音乐生成工具用了一年多从最初被AI味儿折磨到后来能稳定产出可用的编曲草稿中间踩的坑基本都集中在提示词这一环。很多人以为AI音乐就是打一句来首好听的歌结果出来的东西要么像MIDI铃声要么鼓点机械得像节拍器要么整首歌平铺直叙毫无起伏。问题不在模型在于你给它的信息量太少、太模糊。这篇内容就是把我拆解六大主流曲风提示词的完整思路摊开讲从为什么这么写、每个字段控制什么、到实测中哪些词是有效指令哪些是废话填充全部落到可复制的模板上。不管你是刚接触AI音乐生成的新手还是已经能出片但总觉得差口气的进阶用户都能从里面找到能直接抄的段落。1. 先搞清楚AI音乐模型到底在听什么1.1 提示词不是点歌台是编曲需求文档大部分人写AI音乐提示词的方式跟对着点歌台按按钮差不多——流行、欢快、女声然后就等结果。这种写法在早期的简单模型上勉强能用但现在的音乐生成模型已经复杂到能理解编曲层次、乐器编制、动态变化这些维度了你给的信息越粗它填充的默认值就越多而默认值恰恰是机械感的来源。我习惯把提示词当成一份给编曲人的需求文档来写。你想想如果你找一个真人编曲师做歌只说来个欢快的流行歌他大概率会给你一套最安全的模板四四拍、钢琴铺底、副歌加鼓、桥段降下来。这套东西没错但也没有任何记忆点。AI模型的行为逻辑一模一样——它会往训练数据里最高频、最平均的那个方向靠。所谓AI味儿本质上就是统计平均值味儿。所以提示词的核心任务不是描述你想要什么而是把模型从平均值上拽开。你要通过具体的乐器、节奏型、动态标记、情绪层次把它逼到一个更窄、更有特征的输出空间里。1.2 模型真正能识别的几个维度实测下来主流音乐生成模型对以下几类信息的响应最敏感按敏感度从高到低排维度敏感度说明乐器编制极高具体到尼龙弦吉他Rhodes电钢808底鼓效果远好于吉他键盘节奏与BPM极高明确数字BPM比快慢精准得多曲风标签高但需要细分如City Pop比流行有效情绪与动态中高从压抑到爆发这类动态描述比单一情绪词有效结构标记中Intro/Verse/Chorus/Bridge等段落词有引导作用人声描述中音色、唱法、和声编排都能识别制作质感中低lo-fi磁带饱和混响空间大有一定效果这张表的意思是你把精力花在乐器编制和节奏上回报率最高。很多人反过来花大量篇幅写这首歌表达了孤独与希望的交织这种文学描述模型基本读不懂纯属浪费token。1.3 一个反直觉的结论提示词要做减法新手容易犯的错是堆砌——把所有能想到的好词都塞进去史诗、空灵、燃、治愈、赛博朋克、古风全写上。结果模型收到一堆互相冲突的信号只能取平均出来的东西四不像。正确的做法是先定一个核心曲风骨架再在这个骨架上加2到3个特征锚点。比如你要做一首Synthwave骨架是复古合成器、稳定四四拍、BPM 100-115锚点可以是带侧链压缩的pad模拟磁带底噪副歌加入gated reverb军鼓。锚点越具体特征越鲜明机械感越弱。提示写提示词前先问自己一句——如果只能保留三个词哪三个最能定义这首歌把这三个词放在最前面其余都是修饰。2. 六大曲风提示词拆解从骨架到血肉下面这六个曲风是我实测下来覆盖场景最广、也最容易出效果的。每个曲风我都会给出骨架字段特征锚点完整模板避坑点四层结构你可以直接套用再微调。2.1 流行抒情Pop Ballad最容易被写废的曲风流行抒情是AI音乐里生成量最大、也最容易出AI味儿的曲风。原因很简单——它的训练样本太多了模型闭着眼睛都能给你一套标准配置钢琴前奏、主歌轻、副歌加弦乐、结尾渐弱。这套东西听十首就腻。要破这个局关键在动态对比和乐器细节。不要写钢琴写略带颗粒感的立式钢琴不要写副歌变强写副歌加入16分音符的弦乐断奏和低频铺底。骨架字段曲风Pop Ballad / Piano BalladBPM65-80调性大调为主可带关系小调主奏乐器钢琴或吉他人声独唱气声偏多特征锚点选2-3个主歌只用钢琴人声副歌才进鼓和贝斯桥段做半音上行转调副歌弦乐用连奏而非断奏结尾用钢琴单音收尾而非渐弱完整模板示例Pop ballad, 72 BPM, key of C major with relative minor touches. Intimate female vocal with breathy tone, close-micd. Verse: solo upright piano with slight felt noise, sparse left-hand octaves. Chorus: add warm string pad (legato), soft kick and rimshot snare, subtle bass. Bridge: modulate up a half step, strip back to piano and vocal. Outro: single piano note, no fade. Mood: nostalgic but not sad, restrained dynamics.