songwriting-and-ai-music

歌曲创作与 AI 音乐生成

这里的一切都是创作指南，而非规则。艺术本就会有意打破规则。 采用对歌曲有帮助的做法，忽略其他做法。

---

1. 歌曲结构（选一种，或自行创作）

常见的框架——按需混搭、修改或舍弃：

ABABCB  Verse/Chorus/Verse/Chorus/Bridge/Chorus    (most pop/rock)
AABA    Verse/Verse/Bridge/Verse (refrain-based)    (jazz standards, ballads)
ABAB    Verse/Chorus alternating                    (simple, direct)
AAA     Verse/Verse/Verse (strophic, no chorus)     (folk, storytelling)

六个基本组成部分：

• 前奏 — 营造氛围，吸引听众
• 主歌 — 讲述故事、描绘细节、构建世界
• 预副歌 — 可选，用于在高潮到来前逐步积蓄张力
• 副歌 — 情感核心，也是人们会记住的部分
• 桥段 — 一段迂回，或视角、调性上的转变
• 尾声 — 告别，可以呼应或颠覆其他部分

不必包含所有部分。有些好歌只有一个不断演变的段落。 结构服务于情感，而不是反过来。

---

2. 押韵、格律与声音

押韵类型（从严到松）：

• 完全押韵：lean/mean
• 韵族押韵：crate/braid
• 谐元音：had/glass（元音相同，结尾不同）
• 谐辅音：scene/when（元音不同，结尾相似）
• 近似／斜韵：足以让人感到有关联，但不把韵脚锁死

混合使用。全是完全押韵，听起来可能像童谣； 全是斜韵，听起来可能又显得敷衍。关键在于融合。

内韵：在诗行内部押韵，而不只是在句尾。 “We pruned the lies from bleeding trees / Distilled the storm from entropy”——“lies/flies”、“trees/entropy”构成了内部回响。

格律：重读与非重读音节形成的节奏。

• 平行诗行的音节数相近，有助于演唱
• 重读音节比音节总数更重要
• 大声读出来。如果读着磕绊，格律就需要调整。
• 有意打破格律，可以突出重点或制造惊喜

---

3. 情感弧线与力度变化

把歌曲想成一段旅程，而不是一条平坦的路。

能量分布（粗略参考，不是硬性规定）： 前奏：2-3 | 主歌：5-6 | 预副歌：7 副歌：8-9 | 桥段：不定 | 最后一次副歌：9-10

最有力的力度变化技巧：对比。

• 尖叫前先低声细语，比一直尖叫更有冲击力
• 稀疏之后再变密集。先慢后快。先低后高。
• 只有经过铺垫，高潮迸发才会有效
• 沉默也是一种乐器

“从轻声细语到放声高歌，再回到轻声细语”——从亲密低缓开始，逐渐积蓄到全力爆发，再收回到脆弱的状态。这适用于抒情曲、史诗、颂歌。

---

4. 创作能打动人的歌词

展示，而非讲述（通常如此）：

• “我很难过”＝平淡
• “你的连帽衫还挂在门边的钩子上”＝鲜活
• 但有时，直白地说“我愿献出生命”本身就很有力量

钩子：

• 人们会记住、哼唱、重复的那一句
• 通常是歌名或核心短句
• 旋律＋歌词＋情感协调一致时，效果最好
• 把它放在最有冲击力的位置（通常是副歌的第一句或最后一句）

歌词与音乐的韵律配合——让歌词和音乐彼此支撑：

• 稳定的情绪（释然、平静）适合沉稳的旋律、 完全押韵和解决的和弦
• 不稳定的情绪（渴望、怀疑）适合游移的旋律、 近似押韵和未解决的和弦
• 主歌旋律通常较低，副歌则更高
• 但只要有助于歌曲表达，也可以反过来

