Beim Erstellen von Videos, kleinen Spielen oder beim Hinzufügen von etwas Sound zu einer Seite bleibt man oft an sehr kleinen Stellen hängen.

Das Bild ist schon fast fertig, es fehlt nur noch ein Abschnitt mit Schlagzeugbeats. In der Materialbibliothek gesucht: Die Klänge mit passendem Rhythmus sind zu schwer, die angenehm klingenden enthalten wiederum Gesang. Endlich einen Abschnitt gefunden, ausgeschnitten und wiederholt abgespielt, doch zwischen Anfang und Ende gibt es noch eine deutliche Pause.

Bei Naturgeräuschen ist es genauso. Gewünscht sind ein Bach und ein paar Vogelrufe, doch das gefundene Material ist mit starkem Windgeräusch vermischt oder plötzlich taucht ein Abschnitt mit Musik auf.

Oft brauchen wir keinen vollständigen Song, sondern nur „einen kleinen Soundabschnitt, der genau hier passt“.

In der Suno API von Ace Data Cloud ist sounds die Funktion für solche Anforderungen. Sie erzeugt anhand von Textbeschreibungen Soundmaterial, das sowohl kurze Soundeffekte zum einmaligen Abspielen als auch Soundabschnitte zur Schleifenwiedergabe erstellen kann. Die konkrete Vorgehensweise ist im Suno-Leitfaden zur Audioerzeugungsintegration beschrieben.

Sound-Workbench: Rekorder, Kopfhörer, Flusssteine und Kassette

Zuerst klar überlegen: Soll es ein Sound oder ein Musikabschnitt sein

Obwohl beides über die Suno-Audio-API eingereicht wird, eignen sich unterschiedliche Aktionen für unterschiedliche Anforderungen.

Ein „Plopp“-Sound beim Drücken eines Buttons oder ein Holzklopfen eignet sich für den one-shot-Modus von sounds. Wenn ein Rhythmusabschnitt wiederholt abgespielt werden soll, wählt man loop. Wenn ein längerer Musikabschnitt mit vollständiger Entwicklung gewünscht ist, sollte man das reguläre generate verwenden.

Dieser Unterschied ist wichtig.

Dieses Mal haben wir jeweils einen intensiven Rhythmus-Loop, etwa sechs Minuten entspannende Musik sowie eine Naturklanglandschaft aus Bachplätschern und Vogelrufen erstellt. Dabei wurde für den Rhythmus-Loop sounds verwendet; die beiden nachfolgenden langen Audios wurden mit generate erstellt und dürfen nicht alle als Erzeugungsergebnisse von sounds betrachtet werden.

Einen intensiven Drumbeat verwenden, um loop auszuprobieren

Die Anforderungen an dieses Loop-Material sind recht direkt: Der Rhythmus soll etwas intensiver sein, mit schweren Drums und tiefen Frequenzen, aber nicht zu einem Song mit Intro, Höhepunkt und Ende werden.

Denn er muss wiederholt abgespielt werden.

Wenn das Modell ein schönes Ende arrangiert, mag es allein angehört gut klingen, doch beim Zurückspringen zum Anfang fällt es leicht auf. Daher muss in der Beschreibung neben dem Klangcharakter auch die Wiedergabeart klar angegeben werden: Das Tempo stabil halten, kein Ein- oder Ausblenden, keinen abschließenden Schlag und auch keinen leeren Abschnitt am Ende lassen.

Der folgende Abschnitt ist ein Beispiel, das diesmal mit sounds im Modus loop erzeugt wurde, etwa 20,8 Sekunden lang.

Das diesmal festgelegte Ziel sind 140 BPM, wobei kompakte Drums, Hi-Hats und tieffrequente Synthesizer-Pulse die Kraft tragen. Es ist ein kreatives Ziel und bedeutet nicht, dass bereits eine Beat-Erkennung durchgeführt wurde.

loop zu wählen bedeutet auch nicht, dass die Datei bereits die „nahtlose Loop-Abnahme“ bestanden hat.

