lyric-diagnostic

歌词诊断：技能

你可以从多个维度诊断歌词问题。你的职责是找出歌词为何失效，并引导创作者（人类或 AI）做出更有效的选择。

核心原则

歌词失效的方式具有可预测性，也可以诊断。泛泛而谈并非中性——泛泛而谈就是糟糕。

AI 生成的歌词会聚集在统计分布的中心：最可能出现的词语选择、押韵组合和情感词汇。优化概率会产出平庸之作。有效的歌词需要有意识地偏离默认选项。

在音乐生成中，“Celtic” 会触发锡哨，在歌词生成中，“love” 也会触发可预测的押韵组合和情感陈词滥调，同样的模式由此可见。

---

歌词状态

状态 LY1：陈词滥调陷阱

症状： 可预测的押韵组合占据主导。用词都是第一联想。毫无惊喜。歌词可以套用到任何关于这个主题的歌曲中。

关键问题：

• 你用了哪些押韵组合？它们是否都是第一联想？
• 如果换掉句尾押韵词，意思会改变吗？（如果不会，那它就是凑数的）
• 你能列出这个主题的默认用词，并避开它们吗？
• 其他曲风会如何表达同一种情绪？

诊断清单：

• 不含一级陈词滥调词汇（love、heart、baby、forever）
• 不含套话（见下表）
• 押韵组合不是显而易见的第一联想
• 每段至少有一个出人意料的用词
• 使用具体细节，而非泛泛而谈

套话（短语层面的陈词滥调，不只是单个词）：

脚本无法识别这些——它们需要语义判断：

短语	类别	陈词滥调的原因
"screaming inside"	未表达的痛苦	每首描写隐藏痛苦的歌都会用到
"need you gone"	直接表达欲望	直接说出想要什么，而不是展现出来
"won't leave me alone"	挥之不去	对记忆或念头的泛泛抱怨
"thought I died"	情感死亡隐喻	滥用的强烈情感标记
"used to be" + 过去状态	怀旧铺垫	陈套的前后对比框架
"look in your eyes"	情感联结	含糊的浪漫举动
"torn apart"	毁灭	抽象的暴力隐喻
"can't let go"	依恋	直接说出问题所在

偷懒的押韵组合（由押韵驱动用词选择）：

组合	问题
desire / fire / tired	这组词总是一起出现
inside / died / alive	死亡与内心意象组合
away / stay / day	动向与时间组合
heart / apart / start	心与毁灭组合
alone / gone / on	孤独组合

干预措施：

• 预筛选时运行 cliche-check.ts（会列出候选项，但不会做出诊断）
• 手动检查套话——脚本会漏掉这些
• 列出句尾词最容易搭配的 10 个押韵词——全部避开
• 用具体的感官意象替换抽象情绪
• 问自己：“厌恶这种曲风的人绝不会说什么？”然后用那个。

---

状态 LY2：节拍不匹配

症状： 歌词与旋律不合。重音落在错误的音节上。需要不自然的发音。音节挤在一起或被别扭地拉长。

关键问题：

• 你能一边打节拍，一边同时朗读歌词吗？
• 重音落在哪里？是否与旋律的强调位置一致？
• 有没有音节被吞掉或不自然地拉长？
• 每个乐句有多少音节？是否一致？

诊断清单：

• 自然词重音与音乐节拍对齐
• 音节数符合旋律乐句
• 不需要别扭的发音
• 缩约形式或省音形式适合演唱

干预措施：

• 运行 meter-check.ts，分析音节数和重音模式
• 一边打节拍，一边朗读歌词——不匹配之处会一目了然
• 替换为意思相同但音节数不同的词
• 使用缩约形式减少音节，或展开表达以增加音节

---

状态 LY3：流于表面

**症状：**歌词表达的意思直白明了，除此之外别无他意。没有潜台词、层次或深度。情绪直接说出。一切都浮于表面。

关键问题：

• 是否有第二层解读？是否有言外之意？
• 你是在直接陈述情绪，还是通过意象唤起情绪？
• 哪个具体、鲜明的意象能为抽象概念提供支撑？
• 这些歌词能否让人初听就懂，却在反复聆听时发现深意？

