拟音 · 金属撞击 · 1 秒
钢梁铁锤敲击
1 秒近距离铁锤敲击钢梁，尖锐起音与长金属余响。
0:00--:--
实测 1.00 秒 · WAV · PCM 16-bit / 48 kHz / 单声道
声音描述
A single heavy hammer strike on a steel beam in a large empty warehouse, sharp transient, long metallic ring, close perspective.
- duration
- 1
Mirelo SFX 2.0 是文生音效模型，用文字描述声音来源、材质、动作与环境，生成 1–30 秒 WAV 音效，适合视频拟音、游戏音效和短视频。在 HiAPI Playground 在线试用，查看价格、参数与异步 API 接入示例。
提供商: Mirelo AI
类型: 音效生成
接口: /v1/tasks
状态: 已开放
消耗: 查看页面实时价格
返回模型列表
输入
0 / 2000
更多参数
生成设置
生成音效的秒数，1–30 的整数，默认 5 秒。时长越长，费用越高，范围：1 - 30，必须是整数
预估费用215 积分43 积分 / s × 5s
输出
准备生成
配置参数并点击"运行"查看输出结果。
--
试听生成音效
案例保留可播放音效、完整声音描述和本次请求的真实时长参数，方便判断冲击力、空间感与尾音。
环境声 · 雨夜 · 10 秒
雨夜金属屋顶
10 秒雨夜环境声：密集雨滴打在波纹金属屋顶，远处闷雷，排水沟持续流水。
0:00--:--
实测 10.00 秒 · WAV · PCM 16-bit / 48 kHz / 单声道
声音描述
Heavy rain at night on a corrugated metal roof, dense overlapping droplets, distant rolling thunder, water running into a gutter, close-to-mid perspective, steady ambience with no music and no voices.
- duration
- 10
游戏音效 · UI 反馈 · 2 秒
科幻界面确认音
2 秒座舱界面确认音：全息轻触、明亮双音数字提示、短促低频脉冲。
0:00--:--
实测 2.00 秒 · WAV · PCM 16-bit / 48 kHz / 单声道
声音描述
A short sci-fi interface confirmation in a quiet cockpit: a soft holographic tap, a bright two-tone digital chime, and a quick sub-bass pulse, clean and close, with a very short room tail.
- duration
- 2
角色音效 · 生物咆哮 · 3 秒
峡谷生物咆哮
3 秒大型生物低沉咆哮：喉部粗糙质感、胸口低频厚度、远处岩壁回声。
0:00--:--
实测 3.00 秒 · WAV · PCM 16-bit / 48 kHz / 单声道
声音描述
A deep guttural roar from a large creature in a stone canyon, raspy throat texture, sharp attack, chest-heavy low end, distant rocky echo, mid perspective.
- duration
- 3
相关音频模型
根据音乐、单人语音或多人对白任务选择相邻路线。
MIRELO SFX 2.0
把一句声音描述，变成可直接使用的音效素材
Mirelo SFX 2.0 是文生音效模型：输入只有文字描述和时长，输出 1–30 秒的 WAV 音效。它适合视频拟音、游戏音效、短视频和播客声音设计；不生成歌曲、人声或对白。
按输出秒数计费，1 秒起生成；实时单价见页面顶部价格卡。
文字生成音效1–30 秒整数时长单条 WAV 输出4 条真实案例