避坑点不要写emotionalbeautiful这类词模型对抽象形容词的响应极弱写了等于没写。把情绪翻译成具体的编曲动作比如restrained dynamics克制的动态比emotional有用十倍。2.2 电子舞曲EDM/House节奏和音色是命门电子舞曲的机械感通常来自两个地方鼓组太干净、音色太塑料。AI模型默认生成的底鼓往往是完美对齐网格的听起来像节拍器。解决办法是在提示词里主动要求微妙的律动偏移和音色质感。骨架字段曲风House / Tech House / Progressive HouseBPM120-128拍号4/4核心四踩底鼓four-on-the-floor结构Intro-Build-Drop-Breakdown-Drop-Outro特征锚点底鼓带轻微swing或humanize贝斯用sidechain压缩与底鼓咬合Drop前加入riser和snare roll使用模拟合成器而非数字合成器音色完整模板示例Tech house, 124 BPM, 4/4. Four-on-the-floor kick with slight humanize, punchy but not clicky. Bassline: analog-style sub bass with sidechain compression against kick. Percussion: shuffled hi-hats with 16th note swing, conga accents. Lead: detuned analog synth stab, short decay. Structure: 16-bar intro, build with white noise riser and snare roll, drop at bar 32. Breakdown: strip to pad and vocal chop, rebuild over 8 bars. Mood: late-night club, hypnotic, groovy.避坑点BPM一定要写具体数字。写fast模型可能给你140写128它才会精准。另外drop这个词对电子曲风有强引导作用但要用在结构描述里不要单独当情绪词用。2.3 说唱/嘻哈Hip-Hop/Trap鼓组细节决定成败说唱类曲风的AI味儿主要体现在鼓组太标准——808底鼓、hi-hat三连音、snare on 2 and 4这套配置模型闭着眼都能出。要做出辨识度得在hi-hat的花样和采样质感上下功夫。骨架字段曲风Boom Bap / Trap / Lo-fi Hip-HopBPM70-90Boom Bap/ 130-150Trap半速感受核心鼓组采样loop人声说唱flow描述特征锚点hi-hat做roll和stutter变化808底鼓带滑音glide采样带黑胶底噪和滤波加入vinyl crackle和tape saturation完整模板示例Boom bap hip-hop, 88 BPM. Dusty vinyl sample loop, filtered with low-pass, slight wow and flutter. Drums: punchy kick on 1 and 3, snare on 2 and 4 with room reverb. Hi-hat: swung 8ths with occasional 16th rolls. Bass: warm upright bass sample, not 808. Vinyl crackle throughout, tape saturation on master. Mood: introspective, head-nodding, 90s east coast.避坑点Trap和Boom Bap的BPM感受完全不同Trap写140但实际感受是70这个半速感要在提示词里说明否则模型会按字面140给你做快节奏完全不对味。2.4 摇滚Rock失真吉他的层次是关键摇滚的AI味儿来自失真吉他太均匀。真实摇滚录音里节奏吉他和主音吉他的失真度、音箱模拟、演奏力度都是不同的而AI默认给你一把万能失真吉他从头铺到尾。