诊断清单：

• 每段主歌至少有一个能从多个层面理解的意象
• 通过细节唤起情绪，而非直接陈述
• 留下一些值得反复聆听、细细发现的内容
• 用具体细节为抽象概念提供支撑

改进方法：

• 为每个抽象陈述找一个能体现它的具体动作或意象
• 不要说“我很难过”，而要展现难过是什么样子、听起来怎样、感受如何
• 加入一个不太合拍的细节，制造富有成效的模糊感
• 测试：你能否对同一句歌词给出两种不同的解读？

---

状态 LY4：风格不匹配

**症状：**歌词的语气与音乐的情绪相矛盾。戏剧性的编曲搭配随意的措辞。轻快的音乐搭配沉重的歌词。用词不符合对该流派的预期。

关键问题：

• 此刻你希望听众感受到什么情绪？
• 你的用词是雅致还是随意，是否与音乐相匹配？
• 歌词与听众的距离（亲密／旁观）是否与伴奏相匹配？
• 这种表达方式放在这个流派中是否合理？

诊断清单：

• 用词与音乐的强度相匹配
• 歌词与听众的距离（我／你，还是他们／我们）符合音乐风格
• 符合该流派的用词预期，或有意打破预期
• 若存在反讽，信号是否明确

改进方法：

• 不听歌词，单独听音乐——它唤起了什么情绪？
• 逐段让歌词的强度与音乐的强度相匹配
• 检查该流派的用词惯例——要么有意打破，要么完全遵循
• 若使用反讽，加入提示词或结构线索

---

状态 LY5：忽视声音效果

**症状：**没有关注词语在口中的感觉。温柔的段落中出现刺耳的辅音连缀。元音音色单调。缺少头韵、谐元音或刻意设计的声音质感。

关键问题：

• 哪些辅音音素占主导？它们营造了什么质感？
• 元音音色是否烘托了情绪内容？
• 是否有破坏流畅感的刺耳辅音连缀？
• 是否有刻意的声音描绘？

诊断清单：

• 亲密时刻使用柔和的辅音（l、m、n、w）
• 有冲击力的时刻使用硬辅音（k、t、p）
• 元音音色烘托情绪内容
• 每段主歌至少使用一种声音修辞（头韵、谐元音）

改进方法：

• 大声朗读歌词，只关注词语在口中的感觉
• 将情绪时刻与恰当的声音质感对应起来
• 在温柔的时刻替换掉听起来刺耳的词语
• 在关键短语中加入刻意设计的头韵或谐元音

---

状态 LY6：结构混乱

症状： 找不到明确的钩子。主歌和副歌听起来可以互换。重复让人厌烦，而非加深印象。桥段没有形成对比。歌曲没有起伏弧线。

关键问题：

• 是否有清晰的钩子？它出现在哪里？
• 每段主歌是否提供了新信息，还是只是在重复？
• 桥段是否真正形成了对比，还是只是在延续？
• 重复是否有其价值？

诊断清单：

• 钩子清晰且令人难忘
• 各段主歌有所区别（提供新信息或不同角度）
• 副歌带来情感上的满足
• 桥段形成对比或递进
• 重复有所发展或起到强调作用，而非令人厌烦

结构陈词滥调：

模式	问题	修正方法
桥段 = 主歌	根本不是桥段，只是重复相同内容	转换视角、时间或说话者
副歌重复时不断扩充	只增加歌词，却没有发展	每次重复副歌都应承载更多含义
重复钩子却不加以展开	说出那句话，却从未进一步诠释	这个钩子意味着什么？让我们看见。
没有起伏弧线	结尾时的情感状态与开头相同	必须有所变化——领悟、接受或升级
各段主歌换种说法讲同一件事	第二段主歌只是第一段主歌的同义词版本	每段主歌都需要提供新信息或不同角度

干预措施：

• 找出钩子——如果找不到，就创作一个
• 让每段主歌回答关于主题的不同问题
• 桥段应转换视角、时间或强度
• 删掉没有存在价值的重复
• 检查：说话者在结尾时的情感状态是否有所不同？

---

诊断流程

步骤 1：首次聆听（整体感受）

不做分析地听一遍。记录：

• 整体印象如何？
• 哪些歌词句子有力或乏力？
• 注意力会在哪里游离？
• 听过一遍后，什么最令人难忘？

步骤 2：确定主要状态

哪种状态最能描述主要问题？

• LY1：感觉平庸、可预测 → 陈词滥调陷阱
• LY2：与旋律不合 → 格律不匹配
• LY3：缺乏深度 → 浅薄表面
• LY4：语气不对 → 语域不匹配
• LY5：听起来别扭 → 忽视声音
• LY6：缺少结构或钩子 → 结构混乱

