Al hacer videos, hacer pequeños juegos, o añadir un poco de sonido a una página, a menudo uno se queda atascado en lugares muy pequeños.

La imagen ya está casi lista, y solo falta un fragmento de percusión. Vas a buscar en la biblioteca de recursos, los que tienen un ritmo adecuado tienen un timbre demasiado pesado, y los que tienen un timbre agradable llevan voces mezcladas. Después de mucho esfuerzo encuentras un fragmento, lo recortas y lo reproduces repetidamente, pero entre el inicio y el final todavía hay una pausa evidente.

Con los sonidos naturales pasa lo mismo. Lo que quieres es agua de arroyo y algunos cantos de pájaros, pero el recurso que encuentras está mezclado con un fuerte sonido de viento, o de repente aparece un fragmento de música de fondo.

Muchas veces, no necesitamos una canción completa, solo necesitamos «un pequeño fragmento de sonido que encaje justo aquí».

En la interfaz de Suno de Ace Data Cloud, sounds es la operación orientada a este tipo de necesidad. Genera recursos de sonido basándose en descripciones de texto, y puede crear tanto efectos de sonido cortos que se reproducen una vez como fragmentos de sonido para bucles. Para las operaciones específicas, puede consultar la guía de integración de generación de audio de Suno.

Estación de trabajo de sonido: grabadora, auriculares, piedras de río y cinta magnética

Primero hay que tener claro si se quiere un sonido o un fragmento de música

Aunque ambos se envían desde la interfaz de audio de Suno, para distintas necesidades las operaciones adecuadas no son las mismas.

Un sonido de «pop» al pulsar un botón, o un golpe de madera, son adecuados para el modo one-shot de sounds. Si se espera que un fragmento de ritmo se reproduzca repetidamente, se elige loop. Si se quiere un fragmento largo de música con un proceso de desarrollo completo, entonces se debería mirar el generate convencional.

Esta diferencia es muy importante.

Esta vez hicimos por separado un ritmo cíclico intenso, unos seis minutos de música relajante y un paisaje sonoro natural de agua de arroyo y cantos de pájaros. Entre ellos, el ritmo cíclico utiliza sounds; los dos audios largos posteriores utilizan generate, y no se pueden considerar todos como efectos generados por sounds.

Probar loop con un fragmento de percusión intenso

El requisito para este recurso cíclico es bastante directo: un ritmo algo intenso, con percusión fuerte y bajas frecuencias, pero sin convertirlo en una canción con introducción, clímax y final.

Porque necesita reproducirse repetidamente.

Si el modelo organiza un bonito cierre, puede sonar bien por sí solo, pero al conectarlo de nuevo con el inicio es fácil que se note. Por eso, además del timbre, en la descripción también hay que dejar claro el modo de reproducción: mantener el ritmo estable, sin fundidos de entrada ni salida, sin golpe fuerte al final, y sin dejar un fragmento vacío al final.

El siguiente fragmento es el ejemplo generado esta vez usando sounds y seleccionando el modo loop, de unos 20,8 segundos.

El objetivo establecido esta vez es 140 BPM, sosteniendo la intensidad con percusión compacta, charles y pulsos de sintetizador de baja frecuencia. Es un objetivo creativo, y no significa que ya haya pasado una detección de tempo.

Elegir loop tampoco significa que el archivo ya haya pasado la «aceptación de bucle sin interrupciones».

Este ejemplo todavía no ha sido sometido a una escucha de la unión ni a una detección de forma de onda. Antes de incorporarlo realmente al proyecto, se recomienda reproducirlo varias veces en bucle, prestando especial atención al punto donde el último pulso vuelve al primero: si hay alguna pausa, si las bajas frecuencias se interrumpen de repente, si la cola de reverberación se ha cortado, o si el ritmo se adelanta o se retrasa.

El propio reproductor también puede afectar a la experiencia. Incluso si el inicio y el final del audio están bien procesados, volver a cargar el archivo después de terminar de reproducirse aún puede producir un espacio vacío. Los recursos cíclicos y la lógica de reproducción en bucle deben revisarse juntos.