MODEL OVERVIEW
Mirelo SFX 2.0 是什么
Mirelo SFX 2.0 是 Mirelo AI 的文生音效模型。它把一段声音描述变成单条音效：铁锤敲击钢梁、雨打金属屋顶、科幻界面确认、峡谷生物咆哮，都可以用一句话描述声源、材质、动作、距离和环境来生成。每次请求输出一条 WAV 音频，时长 1–30 秒，默认 5 秒。
本页接入的是文生音效接口：输入只有文字描述和时长，不需要上传视频，也不做自动视频拟音。它不生成歌曲、人声或对白；需要完整音乐时选音乐模型，需要单人语音或多人对白时选语音模型。把能力边界说清楚，能避免在错误的场景里反复试错。
音效的质量很大程度取决于描述是否具体。写清“什么物体、什么材质、如何接触、多远、在什么空间里、起音和尾音是什么样”，比堆叠“震撼、真实、电影感”更有效。页面上的 4 条案例分别覆盖金属拟音、雨夜环境声、游戏 UI 和生物咆哮，可以直接试听、查看完整 prompt，并复制真实输入。
页面上的 4 条案例都来自真实请求，而不是宣传样音：每条都记录了完整 prompt、duration、实测时长和 WAV 格式，音频文件直接放在页面里播放。你可以先用它们判断模型是否适合当前项目，再把自己的声音描述换成同样的结构，逐步调整材质、距离和尾音。
如果你第一次接触文生音效，建议从 1 秒的金属拟音开始：它最容易听出材质和瞬态是否正确。确认后再试 10 秒环境声，观察模型在长时间里是否保持层次；最后再尝试 UI 和生物咆哮这类需要情绪与空间的声音。按这个顺序试听，比一上来就写复杂场景更容易建立对模型的判断。
KEY FEATURES
Mirelo SFX 2.0 的 6 项核心能力
每条能力都对应本页的真实案例、公开参数或请求结构。波形图来自页面上的实际生成音频，不是示意图。
01
一句描述生成 1 条完整音效，覆盖 6 类声音要素
把声源、材质、动作、距离与空间、环境、起音与尾音写进同一条描述，Mirelo SFX 2.0 会输出一条完整音效，而不是一段需要再拼接的采样。页面第一条案例只用了 1 秒：铁锤敲击钢梁、空旷仓库、近距离、尖锐起音与长金属余响，生成结果保留了清晰的瞬态和金属尾音。
对剪辑和游戏音频来说，这意味着可以先按画面写声音，再直接拿到可用文件，减少在素材库里反复试听的时间。一条描述只讲一个事件通常更稳定；如果要同时表现撞击、破碎和碎片落地，分成几条请求会比塞进一句话更容易控制。
02
1–30 秒整数时长，按镜头长度精确生成
duration 接受 1–30 的整数秒，默认 5 秒。单次动作、UI 反馈和转场适合 1–3 秒；雨声、机器运转和空间底噪可以用 10–30 秒覆盖完整镜头。页面里的雨夜案例把 duration 设为 10 秒，生成结果正好覆盖一段连续环境声，不需要在剪辑里循环拼接。
整数秒的好处是可预测：你写 10，输出就是 10 秒，批次规划和时间线对齐都更直接。先按镜头长度确定秒数，再写声音描述，通常比先生成再裁剪更省时间；如果镜头长度还没定，先用 1–3 秒验证音色，确认后再生成正式版本。
03
2,000 字符提示词，容纳完整的声音设计说明
公开契约把 prompt 的上限设为 2,000 字符，最短 1 个非空字符。这个长度足够写清声源、材质、动作、距离、空间、环境、起音和尾音，也可以补充“不要音乐、不要人声”这类边界。对需要把声音规范写进模板的团队，长提示词比短关键词更容易复用和审阅。
它不提供 prompt_influence 滑杆，控制感来自描述本身：把想要的细节写具体，把不想要的元素排除掉。右侧是一条完整的请求示例，prompt 和 duration 就是全部公开输入；复制后可以直接提交，不需要再补隐藏参数。
{
"model": "mirelo-sfx-2.0",
"input": {
"prompt": "An old wooden door creaks open slowly in a quiet room, low hinge friction, a soft latch click, close perspective.",
"duration": 6
}
}04
单条 WAV 输出，直接进入剪辑与游戏引擎
