#音乐与音效模型

#ElevenLabs Music

开发公司：ElevenLabs

发布时间：2025 年 8 月 5 日

核心特点：根据 Genspark 的功能介绍，支持人声歌曲和纯音乐创作，并可通过 Composition Plan 安排前奏、主歌、副歌等段落，控制歌曲结构及是否包含人声。

适用场景：可用于完整歌曲、广告配乐及需要明确段落安排的音乐。例如，为品牌广告制作包含副歌的歌曲、生成前奏与尾奏明确的视频配乐，或制作主题曲的纯音乐版本。设置段落时，应说明各段长度或情绪变化；仅提供整体风格描述，可能不足以形成预期的段落差异。

#MiniMax Music 3.0

开发公司：MiniMax

发布时间：2026 年 8 月 13 日

核心特点：根据创作想法和可选歌词，一次完成作曲、编曲、演唱与制作，官方介绍可生成最长约 5 分钟的完整歌曲。重点改进创作意图理解、整曲结构、人声自然度及乐器细节，支持在较长歌曲中安排情绪与配器变化；平台开放时长以实际为准。

适用场景：可用于原创歌词歌曲、活动主题歌、广告音乐及较完整的演示作品。例如，为品牌主题创作包含主歌、副歌和桥段的歌曲，或比较不同配器与演唱风格。提示词宜注明曲风、情绪、节奏及段落走向，输出后检查歌词完整性和段落重复。

#Mureka

开发公司：昆仑万维

Mureka Song Generator

发布时间：2024 年 8 月 14 日

核心特点：根据歌词生成旋律、伴奏及人声，可在一次生成中完成歌曲的配曲与演唱。

适用场景：可用于已有歌词的歌曲制作、活动主题歌及创意演唱。例如，为已完成的歌词生成旋律、伴奏和人声演唱。歌词各行字数差异较大时，可能影响演唱节奏的自然度，应结合预期节奏调整歌词长度。

Mureka Instrumental

发布时间：2024 年 8 月 14

核心特点：生成不含人声演唱的纯音乐，可作为视频画面或语音内容的背景配乐。

适用场景：可用于视频背景音乐、场景配乐及播客背景音乐。例如，为产品视频生成配乐，或为播客制作片头音乐。需要突出解说内容时，可明确“节奏平稳、无明显高潮”等要求，降低配乐对人声清晰度及画面信息传达的影响。

#Lyria 3.5 Music

开发公司：Google DeepMind

发布时间：2026 年 9 月 3 日

核心特点：Genspark 会员权益页面列出的型号，厂商侧重说明其音乐性、歌词与人声质量，以及歌曲时长设置的灵活性。该型号属于 Lyria 系列较新的代际，可生成包含人声与歌词的较完整作品。

适用场景：可用于较完整的歌曲、人声曲目及多语言音乐内容。例如，创作多语言歌曲，或为短片制作包含人声的主题曲。Lyria 3.5 与 Lyria 2 的规格来自不同官方页面，使用时应分别确认，不宜直接相互套用。

#ElevenLabs Sound Effects

开发公司：ElevenLabs

发布时间：2024 年 5 月 31 日

核心特点：根据文字描述生成单个音效片段，用于补充画面中的具体声响，属于声音素材生成功能。

适用场景：可用于环境声、转场声、游戏反馈音及视频特效声音。例如，生成雨声、脚步声、开门声、选项点击音效或视频转场音效。描述中应明确声音来源和环境，如“木地板上的高跟鞋脚步声”，减少因描述笼统导致的结果偏差。

#CassetteAI

开发公司：CassetteAI

发布时间：2023 年 9 月 1 日

核心特点：Genspark 公开列出的音乐生成选项，功能介绍侧重环境音乐及背景配乐，未列出固定版本号。可根据情绪与场景描述生成氛围音乐。

适用场景：可用于视频、游戏及演示内容的背景音乐，以及氛围音乐素材的初步制作。例如，为冥想视频生成舒缓的环境音乐、为游戏场景制作背景配乐，或为演示文稿生成轻音乐。需要包含人声的完整歌曲时，可优先选择明确支持歌曲演唱的工具。

#选用建议

选用音乐与音效生成模型时，应根据创作目标和使用场景，综合考虑人声需求、结构编排、时长控制及音画配合等要求。建议先明确所需内容类型，再选择相应模型进行试生成，并通过试听及实际场景验证，评估成品的完整性、自然度与适配效果。具体选用建议如下：

