> ## Documentation Index
> Fetch the complete documentation index at: https://docs.poyo.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 上传并翻唱音频

> 在保留原旋律的同时将音轨转换为新风格

> [!TIP]
>
> 1. 提交后会返回 `task_id`。如果提供了 `callback_url`，当任务状态变为 `finished` 或 `failed` 时，系统会向 `callback_url` 发送 POST 请求。
> 2. 无论是否提供 `callback_url`，都可以通过统一的[查询音乐详情](https://docs.poyo.ai/zh/api-manual/music-series/query-music-detail.md)接口获取结果。

上传翻唱仅在自定义模式下、使用 V5、V5\_5、V6、V6\_MINI 或 V6\_WILD 时，支持 `persona_model`（`style_persona` 或 `voice_persona`）配合 `persona_id`。仅当 `custom_mode: true` 且 `mv` 设为 `V5_5`、`V6`、`V6_MINI` 或 `V6_WILD` 时，还支持 10–360 的整数 `duration`。

## 使用指南

* 此接口在保留原旋律的同时，将上传的音轨转换为新风格
* 提供 `upload_url`，或同时提供 `task_id` 和 `audio_id`。不要同时传入两种来源
* 在应用新的音乐特征时，保留原有的旋律和结构

## 参数详情

* **音频上传要求**：

  * 上传的音频时长不得超过 **8 分钟**

  * **注意**：使用 V4\_5ALL 模型时，上传的音频时长不得超过 **1 分钟**

  * 通过 `upload_url` 提供指向音频文件的有效 URL

* 自定义模式（`custom_mode: true`）下：

  * `style` 和 `title` 为**必填**

  * 如果 `instrumental` 为 `false`，`prompt` 为**必填**

  * 字符限制因模型而异：
    * **V4**：`prompt` 3000 个字符，`style` 200 个字符，`title` 80 个字符
    * **V4\_5 和 V4\_5PLUS**：`prompt` 5000 个字符，`style` 1000 个字符，`title` 100 个字符
    * **V4\_5ALL**：`prompt` 5000 个字符，`style` 1000 个字符，`title` 80 个字符
    * **V5**：`prompt` 5000 个字符，`style` 1000 个字符，`title` 100 个字符
    * **V5\_5**：`prompt` 5000 个字符，`style` 1000 个字符，`title` 100 个字符
    * **V6、V6\_MINI 和 V6\_WILD**：`prompt` 5000 个字符，`style` 1000 个字符，`title` 100 个字符

* 非自定义模式（`custom_mode: false`）下：

  * `prompt` 为**必填**，用于描述期望的转换效果（最多 500 个字符）

  * `style` 和 `title` 应留空

## 开发者说明

* 确保音频 URL 可公开访问，且文件时长不超过 8 分钟（V4\_5ALL 为 1 分钟）

* 为获得最佳效果，请使用旋律线清晰的高质量源音频

* `audio_weight` 参数有助于在保留原曲与应用新风格之间取得平衡

## 可选参数

* `negative_tags` (string)：翻唱时要排除的音乐风格或特征。

* `vocal_gender` (string)：人声性别偏好。`m` 表示男声，`f` 表示女声。注意：此参数会提高概率，但不能保证一定遵循。

* `style_weight` (number)：对新风格的遵循强度。范围 0-1，最多 2 位小数。

* `weirdness_constraint` (number)：控制创意偏离程度。范围 0-1，最多 2 位小数。

* `audio_weight` (number)：保留原音频特征的平衡权重。范围 0-1，最多 2 位小数。

* `persona_id` (string)：应用于翻唱音轨的 Persona ID。仅在 `custom_mode: true` 且使用 V5、V5\_5、V6、V6\_MINI 或 V6\_WILD 时可用。如何生成 persona\_id，请参阅 [generate-persona](https://docs.poyo.ai/zh/api-manual/music-series/generate-persona.md)。

* `persona_model` (string)：`style_persona` 或 `voice_persona`。需要 `persona_id`、`custom_mode: true`，且使用 V5、V5\_5、V6、V6\_MINI 或 V6\_WILD。