骨架字段曲风Alternative Rock / Punk / Post-RockBPM90-140核心吉他贝斯鼓三大件动态主歌克制副歌爆发特征锚点节奏吉他用电容麦录的crunch音色主音吉他加延迟和轻微过载鼓组用room mic拾取带自然混响副歌加入吉他叠加double tracking完整模板示例Alternative rock, 118 BPM, key of E minor. Rhythm guitar: crunchy tube amp tone, double-tracked, panned hard left and right. Lead guitar: overdriven with analog delay, melodic in verses, soaring in chorus. Bass: picked P-bass, slight overdrive, locked with kick. Drums: live room sound, snare with natural reverb, crash on chorus downbeats. Structure: quiet verse, explosive chorus, dynamic bridge. Mood: anthemic, raw, 90s alternative.避坑点不要写distorted guitar就完事要区分节奏吉他和主音吉他的音色。另外double-tracked双轨叠加这个词对摇滚的厚度提升非常明显值得加上。2.5 爵士Jazz和声与即兴感是灵魂爵士是最难用AI做好的曲风因为它的核心是实时互动和和声色彩而这两点恰恰是模型最不擅长的。但通过提示词引导至少能做到听起来像那么回事。骨架字段曲风Bossa Nova / Swing / Modal JazzBPM80-140Swing/ 120-140Bossa核心爵士和声即兴独奏编制三重奏或四重奏特征锚点使用扩展和弦7th, 9th, 13th钢琴做comping而非固定伴奏贝斯walking bassline鼓用brush而非鼓棒完整模板示例Bossa nova jazz, 130 BPM. Nylon string guitar with syncopated rhythm pattern. Piano comping with extended chords (maj7, min9, 13th). Upright bass walking line, warm and woody. Drums with brushes, light samba pattern. Flute or sax melody, breathy and relaxed. Mood: warm, sophisticated, cafe afternoon.避坑点爵士提示词里walking bass和comping这两个词非常关键它们直接告诉模型不要用流行乐的固定伴奏模式。另外和弦扩展要写具体写jazz chords太模糊写maj7, min9模型才能精准响应。2.6 国风/古风乐器真实性和留白是难点国风曲风的AI味儿最明显因为模型对民族乐器的采样质量参差不齐经常把古筝弹得像电子琴。要做出质感必须在提示词里强调乐器真实性和留白。骨架字段曲风国风 / 古风 / 新中式BPM60-90核心民族乐器现代编曲调式五声音阶为主特征锚点古筝/琵琶用真实采样而非合成笛子/箫带气息声编曲留白不要满铺加入环境音流水、风声完整模板示例Chinese traditional style, 75 BPM, pentatonic scale. Guzheng: real sampled instrument, plucked with natural resonance, not synthesized. Dizi flute: breathy tone, melodic phrases with space between. Pipa: tremolo technique on accents. Modern elements: soft pad underneath, subtle electronic kick on downbeats. Arrangement: leave space, do not fill every bar. Ambience: distant water sound, light wind. Mood: serene, ancient, cinematic.避坑点国风最大的坑是满。模型默认会把所有乐器都塞满每个小节听起来很吵。一定要写leave space或sparse arrangement给它明确的留白指令。另外real sampled instrument这个短语对提升乐器真实感有明显帮助。3. 让AI音乐去机械化的五个实操技巧3.1 用否定词排除你不想要的东西大部分音乐生成模型支持一定程度的否定提示。与其描述你想要什么不如直接告诉它不要什么。实测有效的否定词包括no synthetic drums / no drum machineno auto-tuneno fade outno EDM dropno digital synth这些否定词能有效把模型从默认平均值上推开。特别是no fade out很多模型默认结尾渐弱加上这个能强制它给你一个明确的收尾。3.2 用参考年代地区锚定风格曲风标签太宽泛时加上年代和地区能大幅收窄输出空间。