UtteraMúsica
Describes la música que necesitas y sale una pieza completa, de hasta seis minutos y veinte segundos. No son bucles ni fragmentos para montar: es una pieza con principio y final.
Está pensado para quien necesita música de fondo con una licencia clara —un vídeo, un pódcast, una presentación, una sala de espera— y no quiere pelearse con un catálogo de librería ni con los derechos de nadie.
La salida es WAV estéreo a 48 kHz. El modelo genera a 44,1 kHz y nosotros lo subimos a 48 antes de entregarlo; subir no pierde nada de lo que el modelo hizo.
Duración y calidad
Hay dos mandos, y los dos cambian lo que cuesta. Es la diferencia importante con Sonidos, donde un clip vale lo mismo dure lo que dure.
Duración. De 10 segundos a 6 min 20 s. La pieza se construye entera para la duración que pidas: una de tres minutos no es una de treinta segundos repetida seis veces.
Calidad. Es el número de pasos que da el motor, de 32 a 128. Más pasos es más coherencia rítmica y más estructura, no más fidelidad de sonido: el ancho de banda es el mismo a 32 que a 128, medido.
Y un tercer mando que no cuesta nada: la semilla. La misma descripción con la misma semilla da la misma pieza. Si te gusta una y quieres volver a ella, guárdate el número.
Por la API
Una ruta. Requiere un plan de pago, desde Startup.
POST /v1/audio/music — cuerpo JSON, devuelve el WAV.
| Campo | Tipo | Qué es |
|---|---|---|
prompt | texto | Obligatorio. Qué música quieres. El modelo entiende inglés mucho mejor que castellano; decir el estilo, los instrumentos y los BPM ayuda bastante. |
seconds | número | Duración, de 1 a 380. Por defecto 60. |
steps | entero | Pasos, de 32 a 128. Por defecto 32. |
seed | entero | La misma semilla con la misma descripción da la misma pieza. Si no la mandas, el motor elige una y te la devuelve. |
negative_prompt | texto | Qué NO quieres —«voces», «batería»—. Si lo mandas, se activa la guía; si no, no. |
translate | booleano | true traduce
tu descripción al inglés antes de generar. |
La respuesta trae estas cabeceras:
| Cabecera | Qué dice |
|---|---|
X-Seed | La semilla que se ha usado. Si no mandaste ninguna, ésta es la única forma de repetir la pieza. |
X-Steps | Los pasos aplicados. |
X-Audio-Seconds | Segundos de audio entregados. |
X-Generations | Cuántas generaciones se han hecho. |
X-Watermark | Qué marca de agua lleva. |
X-Translated | 1 si tu texto se tradujo. |
Límites y coste
El tope son 380 segundos. Por encima no es que falle: es que el modelo no sabe, y preferimos decirlo a entregar algo peor sin avisar.
Se cobra por duración y por calidad
A diferencia de Sonidos, aquí el coste depende de las dos cosas, porque el trabajo del motor también:
créditos = 0,333 + segundos × pasos × 0,001167 + segundos × 0,02184
El último sumando es la marca de agua. A partir de unos dos minutos, marcar cuesta más que generar: no es un error de cuentas, es que el motor es muy rápido y marcar va con la duración.
Una pieza de un minuto a 32 pasos sale por unos 3,9 créditos. La misma a 128 pasos, por unos 11. La aplicación te enseña el número antes de generar, precisamente para que mover un mando no sea una sorpresa.