1. 为什么我要做这个AI音乐提示词模板库去年年底我开始密集使用AI音乐生成工具做短视频配乐和播客片头前后跑了大概两百多次生成任务。最开始那一个月我基本是在“抽卡”——把脑子里模糊的感觉直接丢进去出来的东西十有八九不能用。要么风格跑偏要么结构混乱要么前奏还没铺完就直接炸副歌。后来我意识到一个问题AI音乐生成和AI绘画一样提示词的质量直接决定输出质量的上限而大多数人包括当时的我根本不知道该怎么把“我想要的感觉”翻译成AI能听懂的结构化指令。这个模板库就是在这个背景下攒出来的。我把过去半年里反复验证过、成功率比较高的提示词结构整理成了12个高频场景模板覆盖短视频配乐、播客片头、游戏BGM、广告配乐、白噪音、Lo-fi学习音乐、Vlog背景乐、品牌宣传片、有声书配乐、运动健身音乐、儿童内容配乐、以及情绪疗愈音乐。每个模板都拆解了风格描述、乐器配置、节奏参数、情绪走向、结构段落这几个核心维度你拿到手改几个关键词就能直接用。适合谁看如果你是短视频创作者、播客主、独立游戏开发者、或者单纯想用AI做点音乐玩玩的爱好者这套模板能帮你省掉大量试错时间。不需要乐理基础但你需要理解每个参数背后的逻辑——这也是我接下来要重点讲的部分。2. 提示词模板库的整体设计思路2.1 为什么是这12个场景场景的选择不是拍脑袋定的。我统计了自己过去半年所有生成任务的使用频率发现排在前面的需求高度集中短视频配乐占了将近四成播客和有声书加起来两成多游戏和广告各占一成左右剩下的被白噪音、运动音乐、儿童内容等瓜分。这12个场景基本覆盖了个人创作者90%以上的日常需求。另一个考虑是场景之间的参数差异足够大能形成互补。比如Lo-fi学习音乐和运动健身音乐前者要求节奏稳定、低频柔和、循环性强后者要求BPM高、鼓点突出、能量递进明显。把这两个放在一起对比你能更清楚地理解BPM、乐器配置、动态范围这些参数在不同场景下该怎么调。2.2 模板的底层结构五层描述法每个模板都遵循同一个底层结构我把它叫做“五层描述法”。这五层分别是风格锚定层用2-3个关键词锁定音乐的大方向比如“cinematic orchestral”“warm acoustic folk”“dark synthwave”。这一层的作用是让AI快速定位到正确的音色库和编曲逻辑。乐器配置层具体列出主奏乐器、节奏乐器和氛围乐器。比如“piano as lead, soft strings pad, light shaker percussion”。AI对乐器的识别很精准你写得越具体输出越可控。节奏与调性层BPM范围、拍号、调式大调/小调。这一层决定了音乐的基本情绪底色。情绪走向层描述音乐从开始到结束的情绪变化曲线比如“starts gentle and curious, builds to hopeful and expansive, ends with a soft resolve”。结构段落层明确前奏、主歌、副歌、桥段、尾奏的时长比例和能量变化。这一层是很多人忽略的但恰恰是决定音乐“能不能用”的关键。这五层不是随便定的。我试过只写风格和乐器出来的东西经常结构混乱也试过只写情绪和结构结果音色完全不对。五层缺一不可而且顺序很重要——AI对提示词的解析似乎有优先级风格和乐器放在前面结构和情绪放在后面生成结果的稳定性明显更高。2.3 参数化设计让模板可以“抄作业”每个模板里我都留了可替换的变量用方括号标出来。比如[BPM: 70-80]、[key: C major]、[mood: nostalgic]。这样你拿到模板后不需要从零开始写只需要根据具体需求替换几个关键词就行。举个例子Lo-fi学习音乐的模板里BPM默认是70-80但如果你想要稍微轻快一点的版本可以改成85-90调性默认是D小调想要更明亮的感觉可以换成F大调。这种参数化的设计让模板既有结构性又有灵活性。3. 12个高频场景模板的详细拆解3.1 短视频配乐模板15-60秒短视频配乐的核心需求是前3秒抓耳、中段有记忆点、结尾干净利落。我试过很多次如果前奏太长用户划走的概率极高。所以这个模板的结构比例是前奏2-3秒主段10-40秒尾奏2-3秒。提示词模板Style: upbeat cinematic pop, energetic and bright Instruments: punchy drums, bright synth lead, warm bass, light plucks BPM: 110-125 Key: G major or D major Mood: starts with immediate hook, maintains high energy, ends with a clean cutoff Structure: intro 2s, main groove 15-45s with subtle variation every 8 bars, outro 2s这里有几个细节值得展开。BPM选110-125是因为这个区间既不会太慢显得拖沓也不会太快导致画面和音乐对不上。大调优先是因为短视频场景下大调更容易传递积极情绪完播率更高。每8小节做一次细微变化是为了避免听众产生听觉疲劳但又不会破坏整体的连贯性。注意如果你的视频是慢节奏的风景或情感类内容可以把BPM降到90-100调性换成A小调或E小调情绪描述改成“gentle and reflective”。3.2 播客片头模板20-40秒播客片头的核心是品牌识别度。我见过很多播客用同一段音乐用了好几年听众一听到前奏就知道是哪个节目。所以这个模板的重点是旋律记忆点和情绪一致性。