suno-api

GitHub
2.8k 747 中等 1 次阅读 昨天LGPL-3.0音频Agent图像开发框架插件
AI 解读 由 AI 自动生成,仅供参考

suno-api 是一个开源项目,旨在通过 API 接口调用 Suno.ai 强大的 AI 音乐生成能力。由于 Suno 官方尚未开放公共 API,这款工具巧妙地填补了空白,让开发者能够轻松将音乐创作功能集成到自己的应用或 AI 智能体(如 GPTs、Coze)中。

它主要解决了无法直接通过代码自动化调用 Suno 服务的痛点。suno-api 不仅能完美复刻 Suno 官方的创建接口,支持自定义模式,还内置了自动保活机制。其独特的技术亮点在于结合了 Playwright 浏览器自动化技术与 2Captcha 服务,能够自动解决 Suno 登录时遇到的 hCaptcha 验证挑战,无需依赖任何非官方的闭源付费接口。此外,它还兼容 OpenAI 的 /v1/chat/completions 标准格式,极大降低了接入门槛。

这款工具非常适合开发者、AI 智能体构建者以及希望将音乐生成功能融入工作流的研究人员使用。无论是想一键部署到 Vercel 或 Docker 快速搭建服务,还是希望在大型语言模型中增加“作曲”插件,suno-api 都提供了灵活且宽松的开源许可支持。只需获取账号 Cookie 并配置简单的验证服务,即可开启自动化音乐创作之旅,让 AI Agents 真正拥有谱曲的能力。

使用场景

某独立游戏开发者正在为一款动态生成的奇幻冒险游戏制作实时背景音乐,希望根据玩家当前的剧情进度和情绪状态自动匹配专属曲目。

没有 suno-api 时

  • 开发者必须手动登录 Suno 官网,每次输入提示词生成音乐,无法与游戏引擎实现自动化联动。
  • 面对频繁的 hCaptcha 验证码拦截,人工操作极易中断,难以满足游戏运行时高频调用的需求。
  • 音乐资产更新滞后,玩家体验割裂,无法实现“剧情变、音乐变”的沉浸式动态音效。
  • 若尝试自行破解验证码或模拟浏览器,技术门槛高且维护成本巨大,容易因反爬机制失效而停滞。

使用 suno-api 后

  • 通过标准 API 接口直接将 suno-api 集成到游戏后端,代码即可触发音乐生成,实现全流程自动化。
  • 内置 2Captcha 服务自动解决验证难题,无需人工干预,确保高并发下音乐生成服务的稳定性。
  • 支持 OpenAI 兼容格式,可轻松嵌入 AI Agent(如 Coze 或 GPTs),让 NPC 根据对话内容实时创作背景旋律。
  • 一键部署至 Vercel 或 Docker,大幅降低运维复杂度,让开发者专注于游戏玩法而非基础设施搭建。

suno-api 将原本割裂的手动创作流程转化为可编程的自动化能力,让动态音乐真正融入实时交互应用。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

不需要 GPU(Docker 部署明确禁用 GPU 加速,本地运行依赖 CPU)

内存

未说明(但在 Docker 中提示若 CPU 较慢建议本地部署)

依赖
notes该项目是基于 Node.js 的 API 封装工具,并非直接运行 AI 模型,因此无需高性能 GPU。核心依赖是浏览器自动化库 Playwright 用于解决验证码。必须配置 Suno 账号 Cookie 和 2Captcha 付费服务密钥。在 macOS 上运行时遇到的验证码频率通常低于 Linux 和 Windows。Docker 部署模式下 GPU 加速被禁用,若硬件性能较弱建议使用本地源码部署。
python未说明(项目基于 Node.js 运行)
Node.js
npm
Playwright
rebrowser-patches
2Captcha API
suno-api hero image