• 完整歌曲与人声创作：需要歌词演唱及完整歌曲结构时，可比较 ElevenLabs Music、MiniMax Music 3.0 与 Lyria 3.5 Music。应明确曲风、情绪、目标语言和段落走向，并检查歌词完整性、人声清晰度、配器变化及结束方式，以整曲连贯性判断成品是否符合要求。

• 已有歌词与结构编排：已有歌词需要探索旋律和演唱方案时，可评估 Mureka Song Generator；需要控制前奏、主歌和副歌时，可结合 ElevenLabs Music 的 Composition Plan。宜先调整歌词节奏与段落长度，再比较旋律完整性、演唱自然度及各段之间的衔接。

• 纯音乐与背景配乐：视频、播客及演示内容的背景音乐可评估 Mureka Instrumental 或 CassetteAI。应明确是否包含演唱人声，以及音乐情绪、节奏、时长和起止方式；需要突出解说时，宜控制编曲密度与明显高潮，并结合实际画面和旁白检查音乐层次及整体适配效果。

• 独立音效与画面配合：环境声、动作声、转场声及交互反馈音可采用 ElevenLabs Sound Effects。应说明声源、材质、环境、远近关系和持续时长，避免仅以抽象情绪描述声音；生成后宜放入实际画面或交互流程，检查同步位置、音量层次及片段起止是否自然。

Arena 评分采用 文本综合榜 页面标注的 2026 年 10 月 20 日数据，以及 网页开发综合榜 页面标注的 2026 年 10 月 19 日数据。综合榜采用 Overall 分类下的 Style Control 设置；网页开发综合榜采用 Overall 分类。

评分主要依据用户对模型输出的比较结果，± 表示置信区间；“初步评分（Preliminary）”表示榜单标注的初步结果。不同榜单的分数不宜直接比较。High、xHigh、Max 等表示榜单中的推理配置，Codex Harness 表示相应开发任务的评测工具环境；这些条件不代表 Genspark 的实际接入设置。以下保留所引用条目的完整名称与配置，排名和分数会随榜单更新而变化。

#费用计算

Genspark 的费用由订阅费用与平台积分用量构成。订阅套餐提供相应的功能权限、积分及适用的免费额度；具体任务是否消耗积分，取决于所选模型、运行模式、生成规格和账户权益。直接调用模型厂商 API 时，应按厂商计费规则另行核算。

费用倍率与任务用量

模型名称旁的 0.2×、2×、5× 等标识表示平台列示的相对费用倍率，不能直接换算为单次任务的固定积分或美元金额。所列对话模型的费用倍率如下，实际以当前模型菜单为准。

任务积分按实际发生的扣分记录汇总：

任务总积分＝任务中各次实际扣分之和

文本长度、对话历史、工具调用步骤、图片尺寸与质量、音视频时长及生成数量均会影响用量。自动选模或 MoA 生成多个媒体版本时，各版本分别计费；同一条任务指令也可能包含多次模型调用。核算时，应以完整任务的实际扣分记录为依据。

不同功能的计费方式

直接调用厂商 API

直接使用模型厂商 API 时，费用按该厂商的计量方式结算，不从 Genspark 平台积分中扣除。对于按输入、输出 Token 分别计价的文本接口，常用的简化计算公式如下：

API 费用＝输入 Token 数 ÷ 1,000,000 × 输入单价
        ＋计费输出 Token 数 ÷ 1,000,000 × 输出单价

公式中的输入单价与输出单价均以“美元／百万 Token”为单位。以下以 Grok 4.7 标准 API 价格为例：输入单价为每百万 Token 2 美元，输出单价为每百万 Token 6 美元；单次输入 10,000 Token，计费输出 2,000 Token。

输入费用＝10,000 ÷ 1,000,000 × 2＝0.020 美元
输出费用＝2,000 ÷ 1,000,000 × 6＝0.012 美元
合计费用＝0.020＋0.012＝0.032 美元

该示例不包含额外工具等费用，与 Genspark 显示的 2× 费用倍率不存在直接换算关系。图片、视频和音频接口还可能按图片张数、生成秒数、字符数或媒体 Token 计费，应分别依据对应厂商的定价及计费规则核算。