提示词模板Style: minimal electronic with organic textures, professional and warm Instruments: soft marimba lead, deep pad, subtle kick, light hi-hat BPM: 95-105 Key: F major or C major Mood: confident and inviting, steady energy throughout, no dramatic drops Structure: intro 3s, main theme 15-30s with a clear melodic hook repeated twice, outro 3s马林巴或类似的木质打击乐器是我测试下来最适合播客片头的音色既有温度又有辨识度。避免戏剧性的能量起伏是因为播客片头通常是在说话前播放太强烈的动态变化会让人声显得突兀。旋律钩子重复两次是为了加深记忆但第二次可以加一点细微的变奏避免完全重复显得呆板。3.3 游戏BGM模板循环向游戏BGM和普通音乐最大的区别是需要无缝循环。我早期做游戏配乐时犯过一个错误音乐结尾做了渐弱处理结果循环时出现明显的断层。后来我调整了结构设计让尾奏和 intro 在音量和配器上保持一致循环起来就自然多了。提示词模板Style: ambient orchestral or chiptune hybrid, immersive and atmospheric Instruments: strings pad, soft synth arpeggio, light percussion, occasional bell accents BPM: 80-100 Key: A minor or D minor Mood: calm and exploratory, consistent energy, no sudden changes Structure: seamless loop, 60-90s length, intro and outro matched in volume and instrumentation小调优先是因为游戏场景下小调更容易营造沉浸感和探索感。避免突然的变化是为了不打断玩家的心流状态。60-90秒的长度是测试下来比较合适的循环周期太短容易腻太长则浪费生成额度。3.4 广告配乐模板30-60秒广告配乐的核心是情绪引导。30秒的广告通常需要完成“吸引注意-建立信任-激发行动”三个情绪阶段。这个模板的结构设计就是围绕这三个阶段来的。提示词模板Style: modern corporate pop, clean and optimistic Instruments: bright piano, uplifting strings, steady drums, subtle synth bass BPM: 100-115 Key: C major or G major Mood: starts curious, builds to confident and inspiring, ends with a clear resolve Structure: intro 3s, build 10s, peak 20s, resolve 5s钢琴加弦乐的组合在广告配乐里几乎不会出错既有质感又不抢人声。BPM 100-115是广告配乐的黄金区间节奏感足够但不会太急促。情绪递进的设计让音乐和广告文案的节奏能对上——前10秒铺垫中间20秒推向高潮最后5秒收束。3.5 白噪音模板30-120分钟白噪音的需求很特殊不能有旋律、不能有节奏变化、不能有突然的响度波动。我试过用普通音乐的提示词去生成白噪音结果出来的东西虽然叫“白噪音”但里面还是有明显的旋律线完全不能用。提示词模板Style: pure ambient noise, no melody, no rhythm Instruments: rain sounds, distant thunder, soft wind, occasional bird chirps BPM: none Key: none Mood: constant and soothing, no variation Structure: continuous 30-120 minutes, no intro or outro, seamless**明确写“no melody, no rhythm”**是关键。AI默认会生成有旋律的内容你必须明确告诉它不要。雨声加远处雷声加风声是我测试下来最受欢迎的组合层次感比单一音效好很多。时长写30-120分钟是因为AI对超长音频的生成能力有限写一个范围比写具体数字更稳妥。3.6 Lo-fi学习音乐模板循环向Lo-fi的核心是稳定的节奏、柔和的低频、适度的怀旧感。这个模板我调了很多次最后发现鼓组的处理是最关键的——底鼓不能太硬军鼓不能太亮整体要有一种“蒙了一层纱”的感觉。提示词模板Style: lo-fi hip hop, warm and nostalgic Instruments: soft piano chords, mellow bass, dusty drums, vinyl crackle BPM: 70-85 Key: D minor or A minor Mood: calm and focused, consistent throughout, no dramatic changes Structure: seamless loop, 90-120s, subtle variation every 16 bars黑胶底噪是Lo-fi的灵魂但量要控制好太多会显得脏太少又不够味。