Cinta magnética en bucle e instrumentos de percusión

La interfaz no es complicada, la clave está en cómo escribir sound

sounds no utiliza por separado una dirección /suno/sounds, sino que se selecciona mediante action dentro de la interfaz de audio. La dirección de solicitud es POST https://api.acedata.cloud/suno/audios, utiliza autenticación Bearer Token; consulte los detalles en los parámetros de la interfaz Suno Audios.

A continuación se muestra una solicitud de ritmo cíclico que puede servir de referencia:

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
  }'

Al desglosar esta solicitud, aquello en lo que realmente hay que poner atención es principalmente sound.

Escribir solo «un poco más intenso» expresa una emoción. Añadir «percusión fuerte, caja compacta, charles rápidos» empieza a acercarse al sonido en sí. Al explicar además «mantener la estabilidad, sin introducción ni cierre, para bucle continuo», el modelo sabe cómo se pretende usar este recurso.

Recomendamos más bien escribir descripciones concretas, en lugar de acumular continuamente adjetivos como «impactante, extremo, épico».

Por ejemplo, un efecto de sonido de botón puede describirse como:

Un golpe de madera breve y suave, con un sonido limpio y cercano, de rápida caída, sin voces ni música de fondo.

También en el caso de los sonidos naturales, «hay agua corriente y pájaros en el bosque» sigue siendo bastante amplio. Cambiarlo por «el arroyo más cerca, los cantos de pájaros más lejos, dejando silencio entre los llamados, sin cantos continuos y densos» aclara mucho más la relación espacial y la densidad. La descripción tampoco tiene que ser muy larga. En esta prueba real, un sound de más de 500 caracteres fue rechazado por la API, y solo se pudo enviar correctamente después de simplificarlo. Durante la integración, puedes controlarlo primero dentro de 500 caracteres y colocar las características sonoras más importantes al principio; el límite de longitud seguirá sujeto a la validación real y a la documentación más reciente.

Estos parámetros son suficientes para empezar

Los campos obligatorios de sounds son action, sound y sound_type. Los demás parámetros de efectos de sonido se utilizan para complementar el modelo, el ritmo, la tonalidad y el formato de salida.

Parámetro Cómo rellenarlo Cuándo usarlo
action Fijo como "sounds" Selecciona la operación de generación de material sonoro
sound Descripción en texto Describe la fuente sonora, el timbre, la sensación espacial y los requisitos de reproducción
sound_type "one-shot" o "loop" Distingue entre efectos de sonido únicos y material en bucle
model Este ejemplo usa "chirp-v6" Especifica explícitamente el modelo de generación
bpm Entero de 1 a 300 Rellénalo cuando haya requisitos rítmicos claros
key Por ejemplo, "Dm", "C" Rellénalo cuando haya requisitos de tonalidad
audio_format Actualmente "mp3" Especifica el formato de audio
async Establecer en true Obtiene el ID de tarea tras enviarlo y luego consulta el resultado
callback_url Dirección opcional de recepción de resultados Rellénalo cuando se necesite una devolución de llamada del servidor

Entre ellos, el rango de bpm, los valores de sound_type y la limitación actual del formato MP3 pueden consultarse en la página de parámetros de la API.

Si solo se genera agua corriente, sonido de viento o un golpe, no es necesario rellenar BPM y tonalidad a la fuerza por tener los “parámetros completos”.

También hay una trampa fácil: /suno/audios es una entrada compartida por varias operaciones, y que un campo aparezca en la tabla general de parámetros no significa que sea válido para cada operación. Por ejemplo, la documentación indica que duration se utiliza actualmente para generate, por lo que no se puede asumir que al pasar 360 a sounds se obtendrá un efecto de sonido de seis minutos.

Para seis minutos de arroyo y canto de pájaros, hay que cambiar de enfoque

Además de bucles cortos, también probamos un paisaje sonoro natural más largo.

Esta vez, lo que se buscaba presentar no era que “la naturaleza está muy animada”, sino la sensación de sentarse junto al arroyo durante un rato: el agua corriente está presente de forma continua, el canto de los pájaros aparece ocasionalmente, hay variaciones de distancia, pero no compiten entre sí.