每次请求返回一条 WAV 音频。实测文件为 PCM 16-bit、48 kHz、单声道，常见剪辑软件、游戏引擎和音频工具都能直接读取，不需要先转码。首版不提供 MP3、Opus 等其他格式，也不支持一次请求返回多条样本；需要多个版本时，分别提交请求或改变一个描述变量后重新生成。
格式单一换来的是流程简单：拿到文件就能进时间线或引擎，不用先判断采样率、位深和声道是否兼容。如果下游必须使用压缩格式，可以在自己的流水线里统一转码；生成端保持无损 WAV，后续再处理不会多一次有损环节。
05
短时长快速试听，用 3 秒确认音色再生成正式版本
音效迭代最怕一次生成很长却方向不对。建议先用 1–3 秒验证材质、瞬态和空间感，确认后再把 duration 拉到镜头需要的长度。页面里的生物咆哮案例用 3 秒完成一次短试听：喉部质感、低频厚度和峡谷回声都能在 3 秒内判断。
短试听同样走真实请求，生成结果可以直接保留，也可以作为长版本的参考。把“试听版”和“正式版”分开管理，能让团队在确认方向之前不浪费长音频的生成时间；确认后再生成 10–30 秒版本，整体迭代次数通常更少。
06
材质与空间描述驱动瞬态和混响，贴近真实拟音流程
同一动作换一种材质，声音的起音和尾音会完全不同：钢梁有长金属余响，木门是低频摩擦和短促扣合，石壁则带回声。距离和空间同样重要，近距离强调瞬态，空旷仓库和峡谷会把尾音拉长。把“什么物体、什么材质、多远、在什么空间里”写清楚，比堆叠“震撼、真实、电影感”之类的形容词更有效。
这也是拟音工作的自然写法：先决定画面里的物体和接触方式，再决定摄影机离它多远，最后补环境。把这套顺序固定成模板后，同一条音效在不同项目里只需要替换材质和空间关键词，描述结构本身可以一直复用。
CASE NOTES
4 条真实案例拆解：同一套描述结构如何变化
四条案例都按“声源 → 材质 → 动作 → 距离与空间 → 环境 → 起音与尾音”组织，但每条只保留与任务相关的信息。下面的拆解不复述 prompt 原文，而是说明该听什么、下一次该改什么。
金属拟音：1 秒锤击为什么需要写清材质和空间
1 秒案例的重点不是“锤子”，而是材质和空间。描述里同时给了钢梁、空旷仓库、近距离、尖锐起音和长金属余响，模型才有足够信息决定瞬态多硬、尾音多长。只写“敲击声”时，结果可能更像木头或塑料；把金属、空间和尾音补齐，声音才会落在同一个材质世界里。试听时先听起音是否够快，再听余响有没有金属感，最后才判断整体音量。
试听这条案例雨夜环境声：10 秒里如何避免音乐和人声
10 秒环境声最容易被写成“下雨”。这条案例补了波纹金属屋顶、密集雨滴、远处闷雷、排水沟流水和近中景，还明确排除了音乐和人声。环境声的难点不是单个事件，而是持续层次：雨滴要有密度变化，雷声要远，流水要连续。试听时关注 10 秒内是否有明显重复或突然断层；如果有，下一次可以缩短时长、减少同时出现的元素，或把空间写得更大。
试听这条案例科幻 UI：2 秒短音效如何控制起音和尾音
2 秒 UI 音效的可用性取决于起音和尾音，而不是信息量。这条案例用了全息轻触、双音数字提示、短促低频脉冲、安静座舱和很短的房间尾音，把“确认”拆成三个连续动作。UI 音效通常要短、干净、可重复，太长会打断操作节奏；如果听起来拖沓，先把尾音缩短，再减少低频脉冲的长度。
试听这条案例生物咆哮：3 秒里如何同时写喉部质感和峡谷回声
3 秒生物咆哮要同时表达体型、情绪和空间。这条案例写了低沉咆哮、喉部粗糙、尖锐起音、胸口低频、远处岩壁回声和中景，让声音既有近距离的力度，又有峡谷的距离感。试听时先判断低频是否足够厚，再听喉部是否有纹理，最后听回声是否把声音推远；如果回声太近，下一次把空间写得更开阔，或把“远处”换成具体的岩壁距离。
试听这条案例MODEL COMPARISON
Mirelo SFX 2.0、ElevenLabs SFX 与通用音效接口怎么选
下面只比较公开文档里的能力边界：时长、输出格式、提示词长度和控制参数。不比较价格或主观效果排名，也不把某一家的宣传当成通用结论。
01
时长与粒度：1–30 秒整数 vs 0.5–30 秒小数与自动估算