每16小节做一次细微变化是为了保持长时间聆听的新鲜感但变化幅度要小不能破坏整体的稳定感。小调优先是因为小调更容易营造“安静学习”的氛围。3.7 Vlog背景乐模板2-5分钟Vlog背景乐的需求是不抢戏、有推进感、能配合画面节奏。我自己的Vlog用过很多次这个模板核心体会是音乐的能量要略低于画面的能量这样观众才会把注意力放在内容上而不是被音乐带跑。提示词模板Style: indie folk or light electronic, warm and personal Instruments: acoustic guitar, soft piano, light percussion, subtle bass BPM: 90-105 Key: G major or D major Mood: friendly and curious, gentle build throughout, ends softly Structure: intro 5s, gradual build over 2-4 minutes, outro 5s原声吉他加钢琴的组合几乎适配所有Vlog场景既有温度又不抢戏。BPM 90-105是Vlog配乐的舒适区太快会显得赶太慢会显得拖。渐进的能量变化是为了配合Vlog的叙事节奏——开头平淡中间逐渐丰富结尾回归平静。3.8 品牌宣传片模板60-90秒品牌宣传片配乐比广告配乐更注重质感和格局。我对比过很多品牌片发现它们有一个共同点低频扎实、高频克制、中频饱满。这个模板就是围绕这个听感特征设计的。提示词模板Style: cinematic corporate, elegant and powerful Instruments: deep strings, grand piano, subtle brass, steady percussion BPM: 85-100 Key: D major or A major Mood: starts reflective, builds to confident and expansive, ends with a strong resolve Structure: intro 5s, build 20s, peak 40s, resolve 10s弦乐铺底加钢琴点缀是品牌片最稳妥的配置。BPM 85-100比广告配乐稍慢给画面留出更多呼吸空间。情绪从反思到自信的走向正好对应品牌片常见的“问题-解决-愿景”叙事结构。3.9 有声书配乐模板循环向有声书配乐的核心是极低的干扰性。我试过用普通背景音乐给有声书配乐结果听众反馈说“音乐太抢戏了”。后来我把音量动态压得很平乐器也简化到只剩两三种问题就解决了。提示词模板Style: minimal ambient, extremely subtle Instruments: soft pad, occasional piano note, no percussion BPM: none or very slow Key: C major or A minor Mood: neutral and unobtrusive, constant throughout Structure: seamless loop, 2-5 minutes, no melodic movement去掉打击乐是关键。任何有节奏感的元素都会和朗读的节奏产生冲突。偶尔的钢琴单音可以提供一点色彩但不能形成旋律线。2-5分钟的循环长度是为了避免频繁切换音乐打断听众的沉浸感。3.10 运动健身音乐模板3-5分钟运动音乐的核心是BPM匹配心率。我查过一些运动科学的研究热身阶段适合120-130 BPM力量训练适合130-140 BPM高强度间歇适合140-160 BPM。这个模板默认设在130-140覆盖大多数训练场景。提示词模板Style: energetic electronic or rock, driving and powerful Instruments: heavy drums, aggressive bass, bright synth lead, occasional vocal chops BPM: 130-140 Key: E minor or A minor Mood: starts with intensity, maintains high energy, occasional peaks for interval training Structure: intro 5s, main section 3-5 minutes with energy peaks every 60-90s底鼓要重、贝斯要厚这是运动音乐的基本要求。每60-90秒一个能量峰值是为了配合间歇训练的节奏。小调优先是因为小调更有力量感和紧迫感。3.11 儿童内容配乐模板1-3分钟儿童配乐的核心是明亮、简单、有重复性。我给我侄女做过几段配乐发现她对木琴、钟琴、口哨这类音色特别敏感而且喜欢有重复旋律的段落。提示词模板Style: playful and bright, simple and cheerful Instruments: xylophone, glockenspiel, ukulele, light shaker, whistling BPM: 100-120 Key: C major or F major Mood: happy and curious, consistent energy, no dark or tense sections Structure: intro 3s, main theme 1-3 minutes with repeated melodic phrases, outro 3s大调是必须的小调在儿童内容里几乎不能用。