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.md

GitHub

AI 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

  1. 先描述情绪再生成:用"情绪+场景+乐器"三要素下指令。
  2. 结构要完整:主歌-副歌-桥段,避免平铺到底。
  3. 人声先分轨:人声与伴奏分轨,后期才好调。
  4. 响度留余量:母带峰值留 -1dB,防平台压限爆音。

步骤(标准流程)

  1. 定情绪:用三个词描述目标(如"紧张、电子、夜色")。
  2. 选场景:明确用途(片头/循环/转场/结尾)。
  3. 设风格:指定流派、 tempo(BPM)、乐器组合。
  4. 写结构:主歌 8 节、副歌 4 节、桥段 4 节,标注反复。
  5. 生成旋律:先出纯乐器版,确认旋律走向。
  6. 加人声:需要唱段时单开人声轨,给歌词与情绪提示。
  7. 配和声:叠加 pad/贝斯,撑住低频。
  8. 混音:人声前置、低频收紧、高频通透。
  9. 加音效:转场 swoosh、点按 click,点到为止。
  10. 母带:统一响度,导出 24bit/48k 的 wav。
  11. 对画:与画面卡点,副歌落在高潮。
  12. 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)

  1. 只说"来首好听的",模型乱给风格。
  2. 结构不完整,听着像 loop 没呼吸。
  3. 人声与伴奏同轨,后期调不动。
  4. 母带打满,平台压缩后爆音。
  5. 音效堆太多,反而廉价。
  6. 没对画,音乐与画面各走各的。
  7. 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?