比如90s east coast boom bap比hip-hop精准80s Japanese city pop比pop精准70s British folk rock比folk rock精准这个技巧的本质是给模型一个更小的训练数据子集让它从更窄的分布里采样。3.3 动态描述要用对比而非绝对值写loud没用写quiet verse, loud chorus才有用。模型对相对变化的响应远强于绝对强度。常用的动态对比模板quiet verse / explosive chorussparse intro / dense outrorestrained first half / release in second half3.4 结构标记要写全但不要写太细把Intro、Verse、Chorus、Bridge、Outro这几个基本段落写清楚就够了不需要精确到每个小节。写太细反而会限制模型的发挥导致输出僵硬。我的经验是结构写到段落级别编曲写到乐器级别情绪写到动态级别这三层够了。3.5 生成后二次编辑比反复调提示词更高效很多人卡在提示词上反复改生成几十版都不满意。其实更高效的做法是用提示词生成一个骨架正确的版本然后在DAW里做二次编辑——调整鼓组律动、替换音色、重新编排段落。AI负责给你一个起点不是终点。我现在的流程基本是AI生成3-5版挑一个结构最对的然后进DAW花半小时修比纯靠提示词磨两小时效果好得多。4. 六个曲风的提示词速查表把上面的内容压缩成一张可以直接对照使用的表曲风核心BPM必写关键词最容易踩的坑流行抒情65-80upright piano, legato strings, restrained dynamics写抽象情绪词副歌没有动态对比电子舞曲120-128four-on-the-floor, sidechain, analog synthBPM写模糊词鼓组太干净说唱嘻哈70-90 / 130-150swung hi-hat, vinyl crackle, 808 glide不区分Trap半速感鼓组太标准摇滚90-140double-tracked guitar, tube amp, live room drums失真吉他层次不分爵士80-140walking bass, comping, extended chords和声写太模糊没有即兴感国风古风60-90real sampled guzheng, leave space, pentatonic编曲太满乐器合成感重这张表建议存下来写提示词的时候对照着填基本不会跑偏。5. 几个我踩过的坑和对应的解法第一个坑是提示词语言混用。我早期中英文混着写比如欢快的pop带一点jazz和弦结果模型对中文情绪词的理解明显弱于英文。后来统一用英文写提示词只在需要特定中文语境时比如国风才加中文效果稳定很多。如果你英文不熟练至少把乐器、BPM、结构这些关键字段用英文写。第二个坑是过度依赖单一模型。不同模型对同一段提示词的响应差异很大有的偏重旋律有的偏重节奏。我的做法是同一段提示词在2-3个模型上各跑一遍挑最好的那个继续调。不要在一个模型上死磕。第三个坑是忽略调性。早期我从不写调性结果生成的歌经常出现听起来哪里不对的情况后来发现是调性随机导致的。现在我会明确写key of C major或E minor整首歌的和声走向会稳定很多。第四个坑是人声描述太笼统。写female vocal和写breathy female vocal, close-micd, slight rasp出来的效果天差地别。人声是AI音乐里最容易暴露机械感的部分值得多花几个词去描述音色和唱法。第五个坑是忘记写结尾方式。模型默认结尾要么渐弱要么突然断两种都很出戏。明确写ending on a single piano note或cold ending on downbeat能解决大部分结尾问题。6. 从提示词到成品一个完整的实操流程最后把我现在的完整流程梳理一遍你可以直接照着走第一步确定曲风和核心情绪从上面的速查表里找到对应的BPM和必写关键词。第二步写骨架提示词包含曲风、BPM、调性、核心乐器、结构五个字段。第三步加2-3个特征锚点从对应曲风的锚点列表里挑。第四步加否定词排除不想要的默认行为。第五步生成3-5版挑结构最正确的一版。第六步进DAW做二次编辑重点修鼓组律动、音色替换、段落衔接。第七步如果人声部分不满意单独用提示词重新生成人声轨再合成。这套流程走下来从提示词到可用的编曲草稿熟练之后大概20-30分钟能出一版。比起早期我反复调提示词调一下午出一版还不能用的状态效率提升非常明显。写AI音乐提示词这件事说到底就是把你的编曲意图翻译成模型能听懂的语言。翻译得越具体、越有层次出来的东西就越不像AI批量生产的。上面这六个曲风的拆解和模板是我自己反复实测后沉淀下来的你可以直接拿去用也可以根据自己的需求调整锚点。真正拉开差距的从来不是提示词写得多长而是你有没有想清楚这首歌到底要什么。