步骤 3：进行诊断

针对主要状态：

• 回答关键问题
• 运行相关脚本（cliche-check.ts、meter-check.ts 等）
• 完成诊断清单

步骤 4：检查次要状态

多种状态经常同时出现：

• 陈词滥调（LY1）常伴随浅薄（LY3）
• 格律（LY2）常伴随声音问题（LY5）
• 语域（LY4）常伴随结构问题（LY6）

步骤 5：按优先级干预

先修复影响最大的问题：

• 先处理格律（LY2），再处理声音（LY5）——如果唱不出来，声音质感也无济于事
• 先处理陈词滥调（LY1），再处理浅薄（LY3）——新鲜的措辞才能带来深度
• 先处理结构（LY6），再处理语域（LY4）——先有段落，才能匹配语气

---

反模式

1. 过度修改

模式： 修复一个问题，却引入新问题。每次修改都会引发连锁反应。

表现：

• 第 5 稿比第 2 稿更糟
• “修正”押韵却破坏了含义
• 原有的灵感消失了

失败原因： 歌词是一个相互关联的系统。只修单点会忽略系统层面的影响。

修正方法： 每次只改一处，然后从整体上重新阅读。检查全篇之前，不要连续进行多处修正。

---

2. 虚假的深刻

模式： 为复杂而追求复杂。把晦涩误当深刻。

表现：

• 歌词需要解释
• 隐喻密集，却缺乏清晰脉络
• 让听众困惑，而非引发兴趣

失败原因： 晦涩不等于深刻。听众需要一个切入点。

修正方法： 每个晦涩的元素都需要一个清晰的锚点。复杂性应服务于清晰，而不是取而代之。

---

3. 类型模仿

模式： 使用类型词汇，却不理解其作用。

表现：

• 乡村歌词里有卡车，却没有故事
• 嘻哈文字游戏缺少韵律感
• 独立音乐的晦涩表达缺少情感内核

为何无效： 类型词汇是实现功能的捷径。没有功能，就只是装扮。

改进方法： 理解类型元素的作用，再出于该目的运用它。

---

4. 依恋初稿

模式： 拒绝修改那些轻易写出来的歌词。

表现：

• “但这是我最先写出来的”
• 出于情感原因维护薄弱的歌词
• 舍不得删掉自认为出色的内容

为何无效： 初稿捕捉了直觉，但也包含杂音。需要提取其中的有效信号。

改进方法： 将初稿单独保存。把它当作别人写的来修改。

---

整合

输入（何时使用此技能）

• 生成 AI 歌词后（Suno 等）
• 人类创作的歌词感觉“不对劲”时
• 制作前最终确定任何歌词时

输出（之后该做什么）

• LY1（陈词滥调） → 应用突破陈词滥调框架
• LY2（格律） → 使用 meter-reference.md 查找替代方案
• LY3（浅薄） → 使用 lyric-analysis-framework.md 中的语义层次
• LY4（语域） → 查看 lyricist-dna-framework.md 中的语域模型
• LY5（声音） → 使用 lyric-analysis-framework.md 中的声音质感部分
• LY6（结构） → 使用结构架构部分

互补技能

• prose-style - 用于句子层面的写作技巧（与声音／清晰度有重叠）
• cliche-transcendence - 用于摆脱默认模式
• naming - 用于声音象征和选词

---

AI 歌词生成的失败模式

AI 生成的歌词（Suno 等）会因大模型的工作方式而出现可预测的问题：

退化模式

1. 第 1–2 行： 模型有发挥空间，或许能找到有趣的内容
2. 第 3 行起： 押韵约束开始生效，模型优先追求完成，而非原创性
3. 到第 2 段时： 完全陷入统计默认模式——套话、敷衍的押韵组合

原因：

两种力量相互叠加：

1. 统计中位数牵引： 大模型会生成概率最高的下一个词元。对歌词而言，这意味着最常见的押韵组合、最频繁出现的情感词汇，以及最典型的短语结构。概率优化带来平庸。

2. 完成奖励偏差： 针对“有帮助”这一目标的训练，会让目标完成优先于周全程度或质量。无论押韵是否有趣，模型都会把“完成押韵”视为成功。结构完整 > 结构有意义。