避免（除非你是有意为之）：

• 机械套用陈词滥调（例如未经铺垫就写“金子般的心”）
• 为了押韵而强行调整语序（“尤达式说话”）
• 每个部分都保持相同的能量（力度平淡）
• 把初稿当成神圣不可改动的成品——修改本身就是创作

5. 戏仿与改编

为现有歌曲重新填词时：

歌曲骨架：先梳理原曲的结构。

• 统计每行的音节数
• 标出押韵格式（ABAB、AABB 等）
• 找出重读音节
• 记录延长音落在哪里

填入新词：

• 让重读音节与原曲的节拍对应
• 音节总数可灵活增减 1–2 个非重读音节
• 对于延长音，尽量匹配原词的元音 （如果原词在 “LOOOVE” 上延长，元音是 “oo”，那么 “FOOOD” 比 “LIFE” 更合适）
• 在关键位置替换成单音节词，能保持节奏完整 （Crime → Code，Snake → Noose）
• 把新词配着原曲唱一遍——如果唱起来磕绊，就修改

概念：

• 选择一个足够有力、能贯穿整首歌的概念
• 从标题／副歌钩子入手，再逐步扩展开来
• 先大量收集原始素材（双关语、短语、意象）， 再把最好的素材填入结构中
• 如果需要在某处加入特定的一行，就从后往前推导 押韵格式，为它做好铺垫

保留部分原作：保留少数原有歌词或结构不变， 能提升辨识度，也能让听众感受到与原作的联系。

---

6. Suno AI 提示词工程

风格／流派描述栏

公式（按需调整）： 流派 + 情绪 + 时代 + 乐器 + 演唱风格 + 制作 + 动态

BAD:  "sad rock song"
GOOD: "Cinematic orchestral spy thriller, 1960s Cold War era, smoky
       sultry female vocalist, big band jazz, brass section with
       trumpets and french horns, sweeping strings, minor key,
       vintage analog warmth"

描述音乐的历程，而不只是流派：

"Begins as a haunting whisper over sparse piano. Gradually layers
 in muted brass. Builds through the chorus with full orchestra.
 Second verse erupts with raw belting intensity. Outro strips back
 to a lone piano and a fragile whisper fading to silence."

提示：

• V4.5+ 的风格栏最多支持 1,000 个字符——充分利用
• 不要使用艺人姓名或商标。改为描述声音。 “1960 年代冷战谍战惊悚片铜管乐”，而不是“James Bond 风格” “90 年代垃圾摇滚”，而不是“Nirvana 风格”
• 有偏好时，注明 BPM 和调性
• 使用排除风格栏指定你不想要的内容
• 意想不到的流派组合可能效果出色：“波萨诺瓦陷阱乐”， “阿巴拉契亚哥特风”，“芯片音乐爵士”
• 塑造演唱者的个性，而不只是指定性别： “一位饱经风霜的伤感女歌手，拥有沙哑的女中音，略带粗粝感， 开始时脆弱，随后逐渐爆发出震撼人心的力量”

元标签（放在歌词栏的 [方括号] 中）

结构： [Intro] [Verse] [Verse 1] [Pre-Chorus] [Chorus] [Post-Chorus] [Hook] [Bridge] [Interlude] [Instrumental] [Instrumental Break] [Guitar Solo] [Breakdown] [Build-up] [Outro] [Silence] [End]

演唱表现： [Whispered] [Spoken Word] [Belted] [Falsetto] [Powerful] [Soulful] [Raspy] [Breathy] [Smooth] [Gritty] [Staccato] [Legato] [Vibrato] [Melismatic] [Harmonies] [Choir] [Harmonized Chorus]

动态： [High Energy] [Low Energy] [Building Energy] [Explosive] [Emotional Climax] [Gradual swell] [Orchestral swell] [Quiet arrangement] [Falling tension] [Slow Down]

性别： [Female Vocals] [Male Vocals]

氛围： [Melancholic] [Euphoric] [Nostalgic] [Aggressive] [Dreamy] [Intimate] [Dark Atmosphere]

