一句话结论：AI音乐模型不读情绪，只读参数。你写得越“感人”，它越懵。

一、先看一个真实对比

你写的（500字节选）：
“我想要一首关于深夜加班的伤感流行歌，要有希望的感觉，女声，吉他钢琴鼓贝斯都要有，好听，有记忆点，适合深夜听，不要太吵，但副歌要爆发，像那种能让人单曲循环的……”

打开网易新闻 查看精彩图片

AI听到的：
“流行、伤感、希望、女声、吉他、钢琴、鼓、贝斯、好听、记忆点、深夜、不吵、爆发、单曲循环。”

然后它做了一件事：把这些词全部平均了一下，调取了训练数据里最安全、最通用、最平庸的模板——口水歌。

制作人写的（5行）：
“合成器流行，内省但副歌有释放感，暖Pad+紧致鼓组，108 BPM，女声。副歌Hook重复三次。”

出来的东西，大概率能听。

二、口水歌的根源：信息密度太低，且自相矛盾

500字提示词的问题不在“长”，而在有效信息占比极低。

问题1：形容词是无效指令

“好听的”“动人的”“有感情的”“高级的”——这些词对AI来说等于“请自由发挥”。AI没有审美，它只有概率。你给“好听”，它就返回训练集里出现频率最高的东西，也就是最俗套的和声进行、最套路的副歌结构。

替换原则：用可听见的物理特征，替代主观感受。

无效表达

有效表达

伤感的

D小调，雨夜氛围，指弹吉他

燃的

140 BPM，失真吉他riff，双踩鼓

高级的

7和弦，空间感混响，极简编曲

有记忆点

副歌5个音节，Hook重复3次

问题2：风格堆太多，模型只能“和稀泥”

“流行+摇滚+电子+伤感+激昂+女声+说唱”——这不是需求，这是许愿池。

AI面对冲突标签时，不会帮你做取舍，它会各拿30%，最后出来一个四不像。风格标签超过3个，基本就废了。

原则：风格要窄，情绪要单点，乐器要具体。

问题3：没有结构锁，AI自己乱切段落

口水歌最典型的特征：主歌和副歌听起来一个样，听完记不住任何一句。

原因是你没告诉AI哪里是副歌。没有标签，模型会把整首歌当成均匀的文本流，平均分配能量，结果就是——没有高潮，没有记忆点，全程平。

[Chorus]

三、解药：用“制作人语言”重写提示词

公式：风格 + 情绪 + 核心乐器 + BPM + 歌词结构

Step 1：风格窄化

  • ❌ 流行
  • ✅ 80年代合成器流行，Juno-60音色，LinnDrum鼓机

Step 2：情绪具象化

  • ❌ 伤感
  • ✅ 内省，但副歌有释放感

Step 3：乐器做减法

  • ❌ 吉他钢琴鼓贝斯都要
  • ✅ 暖Pad铺底 + 紧致鼓组 + 副歌加失真吉他

Step 4：BPM锁死

  • ❌ 快歌
  • ✅ 108 BPM

Step 5：歌词上结构锁
直接用方括号写死：

[Verse 1]
末班车开走的那一刻
[Pre-Chorus]
手机还剩百分之三
[Chorus]
再一首歌的时间
再一首歌的时间
再一首歌的时间

副歌要短（5-7个音节）、要重复、要有Hook。这是流行歌抓耳的工程规律，不是玄学。

四、可直接套用的模板

中文提示词模板：

[风格]，[情绪/氛围]，[核心乐器1]+[核心乐器2]，[BPM]，[人声类型]。副歌Hook重复[次数]次。

示例：

合成器流行，内省但副歌有释放感，暖Pad+紧致鼓组，108 BPM，女声。副歌Hook重复三次。

英文提示词模板（部分模型对英文更敏感）：

[Genre], [Mood], [Instrumentation], [BPM], [Vocal type]. Chorus hook repeated [X] times.

示例：

Synth-pop, introspective verse with explosive chorus, warm pads + tight drums, 108 BPM, female vocals. Chorus hook repeated 3 times.

五、三条铁律

  1. 提示词不是作文，是工单。你不需要描述感受，你需要下指令。
  2. 形容词是噪音，参数是信号。把“伤感”换成“D小调”，把“燃”换成“140 BPM”。
  3. 500字砍成5行，口水歌概率下降一半。信息密度比信息总量重要得多。

六、最后一句

AI不是你的听众，它是你的编曲助理。

你跟助理说“帮我搞个感人的”，他只能给你套模板。你跟他说“D小调，80 BPM，指弹吉他，雨夜氛围，副歌重复三次”，他才能给你干活。

把抒情散文砍成工程参数，是让AI音乐脱离口水歌的第一步。