## OpenAPI

````yaml zh/api-manual/music-series/upload-and-cover-audio.json POST /api/generate/submit
openapi: 3.1.0
info:
  title: PoYo AI - 上传并翻唱音频 API
  description: 将音轨转换为新风格，同时保留原始旋律
  version: 1.0.0
servers:
  - url: https://api.poyo.ai
    description: 生产环境
security:
  - BearerAuth: []
paths:
  /api/generate/submit:
    post:
      tags:
        - Audio Cover
      summary: 提交上传并翻唱音频任务
      description: 将音轨转换为新风格，同时保留原始旋律
      operationId: submitUploadCoverAudioTask
      requestBody:
        required: true
        content:
          application/json:
            schema:
              $ref: '#/components/schemas/SubmitRequest'
            examples:
              custom-mode:
                summary: 自定义模式 - 完全控制
                value:
                  model: upload-and-cover-audio
                  callback_url: https://your-domain.com/callback
                  input:
                    upload_url: https://example.com/audio/my-track.mp3
                    prompt: Transform into an upbeat electronic dance version
                    style: EDM, Electronic
                    title: Dance Remix
                    custom_mode: true
                    instrumental: false
                    mv: V5_5
                    negative_tags: Slow, Sad
                    style_weight: 0.8
              simple-mode:
                summary: 简单模式 - 基础翻唱
                value:
                  model: upload-and-cover-audio
                  callback_url: https://your-domain.com/callback
                  input:
                    upload_url: https://example.com/audio/my-track.mp3
                    prompt: Create a jazz version of this track
                    custom_mode: false
                    instrumental: false
                    mv: V4_5PLUS
              instrumental:
                summary: 纯音乐翻唱
                value:
                  model: upload-and-cover-audio
                  callback_url: https://your-domain.com/callback
                  input:
                    upload_url: https://example.com/audio/my-track.mp3
                    prompt: Epic orchestral transformation
                    style: Orchestral, Cinematic
                    title: Epic Orchestra Version
                    custom_mode: true
                    instrumental: true
                    mv: V5
      responses:
        '200':
          description: 任务提交成功
          content:
            application/json:
              schema:
                $ref: '#/components/schemas/SubmitResponse'
components:
  schemas:
    SubmitRequest:
      type: object
      required:
        - model
        - input
      properties:
        model:
          type: string
          description: |-
            API 模型标识符。

            此接口必须为 `upload-and-cover-audio`。
          enum:
            - upload-and-cover-audio
          example: upload-and-cover-audio
        callback_url:
          type: string
          format: uri
          description: |-
            用于接收结果通知的 Webhook 回调 URL。

            接收任务完成更新的接口。
          example: https://your-domain.com/callback
        input:
          type: object
          required:
            - mv
          description: 音频翻唱生成的输入参数
          properties:
            task_id:
              type: string
              description: 父音乐任务 ID。与 audio_id 一起使用，代替 upload_url。
            audio_id:
              type: string
              description: 父音乐任务中的音频 ID。与 task_id 一起使用，代替 upload_url。
            upload_url:
              type: string
              format: uri
              pattern: ^https?://
              description: >-
                上传音频文件的 URL，无论 `custom_mode` 和 `instrumental` 为 true 还是 false
                都必填。


                确保上传的音频时长不超过 8 分钟。


                **注意**：使用 V4_5ALL 模型时，上传的音频时长不得超过 1 分钟。
              example: https://example.com/audio/my-track.mp3
            prompt:
              type: string
              description: >-
                所需风格转换的描述。


                - 自定义模式（`custom_mode: true`）：当 `instrumental` 为 `false`
                时必填。提示词将用作歌词内容。


                - 非自定义模式（`custom_mode: false`）：始终必填。提示词作为转换的核心创意。最多 500 个字符。


                自定义模式下各模型字符限制：

                - **V4**：最多 3000 个字符

                - **V4_5 & V4_5PLUS**：最多 5000 个字符

                - **V4_5ALL**：最多 5000 个字符

                - **V5**：最多 5000 个字符

                - **V5_5**：最多 5000 个字符

                - **V6, V6_MINI, and V6_WILD**：最多 5000 个字符
              example: Transform into an upbeat electronic dance version
            style:
              type: string
              description: |-
                翻唱版本的音乐风格说明。

                当 `custom_mode` 为 `true` 时必填。

                各模型字符限制：
                - **V4**：最多 200 个字符
                - **V4_5 & V4_5PLUS**：最多 1000 个字符
                - **V4_5ALL**：最多 1000 个字符
                - **V5**：最多 1000 个字符
                - **V5_5**：最多 1000 个字符
                - **V6, V6_MINI, and V6_WILD**：最多 1000 个字符
