使用指南
通过 HiAPI 将 mureka-9.5/instrumental 用于电商产品图
用 HiAPI 音频 API 构建可重复的 BGM 到产品视频流水线
本页内容
为什么产品视觉需要独立的 BGM 层
大多数电商商品目录由两条独立的生产线拼装而成:一条视觉线负责产出产品静图和短片段,一条音频线则临时处理,通常拖到最后一刻。结果完全可以预料——几十个 SKU 共用同样的三首曲库音乐,各片段之间响度不一致,还有一个没人愿意在营销评审会上回答的授权问题。
把背景音乐当作独立的一层来处理,就能解决这些问题。与其把音频硬贴到成片视频上,不如按产品类目生成一首曲目,将其存为可复用资产,并在渲染时混流进去。这种分离有实际的收益:
- 可复用性。 一首曲目可以服务某个类目下的所有 SKU,因此一百个产品片段并不需要生成一百次音频。
- 一致性。 固定曲目意味着固定响度和固定循环点,这让一整屏产品视频看起来像一个品牌,而不是一份播放列表。
- 可替换性。 视觉变了,只需重新混流,无需重新生成音频;音频变了,视觉则原封不动。
- 来源清晰。 生成的纯器乐曲目不存在第三方采样清权问题,而且如果店铺需要变体,还可以重新生成。
这正是生成式器乐端点在生产流水线中占有一席之地的原因。纯器乐输出意味着没有人声去和屏幕文字或旁白抢注意力,而文本提示意味着可以用品牌规范中已有的那套词汇——平静、极简、活力、临床感——来描述氛围。
本指南余下部分将搭建这一层:通过 HiAPI 用 mureka-9.5/instrumental 生成曲目,再以可当作批处理任务运行、而非逐个片段做艺术创作的方式,把它混流进短产品视频。
mureka-9.5/instrumental 能提供什么
从功能上看,mureka-9.5/instrumental 是一个文本生音乐模型,返回一段纯器乐曲目。没有需要去除的人声分轨,也不需要管理歌词输入——你描述想要的音乐,就能拿回音频。
通过 HiAPI 调用时,这意味着该模型与平台其他部分遵循同一套集成方式:一个凭证、一个端点家族,以及一个你可以存储并复用的响应。你无需为音频单独接入账户或单独建立计费关系;生成的曲目只是流水线在图像和视频之外产出的又一种资产。
有几项特性对电商用例尤其重要:
- 纯器乐输出。 产品视频通常很短,且处于静音浏览的场景中。没有人声的曲目能把注意力留在产品上,也不会与字幕冲突。
- 提示驱动的氛围。 类目层面的氛围(例如家居用品用温暖原声,电子产品用清脆打击乐)可以固化为可复用的提示,而不是靠人工挑选曲目。
- 资产形态的输出。 结果是一个音频资产,你可以存储、命名、做版本管理并复用——与图像渲染具有相同的生命周期。
模型页面 mureka-9.5/instrumental 是编写客户端代码前查看当前请求字段、支持选项和响应结构的权威位置。本指南刻意停留在流水线层面:字段名和可用选项会不断演进,你的集成应当基于文档所述的契约来构建,而不是照搬博客文章里的假设。
一条范围说明:器乐 BGM 只是一层,不是整条音轨。如果产品视频需要口播旁白或一组音效,那些是独立的关注点,应当在音乐床之上进行合成,而不是要求本端点来生成。
按产品类目设计提示与曲目规格
生成式音频最常见的失败模式,是缺乏结构的提示产出了技术上合规、但品牌上不对味的东西。请在动手调用 API 之前,通过定义少量类目档案来修复这个问题。
建立类目档案,而不是逐 SKU 写提示
把商品目录归入一组可管理的音频类目——中型店铺通常五到十五个。为每个类目写下氛围、乐器提示、速度范围以及需要避免的东西。档案是一份全团队都能评审的文档,并且与提示模板一一对应:
为 {category} 产品视频准备的器乐背景床。
氛围:{mood}。乐器编制:{instruments}。
速度:{tempo_range}。保持编曲平稳、便于循环。
无人声。无突然的力度骤降。
为剪辑而规范,而不只是为氛围
提示应当编码曲目将被怎么使用。有两个细节日后会有回报:
- 能量平稳。 产品片段很短;一首把前十秒都用来铺垫的曲目,会让你的片段几乎没有音乐。要求编曲保持一致。
- 便于循环。 如果你打算循环曲目来填充更长的片段,就要求稳定、重复的听感,不要有硬性的调性转变。循环一首专门为此设计的曲目,比交叉淡化任意一首要容易得多。
提前决定曲目时长
曲目时长是一个规格决策,不是事后补充。两种策略可行:
- 匹配名义片段时长 并稍作裁剪。适用于某个类目下所有片段时长一致的情况。
- 每个类目生成一首更长的曲床,按片段循环或裁剪。适用于时长各异、且你希望只用一份可复用资产的情况。
对于大型商品目录,第二种通常在运营投入上更省,但前提是你为循环做了设计。
把规格写下来
把每个档案与提示模板一起放进版本控制,注明类目、模板和预期的曲目时长。当有人问为什么厨具片段听起来是那样,答案是一个文件,而不是记忆。
通过 HiAPI 发起 API 调用
调用本身是流水线中最小的部分。要把它配置成周围的一切——提示组装、资产命名、存储——都是确定性的。
凭证与客户端设置
把 HiAPI 密钥存进环境变量,并在客户端的一处加载它。不要把凭证散落在各个脚本里。
export HIAPI_API_KEY="your_key_here"
把基础 URL 和密钥放在一个小的共享模块里,让每个任务——一次性测试或完整批量——都使用同一份配置。
