Alternativa à ElevenLabs Music API: gerar música com minimax-music-3 e lyria-3.5 da hiapi

Se você pesquisou por alternativa à ElevenLabs Music API, provavelmente já passou da fase de "qual soa melhor" — a própria ElevenLabs Music é um produto sólido de texto para música. O que você realmente precisa resolver costuma ser um dos seguintes:

• Você já usa a hiapi para imagens ou vídeos e não quer introduzir um terceiro fornecedor, uma terceira chave de API e uma terceira relação de cobrança só para adicionar música.
• Você precisa de trade-offs específicos — maior duração e controle mais refinado, ou entrega rápida com letras personalizadas precisas — que não se encaixam bem em uma única ferramenta externa.
• Você quer confirmar que a saída é áudio real e utilizável antes de comprometer seu fluxo de trabalho, e não apenas ler uma ficha de especificações.

Este artigo cobre diretamente o segundo e o terceiro pontos por meio de dois modelos de música ativos da hiapi: minimax-music-3 e lyria-3.5. Executamos uma geração real em cada modelo — não mockups, não comparação de especificações — para que você possa ouvir a qualidade real da saída antes de decidir.

Dois modelos, duas tarefas diferentes

A hiapi não tem um único modelo de "música" — tem dois, e eles foram construídos para pedidos diferentes:

minimax-music-3 gera uma faixa completa (instrumental ou com vocais) de até 5 minutos, em formato WAV estéreo 44,1 kHz. Duração, clima, instrumentos e estilo vocal podem ser controlados por prompt e por um campo opcional de letras. A cobrança é por segundos de saída (US$ 0,0026/segundo — um trecho de 30 segundos custa cerca de US$ 0,08), então o custo varia conforme o comprimento da faixa que você realmente precisa.

lyria-3.5 é construído em torno de letras personalizadas. Você fornece as letras e uma descrição de estilo/clima, e ele retorna uma música pronta, com preço fixo de US$ 0,09 por música, independentemente do comprimento. Não há controle de duração a ajustar — você paga por uma geração completa.

Na prática: se você precisa de uma base instrumental de comprimento específico e com controle rigoroso sobre a duração exata, minimax-music-3 é mais adequado. Se você tem letras reais para musicar e não quer pensar em duração nem em cálculos de preço, lyria-3.5 entrega mais rápido.

Teste real #1: faixa de fundo instrumental (minimax-music-3)

Pedimos uma base instrumental de 30 segundos — do tipo que você colocaria sob um vídeo de demonstração de produto.

Prompt usado (literal, sem letras — apenas instrumental):

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

Resultado: Ouça a amostra do minimax-music-3 (WAV, 30 segundos)

A saída veio como um arquivo WAV estéreo real de 44,1 kHz (verificado — não uma prévia comprimida), exatamente conforme as especificações divulgadas do modelo. As camadas de arpejo e percussão seguiram o prompt de perto, e a faixa faz loop de forma limpa o suficiente para ser estendida em vídeos mais longos sem emendas perceptíveis.

Teste real #2: faixa vocal com letras personalizadas (lyria-3.5)

Para o lyria-3.5, escrevemos letras reais, e não apenas uma descrição de clima — este é o principal diferencial do modelo.

Prompt usado:

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

Letras fornecidas:

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

Resultado: Ouça a amostra do lyria-3.5 (30 segundos)

O vocal cantou as linhas de letra fornecidas, em vez de gerar sílabas de preenchimento, e os instrumentos de violão/palmas corresponderam ao estilo solicitado. Esta é a forma mais clara de avaliar o lyria-3.5 para o seu caso de uso: se você já tem letras (texto de anúncio, trecho de letra para uma campanha de marca, jingle curto), é um caminho direto de entrada de texto e saída de música.