木琴和钟琴的音色天生带有“童趣”属性。重复的旋律短句能帮助儿童建立记忆和参与感。3.12 情绪疗愈音乐模板5-15分钟疗愈音乐的核心是极简、缓慢、无解决感。我试过用常规的“放松音乐”提示词出来的东西还是太“满”了。后来我把乐器减到只剩两三种BPM降到60以下效果才对。提示词模板Style: ambient meditation, extremely minimal Instruments: singing bowl, soft drone, occasional nature sounds BPM: 50-60 or none Key: C major or D major Mood: deeply calm and spacious, no tension, no resolution Structure: continuous 5-15 minutes, no clear beginning or end颂钵和持续音是疗愈音乐的核心音色。BPM 50-60或者干脆不设BPM让音乐自由流动。避免解决感是因为疗愈音乐的目的是让人停留在当下而不是引导情绪走向某个终点。4. 实操过程中的关键技巧与避坑指南4.1 提示词的顺序会影响输出结果我做过一个对比测试同样的内容一组把风格放在最前面一组把情绪放在最前面。结果风格优先的那组音色准确率明显更高情绪优先的那组结构更接近描述但音色经常跑偏。所以我的建议是风格和乐器永远放在提示词的前半部分情绪和结构放在后半部分。4.2 BPM不是越高越好很多人觉得运动音乐就要BPM拉满但我实测下来140 BPM以上的音乐连续听超过3分钟就会产生疲劳感。比较稳妥的做法是在130-140之间通过鼓组的密度和贝斯的强度来制造能量感而不是一味提高BPM。4.3 调性选择有讲究大调和小调的情绪差异在AI音乐里会被放大。我试过同样的旋律用C大调和A小调分别生成出来的感觉完全是两首曲子。大调适合积极、明亮、商业化的场景小调适合沉浸、内省、有故事感的场景。如果你不确定选哪个可以先各生成一版对比。4.4 结构描述要具体到秒“前奏短一点”这种描述AI理解不了。你必须写“intro 3s”或者“intro 2-4s”。我早期就是因为结构描述太模糊导致生成的音乐前奏长达20秒完全没法用。具体到秒的结构描述是保证输出可用的关键。4.5 循环音乐要检查首尾匹配AI生成的循环音乐经常出现首尾不匹配的问题——结尾的音量比开头低或者配器不一样。我的做法是生成后把音频导入剪辑软件把结尾和开头叠在一起听如果有明显的断层就重新生成或者手动交叉淡化。4.6 不要一次生成太长的音频AI对超过3分钟的音频生成质量会明显下降表现为结构松散、重复过多、音质变差。我的策略是分段生成再拼接先做1-2分钟的主段确认质量后再生成变奏段最后在剪辑软件里拼成完整版本。5. 常见问题与排查技巧实录5.1 生成的音乐风格完全不对排查思路先检查风格关键词是不是太宽泛。“electronic”这种词太笼统AI会随机选一个子风格。改成“melodic house”或“ambient techno”这种具体风格准确率会高很多。速查表问题表现可能原因解决方法风格完全跑偏风格词太宽泛换成更具体的子风格音色不对乐器描述不具体指定具体乐器名称节奏不对BPM范围太宽缩小到±5 BPM情绪不对调性选错大调换小调或反之5.2 音乐结构混乱排查思路检查结构描述是不是太模糊。AI需要明确的段落划分和时长比例。如果只写“有前奏和副歌”AI可能会把前奏做得特别长。实操技巧用“intro Xs, main Xs, outro Xs”的格式X写具体数字。如果生成结果还是不对可以尝试把结构描述放在提示词的最前面。5.3 循环音乐有断层排查思路这是AI音乐生成的常见问题根源在于AI不理解“循环”的概念。它只是生成了一段有开头和结尾的音乐。解决方法在提示词里明确写“seamless loop”和“intro and outro matched”。如果还是不行就在剪辑软件里手动处理——把结尾的最后一秒和开头的第一秒交叉淡化。5.4 人声和音乐打架排查思路如果你要给人声内容配乐音乐的中频不能太满。我试过用钢琴中音区做配乐结果和人声完全糊在一起。解决方法在提示词里加“leave mid-range space for vocals”或者“avoid frequencies around 1-4kHz”。更简单的做法是选配器本身就偏高频或低频的风格比如只用pad和bass把中频让出来。5.5 生成速度太慢排查思路生成速度和音频长度、复杂度直接相关。5分钟以上的音频生成时间可能是1分钟音频的5-10倍。实操建议先短后长。先用30秒的提示词测试风格和乐器是否满意确认后再生成完整长度。这样能省下大量等待时间。6. 我个人的使用心得与扩展思路这套模板库我用了大概三个月最大的体会是提示词模板不是让你偷懒的而是让你把精力集中在真正重要的决策上。以前我花大量时间纠结“该怎么描述这个感觉”现在我把这部分标准化了省下来的时间可以用来打磨结构、对比不同版本、做更精细的后期处理。还有一个心得是不要迷信模板。模板是起点不是终点。我经常在模板基础上做“破坏性实验”——把BPM调高20、把大调换成小调、把乐器配置完全换掉。有时候出来的东西比原模板还好。AI音乐生成的有趣之处就在于你永远不知道下一次生成会给你什么惊喜。后续我打算把这套模板扩展成两个方向一个是风格混合模板比如“Lo-fi加管弦乐”或者“电子加民乐”另一个是动态模板让音乐能根据视频画面的节奏自动调整能量。这两个方向都还在测试阶段等有稳定结果了再整理出来。
