ai-music-studio
用 AI 从一段描述或旋律生成配乐、人声与音效:风格设定、结构编排、混音与人声处理。
SKILL.mdskills/ai-music-studio/SKILL.md
GitHubAI 音乐与音频生成指南
需要一段恰到好处的背景乐,却不会作曲、买不起曲库?本指南用纯方法论,把"想要什么感觉"变成"一段能用的音频",覆盖风格、结构、混音与人声。不绑定具体工具。
适用场景
- 视频/播客缺合适配乐,版权又贵。
- 想做一首 demo 但没乐器基础。
- 需要情绪化音效增强作品质感。
核心纪律
- 先描述情绪再生成:用"情绪+场景+乐器"三要素下指令。
- 结构要完整:主歌-副歌-桥段,避免平铺到底。
- 人声先分轨:人声与伴奏分轨,后期才好调。
- 响度留余量:母带峰值留 -1dB,防平台压限爆音。
步骤(标准流程)
- 定情绪:用三个词描述目标(如"紧张、电子、夜色")。
- 选场景:明确用途(片头/循环/转场/结尾)。
- 设风格:指定流派、 tempo(BPM)、乐器组合。
- 写结构:主歌 8 节、副歌 4 节、桥段 4 节,标注反复。
- 生成旋律:先出纯乐器版,确认旋律走向。
- 加人声:需要唱段时单开人声轨,给歌词与情绪提示。
- 配和声:叠加 pad/贝斯,撑住低频。
- 混音:人声前置、低频收紧、高频通透。
- 加音效:转场 swoosh、点按 click,点到为止。
- 母带:统一响度,导出 24bit/48k 的 wav。
- 对画:与画面卡点,副歌落在高潮。
- 复核:戴耳机与外放各听一遍,确认无破音。
示例
示例 1|短视频配乐 情绪"轻快、木吉他、清晨",结构 主-副-主,时长 30 秒循环,副歌卡在画面切换。
示例 2|播客片头 情绪"沉稳、氛围、科技",纯 pad+脉冲,8 秒淡入,人声后接正文。
示例 3|游戏 demo 情绪"史诗、管弦、战斗",主-副-桥-副,桥段留白给打击音效。
边界(踩过的坑)
- 只说"来首好听的",模型乱给风格。
- 结构不完整,听着像 loop 没呼吸。
- 人声与伴奏同轨,后期调不动。
- 母带打满,平台压缩后爆音。
- 音效堆太多,反而廉价。
- 没对画,音乐与画面各走各的。
- 只在外放听,耳机里瑕疵全漏。
自检清单
- 是否用三要素描述情绪?
- 结构是否完整有呼吸?
- 人声是否分轨?
- 母带是否留余量?
- 音效是否点到为止?
- 是否与画面卡点?
- 耳机与外放是否都听过?