En el diseño sonoro, el arroyo sirve como base y el canto de los pájaros como adorno. Solo se deja un poco de hojas y viento, sin organizar truenos ni lluvia intensa, ni añadir instrumentos de forma activa.

A continuación se muestra un ejemplo de aproximadamente seis minutos de Arroyo claro entre el bosque.

Aquí hay que dejarlo claro: utiliza generate, no sounds, y es un paisaje sonoro sintetizado, no una grabación de campo.

Para probar contenido continuo más largo, esta vez se utilizó la generación personalizada de chirp-v5-5, estableciendo duration en 360. La documentación también advierte que la duración es solo un objetivo de generación, no una garantía precisa, y que al final se debe leer la duración real en el resultado devuelto.

Del mismo modo, escribir “sin música” tampoco sustituye la aceptación mediante escucha. Este ejemplo aún no ha completado una escucha manual de todo el fragmento; el grado de reproducción del agua corriente, el canto de los pájaros y el requisito de no tener acompañamiento musical debe confirmarse antes de usarlo.

Si el proyecto tiene requisitos muy estrictos para los sonidos ambientales puros, se puede empezar verificando la textura sonora con fragmentos cortos y luego considerar un proceso de producción más largo, sin necesidad de concentrar todos los requisitos en un audio de seis minutos desde el principio.

Arroyo claro entre el bosque, canto de pájaros y hojas

La música relajante tampoco debe confundirse con los sonidos ambientales

También hicimos una pieza de aproximadamente seis minutos, Entrar lentamente en calma.

Su dirección creativa es piano de sonido suave, una base ambiental cálida y armonías que cambian lentamente. A diferencia del arroyo y el canto de los pájaros, esta es una pieza musical; a diferencia de los bucles intensos, permite entrar lentamente, desarrollarse y terminar gradualmente.

Esta pieza también utiliza generate y no pertenece a los ejemplos de sounds. Es adecuada como un intento creativo orientado a favorecer la relajación, y no debe presentarse como un audio con efectos terapéuticos determinados, ni se ha prometido que “una cierta frecuencia puede curar enfermedades”.

Al poner juntas estas diferentes necesidades, resulta bastante claro cómo elegir la API:

Si necesitas un evento sonoro o un fragmento de material sonoro para usar en bucle, mira primero sounds; si necesitas contenido musical que se desarrolle durante mucho tiempo, mira después generate.

Después de obtener el task_id, no lo envíes de nuevo inmediatamente

En el ejemplo se utiliza async: true. Después de enviarlo, primero se obtiene el ID de tarea y luego se consulta el resultado mediante la API de tareas, en lugar de esperar continuamente en la misma solicitud de generación.

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"
  }'

Durante la integración, se recomienda guardar juntos el ID de tarea y el registro de la solicitud. Mientras la tarea original siga en ejecución, continúa consultando esa tarea; no envíes otra solicitud de generación solo porque todavía no se ha obtenido el archivo.

Después de obtener el audio final, tampoco basta con comprobar si “hay una URL”. También hay que comprobar si la tarea se realizó correctamente y si la duración real es adecuada, y luego validar el contenido sonoro según el uso previsto.

Para efectos de sonido cortos, revisa el ataque y la caída; para materiales en bucle, escucha la unión; para audios largos, hay que escuchar si hay transiciones bruscas, voces humanas inesperadas o acompañamiento musical no deseado.

La API de generación resuelve el problema de “crear primero un material candidato”. Para que realmente sea adecuado para tu página, vídeo o juego, este último paso de escucha y ajuste sigue mereciendo tiempo.


Las tres ilustraciones del artículo son imágenes originales generadas para esta ocasión. Los audios son ejemplos generados y aún no han completado una revisión auditiva manual completa ni un control de calidad de audio profesional. El blog utiliza la etiqueta nativa <audio> para insertarlos; la plataforma de publicación debe permitir conservar esta etiqueta para que los lectores puedan reproducirlos directamente.

Interfaces y documentación relacionados