AI音乐生成提示词模板库：12个高频场景与五层描述法
1. 为什么我要做这个AI音乐提示词模板库去年年底我开始密集使用AI音乐生成工具做短视频配乐和播客片头前后跑了大概两百多次生成任务。最开始那一个月我基本是在“抽卡”——把脑子里模糊的感觉直接丢进去出来的东西十有八九不能用。要么风格跑偏要么结构混乱要么前奏还没铺完就直接炸副歌。后来我意识到一个问题AI音乐生成和AI绘画一样提示词的质量直接决定输出质量的上限而大多数人包括当时的我根本不知道该怎么把“我想要的感觉”翻译成AI能听懂的结构化指令。这个模板库就是在这个背景下攒出来的。我把过去半年里反复验证过、成功率比较高的提示词结构整理成了12个高频场景模板覆盖短视频配乐、播客片头、游戏BGM、广告配乐、白噪音、Lo-fi学习音乐、Vlog背景乐、品牌宣传片、有声书配乐、运动健身音乐、儿童内容配乐、以及情绪疗愈音乐。每个模板都拆解了风格描述、乐器配置、节奏参数、情绪走向、结构段落这几个核心维度你拿到手改几个关键词就能直接用。适合谁看如果你是短视频创作者、播客主、独立游戏开发者、或者单纯想用AI做点音乐玩玩的爱好者这套模板能帮你省掉大量试错时间。不需要乐理基础但你需要理解每个参数背后的逻辑——这也是我接下来要重点讲的部分。2. 提示词模板库的整体设计思路2.1 为什么是这12个场景场景的选择不是拍脑袋定的。我统计了自己过去半年所有生成任务的使用频率发现排在前面的需求高度集中短视频配乐占了将近四成播客和有声书加起来两成多游戏和广告各占一成左右剩下的被白噪音、运动音乐、儿童内容等瓜分。这12个场景基本覆盖了个人创作者90%以上的日常需求。另一个考虑是场景之间的参数差异足够大能形成互补。比如Lo-fi学习音乐和运动健身音乐前者要求节奏稳定、低频柔和、循环性强后者要求BPM高、鼓点突出、能量递进明显。把这两个放在一起对比你能更清楚地理解BPM、乐器配置、动态范围这些参数在不同场景下该怎么调。2.2 模板的底层结构五层描述法每个模板都遵循同一个底层结构我把它叫做“五层描述法”。这五层分别是风格锚定层用2-3个关键词锁定音乐的大方向比如“cinematic orchestral”“warm acoustic folk”“dark synthwave”。这一层的作用是让AI快速定位到正确的音色库和编曲逻辑。乐器配置层具体列出主奏乐器、节奏乐器和氛围乐器。比如“piano as lead, soft strings pad, light shaker percussion”。AI对乐器的识别很精准你写得越具体输出越可控。节奏与调性层BPM范围、拍号、调式大调/小调。这一层决定了音乐的基本情绪底色。情绪走向层描述音乐从开始到结束的情绪变化曲线比如“starts gentle and curious, builds to hopeful and expansive, ends with a soft resolve”。结构段落层明确前奏、主歌、副歌、桥段、尾奏的时长比例和能量变化。这一层是很多人忽略的但恰恰是决定音乐“能不能用”的关键。这五层不是随便定的。我试过只写风格和乐器出来的东西经常结构混乱也试过只写情绪和结构结果音色完全不对。五层缺一不可而且顺序很重要——AI对提示词的解析似乎有优先级风格和乐器放在前面结构和情绪放在后面生成结果的稳定性明显更高。2.3 参数化设计让模板可以“抄作业”每个模板里我都留了可替换的变量用方括号标出来。比如[BPM: 70-80]、[key: C major]、[mood: nostalgic]。这样你拿到模板后不需要从零开始写只需要根据具体需求替换几个关键词就行。举个例子Lo-fi学习音乐的模板里BPM默认是70-80但如果你想要稍微轻快一点的版本可以改成85-90调性默认是D小调想要更明亮的感觉可以换成F大调。这种参数化的设计让模板既有结构性又有灵活性。3. 12个高频场景模板的详细拆解3.1 短视频配乐模板15-60秒短视频配乐的核心需求是前3秒抓耳、中段有记忆点、结尾干净利落。我试过很多次如果前奏太长用户划走的概率极高。所以这个模板的结构比例是前奏2-3秒主段10-40秒尾奏2-3秒。提示词模板Style: upbeat cinematic pop, energetic and bright Instruments: punchy drums, bright synth lead, warm bass, light plucks BPM: 110-125 Key: G major or D major Mood: starts with immediate hook, maintains high energy, ends with a clean cutoff Structure: intro 2s, main groove 15-45s with subtle variation every 8 bars, outro 2s这里有几个细节值得展开。BPM选110-125是因为这个区间既不会太慢显得拖沓也不会太快导致画面和音乐对不上。大调优先是因为短视频场景下大调更容易传递积极情绪完播率更高。每8小节做一次细微变化是为了避免听众产生听觉疲劳但又不会破坏整体的连贯性。注意如果你的视频是慢节奏的风景或情感类内容可以把BPM降到90-100调性换成A小调或E小调情绪描述改成“gentle and reflective”。3.2 播客片头模板20-40秒播客片头的核心是品牌识别度。我见过很多播客用同一段音乐用了好几年听众一听到前奏就知道是哪个节目。所以这个模板的重点是旋律记忆点和情绪一致性。