前置條件
在開始生成前，請先安裝並載入以下技能（若已透過 @pruna 載入則可跳過）：
| 技能 | 描述 | 安裝指令 |
|---|---|---|
generation-diversity | 在撰寫任何生成式提示時使用——在付費 API 呼叫前進行儀式性種子、明確結構、場景軸與品質閘控。 | npx skills add PrunaAI/pruna-skills@generation-diversity -y |
audio-prompting | 在為任何生成式音訊模型設計 TTS、音樂或背景提示時使用——導演風格、歌曲結構與後製分層。 | npx skills add PrunaAI/pruna-skills@audio-prompting -y |
pruna-api | 在任何 Pruna 或 Replicate HTTP 呼叫前使用——憑證、上傳/輪詢/下載、批次處理與代理安全性。 | npx skills add PrunaAI/pruna-skills@pruna-api -y |
或一次安裝完整套件：npx skills add PrunaAI/pruna-skills@pruna -y
請遵循每個技能的 生成前 / 建構章節——請勿在此處重複指南內容。
代理習慣
在第一個回覆中，用反引號標示 `music-2.5`，確認 REPLICATE_API_TOKEN（或停止並顯示來自 pruna-api 的註冊連結），然後詢問必要的輸入。開啟接收流程 → 在首次 POST 前進行 generation-diversity 澄清接收流程。當 何時不使用 更合適時，請重新導向。
何時不使用
請改用以下其他技能：
| 技能 | 描述 | 安裝指令 |
|---|---|---|
gemini-3.1-flash-tts | 當使用者需要語音旁白或配音時使用——解說音軌、紀錄片台詞，或與生成的影片搭配的語音。 | npx skills add PrunaAI/[email protected] -y |
stable-audio-2.5 | 當使用者想要輕柔的器樂背景音樂時使用——對話下的環境底音，或為短片與解說影片提供配樂。 | npx skills add PrunaAI/[email protected] -y |
環境變數
export REPLICATE_API_TOKEN=r8_...
需要 ffmpeg / ffprobe 來進行音樂影片工作流程中的音訊剪輯與組合。
HTTP (curl)
curl -s -X POST \
-H "Authorization: Bearer ${REPLICATE_API_TOKEN}" \
-H "Content-Type: application/json" \
-d '{
"input": {
"lyrics": "[Verse]\nWe built it line by line\nEvery skill a stepping stone\n\n[Chorus]\nRun the pipeline, watch it grow\nPruna models, let them flow",
"prompt": "Indie pop, uplifting, warm female vocal, 92 BPM, acoustic guitar and mellow synth pads, no harsh distortion",
"sample_rate": 44100,
"bitrate": 256000,
"audio_format": "mp3"
}
}' \
"https://api.replicate.com/v1/models/minimax/music-2.5/predictions"
輪詢 urls.get 直到 status 變為 succeeded；下載 output。
生成前
- 按照順序完成前置條件指南的閱讀。
- 確認
lyrics（包含結構標籤）與可選的風格prompt。在列出必要欄位時，請標明REPLICATE_API_TOKEN（Replicate —— 而非PRUNA_API_KEY）。 - 模型注意事項： 結構標籤需獨佔一行——
[Intro][Verse][Pre Chorus][Chorus][Hook][Bridge][Solo][Inst][Build Up][Drop][Interlude][Break][Transition][Outro]。\n= 換行（也是安全的影片剪輯邊界）；\n\n= 暫停。每次生成最長約 5 分鐘。英文與中文的發音效果最佳。資料會透過 Replicate 傳送至 MiniMax——請參閱他們的隱私政策。
必要輸入
lyrics（字串）—— 1–3,500 字元
常見可選欄位
prompt—— 類型、情緒、速度、音色、樂器（最多約 2,000 字元）sample_rate：16000·24000·32000·44100（預設）bitrate：32000·64000·128000·256000（預設）audio_format：mp3（預設）·wav·pcm
典型後續步驟
使用此技能後常見的後續操作：
| 技能 | 描述 | 安裝指令 |
|---|---|---|
music-video | 當使用者想要完整的音樂影片時使用——原創歌曲或人聲、表演片段、B-roll 以及歌詞同步剪輯。 | npx skills add PrunaAI/pruna-skills@music-video -y |
whisperx | 當使用者需要從音訊中取得逐字時間戳時使用——歌詞對齊、安全剪輯邊界，或在影片編輯燒錄前作為字幕來源時間。 | npx skills add PrunaAI/pruna-skills@whisperx -y |
p-video | 當使用者想要從文字或圖片產生簡單短片時使用——快速 B-roll、草稿或起始/結束幀動畫。不適用於需要電影級生成、最高品質、精確唇形同步或匯入 1080p 音訊的場合。 | npx skills add PrunaAI/pruna-skills@p-video -y |