
用一句话主题生成完整歌曲,靠的不是一句咒语,而是把主题拆成情绪、场景、结构和曲风四层信息依次交代。四层补齐,歌词不空,旋律也有记忆点,后期处理才有抓手。
「写一首关于青春的歌」几乎得不到能用的结果,因为「青春」不是画面。有效的做法是补上情绪和场景:「遗憾但不说破的告别,场景是凌晨的公交站,主角刚送走一个人」。同样是青春,这个描述已经自带人物、时间和动作,歌词自然有细节可写。主题句最好控制在三十字以内,包含三样东西:情绪基调、具体场景、一个可视化的物件,比如旧车票、没喝完的咖啡、还亮着的手机屏。物件是歌词里最容易变成意象的东西,也是让整首歌不散的关键。主题定完,再补一句「不要出现」的约束,比如不要口号式副歌、不要堆砌押韵,能省掉大量返工。
流行歌曲的常见结构是「主歌、预副歌、副歌、主歌、副歌、桥段、副歌」,一首三到四分钟的歌,副歌大约重复三遍。写提示词时把结构明确列出来,并规定每段行数和字数,比如「主歌四行、每行不超过十二字;副歌四行、需要一句重复句」。主歌负责叙事,交代时间地点和动作;预副歌负责抬起情绪,用短句加速;副歌负责记忆点,最好有一句能被记住的话;桥段负责转折,换视角或换时态。韵脚不用全押,主歌可以松散,副歌保持同一韵尾,听感会更整齐。把结构和字数写死,模型就不太会写出六行一段、忽长忽短的歌词。
曲风描述要具体到年代和质感,而不是只写「流行」。「2020 年代华语民谣,木吉他分解和弦打底,副歌加入弦乐和轻微鼓刷,速度每分钟七十八拍,人声偏气声」这样一段描述,模型就能判断该用什么配器。乐器只写三到五件,写太多会糊成一团。速度用每分钟拍数比「慢速」「中速」准确得多:慢歌多在六十到八十,叙事型流行在八十到一百,舞曲感在一百一十以上。还要说明段落之间的动态变化,主歌只留吉他和人声,副歌进鼓和弦乐,桥段先静下来再推上去。动态写清楚,成曲才不会听起来像一条平铺的伴奏。
生成出来的是小样,不是成品。先听三件事:副歌有没有记忆点、段落之间的动态有没有拉开、人声和伴奏有没有打架。记忆点不够就只改副歌,把重复句提前;动态不够就在编曲描述里写明「主歌去掉鼓」;人声被盖住就降低伴奏中频,或把人声提高两到三分贝。如果工具支持分别导出人声和伴奏,优先用分轨处理,混响放在人声上,压缩放在总线上。最后统一响度,手机外放能听清歌词就算过关。整个流程里,改提示词的成本远低于反复重生成,先把问题定位到具体段落再动手。
第一次做建议只写一段主歌加一段副歌,确认情绪和韵脚对了,再补全整首。想直接试,可以打开极客空间站的 AI 写歌页面,把上面四行模板填进去生成,再按第四步做一次人声与动态调整。截至 2026 年 11 月,三到四分钟、结构清晰的歌曲仍是生成效果最稳定的类型,实验性曲风建议先做三十秒片段。
大连极客十一维科技有限公司