跳轉到主要內容
SUNO 允許我們透過任意音訊檔案建立自訂聲音角色,實現聲音克隆用於音樂生成。與既有的 Persona API(使用 Suno 生成的 audio_id)不同,該 API 接受一個公開可存取的 audio_url,即你自己的人聲錄音。本文檔講解聲音克隆 API 的串接方法。

第一步:建立聲音角色

該 API 有三個輸入參數:audio_url(必填),為一個公開可存取的 MP3 或 WAV 格式音訊檔案 URL,其中包含單人清晰人聲;name 和 description(可選),為聲音角色的名稱和描述。
音訊檔案要求
  • 音訊格式需為 WAV 或 MP3
  • 音訊時長需在 10~240 秒 之間,建議使用 30~60 秒 的乾淨單人乾聲素材
  • 音訊中應包含清晰、可辨識的單人說話或演唱人聲
  • 請務必避免背景雜音、伴奏、回聲、殘響;帶伴奏的完整歌曲通常無法通過聲紋校驗
  • 不要包含多位說話人或多重人聲
  • 音量過低、語音不清晰、雜音過重的素材,可能導致克隆失敗或生成效果較差 使用限制說明
  • 透過上傳音訊建立的聲音角色為私有資源
  • 該聲音角色不支援跨帳號重複使用
  • 建議在建立成功後盡快使用,長時間不使用可能出現失效或不可用
  • 返回的 name 由系統自動生成,請以返回的 persona_id 為準
呼叫失敗時請先重試 聲音克隆為算力密集型任務,即使素材完全合規也存在一定機率的偶發失敗,常見返回如 voices_sound_different(聲紋校驗未通過)等。這類失敗與音訊品質無關,使用同一素材重試通常即可成功, 建議在整合時對失敗結果實作 1~2 次自動重試。失敗的請求不會計費。
上述 https://cdn.acedata.cloud/suno_demo.mp3 為可直接呼叫的範例素材(MP3,41 秒,單人乾聲)。 如需 WAV 格式範例,可使用 https://cdn.acedata.cloud/uploads/82d23b97-ec1c-4b41-91b8-989fc51f8765(WAV,41 秒,單聲道 44.1kHz)。
結果如下:
可以看到,data 的 persona_id 欄位就是建立的聲音角色 ID。is_public 欄位始終為 false,因為透過上傳音訊建立的聲音角色是私有的。注意返回的 name 為系統自動生成,後續請使用 persona_id 引用該聲音角色。

第二步:使用聲音角色生成音樂

有了聲音角色 ID 之後,我們便可以使用 Suno Audios Generation API 來進行音樂生成了。將 action 設為 generate,並將 persona_id 設為上面返回的聲音角色 ID,生成的歌曲將使用克隆的聲音進行演唱。
注意: 聲音克隆僅支援 chirp-v4-5 及以上模型(如 chirp-v4-5、chirp-v5、chirp-v5-5),不支援 chirp-v4。
結果如下:
persona_id 可用於 generate 生成,也可用於 cover / upload_cover 翻唱。指定聲音無需同時填寫 vocal_gender;聲音相似度仍取決於參考素材與生成結果。 透過本介面建立的聲音為私有資源。翻唱既有歌曲前,先呼叫 /suno/upload,傳入原曲 audio_url 和該聲音的 persona_id;上傳成功後,用返回的 data.audio_id 和同一個 persona_id 呼叫 /suno/audios:
建立聲音、上傳原曲和翻唱須使用相同的服務通道。請勿直接重複使用此前未與該私有聲音關聯的歌曲 ID;詳情見 Suno 上傳參考音訊。