音效： [Vinyl Crackle] [Rain] [Applause] [Static] [Thunder]

在风格栏和歌词栏中都添加标签，以强化效果。 每个段落最多使用 5–8 个标签——太多会让 AI 混淆。 不要自相矛盾（不要在同一段落中同时使用 [Calm] 和 [Aggressive]）。

自定义模式

• 认真创作时始终使用自定义模式（分别填写风格和歌词）
• 歌词栏限制：约 3,000 个字符（约 40–60 行）
• 始终添加结构标签——否则 Suno 默认采用平铺直叙的主歌／副歌／主歌结构，没有情绪起伏

---

7. AI 歌手的语音技巧

AI 歌手不会阅读，而是会发音。你可以这样帮助它们：

语音拼写：

• 按照发音拼写单词：“through” -> “thru”
• 专有名词最容易出错——尽早测试
• “Nous” -> “Noose”（强制采用正确发音）
• 用连字符引导音节：“Re-search”“bio-engineering”

演唱控制：

• 全大写 = 更响亮、更有力度
• 延长元音：“lo-o-o-ove” = 持续演唱／花腔
• 省略号：“I... need... you” = 戏剧性停顿
• 用连字符表示延长：“ne-e-ed” = 情绪化延音

务必：

• 将数字拼写出来：“24/7” -> “twenty four seven”
• 将首字母缩写拆开：“AI” -> “A I” 或 “A-I”
• 先用简短的 30 秒片段测试专有名词／不常见词语
• 生成后，发音就固定了——要在生成前修改歌词

---

8. 工作流

1. 先写概念／钩子——情感核心是什么？
2. 如果是改编，先梳理原作结构（音节、押韵、重音）
3. 生成原始素材——先自由头脑风暴，再组织结构
4. 按照结构起草歌词
5. 大声朗读／演唱——找出卡顿之处，调整格律
6. 构建 Suno 风格描述——描绘动态变化历程
7. 在歌词中添加元标签，指导演唱表现
8. 至少生成 3-5 个变体——把它们当作不同的录音版本
9. 选出最佳版本，用 Extend/Continue 扩展有潜力的部分
10. 如果意外出现了很棒的效果，就保留下来

预期：每获得 1 个好结果，大约需要生成 3-5 次。反复修改很正常。 扩展时风格可能会偏移——扩展时要重申流派／情绪。

---

9. 经验总结

• 在风格字段中描述动态变化的弧线，远比单纯罗列流派重要。 “从耳语到咆哮，再回到耳语”能为 Suno 提供演唱表现蓝图。
• 在戏仿作品中保留部分原句，能提升辨识度 和情感分量——听众会感受到原作的影子。
• 歌曲的桥段部分适合转换意象。 将原作中特定的指涉替换为主题相关的隐喻， 同时保留其情感作用（反思、转变、顿悟）。
• 在钩子／标签中替换单音节词，是改变含义又 保持节奏最简洁的方法。
• 在风格字段中写出鲜明的演唱者角色描述，比任何单个元标签 都更能带来明显效果。
• 不要拘泥于规则。如果某句打破了格律却更有感染力，就保留它。 感受才是关键。技艺服务于艺术，而不是反过来。

---

10. 本地／开源音乐生成

若要在本地使用 GPU 生成音乐，而不是使用 Suno，有两个可选技能 可供使用（依赖项较多，因此默认不安装）：

• heartmula——根据歌词和标签生成带有人声的完整歌曲 （开源的 Suno 替代方案，需要 8-16GB VRAM）： hermes skills install official/creative/heartmula
• audiocraft——Meta 的 MusicGen（通过文本生成纯音乐）和 AudioGen（音效）： hermes skills install official/creative/audiocraft-audio-generation

此技能中的歌词创作和提示词编写技巧也适用于 heartmula——其输入格式为带方括号结构标签的歌词， 以及以逗号分隔的风格标签。