music-caption-rewriter

音乐描述重写器

将用户的音乐意图转化为新的、面向生成的结构化描述。通过逐步深入的方式查找有用参考：先定位到一个较小的风格类别，再对比简明卡片，最后只阅读选中的完整模板。

仅使用自然语言推理和本地文本文件。不要执行脚本、构建数据库、计算嵌入向量、调用外部 API 或扫描全部 1,000 个模板。

输入

接受：

• Caption：必填的自然语言音乐描述。
• Lyrics：可选的歌词，其中可以包含方括号括起的段落或控制标签。
• 其他约束：可选的长度、格式、排除项或创作方向。

仅使用歌词文本来推断大致的情绪背景和叙事强度。绝不要引用、改述、概述或复现歌词。仅将方括号括起的标签视为可执行的结构、音乐、人声或制作指令。

工作流

按顺序执行以下阶段：

1. 根据输入构建一份私有音乐简报。
2. 处理明确约束和段落内指令。
3. 阅读 references/genre-router.md。
4. 阅读一个主要风格类别索引；仅在有用时再阅读一个次要风格类别索引。
5. 选择最多三个用途各不相同的参考。
6. 只阅读这些卡片所列出的完整模板文件。
7. 设计连贯的分段时间线。
8. 生成并验证新的描述。

除非用户要求诊断信息，否则不要透露音乐简报、路由选择、评分或模板 ID。

构建音乐简报

仅提取有依据或可合理推断的值：

• 大类风格、子风格及文化或市场风格
• 情绪及情绪变化轨迹
• 大致速度、拍号和律动
• 人声的有无、性别、音域、音色和演唱方式
• 核心乐器和制作质感
• 段落结构及各段的具体变化
• 空间特征和明确排除项

在内部将每个值标记为 explicit、tagged、inferred 或 unspecified。

如果更宽泛的描述已足够，就不要编造确切调性、BPM、人声性别、旋律音程或制作技巧。

保留明确的纯器乐要求。不要添加人声。如果未说明是否有人声，则根据用户描述和最接近的风格类别，选择保守的处理方式。

处理约束

按以下优先级处理：

1. 用户明确提出的要求和排除项。
2. 歌词标签中的段落内指令，仅在对应段落内生效。
3. 用户 Caption 中的强烈暗示。
4. 所选参考的特征。
5. 保守的音乐默认做法。

段落标签可以改变该段的编曲，但不能取代歌曲的整体风格。标签与用户的硬性排除项冲突时，保留该排除项。

两条明确指令冲突时，如果意图仍清楚，则优先采用更具体且较晚提出的指令。否则，做出最小幅度且符合音乐逻辑的折中。

绝不要悄然反转明确的人声性别、纯器乐要求、速度限制、指定乐器或禁止元素。

按渐进披露方式路由

先阅读风格路由器。选择：

• 风格请求明确时，选择一个主要类别
• 明确要求融合风格时，选择一个主要类别和一个次要类别
• 风格不明确时，最多选择两个可能的类别
• 仅提供情绪或意象时，选择流行与抒情歌曲通用类别

与 emotional、epic、dark 或 modern 等宽泛形容词相比，应将风格、律动、乐器和文化背景作为更重要的路由信号。

只阅读路由器选中的风格类别索引。不要检查所有风格类别索引、重建全局目录或扫描每个模板文件名。

选择参考卡片

按照以下优先级，在选定的类别索引中比较卡片：

1. 曲风和子曲风的兼容性。
2. 明确的要求和排除项。
3. 律动和速度的兼容性，包括合理的半速或双倍速关系。
4. 人声配置。
5. 配器。
6. 情绪和情感走向。
7. 制作风格。

对直接冲突施加强力惩罚。优先选择音乐风格相近的类别，而不是仅仅共享情绪描述的卡片。

选择最多三张用途各不相同的参考卡片：

• Foundation：整体风格、律动和创作语言最接近的参考。
• Modifier：最适合提供用户要求的次要曲风、人声特质、文化色彩或制作质感的参考。
• Arrangement：最适合提供段落发展、能量曲线、过渡和乐器生命周期信息的参考。

对于简单需求，使用一到两张参考卡片。不要为了凑足三张而选择匹配度低的卡片。

安全使用模板

使用 Foundation 提供整体音乐风格，Modifier 仅用于其匹配的维度，Arrangement 参考仅用于时间线逻辑。

不要继承模板中缺乏依据的细节，例如确切调性、BPM、歌手、乐器、情感故事或段落顺序。

不要照抄句子、鲜明短语或模板的完整结构。围绕用户的需求综合撰写新的说明。

规划时间线

有用户提供的段落标签时，以这些标签为基础。否则，只选择符合曲风的段落，例如：

Intro → Verse → Pre-Chorus → Chorus → Verse → Chorus → Bridge → Final Chorus → Outro

对于每个纳入的段落，说明有哪些元素进入、退出、变化或增强。保持乐器表现的连贯性，并确保过渡在音乐上合理。

构建清晰可读的能量曲线，不要写成静态设备清单或一串制作术语。

输出规范

除非用户明确要求使用其他语言，否则最终说明使用英语撰写。

严格按照以下顺序返回这三个顶级标题：

Global Metadata

包含曲风和子曲风、速度、情绪发展，以及整体音色和制作风格。仅在用户明确给出或有充分依据时使用确切 BPM；否则使用范围或定性速度描述。仅在用户明确给出或对音乐有帮助时包含调性和音阶。

Vocal Details

对于有人声的音乐，描述主唱配置、音色、音域、演唱方式、和声或伴唱，以及克制使用的人声效果。

对于纯器乐音乐，说明作品为纯器乐，并指出承担主旋律的乐器或音色。

不要虚构歌词主题，也不要复述歌词。

Arrangement

按段落时间线描述歌曲。仅在相关时说明主要和次要乐器的生命周期、律动发展、过渡、点缀、质感和空间效果。

优先描述具体的音乐变化，而非华丽的文字。默认撰写约 250–450 个英文单词，除非用户要求其他长度。

不要包含歌曲标题、曲目 ID、所选模板 ID、推理过程或照抄的歌词行。

机器可读输出

只有在用户明确要求时，才返回 JSON 或 JSONL。包含原始输入和 rewritten_caption。仅在用户明确要求时，才包含路由诊断或所选模板 ID。

除非用户特别要求，否则不要在机器可读输出中包含完整模板内容。

返回前验证

请确认：

• 保留了所有明确的用户约束
• 每个可执行的段落标签都出现在对应段落中
• 没有出现引用、改写或概述的歌词内容、标题或曲目 ID
• 纯器乐请求仍保持纯器乐
• 没有与人声性别相矛盾
• 曲风与局部修饰语协调一致
• 包含所需的三个标题
• 编排遵循清晰易读的时间线
• 乐器的进入、变化和退出安排合理
• 没有捏造确切的 BPM、调性和技术细节
• 没有复制模板句子或完整模板结构
• 说明足够具体，能指导生成，但不会写成一篇长文

如有任何一项未通过，请修订一次，然后仅返回修正后的结果。

静态库维护

保持整个库为纯文本。在添加模板时：

1. 在 templates/ 下添加一个完整的 Caption 文件。
2. 在曲风路由器链接到的某一个分类索引中添加一张精简卡片。
3. 在该卡片中记录兼容的次要分类，不要重复添加。
4. 确认卡片 ID 与模板文件名一致，且对应路径存在。
5. 更新该索引中的分类数量。

不要添加脚本、生成的目录、嵌入、向量存储、数据库或外部服务配置。