先决条件
在开始生成之前，请先安装并加载以下技能（如果已通过 @pruna 在上下文中，则跳过）：
| 技能 | 描述 | 安装命令 |
|---|---|---|
generation-diversity | 编写任何生成式提示时使用——在付费API调用前，进行仪式种子、显式结构、场景轴和质量检查。 | npx skills add PrunaAI/pruna-skills@generation-diversity -y |
audio-prompting | 为任何生成式音频模型（TTS、音乐或背景音）编写提示时使用——导演风格、歌曲结构以及后期制作分层。 | npx skills add PrunaAI/pruna-skills@audio-prompting -y |
pruna-api | 在进行任何Pruna或Replicate HTTP调用时使用——凭证管理、上传/轮询/下载、并行批处理和代理安全。 | npx skills add PrunaAI/pruna-skills@pruna-api -y |
或者一次性安装完整套件：npx skills add PrunaAI/pruna-skills@pruna -y
请遵循每个技能的 生成前 / 创作部分的指引——此处不再重复说明。
智能体习惯
在首次回复中，用反引号标出 `music-2.5`，确认 REPLICATE_API_TOKEN 是否已设置（若未设置，则停止执行并提供来自 pruna-api 的注册链接），然后询问所需输入。打开输入表单 → 在首次 POST 前进行 generation-diversity 澄清输入。当 何时不使用 的条件更适合时，请重定向。
何时不使用
请改用以下技能：
| 技能 | 描述 | 安装命令 |
|---|---|---|
gemini-3.1-flash-tts | 当有人需要口述旁白或画外音时使用——说明性音轨、纪录片台词或与生成视频搭配的语音。 | npx skills add PrunaAI/[email protected] -y |
stable-audio-2.5 | 当有人需要轻量器乐背景音乐时使用——对话下的氛围垫音或用于短视频和说明视频的背景音。 | npx skills add PrunaAI/[email protected] -y |
环境变量
export REPLICATE_API_TOKEN=r8_...
在音乐视频工作流中需要 ffmpeg / ffprobe 进行音频剪辑和合成。
HTTP (curl)
curl -s -X POST \
-H "Authorization: Bearer ${REPLICATE_API_TOKEN}" \
-H "Content-Type: application/json" \
-d '{
"input": {
"lyrics": "[Verse]\n我们一行一行地构建\n每一步技能都是一块基石\n\n[Chorus]\n运行流水线，看它成长\nPruna模型，让它们流转",
"prompt": "独立流行，振奋人心，温暖女声，92 BPM，原声吉他和柔和合成器垫音，无刺耳失真",
"sample_rate": 44100,
"bitrate": 256000,
"audio_format": "mp3"
}
}' \
"https://api.replicate.com/v1/models/minimax/music-2.5/predictions"
轮询 urls.get 直到 status 变为 succeeded；然后下载 output。
生成前
- 按顺序完成先决条件指南的阅读。
- 确认
lyrics（含结构标签）和可选的风格prompt。列出必填字段时，请注明REPLICATE_API_TOKEN（Replicate —— 不是PRUNA_API_KEY）。 - 模型说明： 结构标签应单独成行 ——
[Intro][Verse][Pre Chorus][Chorus][Hook][Bridge][Solo][Inst][Build Up][Drop][Interlude][Break][Transition][Outro]。\n表示换行（也是安全的视频剪切边界）；\n\n表示停顿。每次生成最长约 5 分钟。英语和中文发音效果最佳。数据通过 Replicate 发送至 MiniMax —— 请参阅其隐私政策。
必填输入
lyrics（字符串）—— 1–3500 个字符
常见可选字段
prompt—— 曲风、情绪、速度、人声音色、乐器（最长约 2000 字符）sample_rate：16000·24000·32000·44100（默认）bitrate：32000·64000·128000·256000（默认）audio_format：mp3（默认）·wav·pcm
典型后续步骤
该技能常用的后续操作：
| 技能 | 描述 | 安装命令 |
|---|---|---|
music-video | 当有人想要完整的音乐视频时使用——原创歌曲或人声、表演片段、B-roll 以及歌词同步剪辑。 | npx skills add PrunaAI/pruna-skills@music-video -y |
whisperx | 当有人需要从音频中获取单词级时间戳时使用——歌词对齐、安全剪切边界或字幕源时间，以便在视频编辑中烧录。 | npx skills add PrunaAI/pruna-skills@whisperx -y |
p-video | 当有人想要从文本或图像生成简单短视频时使用——快速 B-roll、草稿或开始/结束帧动画。如果需求是电影级生成、最高质量、紧密唇形同步或导入 1080p 音频，则不适用。 | npx skills add PrunaAI/pruna-skills@p-video -y |