Bei diesem Beispiel wurden noch kein Probehören der Nahtstelle und keine Wellenformprüfung durchgeführt. Bevor es wirklich in ein Projekt übernommen wird, empfiehlt es sich, es mehrere Male hintereinander zu wiederholen, insbesondere auf die Stelle zu achten, an der der letzte Schlag wieder auf den ersten trifft: Gibt es eine Pause, werden die tiefen Frequenzen plötzlich unterbrochen, wird der Hallausklang abgeschnitten, oder zieht der Rhythmus nach vorn oder schleift nach hinten?

Auch der Player selbst beeinflusst das Erlebnis. Selbst wenn Anfang und Ende des Audios gut verarbeitet sind, kann beim Ende der Wiedergabe und anschließenden erneuten Laden der Datei noch eine Lücke entstehen. Loop-Material und die Loop-Wiedergabelogik müssen gemeinsam geprüft werden.

Loop-Kassette und Schlaginstrumente

Die API ist nicht kompliziert, entscheidend ist, wie sound geschrieben wird

sounds verwendet keine separate /suno/sounds-Adresse, sondern wählt über action in der Audio-API aus. Die Anfrageadresse lautet POST https://api.acedata.cloud/suno/audios, die Authentifizierung erfolgt mit einem Bearer Token; Details finden sich unter Suno Audios API-Parameter.

Im Folgenden ist eine Loop-Rhythmus-Anfrage als Referenz:

curl --request POST \
  --url https://api.acedata.cloud/suno/audios \
  --header "Authorization: Bearer YOUR_API_TOKEN" \
  --header "Content-Type: application/json" \
  --data '{
    "action": "sounds",
    "model": "chirp-v6",
    "sound": "Intense industrial percussion loop at 140 BPM. Punchy kick, tight snare, fast hi-hats and gritty D minor bass pulses. Stable tempo and energy. Seamless cyclic boundary, complete bars. No intro, outro, fades, ending hit, silence or vocals.",
    "sound_type": "loop",
    "bpm": 140,
    "key": "Dm",
    "audio_format": "mp3",
    "async": true
  }'

Wenn man diese Anfrage auseinander betrachtet, ist sound der Teil, in den wirklich hauptsächlich Gedanken investiert werden müssen.

Nur „etwas intensiver“ zu schreiben, drückt eine Stimmung aus. Erst mit „schwere Drums, kompakte Snare, schnelle Hi-Hats“ kommt man dem Sound selbst näher. Wenn dann noch „stabil halten, kein Intro und Outro, für kontinuierliche Schleifenwiedergabe“ angegeben wird, weiß das Modell erst, wie dieses Material verwendet werden soll.

Wir empfehlen eher, die Beschreibung konkret zu schreiben, statt immer weiter Adjektive wie „beeindruckend, extrem, episch“ anzuhäufen.

Ein Button-Soundeffekt kann beispielsweise so beschrieben werden:

Ein kurzer, sanfter hölzerner Klopfsound, sauber und nah, schnell abklingend, ohne Gesang und Hintergrundmusik.

Auch bei Naturgeräuschen ist „Im Wald gibt es fließendes Wasser und Vögel“ noch recht allgemein. Ersetzt man es durch „Der Bach etwas näher, die Vogelrufe etwas weiter entfernt, zwischen den Rufen Ruhe lassen, nicht dauerhaft dichtes Zwitschern“, werden die räumlichen Beziehungen und die Dichte viel klarer. Die Beschreibung muss auch nicht sehr lang sein. In diesem Praxistest wurde ein sound mit mehr als 500 Zeichen von der Schnittstelle abgelehnt und konnte erst nach Kürzung erfolgreich übermittelt werden. Bei der Integration kann er zunächst auf maximal 500 Zeichen begrenzt werden, wobei die wichtigsten Klangmerkmale vorne stehen sollten; die Längenbeschränkung richtet sich weiterhin nach der tatsächlichen Validierung und der neuesten Dokumentation.