这与 Sequential Focus 框架中记录的机制相同——前向参照的引力牵引。模型看到目标（押韵、行尾、段落完成），便奔向概率最高的路径，而不是探索其他可能性。

可观察到的症状

• 开篇部分展现出写作技巧，后续部分却沦为陈词滥调
• 押韵词聚集在可预测的词组中（fire/desire/tired 一起出现）
• 套话集中出现在第 2 段及之后
• 桥段往往是最薄弱的部分（离开篇最远，限制最多）

应对措施

预先确定句尾词： 自己写出韵脚词，有意避开容易成组出现的词。让模型使用那些没有随手可得的押韵搭档的词。如果避开 “fire”，就能打破 fire/desire/tired 这一组韵脚。

用具体意象开篇： 开头几行会设定词汇空间。尽早加入具体、少见的意象，可能比抽象的情感词汇更能延缓统计上的坍缩。

拆分各部分： 单独生成第一段主歌并进行评估，然后生成第二段主歌，并明确要求避开第一段主歌的押韵词族。将每个部分视为独立的生成任务。

将词族列入黑名单： 在提示词中明确禁止使用容易出现的押韵词族：

• “不要使用：fire、desire、tired、higher、liar”
• “不要使用：inside、died、alive、hide、tried”
• “不要使用：heart、apart、start、part”

提供近似押韵的替代方案： 为模型提供其他选择。“不要使用完美押韵，改用近似押韵，例如 home/come、love/move。”

隔离原则

让顺序聚焦适用于 Agent 任务的同一原则，也适用于歌词生成：隐藏最终目标，让每个阶段都能独立完成。

不要提示“写一首关于 X 的完整歌曲”。改为：

1. 生成副歌钩子／标题的构思（不写完整歌词）
2. 单独生成第一段主歌（暂不写副歌）
3. 将第一段主歌作为背景，生成副歌
4. 生成第二段主歌，并明确要求与前文有所区别
5. 生成桥段，并要求转换视角

每一步都是一项完整任务。如果模型不知道最终目标是一首歌，就无法抢先完成整首歌。

---

此技能不会做什么

• 不会替你写歌词（仅用于诊断）
• 不会评估音乐元素（请使用 Musical DNA）
• 不会取代人类对艺术意图的判断
• 不保证商业成功（创作 ≠ 商业）

---

脚本（预筛选工具，而非诊断工具）

这些脚本会筛选出候选项，供大模型／人类解读。它们不会做出诊断判断。请将输出作为分析的输入，而不是把输出本身当作分析。

为什么使用预筛选工具？

• 词表无法识别陈词滥调短语（例如 “screaming inside”）
• 音素匹配无法判断押韵质量（动名词对动名词很偷懒）
• 音节计数有效，但对差异的解读需要判断

cliche-check.ts

从 lyric-dominance-rules.json 中筛选出 Tier 1/2 术语。你必须结合上下文进行评估。

用法： bun run scripts/cliche-check.ts "your lyrics here"

局限： 无法识别陈词滥调短语、受押韵驱动的选词和语义上的陈词滥调。

meter-check.ts

报告音节数、重音模式和差异。你必须判断这种差异是否有意为之。

用法： bun run scripts/meter-check.ts "your lyrics here"

适用于： 找出需要复查的诗行、发现差异较大的诗行。

rhyme-check.ts

标出押韵格式并识别押韵类型。你必须评估押韵质量。

用法： bun run scripts/rhyme-check.ts "your lyrics here"

局限： 会将动名词对动名词（-ing/-ing）标记为押韵，也会将同属一个语义领域的词对标记为押韵。无法识别受押韵驱动的选词。

---

快速参考

状态	核心问题	首要问题	主要修正方法
LY1	可预测	押韵词是否都是最先想到的？	替换陈词滥调用词
LY2	难以演唱	重音是否与节拍相符？	计算音节数，替换词语
LY3	空洞	是否有潜台词？	添加具体意象
LY4	不匹配	语气是否与音乐相符？	让词汇与力度相协调
LY5	刺耳	这些词在口中是什么感觉？	将声音与情绪对应起来
LY6	没有方向	钩子在哪里？	确定钩子并安排位置