两个模型都把上限放在 30 秒，但控制方式不同。Mirelo SFX 2.0 只接受 1–30 的整数秒，默认 5 秒，时长直接对应输出音频的秒数；ElevenLabs Sound Effects 的 duration_seconds 接受 0.5–30 秒的小数，省略时由服务估算时长。
需要严格对齐剪辑时间线、按整秒规划批次时，整数秒更直接；需要 0.5 秒级的极短 UI 点缀时，ElevenLabs 的小数时长更灵活。两者都适合短片和游戏音效，选择取决于你要的是可预测的整秒，还是更细的时长刻度。
02
输出格式：单条 WAV vs MP3 默认、多格式可选
Mirelo SFX 2.0 每次请求只返回一条 WAV，实测为 PCM 16-bit、48 kHz、单声道，适合直接进入剪辑软件和游戏引擎。ElevenLabs Sound Effects 默认返回 MP3，也提供 48 kHz WAV（用于非循环音效），API 还可选择 PCM、μ-law、A-law 和 Opus 等多种输出格式。
需要最少后处理、统一交付 WAV 时，Mirelo 的单一格式更省事；需要在 MP3、PCM、Opus 之间按带宽、引擎或存储要求切换时，ElevenLabs 的格式选择更多。一些通用音效接口默认返回压缩格式，再按需提供无损或高采样率版本；如果你的流水线已经统一转码，这一项差异会被抵消。
03
提示词与控制面：2,000 字符完整描述 vs 短文本加滑杆与通用参数
Mirelo SFX 2.0 的公开契约只暴露 prompt 和 duration，prompt 最长 2,000 字符，所有控制都写在描述里。ElevenLabs Sound Effects 同样以文本为主，但额外提供 0–1 的 prompt_influence（默认 0.3）和循环选项，其公开 API 参考没有列出文本字符上限，使用前应以当前文档为准。
一些通用音效接口还会提供 loop、seed、negative_prompt 等控制项。Mirelo 把参数面收窄到两个字段，换来的是请求结构简单、描述即规范；ElevenLabs 和这些接口则把一部分控制从文本里拿出来，交给滑杆和独立字段。需要把声音规范写成可审阅的长模板时，Mirelo 的字符预算更明确；需要快速微调文本影响力或做无缝循环时，参数更多的接口更直接。
以上对比只依据双方公开文档中的能力边界，不涉及价格或主观效果排名。模型能力会更新，接入前请以当前文档和页面参数为准。如果某个能力对你的项目是硬性要求，先写一个最小请求验证，再决定是否接入，而不是只看对比表。如果表里的差异不影响你的输入方式，选请求结构更简单的那一个即可。
PROMPT GUIDE
音效提示词：6 条可直接套用的写法
下面的顺序不是硬性语法，而是一套检查清单。写完后逐项对照，通常能发现描述里缺的是材质、距离还是尾音。
- 01
先写声源和材质：什么物体、什么材料、如何接触。材质决定瞬态和余响，钢、木、石、玻璃的差别远大于形容词。
- 02
再写动作和接触方式：敲击、刮擦、坠落、推开、关闭。一个动词只对应一个事件，避免一条提示词里堆三四个动作。
- 03
写清距离与空间：近景、远景、室内、空旷仓库、金属管道或石质峡谷。空间感会明显改变混响和低频。
- 04
补上起音和尾音：尖锐、沉闷、短促、长金属余响、逐渐衰减。具体的声音形状比“震撼”“真实”更有用。
- 05
需要排除的元素直接写出来：不要音乐、不要人声、不要观众掌声。边界越明确，结果越接近单条音效。
- 06
一次只改一个变量，并用 1–3 秒试听；确认后再生成 10–30 秒的完整版本。不同请求之间不保证逐样本一致。
QUALITY CHECK
提交前检查：5 个问题判断提示词是否够具体
不需要每次都写满 2,000 字符，但下面 5 个问题至少要能回答。任何一个答不上来，生成结果通常就会在那一个维度上变得模糊。它们不是评分表，而是排查顺序：先确认声源和材质，再看动作、空间、包络和排除项；每次只改一个答案，才能判断是哪一项影响了结果。如果只能回答其中三项，优先保留声源、材质和空间，这三项对音色和距离的影响最大。每次生成后把有效的描述保存下来，下一次只替换项目关键词。
检查 1：声源和材质是否明确