快速开始

Suno AI API

使用 API 调用 Suno.ai 的音乐生成 AI,并轻松集成到 GPTs 等代理中。

👉 我们更新迅速,请点赞支持。

英文 | 简体中文 | 俄语 | 演示 | 文档 | 通过 Vercel 部署

gcui-art/suno-api:开源 SunoAI API - 使用 API 调用 suno.ai 的音乐生成 AI。| Product Hunt

🔥 欢迎查看我的新项目:Linkly-ai-cli:专为 AI 代理打造的文档搜索引擎 CLI。

suno-api 封面图

简介

Suno 是一款令人惊叹的 AI 音乐服务。尽管官方 API 尚未推出,我们仍迫不及待地希望将其功能整合到其他地方。

我们发现一些用户也有类似的需求,因此决定将此项目开源,希望能得到大家的喜爱。

该实现使用付费的 2Captcha 服务(又称 ruCaptcha)自动解决 hCaptcha 挑战,并且不依赖任何现成的闭源付费 Suno API 实现。

演示

我们部署了一个绑定免费 Suno 账户的示例,因此每日使用次数有限,但你可以看到它的运行情况: suno.gcui.ai

功能

  • 完美实现了 suno.ai 的创作 API。
  • 自动保持账户活跃。
  • 使用 2CaptchaPlaywright 结合 rebrowser-patches 自动解决 CAPTCHA。
  • 兼容 OpenAI 的 /v1/chat/completions API 格式。
  • 支持自定义模式。
  • 一键部署至 VercelDocker
  • 除了标准 API 外,还适配了 GPTs 和 Coze 等代理平台的 API Schema,因此你可以将其用作 LLM 的工具/插件/Action,并集成到任何 AI 代理中。
  • 采用宽松的开源许可协议,允许你自由集成和修改。

快速开始

1. 获取你的 Suno 账户 Cookie

  1. 使用浏览器访问 suno.com/create
  2. 打开浏览器控制台:按下 F12 或进入“开发者工具”。
  3. 切换到“网络”选项卡。
  4. 快速刷新页面。
  5. 找到包含关键词 ?__clerk_api_version 的最新请求。
  6. 点击该请求,切换到“标头”选项卡。
  7. 查找“Cookie”部分,将鼠标悬停在其上,复制 Cookie 的值。

获取 Cookie

2. 注册 2Captcha 并充值余额

2Captcha 是一项付费的 CAPTCHA 解决服务,它通过真人工作人员来解决 CAPTCHA,准确率很高。由于 Suno 不断要求解决 hCaptcha,而目前没有任何免费方式可以做到这一点,因此需要使用这项服务。

注册 一个新的 2Captcha 账户,充值 余额,并获取 API 密钥

[!注意] 如果你位于俄罗斯或白俄罗斯,请使用 ruCaptcha 接口,而不是 2Captcha。两者是同一项服务,但 ruCaptcha 支持来自这些国家的支付。

[!提示] 如果你希望尽量减少 CAPTCHA 出现的次数,建议使用 macOS 系统。macOS 系统通常比 Linux 和 Windows 更少遇到 CAPTCHA——这主要是因为 macOS 在网络爬虫行业中并不流行。在 Windows 和 Linux 上运行 suno-api 也是可行的,但在某些情况下,你可能会遇到相当多的 CAPTCHA。

3. 克隆并部署该项目

你可以选择你喜欢的部署方式:

部署至 Vercel

通过 Vercel 部署

本地运行

git clone https://github.com/gcui-art/suno-api.git
cd suno-api
npm install

Docker

[!重要] Docker 中将禁用 GPU 加速。如果你的 CPU 较慢,建议 本地部署

你也可以使用 Docker Compose。不过,在运行之前请先执行以下步骤。

docker compose build && docker compose up

4. 配置 suno-api

  • 如果部署到 Vercel,请在 Vercel 控制面板中添加环境变量。
  • 如果你在本地运行,请务必在 .env 文件中添加以下内容:

环境变量

  • SUNO_COOKIE — 第一步中获取的 Cookie 标头。
  • TWOCAPTCHA_KEY — 第二步中获得的 2Captcha API 密钥。
  • BROWSER — 用于解决 CAPTCHA 的浏览器名称。仅支持 chromiumfirefox
  • BROWSER_GHOST_CURSOR — 使用 ghost-cursor-playwright 模拟平滑的鼠标移动。请注意,这似乎并不会影响 CAPTCHA 的出现频率,因此你可以将其设置为 false。保留此项以供未来测试。
  • BROWSER_LOCALE — 浏览器的语言。建议使用 enru,因为这两个语言在 2Captcha 上有最多的工人。支持的语言列表
  • BROWSER_HEADLESS — 无窗口运行浏览器。你可能希望将其设置为 true
SUNO_COOKIE=<…>
TWOCAPTCHA_KEY=<…>
BROWSER=chromium
BROWSER_GHOST_CURSOR=false
BROWSER_LOCALE=en
BROWSER_HEADLESS=true

5. 运行 suno-api

  • 如果你已部署到 Vercel:
    • 请在 Vercel 控制台中点击“Deploy”,并等待部署成功。
    • 访问 https://<vercel-assigned-domain>/api/get_limit API 进行测试。
  • 如果在本地运行:
    • 运行 npm run dev
    • 访问 http://localhost:3000/api/get_limit API 进行测试。
  • 如果返回以下结果:
{
  "credits_left": 50,
  "period": "day",
  "monthly_limit": 50,
  "monthly_usage": 50
}

则表示程序运行正常。

6. 使用 Suno API

你可以查看详细的 API 文档,地址为: suno.gcui.ai/docs

API 参考

Suno API 目前主要实现了以下 API:

- `/api/generate`: 生成音乐
- `/v1/chat/completions`: 生成音乐 - 以与 OpenAI API 兼容的格式调用 generate API。
- `/api/custom_generate`: 生成音乐(自定义模式,支持设置歌词、音乐风格、标题等)
- `/api/generate_lyrics`: 根据提示词生成歌词
- `/api/get`: 根据 ID 获取音乐信息。多个 ID 之间用逗号分隔。如果不提供 ID,则返回所有音乐。
- `/api/get_limit`: 获取配额信息
- `/api/extend_audio`: 延长音频时长
- `/api/generate_stems`: 制作分轨音源(分离人声和伴奏)
- `/api/get_aligned_lyrics`: 获取歌词中每个单词的时间戳列表
- `/api/clip`: 根据查询参数 `id` 传入的 ID 获取片段信息
- `/api/concat`: 从片段生成完整歌曲

你还可以在请求的 Cookie 头中指定 cookies,覆盖 SUNO_COOKIE 环境变量中的默认 cookies。这在例如你想同时使用多个免费账号时非常有用。

如需更详细的文档,请访问演示站点: suno.gcui.ai/docs

API 集成代码示例

Python

import time
import requests

# 替换为你自己的 suno-api URL
base_url = 'http://localhost:3000'


def custom_generate_audio(payload):
    url = f"{base_url}/api/custom_generate"
    response = requests.post(url, json=payload, headers={'Content-Type': 'application/json'})
    return response.json()


def extend_audio(payload):
    url = f"{base_url}/api/extend_audio"
    response = requests.post(url, json=payload, headers={'Content-Type': 'application/json'})
    return response.json()

def generate_audio_by_prompt(payload):
    url = f"{base_url}/api/generate"
    response = requests.post(url, json=payload, headers={'Content-Type': 'application/json'})
    return response.json()


def get_audio_information(audio_ids):
    url = f"{base_url}/api/get?ids={audio_ids}"
    response = requests.get(url)
    return response.json()


def get_quota_information():
    url = f"{base_url}/api/get_limit"
    response = requests.get(url)
    return response.json()

def get_clip(clip_id):
    url = f"{base_url}/api/clip?id={clip_id}"
    response = requests.get(url)
    return response.json()

def generate_whole_song(clip_id):
    payload = {"clip_id": clip_id}
    url = f"{base_url}/api/concat"
    response = requests.post(url, json=payload)
    return response.json()