AI音乐生成提示词全攻略：六大曲风拆解与去机械化实操指南
音乐生成工具用了一年多从最初被AI味儿折磨到后来能稳定产出可用的编曲草稿中间踩的坑基本都集中在提示词这一环。很多人以为AI音乐就是打一句来首好听的歌结果出来的东西要么像MIDI铃声要么鼓点机械得像节拍器要么整首歌平铺直叙毫无起伏。问题不在模型在于你给它的信息量太少、太模糊。这篇内容就是把我拆解六大主流曲风提示词的完整思路摊开讲从为什么这么写、每个字段控制什么、到实测中哪些词是有效指令哪些是废话填充全部落到可复制的模板上。不管你是刚接触AI音乐生成的新手还是已经能出片但总觉得差口气的进阶用户都能从里面找到能直接抄的段落。1. 先搞清楚AI音乐模型到底在听什么1.1 提示词不是点歌台是编曲需求文档大部分人写AI音乐提示词的方式跟对着点歌台按按钮差不多——流行、欢快、女声然后就等结果。这种写法在早期的简单模型上勉强能用但现在的音乐生成模型已经复杂到能理解编曲层次、乐器编制、动态变化这些维度了你给的信息越粗它填充的默认值就越多而默认值恰恰是机械感的来源。我习惯把提示词当成一份给编曲人的需求文档来写。你想想如果你找一个真人编曲师做歌只说来个欢快的流行歌他大概率会给你一套最安全的模板四四拍、钢琴铺底、副歌加鼓、桥段降下来。这套东西没错但也没有任何记忆点。AI模型的行为逻辑一模一样——它会往训练数据里最高频、最平均的那个方向靠。所谓AI味儿本质上就是统计平均值味儿。所以提示词的核心任务不是描述你想要什么而是把模型从平均值上拽开。你要通过具体的乐器、节奏型、动态标记、情绪层次把它逼到一个更窄、更有特征的输出空间里。1.2 模型真正能识别的几个维度实测下来主流音乐生成模型对以下几类信息的响应最敏感按敏感度从高到低排维度敏感度说明乐器编制极高具体到尼龙弦吉他Rhodes电钢808底鼓效果远好于吉他键盘节奏与BPM极高明确数字BPM比快慢精准得多曲风标签高但需要细分如City Pop比流行有效情绪与动态中高从压抑到爆发这类动态描述比单一情绪词有效结构标记中Intro/Verse/Chorus/Bridge等段落词有引导作用人声描述中音色、唱法、和声编排都能识别制作质感中低lo-fi磁带饱和混响空间大有一定效果这张表的意思是你把精力花在乐器编制和节奏上回报率最高。很多人反过来花大量篇幅写这首歌表达了孤独与希望的交织这种文学描述模型基本读不懂纯属浪费token。1.3 一个反直觉的结论提示词要做减法新手容易犯的错是堆砌——把所有能想到的好词都塞进去史诗、空灵、燃、治愈、赛博朋克、古风全写上。结果模型收到一堆互相冲突的信号只能取平均出来的东西四不像。正确的做法是先定一个核心曲风骨架再在这个骨架上加2到3个特征锚点。比如你要做一首Synthwave骨架是复古合成器、稳定四四拍、BPM 100-115锚点可以是带侧链压缩的pad模拟磁带底噪副歌加入gated reverb军鼓。锚点越具体特征越鲜明机械感越弱。提示写提示词前先问自己一句——如果只能保留三个词哪三个最能定义这首歌把这三个词放在最前面其余都是修饰。2. 六大曲风提示词拆解从骨架到血肉下面这六个曲风是我实测下来覆盖场景最广、也最容易出效果的。每个曲风我都会给出骨架字段特征锚点完整模板避坑点四层结构你可以直接套用再微调。2.1 流行抒情Pop Ballad最容易被写废的曲风流行抒情是AI音乐里生成量最大、也最容易出AI味儿的曲风。原因很简单——它的训练样本太多了模型闭着眼睛都能给你一套标准配置钢琴前奏、主歌轻、副歌加弦乐、结尾渐弱。这套东西听十首就腻。要破这个局关键在动态对比和乐器细节。不要写钢琴写略带颗粒感的立式钢琴不要写副歌变强写副歌加入16分音符的弦乐断奏和低频铺底。骨架字段曲风Pop Ballad / Piano BalladBPM65-80调性大调为主可带关系小调主奏乐器钢琴或吉他人声独唱气声偏多特征锚点选2-3个主歌只用钢琴人声副歌才进鼓和贝斯桥段做半音上行转调副歌弦乐用连奏而非断奏结尾用钢琴单音收尾而非渐弱完整模板示例Pop ballad, 72 BPM, key of C major with relative minor touches. Intimate female vocal with breathy tone, close-micd. Verse: solo upright piano with slight felt noise, sparse left-hand octaves. Chorus: add warm string pad (legato), soft kick and rimshot snare, subtle bass. Bridge: modulate up a half step, strip back to piano and vocal. Outro: single piano note, no fade. Mood: nostalgic but not sad, restrained dynamics.