“撞击声”不是声源，“铁锤敲击钢梁”才是。材质决定瞬态和余响：钢、木、石、玻璃、布料在同一动作下会给出完全不同的起音和尾音。如果结果听起来像另一种材料，先改材质词，不要急着加形容词。
检查 2：动作是否只有一个事件
一条提示词里同时写撞击、破碎、碎片落地和火焰燃烧，模型很难判断主次。把最重要的那个事件放在前面，其他层次拆成单独请求；如果必须在一个文件里完成，明确写出时间顺序，例如先撞击、再碎裂、最后碎片落地。
检查 3：距离和空间是否写清
近距离强调瞬态，远景会削弱高频并增加混响；室内、空旷仓库、金属管道和石质峡谷各有不同的反射。写“近距离、空旷仓库”比只写“有回声”更可控，因为前者同时给了距离和空间类型。
检查 4：起音和尾音是否可判断
起音是声音多快到达峰值，尾音是峰值之后如何衰减。写“尖锐起音、短促衰减”或“柔和起音、长金属余响”，比“听起来真实”更能指导生成。试听时先只听前 200 毫秒，再听最后一段，通常就能判断包络是否符合预期。
检查 5：排除项是否写明
音效生成容易带入音乐、人声、掌声或额外的环境层。把“不要音乐、不要人声、不要观众”写进 prompt，比生成后再用音频工具清理更省事。排除项不需要很长，但要具体；如果结果仍然带入不需要的元素，减少描述里的情绪和场景词，通常能收敛。
HOW TO USE
如何用 Mirelo SFX 2.0 生成并接入音效
从试听到接入分 4 步。前两步在页面上完成，后两步把验证过的参数搬进代码；每一步都有明确的产出，不需要先读完整套 API 文档。
第 1 步：在 Playground 用 1–3 秒试听音色
在页面顶部的 Playground 里填写声音描述，把 duration 设为 1–3 秒，先确认材质、瞬态和空间感。短试听能快速暴露描述里缺失的要素，比如没有写距离导致声音太近，或没有写空间导致尾音太干。确认方向后，再把 duration 调到镜头需要的长度。页面上的 4 条案例都可以直接试听，作为描述写法的参考。
第 2 步：获取 API Key 并确认模型 ID
在 HiAPI 控制台创建 API Key，请求时使用模型 ID mirelo-sfx-2.0。音效、音乐和语音模型共用同一个任务入口，API Key 也由平台统一管理；你不需要为这个模型单独维护一套鉴权。第一次接入建议先用 Playground 里验证过的 prompt，避免同时调试描述和代码。
第 3 步：构造 prompt 与 duration 请求
向 POST /v1/tasks 提交异步任务，body 里放 model 和 input，input 至少包含 prompt，按需包含 duration。prompt 写声源、材质、动作、距离与空间、环境、起音与尾音；duration 写 1–30 的整数秒。下面的快速示例就是本页第一条案例的真实请求，可以直接复制运行。
第 4 步：轮询任务或使用回调接入生产流程
创建任务后会立即返回 taskId，音频在后台生成。你可以用 GET /v1/tasks/:id 轮询状态，也可以在请求里提供 callback.url 接收完成通知；成功后从结果里读取音频地址。生产环境建议保存 taskId、prompt 和 duration，便于追踪每次生成；失败任务会退回扣费，不需要自动重复提交。
APPLICATIONS
Mirelo SFX 2.0 的 6 个应用场景
场景按“谁在用、输入什么、拿到的资产放在哪里”来写。每条都对应前面案例里的能力，不需要额外假设。如果你的场景不在列表里，先用一条 1 秒案例验证输入输出是否匹配，再决定是否扩展成长版本。
Build 视频拟音：为每个剪辑点补上缺失的声音
剪辑里常见的缺口是撞击、开关、脚步、衣物摩擦和环境底噪。按镜头长度生成 1–5 秒的音效，直接对齐剪辑点；需要铺满一段场景时，用 10–30 秒的环境声覆盖。适合独立剪辑师、广告后期和短视频团队，在没有现场拟音素材时快速补齐声音层。
Create 游戏 UI 与世界音效：用短音效建立反馈层
按钮、拾取、技能触发、门和机关都需要短促、可重复的反馈音。用 1–2 秒的 duration 生成 UI 音效，用 3–10 秒生成环境底噪或机关循环，再按引擎要求导入 WAV。适合独立游戏、原型和互动装置团队，在音频预算有限时先建立完整的声音反馈。