if __name__ == '__main__':
    data = generate_audio_by_prompt({
        "prompt": "一首关于战争的流行重金属歌曲,由低沉男声演唱,节奏缓慢而富有旋律感。歌词描绘了战后人们的悲痛。",
        "make_instrumental": False,
        "wait_audio": False
    })

    ids = f"{data[0]['id']},{data[1]['id']}"
    print(f"ids: {ids}")

    for _ in range(60):
        data = get_audio_information(ids)
        if data[0]["status"] == 'streaming':
            print(f"{data[0]['id']} ==> {data[0]['audio_url']}")
            print(f"{data[1]['id']} ==> {data[1]['audio_url']}")
            break
        # 暂停5秒
        time.sleep(5)

JavaScript

const axios = require("axios");

// 替换你的 Vercel 域名
const baseUrl = "http://localhost:3000";

async function customGenerateAudio(payload) {
  const url = `${baseUrl}/api/custom_generate`;
  const response = await axios.post(url, payload, {
    headers: { "Content-Type": "application/json" },
  });
  return response.data;
}

async function generateAudioByPrompt(payload) {
  const url = `${baseUrl}/api/generate`;
  const response = await axios.post(url, payload, {
    headers: { "Content-Type": "application/json" },
  });
  return response.data;
}

async function extendAudio(payload) {
  const url = `${baseUrl}/api/extend_audio`;
  const response = await axios.post(url, payload, {
    headers: { "Content-Type": "application/json" },
  });
  return response.data;
}

async function getAudioInformation(audioIds) {
  const url = `${baseUrl}/api/get?ids=${audioIds}`;
  const response = await axios.get(url);
  return response.data;
}

async function getQuotaInformation() {
  const url = `${baseUrl}/api/get_limit`;
  const response = await axios.get(url);
  return response.data;
}

async function getClipInformation(clipId) {
  const url = `${baseUrl}/api/clip?id=${clipId}`;
  const response = await axios.get(url);
  return response.data;
}

async function main() {
  const data = await generateAudioByPrompt({
    prompt:
      "一首关于战争的流行重金属歌曲,由低沉男声演唱,节奏缓慢而富有旋律感。歌词描绘了战后人们的悲痛。",
    make_instrumental: false,
    wait_audio: false,
  });

  const ids = `${data[0].id},${data[1].id}`;
  console.log(`ids: ${ids}`);

  for (let i = 0; i < 60; i++) {
    const data = await getAudioInformation(ids);
    if (data[0].status === "streaming") {
      console.log(`${data[0].id} ==> ${data[0].audio_url}`);
      console.log(`${data[1].id} ==> ${data[1].audio_url}`);
      break;
    }
    // 暂停5秒
    await new Promise((resolve) => setTimeout(resolve, 5000));
  }
}

main();

与自定义智能体集成

你可以将 Suno AI 作为工具/插件/动作集成到你的 AI 代理中。

与 GPTs 集成

[即将推出...]

与 Coze 集成

[即将推出...]

与 LangChain 集成

[即将推出...]

贡献

你可以通过以下四种方式支持本项目:

  1. 分支并提交 Pull 请求:我们欢迎任何增强功能、API、响应时间和可用性的 PR。你也可以仅仅通过将此 README 翻译成你的语言来帮助我们——对本项目的任何帮助我们都十分欢迎!
  2. 提出问题:我们感谢合理的建议和错误报告。
  3. 捐赠:如果该项目对你有所帮助,请考虑使用项目顶部的赞助按钮为我们买杯咖啡。干杯!☕
  4. 宣传:向他人推荐该项目,给仓库加星,或在使用项目后添加反向链接。

问题、建议、疑问或Bug?

我们使用 GitHub Issues 来管理反馈。欢迎随时提交Issue,我们会尽快处理。

许可证

本项目的许可证为 LGPL-3.0 或更高版本。更多信息请参阅 LICENSE 文件。

相关链接

声明

suno-api 是一个非官方的开源项目,仅用于学习和研究目的。

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架