ساخت موسیقی

ساخت قطعهٔ موسیقی از روی توصیف متنی، با مدل‌های Lyria گوگل. خروجی یک فایل صوتی استریو (MP3) است که در قالب base64 برمی‌گردد. مدل‌های ElevenLabs هم، برای موسیقی با طول دلخواه و جلوه صوتی، از همین endpoint کار می‌کنند؛ پایین‌تر آمده‌اند. فهرست مدل‌ها و قیمت هر قطعه در صفحهٔ مدل‌ها.

مدل‌ها

مدل‌های موسیقی را از دو مسیر صدا می‌زنید: مستقیم از خود گوگل، یا از OpenRouter با پیشوند openrouter/google/. endpoint، درخواست و پاسخ در هر دو یکی است.

درخواست

import base64, httpx

res = httpx.post(
    "https://netarz.ir/api/ai/v1/audio/music",
    headers={"Authorization": f"Bearer {NETARZ_API_KEY}"},
    json={
        "model": "lyria-3-clip-preview",
        "prompt": "قطعهٔ آرام لو‌فای با پیانو، تمپوی کند، حال‌وهوای امیدوار، بدون کلام",
    },
    timeout=180,
).json()

clip = res["data"][0]
open(f"clip.{clip['format']}", "wb").write(base64.b64decode(clip["b64_json"]))

import { writeFile } from "node:fs/promises";

const res = await fetch("https://netarz.ir/api/ai/v1/audio/music", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.NETARZ_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "lyria-3-clip-preview",
    prompt: "قطعهٔ آرام لو‌فای با پیانو، تمپوی کند، حال‌وهوای امیدوار، بدون کلام",
  }),
}).then((r) => r.json());

const clip = res.data[0];
await writeFile(`clip.${clip.format}`, Buffer.from(clip.b64_json, "base64"));

curl https://netarz.ir/api/ai/v1/audio/music \
  -H "Authorization: Bearer $NETARZ_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "lyria-3.5",
    "prompt": "آهنگ پاپ شاد با گیتار آکوستیک و ریتم تند، متن ترانه دربارهٔ سفر جاده‌ای"
  }' | jq -r '.data[0].b64_json' | base64 -d > song.mp3

{
  "id": "req_8f1c…",
  "object": "music.generation",
  "created": 1790899200,
  "model": "lyria-3-clip-preview",
  "text": "",
  "data": [
    { "b64_json": "SUQzAwAAAAAvMkdFT0IA…", "format": "mp3", "bytes": 744608 }
  ],
  "usage": { "input_tokens": 18, "output_tokens": 0, "total_tokens": 18 }
}

پارامترها

فیلدهای پاسخ

• data[0].b64_json — خود فایل صوتی در قالب base64.
• data[0].format — قالب فایل؛ معمولاً mp3. فایل را با همین پسوند ذخیره کنید، مثل نمونه‌های بالا.
• text — متنی که خود مدل همراه قطعه برمی‌گرداند، مثل متن ترانه یا یادداشتی کوتاه دربارهٔ ساختار قطعه؛ ممکن است خالی باشد.

ElevenLabs: موسیقی با طول دلخواه و جلوه صوتی

این مدل‌ها مثل Lyria صدا زده می‌شوند، با یک فیلد اضافه: seconds. راهنمای کامل ElevenLabs، با گفتار فارسی و Scribe، در صفحهٔ صدا است.

curl https://netarz.ir/api/ai/v1/audio/music \
  -H "Authorization: Bearer $NETARZ_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "eleven-music-v1",
    "prompt": "قطعهٔ آرام لو‌فای با پیانو و صدای باران، بدون کلام",
    "seconds": 60
  }' | jq -r '.data[0].b64_json' | base64 -d > theme.mp3

پاسخ همان شکل بالا را دارد و data[0].seconds طول واقعی قطعه است.

قیمت‌گذاری

موسیقی Lyria به‌ازای هر قطعه حساب می‌شود، نه به‌ازای توکن: طول توصیف شما در مبلغ اثری ندارد و هر قطعه از یک مدل همیشه یک قیمت دارد. نرخ دقیق هر مدل زیر کلید per_request در فهرست قیمت‌ها و به تومان در صفحهٔ مدل‌ها آمده است.

• مدل‌های ElevenLabs به‌ازای طول قطعه (seconds) حساب می‌شوند؛ نرخ‌شان در صفحهٔ مدل‌ها است.
• درخواستی که به هر دلیل فایل صوتی برنگرداند، هزینه‌ای ندارد. اگر فیلتر محتوایی گوگل قطعه‌ای را نسازد، پاسخ خطای ۴۰۰ با کد upstream_rejected است و چیزی از اعتبارتان کم نمی‌شود.
• ساخت یک کلیپ حدود ده ثانیه طول می‌کشد و آهنگ کامل بیشتر؛ در کلاینت خود timeout را دست‌کم روی ۱۸۰ ثانیه بگذارید.

نکات

• فایل را همان‌جا ذخیره کنید؛ درگاه نسخه‌ای از قطعه نگه نمی‌دارد.
• سبک، سازها، تمپو و حس قطعه را بنویسید. هرچه توصیف مشخص‌تر باشد، نتیجه نزدیک‌تر است.
• برای قطعهٔ بی‌کلام، «بدون کلام» را هم در توصیف بیاورید.
• نام یک هنرمند یا اثر واقعی در توصیف، ممکن است باعث شود گوگل قطعه را نسازد؛ سبک را توصیف کنید، نه نام را.
• حق استفادهٔ تجاری از خروجی را با شرایط خود گوگل بسنجید؛ ما قراردادی جدا از آن نداریم.