语音、音色与音频
音效生成
根据文字描述生成音效与可无缝循环的环境音。
根据文字描述生成动作拟音、交互提示音与可无缝循环的环境氛围音。
Agent 主路径
通过 Universal Skill 使用 MCP 工具 beatra.audio.generate_sfx。该工具计费,
返回异步任务。
- 当模型约束、输出格式或价格有影响时,用
capability: "sound_effects"调用beatra.models.list;否则使用model: "auto"或省略model(默认解析为elevenlabs-sfx-v3)。 - 用具体的听觉描述写出声音材质、动作节奏与空间感。需要模型自己决定自然时长时省略
duration_seconds,或显式传入0.5–30.0秒之间的时长。 - 创建一个不透明的
client_request_id,把最终参数提交一次。 - 用
beatra.tasks.get轮询返回的任务直到终态。
AI 指南
给 AI 的集成说明
接入自有应用时,可以把这份 API 指南复制给 Claude、Codex 或其他编程助手。
工具参数
prompt(必填,1–2,000字符):音效、拟音动作、界面提示音或环境底噪的文字描述。空字符串或超过 2,000 字符会在扣费前以422 invalid_request拒绝。model(可选,默认"auto"):"auto"或"elevenlabs-sfx-v3"。duration_seconds(可选,0.5–30.0秒):目标音频时长。省略(null)时由模型根据提示词选择自然时长;小于0.5秒或大于30.0秒会在扣费前以422 invalid_request拒绝。loop(可选,布尔,默认false):设为true时生成首尾平滑衔接的可循环片段,适合游戏循环音效、环境底声与氛围铺底。若后续需要把循环片段延展到精确的分钟级时长,可把产物交给beatra.audio.process的operation: "loop"(见音频处理)。prompt_influence(可选,0.0–1.0,默认0.3):控制生成结果贴合提示词字面描述的紧密度。数值越高越严格遵循字面描述,数值越低留给模型的自然发挥空间越大。format(可选,默认"mp3"):支持"mp3"(44.1 kHz)、"wav"(24 kHz 16-bit 单声道 RIFFWAVEaudio/wav容器)、"opus"(48 kHz)与"pcm"(原始 24 kHz 16-bit 小端单声道 PCM,audio/pcm)。model_options(可选,对象):前向兼容的模型专属扩展选项袋。
模型、控制项与成本
beatra.models.list(传入 capability: "sound_effects")是可选模型、参数范围、支持格式与积分单价的实时事实来源;请勿在 Agent 提示词中硬编码价格表。
音效按音频秒数(ceil(duration_seconds))预扣积分,并设单次最低起步价:
elevenlabs-sfx-v3:每秒13 积分,单次最低61 积分。- 省略
duration_seconds时按 5 秒计费(65 积分)。 - 显式指定
0.5–4.0秒按最低61 积分计费;10秒为130 积分;30秒为390 积分。
结果
任务成功时,output 返回生成的音频产物:
任务状态与恢复
queued 与 running 不是失败。请持续轮询同一个 task_id,不要因为任务还在运行就重复提交。创建响应丢失时,用同一个 client_request_id 原样重试;任何输入变化都要换新的 ID。失败任务自动退回预扣积分。产物 URL 是 CDN 地址——请尽快转存到自己的存储。
通过 REST 调用
直连协议集成可使用 POST /v1/audio/sound-effects(携带固定的 Idempotency-Key 请求头,可选 callback_url、callback_signing_key_id 与 metadata)及共享任务端点,详见接口参考。推荐通过 Skill + MCP 接入;REST 适合自定义应用直连。
最后更新