はじめに
SpicyAPI の Suno v6 は、1 回のリクエストで曲の完成版を 2 バージョン返すテキストから音楽を生成するタスクです。どちらもボーカルとバッキング入りの MP3 です。prompt にスタイルを書き、歌わせたい言葉があれば lyrics に入れます。Suno は v6 を信頼できて正確なモデルとしており、当社のテストでも歌詞シートが順番どおり一語ずつ歌われました。料金はリクエスト全体で定額です。
主な機能とハイライト
毎回 2 テイク
リクエストごとに曲の完成版が 2 バージョン返ります。一方がもう一方の一部を切り出したものではなく、アレンジも長さも異なることがあるので、気に入ったほうを残せます。定額の料金は両方を含みます。
書いたとおりに歌われる歌詞
11 行の歌詞シートが、書いた順に 1 行ずつ歌われて返りました。[Verse] や [Chorus] といったセクションタグは歌われないまま構成を整え、歌詞で繰り返さない限りサビは繰り返されませんでした。
言葉の扱いは 3 通り
自作の歌詞を持ち込む、prompt からモデルに書かせる（generate_lyrics はデフォルトでオン）、instrumental をオンにしてボーカルをなくす、のいずれかです。title、vocal_gender、style_weight、weirdness、variety、ペルソナといった細かな調整は、自作の歌詞を使う場合かインストの場合に有効です。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | スタイルの指示です。自作の歌詞を使う場合やインストの場合は、ジャンル、テンポ、楽器、声、ムードといったスタイルだけを最大 1,000 文字で書きます。 1 文字以上 · 3000 文字以内 |
lyrics | いいえ | 歌わせる言葉で、最大 5,000 文字、1 行ずつ改行して書きます。[Verse]、[Chorus]、[Bridge]、[Outro] などのセクションタグを単独の行に置くと構成が決まり、タグ自体は歌われません。 1 文字以上 · 5000 文字以内 |
generate_lyrics | いいえ | デフォルトはオンです。lyrics が空で instrumental がオフのとき、モデルが prompt から歌詞を書きます。 デフォルト値: |
instrumental | いいえ | オンにするとボーカルのないトラックになります。このとき prompt はスタイルの指示（最大 1,000 文字）になり、lyrics は不要です。 デフォルト値: |
title | いいえ | 曲のタイトルで、最大 80 文字です。自作の歌詞を使う場合か instrumental がオンの場合に有効で、歌詞を自動生成する場合はモデルがタイトルを付けます。 1 文字以上 · 80 文字以内 |
negative_prompt | いいえ | 曲に入れたくないスタイル、音、ムードを、短いカンマ区切りのリストで指定します。例：「harsh distortion, spoken word」。 1 文字以上 · 500 文字以内 |
vocal_gender | いいえ | リードボーカルを女性（female）または男性（male）に寄せます。保証ではなく希望で、どのくらいの割合で守られるかは検証していません。 |
style_weight | いいえ | 曲がスタイル指示にどこまで忠実に従うかを、0 から 1 まで 0.01 刻みで指定します。自作の歌詞を使う場合か instrumental がオンの場合にのみ有効で、それ以外ではわかりやすいエラーが返ります。 |
weirdness | いいえ | 曲が期待される方向からどこまで外れてよいかを、0（定番）から 1（冒険的）まで 0.01 刻みで指定します。自作の歌詞を使う場合か instrumental がオンの場合にのみ有効です。 |
audio_weight | いいえ | 入力した音声が結果にどのくらい強く影響するかを、0 から 1 まで 0.01 刻みで指定します。Suno はボーカルのない曲では対応していません。 |
variety | いいえ | モデルがスタイルの指示をどれだけ変化させるかを、0（オフ：スタイルタグを書いたとおりに使う）から 4（最大）の整数で指定します。デフォルトは 1 です。 |
persona_id | いいえ | 曲を歌う、または演奏する、保存済みの Suno ペルソナ（ボイス）の ID です。任意です。 1 文字以上 · 200 文字以内 |
persona_model | いいえ |
|
image_urls | いいえ | 曲の雰囲気の手がかりになるムード画像を最大 5 枚まで指定できます（JPEG、PNG、WebP、BMP、各 10 MB まで）。歌詞を自動生成するモードでのみ使えます（lyrics なし、instrumental オフ、 |
reference_video_urls | いいえ | 曲の軸にする参考動画を 1 本指定できます（MP4、MOV、WebM、100 MB かつ 241 秒まで）。たとえば動画に音楽を付けたいときに使います。 1 件以内 |
reference_audio_urls | いいえ | 曲のインスピレーションになる参考音声を 1 ファイル指定できます（6 秒から 30 分、500 MB まで）。歌詞を自動生成するモードでのみ使えます（lyrics なし、instrumental オフ、 |
料金
$0.072 / リクエスト
料金は 1 リクエストごとの定額で、曲の長さにかかわらず 2 つのバージョンを含みます。
ユースケース
すでに書いた曲に
詩、スピーチ、ジングル、物語の歌。テキストはそのままに、ジャンルと声を選び、2 つのバージョンを聴き比べましょう。短い歌詞シートで約 1 分半、フルの歌詞で 2 分以上の曲になりました。
画像や映像に寄り添う音楽
歌詞を自動生成するモードでは、ムード画像を最大 5 枚、参考動画を 1 本、または参考音声を 1 つ添えると、モデルがそれらをもとに曲を書きます。言葉のないアンダースコアにしたいときは、instrumental をオンにしてください。
プロンプトガイドと実践のヒント
アーティストではなくサウンドを書く
ジャンル、bpm で示すテンポ、2、3 個の楽器、声の種類を書きます。たとえば「soft neo-soul ballad, 78 bpm, warm female lead vocal, Rhodes piano」のようにします。実在のアーティスト名を含むプロンプトは拒否されるので、サウンドを言葉で説明してください。
セクションにタグを付ける
[Intro]、[Verse]、[Chorus]、[Bridge]、[Outro] を単独の行に置き、サビを戻したい位置にはサビの歌詞をもう一度書きます。行数が増えるほど曲は長くなります。長さを指定する設定はありません。
フィルタが止めるものを知っておく
Suno は最も強い歌詞と説明を数秒で拒否し、それらには課金しません。穏やかな歌詞と強めの言葉は歌われるので、書く内容はその線の内側に収めてください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "suno/v6/text-to-audio",
"input": {
"prompt": "Calm ambient pads with a slow rising motif"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。