避坑点不要写emotionalbeautiful这类词模型对抽象形容词的响应极弱写了等于没写。把情绪翻译成具体的编曲动作比如restrained dynamics克制的动态比emotional有用十倍。2.2 电子舞曲EDM/House节奏和音色是命门电子舞曲的机械感通常来自两个地方鼓组太干净、音色太塑料。AI模型默认生成的底鼓往往是完美对齐网格的听起来像节拍器。解决办法是在提示词里主动要求微妙的律动偏移和音色质感。骨架字段曲风House / Tech House / Progressive HouseBPM120-128拍号4/4核心四踩底鼓four-on-the-floor结构Intro-Build-Drop-Breakdown-Drop-Outro特征锚点底鼓带轻微swing或humanize贝斯用sidechain压缩与底鼓咬合Drop前加入riser和snare roll使用模拟合成器而非数字合成器音色完整模板示例Tech house, 124 BPM, 4/4. Four-on-the-floor kick with slight humanize, punchy but not clicky. Bassline: analog-style sub bass with sidechain compression against kick. Percussion: shuffled hi-hats with 16th note swing, conga accents. Lead: detuned analog synth stab, short decay. Structure: 16-bar intro, build with white noise riser and snare roll, drop at bar 32. Breakdown: strip to pad and vocal chop, rebuild over 8 bars. Mood: late-night club, hypnotic, groovy.避坑点BPM一定要写具体数字。写fast模型可能给你140写128它才会精准。另外drop这个词对电子曲风有强引导作用但要用在结构描述里不要单独当情绪词用。2.3 说唱/嘻哈Hip-Hop/Trap鼓组细节决定成败说唱类曲风的AI味儿主要体现在鼓组太标准——808底鼓、hi-hat三连音、snare on 2 and 4这套配置模型闭着眼都能出。要做出辨识度得在hi-hat的花样和采样质感上下功夫。骨架字段曲风Boom Bap / Trap / Lo-fi Hip-HopBPM70-90Boom Bap/ 130-150Trap半速感受核心鼓组采样loop人声说唱flow描述特征锚点hi-hat做roll和stutter变化808底鼓带滑音glide采样带黑胶底噪和滤波加入vinyl crackle和tape saturation完整模板示例Boom bap hip-hop, 88 BPM. Dusty vinyl sample loop, filtered with low-pass, slight wow and flutter. Drums: punchy kick on 1 and 3, snare on 2 and 4 with room reverb. Hi-hat: swung 8ths with occasional 16th rolls. Bass: warm upright bass sample, not 808. Vinyl crackle throughout, tape saturation on master. Mood: introspective, head-nodding, 90s east coast.避坑点Trap和Boom Bap的BPM感受完全不同Trap写140但实际感受是70这个半速感要在提示词里说明否则模型会按字面140给你做快节奏完全不对味。2.4 摇滚Rock失真吉他的层次是关键摇滚的AI味儿来自失真吉他太均匀。真实摇滚录音里节奏吉他和主音吉他的失真度、音箱模拟、演奏力度都是不同的而AI默认给你一把万能失真吉他从头铺到尾。