              example: EDM, Electronic
            title:
              type: string
              description: |-
                翻唱曲目的标题。

                当 `custom_mode` 为 `true` 时必填。

                各模型字符限制：
                - **V4**：最多 80 个字符
                - **V4_5 & V4_5PLUS**：最多 100 个字符
                - **V4_5ALL**：最多 80 个字符
                - **V5**：最多 100 个字符
                - **V5_5**：最多 100 个字符
                - **V6, V6_MINI, and V6_WILD**：最多 100 个字符
              example: Dance Remix
            custom_mode:
              type: boolean
              default: true
              description: |-
                启用高级参数自定义模式。

                - 为 `true` 时：可完全控制风格、标题等参数。`style` 和 `title` 变为必填字段。

                - 为 `false` 时：简化模式，只需 `prompt` 即可进行风格转换。
              example: true
            instrumental:
              type: boolean
              default: true
              description: |-
                指定输出是否为纯音乐（无人声）。

                - 为 `true` 时：生成不含任何人声的纯音乐曲目。

                - 为 `false` 时：基于原曲生成带人声的音乐。
              example: false
            mv:
              type: string
              description: |-
                用于音频翻唱生成的 AI 模型版本。

                - **V5**：音乐表现力更出色，生成更快。
                - **V5_5**：根据你的独特品味调校的个性化模型。
                - **V4_5PLUS**：V4_5PLUS 音色更丰富，带来新的创作方式，最长 8 分钟。
                - **V4_5**：V4_5 提示词更智能，生成更快，最长 8 分钟。
                - **V4_5ALL**：V4_5ALL 提示词更智能，生成更快，最长 8 分钟。
                - **V4**：V4 人声质量提升，最长 4 分钟。
                - **V6**：音乐表现力更强，人声更自然。
                - **V6_MINI**：轻量且快速。
                - **V6_WILD**：更大胆、更有辨识度的音乐表达。
              enum:
                - V4
                - V4_5
                - V4_5ALL
                - V4_5PLUS
                - V5
                - V5_5
                - V6
                - V6_MINI
                - V6_WILD
              example: V5_5
            negative_tags:
              type: string
              description: |-
                翻唱中要排除的音乐风格或特征。

                指定输出中要避免的流派、情绪或乐器。
              example: Slow, Sad
            vocal_gender:
              type: string
              description: |-
                翻唱版本的偏好人声性别。

                - `m`：男声
                - `f`：女声

                仅在 `instrumental` 为 `false` 时生效。

                **注意**：此参数只会提高指定性别出现的概率，无法保证。
              enum:
                - m
                - f
              example: f
            style_weight:
              type: number
              multipleOf: 0.01
              description: |-
                控制指定风格对翻唱的影响强度。

                范围：0-1，最多 2 位小数。

                值越高，越贴近指定风格。
              minimum: 0
              maximum: 1
              example: 0.8
            weirdness_constraint:
              type: number
              multipleOf: 0.01
              description: |-
                控制实验性创意和非常规元素的程度。

                取值范围：0-1，最多 2 位小数。

                - 值较低：音乐更常规
                - 值较高：输出更具实验性和独特性
              minimum: 0
              maximum: 1
              example: 0.5
            audio_weight:
              type: number
              multipleOf: 0.01
              description: |-
                平衡原始音频特征的保留程度。

                范围：0-1，最多 2 位小数。

                值越高，保留的原始旋律和结构越多。
              minimum: 0
              maximum: 1
              example: 0.7
            persona_id:
              type: string
              description: >-
                应用于翻唱曲目的 Persona ID。


                仅在启用自定义模式（`custom_mode: true`）时可用。


                用于为音频翻唱应用特定的 Persona 风格。


                如何生成 persona_id，请参阅
                [generate-persona](/zh/api-manual/music-series/generate-persona)。
              example: persona_456
            persona_model:
              type: string
              enum:
                - style_persona
                - voice_persona
              description: >-
                Persona 类型；需要 persona_id、custom_mode=true，且模型为
                V5、V5_5、V6、V6_MINI 或 V6_WILD。
            duration:
              type: integer
              minimum: 10
              maximum: 360
              description: 仅在 custom_mode=true 且 mv 设为 V5_5、V6、V6_MINI 或 V6_WILD 时可用。
          allOf:
            - anyOf:
                - required:
                    - upload_url
                - required:
                    - task_id
                    - audio_id
            - if:
                properties:
                  custom_mode:
                    const: true
              then:
                required:
                  - style
                  - title
            - if:
                required:
                  - custom_mode
                properties:
                  custom_mode:
                    const: false
              then:
                required:
                  - prompt
                properties:
                  prompt:
                    maxLength: 500
            - if:
                required:
