカウントレベルの詳細についてはhiapi の料金ページをご覧ください。

minimax-music-3 で完全な 5 分の曲を生成できますか？ はい——5 分はモデルの最大再生時間です。$0.0026/秒で計算すると、完全な 5 分のトラックのコストは約 $0.78 です。

lyria-3.5 は英語以外の言語をサポートしますか？ 歌詞フィールドは提供したテキストをそのまま受け取ります。非英語の歌詞の歌唱品質は特定の言語に依存し、本記事ではテストしていません——本番ワークフローに投資する前に、ご自身の歌詞で検証してください。

どのモデルが ElevenLabs Music のワークフローに近いですか？ 歌詞駆動のワークフローから来たなら、lyria-3.5 の歌詞入力・曲出力フローがより直接的なマッチです。再生時間とムードを指定してインストゥルメンタル制御に慣れているなら、minimax-music-3 が適しています。

これらのトラックは商用利用できますか？ 使用権は生成出力に関する hiapi の標準利用規約に従います——生成されたトラックを商用リリースで使用する前に、アカウント階層の規約を確認してください。