Diese Parameter reichen aus, um zu beginnen

Die Pflichtfelder von sounds sind action, sound und sound_type. Die übrigen Soundeffekt-Parameter dienen dazu, Modell, Tempo, Tonart und Ausgabeformat zu ergänzen.

Parameter Eingabe Wann verwenden
action Fest auf "sounds" setzen Auswahl der Operation zur Generierung von Klangmaterial
sound Textbeschreibung Beschreibung von Klangquelle, Klangfarbe, Raumgefühl und Wiedergabeanforderungen
sound_type "one-shot" oder "loop" Unterscheidung zwischen einmaligen Soundeffekten und Loop-Material
model Dieses Beispiel verwendet "chirp-v6" Generierungsmodell explizit angeben
bpm Ganze Zahl von 1 bis 300 Bei klaren Tempoanforderungen ausfüllen
key Zum Beispiel "Dm", "C" Bei Anforderungen an die Tonart ausfüllen
audio_format Derzeit "mp3" Audioformat angeben
async Auf true setzen Nach der Übermittlung die Aufgaben-ID abrufen und dann das Ergebnis abfragen
callback_url Optionale Adresse für den Ergebnisempfang Bei benötigtem serverseitigem Callback ausfüllen

Der Bereich von bpm, die möglichen Werte von sound_type und die aktuelle MP3-Formatbeschränkung können alle auf der Seite mit den Schnittstellenparametern eingesehen werden.

Wenn lediglich fließendes Wasser, Windgeräusche oder ein einzelner Schlag erzeugt werden sollen, müssen BPM und Tonart nicht zwanghaft ausgefüllt werden, nur damit die „Parameter vollständig“ sind.

Es gibt noch eine leicht zu übersehende Falle: /suno/audios ist ein gemeinsamer Einstieg für mehrere Operationen. Felder, die in der Gesamttabelle der Parameter erscheinen, sind nicht zwangsläufig für jede Operation gültig. Zum Beispiel duration: Die Dokumentation erklärt, dass es derzeit für generate verwendet wird. Daraus kann nicht geschlossen werden, dass durch die Übergabe von 360 an sounds ein sechsminütiger Soundeffekt entsteht.

Für sechs Minuten Bachplätschern und Vogelgesang braucht es einen anderen Ansatz

Neben kurzen Loops haben wir auch eine längere Naturklanglandschaft ausprobiert.

Dieses Mal sollte nicht „die Natur ist sehr lebhaft“ dargestellt werden, sondern das Gefühl, eine Weile am Bach zu sitzen: Das fließende Wasser ist durchgehend präsent, Vogelgesang erklingt gelegentlich, Nähe und Distanz variieren, ohne sich gegenseitig den Platz streitig zu machen.

Im Sounddesign dient der Bach als Grundlage, der Vogelgesang als Akzent. Blätter und Windgeräusche bleiben nur leicht vorhanden; Donner und heftiger Regen werden nicht eingeplant, und Instrumente werden auch nicht aktiv hinzugefügt.

Nachfolgend ein etwa sechsminütiges Beispiel von „Waldbach“.

Hier muss klar erläutert werden: Es verwendet generate, nicht sounds, und es ist eine synthetische Klanglandschaft, keine Feldaufnahme.

Um längere zusammenhängende Inhalte zu versuchen, wurde dieses Mal die benutzerdefinierte Generierung mit chirp-v5-5 verwendet und duration auf 360 gesetzt. Die Dokumentation weist ebenfalls darauf hin, dass die Dauer lediglich ein Generierungsziel und keine präzise Garantie ist; die tatsächliche Dauer sollte abschließend aus den Rückgabedaten gelesen werden.

Ebenso kann die Angabe „keine Musik“ die Abnahme durch Probehören nicht ersetzen. Bei diesem Beispiel wurde noch nicht der gesamte Abschnitt manuell angehört; die Wiedergabetreue von fließendem Wasser, Vogelgesang und der Anforderung ohne Begleitmusik muss vor der Verwendung bestätigt werden.