                  - instrumental
                properties:
                  instrumental:
                    const: false
              then:
                required:
                  - prompt
            - if:
                required:
                  - duration
              then:
                properties:
                  mv:
                    enum:
                      - V5_5
                      - V6
                      - V6_MINI
                      - V6_WILD
                  custom_mode:
                    const: true
            - if:
                required:
                  - persona_model
              then:
                required:
                  - persona_id
                properties:
                  custom_mode:
                    const: true
            - if:
                required:
                  - persona_id
              then:
                properties:
                  mv:
                    enum:
                      - V5
                      - V5_5
                      - V6
                      - V6_MINI
                      - V6_WILD
                  custom_mode:
                    const: true
            - if:
                properties:
                  custom_mode:
                    const: true
                  mv:
                    const: V4
              then:
                properties:
                  prompt:
                    maxLength: 3000
                  style:
                    maxLength: 200
                  title:
                    maxLength: 80
            - if:
                properties:
                  custom_mode:
                    const: true
                  mv:
                    const: V4_5ALL
              then:
                properties:
                  prompt:
                    maxLength: 5000
                  style:
                    maxLength: 1000
                  title:
                    maxLength: 80
            - if:
                properties:
                  custom_mode:
                    const: true
                  mv:
                    enum:
                      - V4_5
                      - V4_5PLUS
                      - V5
                      - V5_5
                      - V6
                      - V6_MINI
                      - V6_WILD
              then:
                properties:
                  prompt:
                    maxLength: 5000
                  style:
                    maxLength: 1000
                  title:
                    maxLength: 100
    SubmitResponse:
      type: object
      required:
        - code
        - data
      properties:
        code:
          type: integer
          example: 200
          description: >-
            业务状态码。`200` 表示成功，其他值都表示请求失败。请务必检查这个字段：部分参数校验错误会以 HTTP 200 返回，响应体里的
            `code` 为 `400`。


            - `200`：成功

            - `400`：请求参数无效

            - `401`：API Key 缺失或无效

            - `402`：积分不足

            - `403`：没有权限

            - `404`：资源不存在

            - `408`：请求超时

            - `429`：请求频率超限

            - `500`：服务器内部错误

            - `502`：上游服务错误

            - `503`：服务暂不可用


            详见[错误码](/zh/api-manual/error-codes)。
          enum:
            - 200
            - 400
            - 401
            - 402
            - 403
            - 404
            - 408
            - 429
            - 500
            - 502
            - 503
        data:
          type: object
          required:
            - task_id
            - status
            - created_time
          properties:
            task_id:
              type: string
              example: task-unified-1757165031-uyujaw3d
              description: 任务唯一标识，用于查询任务状态
            status:
              type: string
              enum:
                - not_started
                - running
                - finished
                - failed
              example: not_started
              description: >-
                任务状态。提交后立即返回时始终为
                `not_started`。后续状态请通过[查询任务状态](/zh/api-manual/task-management/status)接口或
                `callback_url` 获取。


                - `not_started`：排队中，等待处理

                - `running`：生成中

                - `finished`：已完成，结果在 `files` 或 `output` 中

                - `failed`：失败，详情见 `error_message`
            created_time:
              type: string
              format: date-time
              example: '2025-11-12T10:30:00'
              description: 任务创建时间，ISO 8601 格式
  securitySchemes:
    BearerAuth:
      type: http
      scheme: bearer
      bearerFormat: API Key
      description: >-
        所有 API 接口都需要 Bearer Token 认证。


        创建 API Key：登录 PoYo，进入 **仪表盘 → API
        密钥**（[poyo.ai/zh/dashboard/api-key](https://poyo.ai/zh/dashboard/api-key)），点击创建
        Key。


        在请求头中添加：


        ```

        Authorization: Bearer YOUR_API_KEY

        ```

````

This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.