提示词模板Style: minimal electronic with organic textures, professional and warm Instruments: soft marimba lead, deep pad, subtle kick, light hi-hat BPM: 95-105 Key: F major or C major Mood: confident and inviting, steady energy throughout, no dramatic drops Structure: intro 3s, main theme 15-30s with a clear melodic hook repeated twice, outro 3s马林巴或类似的木质打击乐器是我测试下来最适合播客片头的音色既有温度又有辨识度。避免戏剧性的能量起伏是因为播客片头通常是在说话前播放太强烈的动态变化会让人声显得突兀。旋律钩子重复两次是为了加深记忆但第二次可以加一点细微的变奏避免完全重复显得呆板。3.3 游戏BGM模板循环向游戏BGM和普通音乐最大的区别是需要无缝循环。我早期做游戏配乐时犯过一个错误音乐结尾做了渐弱处理结果循环时出现明显的断层。后来我调整了结构设计让尾奏和 intro 在音量和配器上保持一致循环起来就自然多了。提示词模板Style: ambient orchestral or chiptune hybrid, immersive and atmospheric Instruments: strings pad, soft synth arpeggio, light percussion, occasional bell accents BPM: 80-100 Key: A minor or D minor Mood: calm and exploratory, consistent energy, no sudden changes Structure: seamless loop, 60-90s length, intro and outro matched in volume and instrumentation小调优先是因为游戏场景下小调更容易营造沉浸感和探索感。避免突然的变化是为了不打断玩家的心流状态。60-90秒的长度是测试下来比较合适的循环周期太短容易腻太长则浪费生成额度。3.4 广告配乐模板30-60秒广告配乐的核心是情绪引导。30秒的广告通常需要完成“吸引注意-建立信任-激发行动”三个情绪阶段。这个模板的结构设计就是围绕这三个阶段来的。提示词模板Style: modern corporate pop, clean and optimistic Instruments: bright piano, uplifting strings, steady drums, subtle synth bass BPM: 100-115 Key: C major or G major Mood: starts curious, builds to confident and inspiring, ends with a clear resolve Structure: intro 3s, build 10s, peak 20s, resolve 5s钢琴加弦乐的组合在广告配乐里几乎不会出错既有质感又不抢人声。BPM 100-115是广告配乐的黄金区间节奏感足够但不会太急促。情绪递进的设计让音乐和广告文案的节奏能对上——前10秒铺垫中间20秒推向高潮最后5秒收束。3.5 白噪音模板30-120分钟白噪音的需求很特殊不能有旋律、不能有节奏变化、不能有突然的响度波动。我试过用普通音乐的提示词去生成白噪音结果出来的东西虽然叫“白噪音”但里面还是有明显的旋律线完全不能用。提示词模板Style: pure ambient noise, no melody, no rhythm Instruments: rain sounds, distant thunder, soft wind, occasional bird chirps BPM: none Key: none Mood: constant and soothing, no variation Structure: continuous 30-120 minutes, no intro or outro, seamless**明确写“no melody, no rhythm”**是关键。AI默认会生成有旋律的内容你必须明确告诉它不要。雨声加远处雷声加风声是我测试下来最受欢迎的组合层次感比单一音效好很多。时长写30-120分钟是因为AI对超长音频的生成能力有限写一个范围比写具体数字更稳妥。3.6 Lo-fi学习音乐模板循环向Lo-fi的核心是稳定的节奏、柔和的低频、适度的怀旧感。这个模板我调了很多次最后发现鼓组的处理是最关键的——底鼓不能太硬军鼓不能太亮整体要有一种“蒙了一层纱”的感觉。提示词模板Style: lo-fi hip hop, warm and nostalgic Instruments: soft piano chords, mellow bass, dusty drums, vinyl crackle BPM: 70-85 Key: D minor or A minor Mood: calm and focused, consistent throughout, no dramatic changes Structure: seamless loop, 90-120s, subtle variation every 16 bars黑胶底噪是Lo-fi的灵魂但量要控制好太多会显得脏太少又不够味。