Develop 短视频与广告：用环境声撑起画面空间
画面里的空间感很大一部分来自声音：雨夜、街道、室内房间、金属仓库都有不同的底噪和混响。用一条 10–30 秒的环境声铺底，再叠加 1–3 秒的动作音效，可以在不增加拍摄投入的情况下让画面更完整。适合品牌短片、产品广告和社媒内容。
Automate 播客与有声内容：补齐转场与强调音
播客和有声书需要转场、强调、翻页、开关等短音效，但一次性声音往往不值得长期订阅素材库。用一句描述生成 1–3 秒的音效，按节目风格统一材质和空间，再批量复用到不同段落。适合播客制作人、有声内容团队和课程制作方。
Generate 原型与预演：在正式录音前验证节奏
在正式拟音、采购素材或录制之前，先用生成的版本验证节奏、时长和情绪是否成立。原型阶段可以用 1–5 秒快速迭代，确认后再决定是否投入录音棚或购买版权素材。适合动画 previz、游戏灰盒和广告提案。
Scale 批量生产：把声音描述变成可复用模板
把常用的声音规范写成模板：声源、材质、动作、距离、空间、起音、尾音各一段，再按项目替换关键词。这样每次生成都沿用同一套描述结构，团队之间也更容易审阅和复用。适合需要持续产出大量音效的内容平台、游戏工作室和自动化工具。
RELATED AUDIO MODELS
音效、音乐还是语音：相邻模型怎么选
Mirelo SFX 2.0 只解决“一条音效或环境声”。如果你要的是完整歌曲、配乐、旁白或多人对白，直接换相邻模型会比在本页反复试更有效。
Mirelo SFX 2.0
只需要一条音效或环境声，按时长可控地生成，输出 WAV。
Lyria 3.5
需要完整歌曲、器乐或配乐，而不是单条音效。
Eleven Music v2.5
需要最长 10 分钟的音乐、分段创作计划或参考音频引导。
ElevenLabs Text to Dialogue
需要多人对白或角色语音，而不是音效。
WHY HIAPI
为什么在 HiAPI 上使用 Mirelo SFX 2.0
下面 6 点讲的是接入和协作方式，不是模型效果排名。它们决定了从试听到上线要花多少工程时间。这些差异不会改变模型本身的能力，但会直接影响第一次请求到正式上线之间的距离。
一个 API Key 接通音效、音乐与语音
HiAPI 把音效、音乐、语音合成和多人对白放在同一个平台上。你用一个 API Key 就能调用不同音频能力，不需要为每个模型单独申请账号或维护多套鉴权。对正在搭建音频功能的产品来说，先把入口统一，后续换模型或加能力都更容易。
统一异步任务协议，换模型不改接入代码
音效、音乐和语音模型都通过 POST /v1/tasks 提交，返回 taskId 后轮询或回调获取结果。提交、轮询、错误处理和产物读取的结构一致，换模型时主要改 model 和 input，不需要重写任务框架。
Playground 与 API 共用同一请求结构
页面上的 Playground 和 API Quickstart 使用同一个模型 ID 和 input 结构。你可以先在 Playground 里试听、调整 prompt 和 duration，再把验证过的参数复制到代码里，减少“页面能用、接口不通”的落差。
生成前可预估，生成后按输出秒数结算
音效按时长计费，Playground 会根据 duration 显示预估，方便在生成前控制批次规模。最终扣费以成功任务为准，失败任务会退回；价格入口始终指向实时价格，不在正文里写死数字。
任务查询、回调与产物管理由平台处理
平台统一处理任务状态、轮询、回调和产物地址，你不需要直接对接模型服务的任务协议。对生产系统来说，少一层自建任务队列和状态机，接入和维护工作都更少。
中英文文档与参数契约同源
模型的参数、示例、错误说明和中英文文档来自同一份公开契约。团队里中文和英文使用者看到的是同一组字段、同一组限制，减少因为文档不同步导致的请求错误。
SPECIFICATIONS
Mirelo SFX 2.0 规格与接入
以下规格对应当前公开请求契约；价格以页面实时价格为准。
输入与输出
- 输入
- 文字描述（prompt），1–2,000 字符
- 时长
- 1–30 整数秒，默认 5 秒
- 输出