骨架字段曲风Alternative Rock / Punk / Post-RockBPM90-140核心吉他贝斯鼓三大件动态主歌克制副歌爆发特征锚点节奏吉他用电容麦录的crunch音色主音吉他加延迟和轻微过载鼓组用room mic拾取带自然混响副歌加入吉他叠加double tracking完整模板示例Alternative rock, 118 BPM, key of E minor. Rhythm guitar: crunchy tube amp tone, double-tracked, panned hard left and right. Lead guitar: overdriven with analog delay, melodic in verses, soaring in chorus. Bass: picked P-bass, slight overdrive, locked with kick. Drums: live room sound, snare with natural reverb, crash on chorus downbeats. Structure: quiet verse, explosive chorus, dynamic bridge. Mood: anthemic, raw, 90s alternative.避坑点不要写distorted guitar就完事要区分节奏吉他和主音吉他的音色。另外double-tracked双轨叠加这个词对摇滚的厚度提升非常明显值得加上。2.5 爵士Jazz和声与即兴感是灵魂爵士是最难用AI做好的曲风因为它的核心是实时互动和和声色彩而这两点恰恰是模型最不擅长的。但通过提示词引导至少能做到听起来像那么回事。骨架字段曲风Bossa Nova / Swing / Modal JazzBPM80-140Swing/ 120-140Bossa核心爵士和声即兴独奏编制三重奏或四重奏特征锚点使用扩展和弦7th, 9th, 13th钢琴做comping而非固定伴奏贝斯walking bassline鼓用brush而非鼓棒完整模板示例Bossa nova jazz, 130 BPM. Nylon string guitar with syncopated rhythm pattern. Piano comping with extended chords (maj7, min9, 13th). Upright bass walking line, warm and woody. Drums with brushes, light samba pattern. Flute or sax melody, breathy and relaxed. Mood: warm, sophisticated, cafe afternoon.避坑点爵士提示词里walking bass和comping这两个词非常关键它们直接告诉模型不要用流行乐的固定伴奏模式。另外和弦扩展要写具体写jazz chords太模糊写maj7, min9模型才能精准响应。2.6 国风/古风乐器真实性和留白是难点国风曲风的AI味儿最明显因为模型对民族乐器的采样质量参差不齐经常把古筝弹得像电子琴。要做出质感必须在提示词里强调乐器真实性和留白。骨架字段曲风国风 / 古风 / 新中式BPM60-90核心民族乐器现代编曲调式五声音阶为主特征锚点古筝/琵琶用真实采样而非合成笛子/箫带气息声编曲留白不要满铺加入环境音流水、风声完整模板示例Chinese traditional style, 75 BPM, pentatonic scale. Guzheng: real sampled instrument, plucked with natural resonance, not synthesized. Dizi flute: breathy tone, melodic phrases with space between. Pipa: tremolo technique on accents. Modern elements: soft pad underneath, subtle electronic kick on downbeats. Arrangement: leave space, do not fill every bar. Ambience: distant water sound, light wind. Mood: serene, ancient, cinematic.避坑点国风最大的坑是满。模型默认会把所有乐器都塞满每个小节听起来很吵。一定要写leave space或sparse arrangement给它明确的留白指令。另外real sampled instrument这个短语对提升乐器真实感有明显帮助。3. 让AI音乐去机械化的五个实操技巧3.1 用否定词排除你不想要的东西大部分音乐生成模型支持一定程度的否定提示。与其描述你想要什么不如直接告诉它不要什么。实测有效的否定词包括no synthetic drums / no drum machineno auto-tuneno fade outno EDM dropno digital synth这些否定词能有效把模型从默认平均值上推开。特别是no fade out很多模型默认结尾渐弱加上这个能强制它给你一个明确的收尾。3.2 用参考年代地区锚定风格曲风标签太宽泛时加上年代和地区能大幅收窄输出空间。