Mesma API, sem novo fornecedor

Ambos os modelos rodam pelo endpoint padrão de tarefas assíncronas da hiapi — o mesmo padrão POST /v1/tasks → polling GET /v1/tasks/<id> usado na plataforma para geração de imagens e vídeos. Se você já integrou a hiapi para visão, adicionar música é só um novo valor de model e um formato diferente de input, e não uma nova integração.

Isso também significa uma única chave de API, um único painel de uso e uma única fatura — que é a resposta prática para "por que não usar simplesmente a ElevenLabs Music": se a ElevenLabs ainda não está no seu stack, adicioná-la significa uma segunda conta, uma segunda chave para rotacionar e uma segunda fatura para reconciliar com o uso. Se a hiapi já está no seu stack, não.

Onde estão as limitações

Nenhum dos dois modelos é um kit completo de produção musical:

• Sem exportação de stems. Ambos retornam um único arquivo de áudio mixado — sem faixas separadas de vocal/instrumental.
• Sem sincronização de letras com timestamps. Se você precisa de tempos por palavra para legendas ou exibição estilo karaokê, a saída dos dois modelos atualmente não inclui isso.
• O campo de letras do minimax-music-3 é opcional, mas não é um direcionador vocal refinado — para uma performance vocal exata palavra por palavra, o design de letras em primeiro lugar do lyria-3.5 é a opção mais próxima entre os dois.

Se o seu fluxo de trabalho exige qualquer um dos itens acima, consulte as páginas dos modelos linkadas abaixo para conhecer as capacidades atuais antes de se comprometer — as capacidades dos modelos na plataforma realmente se expandem com o tempo.

Perguntas frequentes

Existe um nível gratuito para testar esses modelos? O preço é baseado no uso por geração (US$ 0,0026/segundo para minimax-music-3, US$ 0,09 fixo por música para lyria-3.5) — não há cota gratuita separada além dos créditos de teste iniciais da sua conta hiapi. Consulte a página de preços da hiapi para detalhes atuais por nível de conta.

Posso gerar uma música completa de 5 minutos com minimax-music-3? Sim — 5 minutos é a duração máxima do modelo. A US$ 0,0026/segundo, uma faixa completa de 5 minutos custa cerca de US$ 0,78.

O lyria-3.5 suporta idiomas além do inglês? O campo de letras aceita diretamente o texto que você fornecer; a qualidade de execução de letras em outros idiomas dependerá do idioma específico e não foi testada neste artigo — valide com suas próprias letras antes de comprometer um fluxo de trabalho de produção.

Qual modelo está mais próximo do fluxo de trabalho da ElevenLabs Music? Se você vem de um fluxo guiado por letras, o processo de entrada de letras e saída de música do lyria-3.5 é a correspondência mais direta. Se você está acostumado a especificar duração e clima e quer controle instrumental, minimax-music-3 é mais adequado.

Essas faixas podem ser usadas comercialmente? Os direitos de uso seguem os termos de serviço padrão da hiapi para saídas geradas — consulte os termos do nível da sua conta antes de usar faixas geradas em publicações comerciais.

Principais conclusões

• minimax-music-3 e lyria-3.5 são modelos ativos, reais e autônomos na hiapi — não projetos de roadmap.
• minimax-music-3 é indicado para faixas instrumentais ou vocais com controle de duração, de até 5 minutos, cobradas por segundo.
• lyria-3.5 é indicado para faixas vocais com letras em primeiro lugar, com preço fixo de US$ 0,09 por música, independentemente do comprimento.
• Ambos compartilham a API de tarefas existente da hiapi, então adicionar música à sua integração atual de imagem/vídeo não requer uma nova relação com fornecedor.
• Atualmente nenhum dos dois modelos oferece separação de stems ou sincronização de letras com timestamps — se o seu fluxo de trabalho precisa disso, confirme as capacidades atuais nas páginas dos modelos.

Explore as especificações completas e experimente você mesmo na página do modelo minimax-music-3 ou na página do modelo lyria-3.5. Para um passo a passo mais aprofundado da API, consulte Como usar a API minimax-music-3 e Lyria 3.5 para música de e-commerce.