每16小节做一次细微变化是为了保持长时间聆听的新鲜感但变化幅度要小不能破坏整体的稳定感。小调优先是因为小调更容易营造“安静学习”的氛围。3.7 Vlog背景乐模板2-5分钟Vlog背景乐的需求是不抢戏、有推进感、能配合画面节奏。我自己的Vlog用过很多次这个模板核心体会是音乐的能量要略低于画面的能量这样观众才会把注意力放在内容上而不是被音乐带跑。提示词模板Style: indie folk or light electronic, warm and personal Instruments: acoustic guitar, soft piano, light percussion, subtle bass BPM: 90-105 Key: G major or D major Mood: friendly and curious, gentle build throughout, ends softly Structure: intro 5s, gradual build over 2-4 minutes, outro 5s原声吉他加钢琴的组合几乎适配所有Vlog场景既有温度又不抢戏。BPM 90-105是Vlog配乐的舒适区太快会显得赶太慢会显得拖。渐进的能量变化是为了配合Vlog的叙事节奏——开头平淡中间逐渐丰富结尾回归平静。3.8 品牌宣传片模板60-90秒品牌宣传片配乐比广告配乐更注重质感和格局。我对比过很多品牌片发现它们有一个共同点低频扎实、高频克制、中频饱满。这个模板就是围绕这个听感特征设计的。提示词模板Style: cinematic corporate, elegant and powerful Instruments: deep strings, grand piano, subtle brass, steady percussion BPM: 85-100 Key: D major or A major Mood: starts reflective, builds to confident and expansive, ends with a strong resolve Structure: intro 5s, build 20s, peak 40s, resolve 10s弦乐铺底加钢琴点缀是品牌片最稳妥的配置。BPM 85-100比广告配乐稍慢给画面留出更多呼吸空间。情绪从反思到自信的走向正好对应品牌片常见的“问题-解决-愿景”叙事结构。3.9 有声书配乐模板循环向有声书配乐的核心是极低的干扰性。我试过用普通背景音乐给有声书配乐结果听众反馈说“音乐太抢戏了”。后来我把音量动态压得很平乐器也简化到只剩两三种问题就解决了。提示词模板Style: minimal ambient, extremely subtle Instruments: soft pad, occasional piano note, no percussion BPM: none or very slow Key: C major or A minor Mood: neutral and unobtrusive, constant throughout Structure: seamless loop, 2-5 minutes, no melodic movement去掉打击乐是关键。任何有节奏感的元素都会和朗读的节奏产生冲突。偶尔的钢琴单音可以提供一点色彩但不能形成旋律线。2-5分钟的循环长度是为了避免频繁切换音乐打断听众的沉浸感。3.10 运动健身音乐模板3-5分钟运动音乐的核心是BPM匹配心率。我查过一些运动科学的研究热身阶段适合120-130 BPM力量训练适合130-140 BPM高强度间歇适合140-160 BPM。这个模板默认设在130-140覆盖大多数训练场景。提示词模板Style: energetic electronic or rock, driving and powerful Instruments: heavy drums, aggressive bass, bright synth lead, occasional vocal chops BPM: 130-140 Key: E minor or A minor Mood: starts with intensity, maintains high energy, occasional peaks for interval training Structure: intro 5s, main section 3-5 minutes with energy peaks every 60-90s底鼓要重、贝斯要厚这是运动音乐的基本要求。每60-90秒一个能量峰值是为了配合间歇训练的节奏。小调优先是因为小调更有力量感和紧迫感。3.11 儿童内容配乐模板1-3分钟儿童配乐的核心是明亮、简单、有重复性。我给我侄女做过几段配乐发现她对木琴、钟琴、口哨这类音色特别敏感而且喜欢有重复旋律的段落。提示词模板Style: playful and bright, simple and cheerful Instruments: xylophone, glockenspiel, ukulele, light shaker, whistling BPM: 100-120 Key: C major or F major Mood: happy and curious, consistent energy, no dark or tense sections Structure: intro 3s, main theme 1-3 minutes with repeated melodic phrases, outro 3s大调是必须的小调在儿童内容里几乎不能用。