从档案组装请求
不要在代码里手写提示,而是加载类目档案、渲染提示模板,再据此构建请求。请求应当携带:
- 渲染后的提示,
- 档案定义的目标曲目特征,
- 以及事后追踪任务所需的标识(类目、档案版本)。
在最终确定请求载荷之前,先在模型页面确认 mureka-9.5/instrumental 的确切请求字段,并把代码固定到该文档所描述的结构上。
把响应当作资产,而不是一个值
生成调用会返回一个音频资产和一个标识符。两个习惯能让它保持可控:
- 立即持久化。 用确定性键名下载到自己的存储,例如
bgm/{category}/{profile_version}/{job_id}.wav。不要依赖远程 URL 保持稳定。 - 记录元数据。 把提示、档案版本、任务标识符和返回时长与文件一起存起来。当曲目需要重新生成时,你能复现完全相同的请求。
把失败记录为可重试或不可重试
区分暂时性失败(退避重试)和请求本身的问题(字段无效、提示被拒),后者重试也会以同样方式失败。一个把畸形载荷重试一百次的批量任务,比快速失败并报告出问题的档案要糟糕得多。
把曲目混流进产品视频
混流是大部分感知质量得失所在。突然开始、在循环点跳变、或比店铺其他片段更响的音频,即便曲目本身没问题,读起来也显得草率。
刻意匹配时长
渲染前先比较片段时长和曲目时长:
- 曲目长于片段: 从结尾裁剪,而不是开头。从中间开始会丢掉前奏,而且常常落在不稳定的段落。
- 曲目短于片段: 循环,但只在为循环设计的区域上循环。在接缝处用短交叉淡化,避免可听见的爆音。
- 大致相等: 仍在最后一秒加入短暂的淡入淡出,让音频不会生硬地开始或停止。
把响度当作流水线设置来控制
响度应当是对每个资产施加的固定目标,而不是逐个片段的混音决策。混流前把音乐床归一化到一致电平,并在有任何旁白时稍作压低,让解说保持清晰。因为你只归一化了一次源曲目,每个派生片段都继承同一基准。
用一步确定性操作完成混流
一条接受片段和曲目并产出最终文件的命令,能让流水线可复现:
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
根据你的实际时长以及片段是否自带音频来调整滤镜链,但保持这个形状:一条命令、一个输出,参数由任务规格驱动,而不是手工敲入。
保留源资产
把生成的曲目与混流后的视频分开存放。视频是派生产物;曲目才是可复用的那个。从存储的曲目重新生成视频很快,而因为覆盖了曲目再去重新生成,可就不快了。
跨 SKU 批处理,无需手工编辑
从一个片段扩展到整个商品目录,主要是一个数据问题。如果每个片段的步骤都参数化了,批量层就很薄。
由清单驱动任务
把工作描述为数据——每个输出一行——包含 SKU、片段路径、类目和档案版本。运行器读取清单,把类目解析为曲目(仅当缓存未命中时才生成),并渲染视频。任何步骤都不应要求人工选择曲目。
按类目和档案版本缓存曲目
曲目是昂贵且可复用的部分。把缓存键设为类目加档案版本,再加任何会影响提示的选项,并在该类目下的每个 SKU 上复用它。当你修改档案时,提升其版本号,这样旧曲目就不会被悄悄配上新视觉复用。
把重新渲染当作常规路径
视觉比音频变化得更频繁。当产品图更新时,期望的行为是:保留曲目,重新混流视频。设计清单,使片段变化只重置视频产物,而曲目缓存保持温热。重新渲染应当廉价、平淡,并且可以安全地批量运行。
按条目大声失败,而不是按批次
批量运行器应处理它能处理的每一行,并报告失败,附带 SKU、档案版本和原因。一个坏片段不应中止上千行的任务,而结尾的汇总会告诉你哪些档案或输入需要关注。
让运行器幂等
确定性的输出键意味着重跑一个批次会覆盖同样的产物,而不是创建副本。这一特性让运行器成为可以安全调度的东西——例如每晚对新 SKU 跑一遍——无需人工照看。
发布前的质量检查
在资产上线之前,执行一份简短固定的检查清单。能自动化的就自动化,其余做成有明确负责人的评审步骤。
自动化检查
- 时长匹配。 混流后视频的音频长度在很小的容差内等于片段长度。
- 响度一致性。 抽样整个批次的音频电平并标出离群值——一首归一化方式不同的曲目会在网格中格外扎眼。
- 循环接缝。 对循环曲目检查接缝区域;爆音或电平跳变应判为检查失败。
- 淡入淡出存在。 确认淡入和淡出确实生效了。
- 文件完整性。 验证每个输出都能解码,且编解码器符合店铺的预期。
人工检查
- 品牌契合。 每个类目听一个代表性片段。生成是非确定性的;一个通常有效的档案偶尔也可能产出偏离品牌的曲目。重新生成并更新该类目的缓存。
- 文字可读性。 确认音乐没有掩盖屏幕文案或旁白,尤其是在手机扬声器上。
- 开始与结束。 观看几个片段的首秒和末秒——那是最容易暴露音频生硬的地方。
出了问题怎么办
从产物向外排查。如果视频错了但曲目对,问题在混流步骤或清单。如果曲目错了,在重新调用模型之前检查渲染后的提示和档案版本。当请求本身失败或返回意外结构时,查阅 mureka-9.5/instrumental 模型页面获取当前契约,再对照它检查你的凭证和载荷。
把这些检查作为批次的一部分来运行,而不是单独的审计。一条会验证自身输出的流水线,正是让整套方法可重复的关键。
一旦档案、曲目缓存和检查都到位,新增一个产品类目就只是一次小的、可评审的改动,而不是一个新的生产项目——这正是把 BGM 层单独构建的初衷。