用一句话生成一首歌
文字生成歌曲能把一句话变成一首完整的曲子——编曲、配器，你想要的话还有人声。这句话必须带上曲风、情绪和一个具体主题；「做得开心一点」等于什么也没给模型。第一次尝试时把音乐控件全都留在「自动」，之后再用它们去移动一件事。在 Musy AI 里，描述最多 150 个字符，多数歌曲一分钟左右就好了。
那句话就是整件乐器
我们得到过的每个好结果，都含有三样成分；而多数糟糕的结果，都少了其中一样：
- 一个要瞄准的声音——一种曲风、一个年代，或一件乐器。「lo-fi」「90 年代另类摇滚」「钢琴独奏」「Afrobeat」。
- 一种情绪——情感的温度。「怅惘」「凯旋」「阴森」「温暖」。
- 一个主题或场景——具体的东西。这正是人们会跳过的那一样，也是决定成败的那一样。「东京的一个雨夜」是场景；「chill 的氛围」不是。
拼起来：「一段配东京雨夜的 lo-fi 节奏」——曲风、情绪、场景，十几个字。这就是可以照抄的形状。
一开始别碰那些控件
曲风、情绪、BPM 和时长都能显式设置，而人的本能是一上来就全设一遍。忍住。如果你的描述写着「东京的一个雨夜」，而你又把曲风设成金属，那你就是要了两首不同的歌，你会拿到它们的平均值。
这些控件是在第二轮才配得上位置的：当你已经有了一个接近的结果时——同样的描述，BPM 往下挪一点，情绪显式指定，重新生成。那是一次受控实验。一次设六样，不是。
| 控件 | 什么时候留在自动 | 什么时候去设它 |
|---|---|---|
| 曲风 | 你的描述里已经点名了一种声音 | 你想要 29 种里的某一种，而文字含糊 |
| 情绪 | 描述本身带着情感 | 结果回来时情感很平 |
| BPM | 几乎总是 | 这首曲子有时间约束——健身、剪视频 |
| 时长 | 永远别自动——这个要有意识地挑 | 每次都设。它改变的是结构，不只是长度。 |
纯音乐还是人声
凡是这首歌要垫在别的东西下面的场合——视频、播客片头、背景聆听——纯音乐是更稳妥的默认。当这首歌本身就是主角，或者它是关于某个人的，人声才是重点。
打开歌词后，你可以自己写（最多 500 个字符），也可以让它从同一段描述生成。当具体细节重要时——一个名字、一个只有你们懂的梗、一个地方——自己写是值得的。生成的歌词在模仿曲风套路上比多数人预期的要好，在真正表达什么意思上则比预期的要差。
人声可以设为自动、男声、女声或童声。你也可以在应用里录一次自己的声音，让歌曲用它来唱。这个功能被刻意限定在你自己的声音上——我们不做他人声音的克隆，也建议你在任何地方看到这类功能时都保持同样的谨慎。
为什么第一版通常不是最终版
生成存在真实的随机差异：同一段描述跑两次会给你两首不同的歌，而且都成立。这不是需要靠提示词绕开的缺陷，这就是这个媒介本身。管用的流程是：
- 写出三成分的那句话。挑一个时长。生成。
- 完整听一遍。想清楚具体哪里不对——速度、能量、配器，还是人声。
- 如果没有哪里具体不对、就是平淡，那就原样重新生成。光靠随机差异往往就能修好。
- 如果某个具体的地方不对，就只改那一件事，然后重新生成。
- 好的都留着。生成很便宜；慢的那一步是做决定。
什么时候该改从模板开始
对于场合类歌曲——生日、情歌、写给宠物的歌——Lab 的模板会替你设好曲风和情绪，只问那个场合真正需要知道的事。这比从零写一段描述更快，而且通常更好，因为模板已经知道这类歌怎么写才成立。这个流程从头到尾是什么样，见 生日歌操作指南。
等你做出一首满意的曲子之后，提示词写法的那个兔子洞在 管用的歌曲提示词。
常见问题
文字生成歌曲怎么运作？
你描述，模型作曲并演奏，返回成品音频。描述最多 150 个字符，多数歌曲一分钟左右。
描述该写什么？
曲风或参照音色、情绪，以及一个具体主题。「一段配东京雨夜的 lo-fi 节奏」三样都有。
要手动设曲风、情绪和 BPM 吗？
第一次别设——和文字矛盾的控件会把结果拉向两边。第二轮再用它们动一件具体的事。
歌曲能有多长？
30 秒、60、90 或 2 分钟。往往越短越好。