比如90s east coast boom bap比hip-hop精准80s Japanese city pop比pop精准70s British folk rock比folk rock精准这个技巧的本质是给模型一个更小的训练数据子集让它从更窄的分布里采样。3.3 动态描述要用对比而非绝对值写loud没用写quiet verse, loud chorus才有用。模型对相对变化的响应远强于绝对强度。常用的动态对比模板quiet verse / explosive chorussparse intro / dense outrorestrained first half / release in second half3.4 结构标记要写全但不要写太细把Intro、Verse、Chorus、Bridge、Outro这几个基本段落写清楚就够了不需要精确到每个小节。写太细反而会限制模型的发挥导致输出僵硬。我的经验是结构写到段落级别编曲写到乐器级别情绪写到动态级别这三层够了。3.5 生成后二次编辑比反复调提示词更高效很多人卡在提示词上反复改生成几十版都不满意。其实更高效的做法是用提示词生成一个骨架正确的版本然后在DAW里做二次编辑——调整鼓组律动、替换音色、重新编排段落。AI负责给你一个起点不是终点。我现在的流程基本是AI生成3-5版挑一个结构最对的然后进DAW花半小时修比纯靠提示词磨两小时效果好得多。4. 六个曲风的提示词速查表把上面的内容压缩成一张可以直接对照使用的表曲风核心BPM必写关键词最容易踩的坑流行抒情65-80upright piano, legato strings, restrained dynamics写抽象情绪词副歌没有动态对比电子舞曲120-128four-on-the-floor, sidechain, analog synthBPM写模糊词鼓组太干净说唱嘻哈70-90 / 130-150swung hi-hat, vinyl crackle, 808 glide不区分Trap半速感鼓组太标准摇滚90-140double-tracked guitar, tube amp, live room drums失真吉他层次不分爵士80-140walking bass, comping, extended chords和声写太模糊没有即兴感国风古风60-90real sampled guzheng, leave space, pentatonic编曲太满乐器合成感重这张表建议存下来写提示词的时候对照着填基本不会跑偏。5. 几个我踩过的坑和对应的解法第一个坑是提示词语言混用。我早期中英文混着写比如欢快的pop带一点jazz和弦结果模型对中文情绪词的理解明显弱于英文。后来统一用英文写提示词只在需要特定中文语境时比如国风才加中文效果稳定很多。如果你英文不熟练至少把乐器、BPM、结构这些关键字段用英文写。第二个坑是过度依赖单一模型。不同模型对同一段提示词的响应差异很大有的偏重旋律有的偏重节奏。我的做法是同一段提示词在2-3个模型上各跑一遍挑最好的那个继续调。不要在一个模型上死磕。第三个坑是忽略调性。早期我从不写调性结果生成的歌经常出现听起来哪里不对的情况后来发现是调性随机导致的。现在我会明确写key of C major或E minor整首歌的和声走向会稳定很多。第四个坑是人声描述太笼统。写female vocal和写breathy female vocal, close-micd, slight rasp出来的效果天差地别。人声是AI音乐里最容易暴露机械感的部分值得多花几个词去描述音色和唱法。第五个坑是忘记写结尾方式。模型默认结尾要么渐弱要么突然断两种都很出戏。明确写ending on a single piano note或cold ending on downbeat能解决大部分结尾问题。6. 从提示词到成品一个完整的实操流程最后把我现在的完整流程梳理一遍你可以直接照着走第一步确定曲风和核心情绪从上面的速查表里找到对应的BPM和必写关键词。第二步写骨架提示词包含曲风、BPM、调性、核心乐器、结构五个字段。第三步加2-3个特征锚点从对应曲风的锚点列表里挑。第四步加否定词排除不想要的默认行为。第五步生成3-5版挑结构最正确的一版。第六步进DAW做二次编辑重点修鼓组律动、音色替换、段落衔接。第七步如果人声部分不满意单独用提示词重新生成人声轨再合成。这套流程走下来从提示词到可用的编曲草稿熟练之后大概20-30分钟能出一版。比起早期我反复调提示词调一下午出一版还不能用的状态效率提升非常明显。写AI音乐提示词这件事说到底就是把你的编曲意图翻译成模型能听懂的语言。翻译得越具体、越有层次出来的东西就越不像AI批量生产的。上面这六个曲风的拆解和模板是我自己反复实测后沉淀下来的你可以直接拿去用也可以根据自己的需求调整锚点。真正拉开差距的从来不是提示词写得多长而是你有没有想清楚这首歌到底要什么。