Wenn ein Projekt sehr strenge Anforderungen an reine Umgebungsgeräusche stellt, kann zunächst die Klangqualität anhand kurzer Abschnitte überprüft werden, bevor ein längerer Produktionsablauf erwogen wird. Es ist nicht nötig, von Anfang an alle Anforderungen in eine sechsminütige Audiodatei zu pressen.

Waldbach, Vogelgesang und Blätter

Entspannende Musik sollte auch nicht mit Umgebungsgeräuschen verwechselt werden

Wir haben außerdem ein etwa sechsminütiges Stück namens „Langsam zur Ruhe kommen“ erstellt.

Seine kreative Ausrichtung sind sanft klingendes Klavier, eine warme Ambient-Untermalung und langsam wechselnde Harmonien. Anders als bei Bachplätschern und Vogelgesang ist dies ein Musikstück; anders als bei intensiven Loops darf es langsam einsetzen, sich entfalten und dann allmählich enden.

Auch dieses Stück verwendet generate und gehört nicht zu den sounds-Beispielen. Es eignet sich als kreativer Versuch in Richtung unterstützender Entspannung und sollte nicht als Audio mit gesicherter therapeutischer Wirkung vermarktet werden; auch wurde nicht versprochen, dass „eine bestimmte Frequenz Krankheiten heilen kann“.

Wenn diese verschiedenen Anforderungen zusammen betrachtet werden, wird die Auswahl der Schnittstelle recht klar:

Wird ein Klangereignis oder ein für Schleifen vorgesehenes Klangmaterial benötigt, sollte zuerst sounds betrachtet werden; werden musikalische Inhalte benötigt, die sich über längere Zeit entfalten, dann generate.

Nach dem Erhalt der task_id nicht sofort erneut übermitteln

Im Beispiel wird async: true verwendet. Nach der Übermittlung wird zunächst eine Aufgaben-ID abgerufen und anschließend das Ergebnis über die Aufgaben-Schnittstelle abgefragt, anstatt bei derselben Generierungsanfrage dauerhaft zu warten.

curl --request POST \
  --url https://api.acedata.cloud/suno/tasks \
  --header "Authorization: Bearer YOUR_API_TOKEN" \
  --header "Content-Type: application/json" \
  --data '{
    "action": "retrieve",
    "id": "替换为提交时返回的task_id"
  }'

Bei der Integration wird empfohlen, die Aufgaben-ID zusammen mit dem Anfragedatensatz zu speichern. Solange die ursprüngliche Aufgabe noch läuft, sollte diese Aufgabe weiter abgefragt werden. Es sollte nicht wegen einer vorübergehend noch nicht verfügbaren Datei erneut eine Generierungsanfrage gesendet werden.

Nach dem Abruf der endgültigen Audiodatei sollte auch nicht nur geprüft werden, „ob es eine URL gibt“. Es muss außerdem geprüft werden, ob die Aufgabe erfolgreich war und ob die tatsächliche Dauer geeignet ist; anschließend sollten die Klanginhalte entsprechend dem Verwendungszweck abgenommen werden.

Bei kurzen Soundeffekten sind Einsatz und Ausklang zu prüfen, bei Loop-Material die Übergangsstelle, und bei langen Audiodateien sollte geprüft werden, ob es abrupte Wechsel, unerwartete Stimmen oder unerwünschte Begleitmusik gibt.

Die Generierungs-Schnittstelle löst das Problem, „zunächst ein geeignetes Material zu erstellen“. Damit es wirklich zu deiner Seite, deinem Video oder deinem Spiel passt, lohnt es sich weiterhin, für diesen letzten Schritt des Probehörens und Anpassens Zeit einzuplanen.


Die drei Illustrationen im Text sind für diesen Beitrag original generierte Begleitbilder. Die Audiodateien sind generierte Beispiele und haben noch keine vollständige manuelle Hörprüfung oder professionelle Audio-Qualitätskontrolle durchlaufen. Der Blog verwendet zur Einbettung das native <audio>-Tag; die Veröffentlichungsplattform muss dieses Tag beibehalten dürfen, damit Leser direkt abspielen können.

Relevante Schnittstellen und Dokumentation