木琴和钟琴的音色天生带有“童趣”属性。重复的旋律短句能帮助儿童建立记忆和参与感。3.12 情绪疗愈音乐模板5-15分钟疗愈音乐的核心是极简、缓慢、无解决感。我试过用常规的“放松音乐”提示词出来的东西还是太“满”了。后来我把乐器减到只剩两三种BPM降到60以下效果才对。提示词模板Style: ambient meditation, extremely minimal Instruments: singing bowl, soft drone, occasional nature sounds BPM: 50-60 or none Key: C major or D major Mood: deeply calm and spacious, no tension, no resolution Structure: continuous 5-15 minutes, no clear beginning or end颂钵和持续音是疗愈音乐的核心音色。BPM 50-60或者干脆不设BPM让音乐自由流动。避免解决感是因为疗愈音乐的目的是让人停留在当下而不是引导情绪走向某个终点。4. 实操过程中的关键技巧与避坑指南4.1 提示词的顺序会影响输出结果我做过一个对比测试同样的内容一组把风格放在最前面一组把情绪放在最前面。结果风格优先的那组音色准确率明显更高情绪优先的那组结构更接近描述但音色经常跑偏。所以我的建议是风格和乐器永远放在提示词的前半部分情绪和结构放在后半部分。4.2 BPM不是越高越好很多人觉得运动音乐就要BPM拉满但我实测下来140 BPM以上的音乐连续听超过3分钟就会产生疲劳感。比较稳妥的做法是在130-140之间通过鼓组的密度和贝斯的强度来制造能量感而不是一味提高BPM。4.3 调性选择有讲究大调和小调的情绪差异在AI音乐里会被放大。我试过同样的旋律用C大调和A小调分别生成出来的感觉完全是两首曲子。大调适合积极、明亮、商业化的场景小调适合沉浸、内省、有故事感的场景。如果你不确定选哪个可以先各生成一版对比。4.4 结构描述要具体到秒“前奏短一点”这种描述AI理解不了。你必须写“intro 3s”或者“intro 2-4s”。我早期就是因为结构描述太模糊导致生成的音乐前奏长达20秒完全没法用。具体到秒的结构描述是保证输出可用的关键。4.5 循环音乐要检查首尾匹配AI生成的循环音乐经常出现首尾不匹配的问题——结尾的音量比开头低或者配器不一样。我的做法是生成后把音频导入剪辑软件把结尾和开头叠在一起听如果有明显的断层就重新生成或者手动交叉淡化。4.6 不要一次生成太长的音频AI对超过3分钟的音频生成质量会明显下降表现为结构松散、重复过多、音质变差。我的策略是分段生成再拼接先做1-2分钟的主段确认质量后再生成变奏段最后在剪辑软件里拼成完整版本。5. 常见问题与排查技巧实录5.1 生成的音乐风格完全不对排查思路先检查风格关键词是不是太宽泛。“electronic”这种词太笼统AI会随机选一个子风格。改成“melodic house”或“ambient techno”这种具体风格准确率会高很多。速查表问题表现可能原因解决方法风格完全跑偏风格词太宽泛换成更具体的子风格音色不对乐器描述不具体指定具体乐器名称节奏不对BPM范围太宽缩小到±5 BPM情绪不对调性选错大调换小调或反之5.2 音乐结构混乱排查思路检查结构描述是不是太模糊。AI需要明确的段落划分和时长比例。如果只写“有前奏和副歌”AI可能会把前奏做得特别长。实操技巧用“intro Xs, main Xs, outro Xs”的格式X写具体数字。如果生成结果还是不对可以尝试把结构描述放在提示词的最前面。5.3 循环音乐有断层排查思路这是AI音乐生成的常见问题根源在于AI不理解“循环”的概念。它只是生成了一段有开头和结尾的音乐。解决方法在提示词里明确写“seamless loop”和“intro and outro matched”。如果还是不行就在剪辑软件里手动处理——把结尾的最后一秒和开头的第一秒交叉淡化。5.4 人声和音乐打架排查思路如果你要给人声内容配乐音乐的中频不能太满。我试过用钢琴中音区做配乐结果和人声完全糊在一起。解决方法在提示词里加“leave mid-range space for vocals”或者“avoid frequencies around 1-4kHz”。更简单的做法是选配器本身就偏高频或低频的风格比如只用pad和bass把中频让出来。5.5 生成速度太慢排查思路生成速度和音频长度、复杂度直接相关。5分钟以上的音频生成时间可能是1分钟音频的5-10倍。实操建议先短后长。先用30秒的提示词测试风格和乐器是否满意确认后再生成完整长度。这样能省下大量等待时间。6. 我个人的使用心得与扩展思路这套模板库我用了大概三个月最大的体会是提示词模板不是让你偷懒的而是让你把精力集中在真正重要的决策上。以前我花大量时间纠结“该怎么描述这个感觉”现在我把这部分标准化了省下来的时间可以用来打磨结构、对比不同版本、做更精细的后期处理。还有一个心得是不要迷信模板。模板是起点不是终点。我经常在模板基础上做“破坏性实验”——把BPM调高20、把大调换成小调、把乐器配置完全换掉。有时候出来的东西比原模板还好。AI音乐生成的有趣之处就在于你永远不知道下一次生成会给你什么惊喜。后续我打算把这套模板扩展成两个方向一个是风格混合模板比如“Lo-fi加管弦乐”或者“电子加民乐”另一个是动态模板让音乐能根据视频画面的节奏自动调整能量。这两个方向都还在测试阶段等有稳定结果了再整理出来。