- 每次请求 1 条 WAV；实测 PCM 16-bit / 48 kHz / 单声道
- 能力边界
- 音效与环境声；不生成歌曲、人声或对白
任务与结果获取
- 提交
- POST /v1/tasks，model 为 mirelo-sfx-2.0
- 结果
- GET /v1/tasks/:id 轮询，或使用 callback.url
- 计费
- 按输出音频秒数，以页面实时价格为准
API QUICKSTART
用 API 生成第一条音效
复制最小请求，替换 prompt 和 duration 即可。完整参数、任务查询和错误码见 API 文档。
- 接口
POST /v1/tasks- 模型 ID
mirelo-sfx-2.0
创建请求会立即返回 taskId；音频生成在后台异步完成。
异步任务与结果获取
创建任务会立即返回 taskId，音频在后台生成。轮询 GET /v1/tasks/:id 或在请求里提供 callback.url；成功后读取音频地址。生产环境建议记录 taskId、prompt 和 duration，便于复现和排查。
失败与重试
参数校验失败会在提交阶段返回错误；任务失败会退回扣费。不要对失败任务自动重复提交，先检查 prompt 是否为空、duration 是否在 1–30 之间，再决定是否重新生成。
写一句声音描述，生成第一条音效
在 Playground 里写清声源、材质、动作、距离与环境，先用 1–3 秒试听；确认后再把 duration 调到镜头需要的长度。如果你想先从现成写法开始，回到上面的 4 条案例，复制完整 prompt 后只改一个变量；确认方向后，再把时长扩展到正式版本。
需要比较不同模型和计费档位？查看全部模型实时价格
常见问题
Mirelo SFX 2.0 是什么模型？
Mirelo SFX 2.0 是 Mirelo AI 的文生音效模型：用一段文字描述声音的来源、材质、动作、距离与环境，生成 1–30 秒的 WAV 音效。它适合视频拟音、游戏音效、短视频和播客的声音设计，不用于生成歌曲或人声对白。
它和 Mirelo 的视频自动拟音有什么区别？
本页接入的是文生音效接口，输入只有文字描述和时长，不需要上传视频，也不会自动分析画面。视频自动拟音属于另一条产品能力；如果你已经有视频，需要先想清楚每个镜头要什么声音，再把描述写进本模型。
提示词可以写多长？
公开契约允许 prompt 最长 2,000 字符，最短 1 个非空字符。这个长度足够写清声源、材质、动作、距离、空间、环境、起音和尾音，也可以补充“不要音乐、不要人声”等边界条件。
可以生成多长的音效？
duration 接受 1–30 的整数秒，省略时按 5 秒生成。短动作和 UI 反馈适合 1–3 秒，环境声和持续机械声可以用 10–30 秒覆盖完整镜头；建议先用 1–3 秒试听音色，再生成正式长度。
输出是什么格式？一次会返回几条音频？
每次请求返回一条 WAV 音频。实测输出为 PCM 16-bit、48 kHz、单声道，常见剪辑软件和游戏引擎可以直接读取。首版不提供 MP3、Opus 等其他格式，也不支持一次请求返回多条样本；需要多个版本时分别提交请求。
能生成音乐、人声或对白吗？
不可以。Mirelo SFX 2.0 只负责音效与环境声。歌曲与纯音乐请使用 Lyria 3.5 或 MiniMax Music，单人语音与多人对白请使用语音合成模型。
如何让同一条音效更稳定？
一次只改一个变量：先固定时长，再逐步调整声源、材质、距离或空间描述。把“什么物体、什么材质、多远、在什么空间里”写具体，通常比堆叠“震撼、真实、电影感”更有效；不同请求之间不保证逐样本一致。
如何通过 API 调用？
向 POST /v1/tasks 发送异步任务，model 填 mirelo-sfx-2.0，input 里传 prompt，按需传 duration。接口立即返回 taskId，可用 callback.url 接收结果，或轮询 GET /v1/tasks/:id。
如何计费？
按输出音频的秒数计费，时长由请求里的 duration 决定。失败任务会退回扣费；具体单价以本页实时价格为准，页面顶部价格卡和 Playground 预估使用同一口径。