「AI音乐生成」是微信小程序名称，不是泛指 AI 写歌工具的通用词。 上次介绍后，不少人反馈好用，也有人说没找到，所以这次单独整理一篇制作教程。下面从歌词和曲风的准备开始，讲到生成试听、局部修改，以及 MP3、WAV 和分轨文件的使用。
一、先确定歌曲用途，再准备歌词或参考音频
给视频配歌和单独做一首歌，考虑的事情不太一样。前者需要配合画面、旁白和剪辑节奏，后者可以把注意力更多放在歌词和歌曲结构上。开始前先确定用途，后面选曲风、听版本时才有判断依据。
这里用一个创作示例贯穿流程：给周末骑行视频写一首中文歌。画面包括清晨出发、街边买早餐、沿河骑行，希望音乐轻快，歌词能写到这些小事，而不是泛泛地唱旅行和远方。
只有想法，还没有歌词
可以从一句话模式开始，写下主题，再选择曲风和人声。如果想先把歌词推敲好，可以使用 Agent 智能体模式，在对话里整理标题、歌词和风格，确认后再生成歌曲。
两种方式的区别在准备过程。想先听一个方向，可以直接生成；已经有不少想表达的细节，就先把词写清楚。比如同样是骑行，有人想写长途出发，有人只是周末去河边逛逛，歌词和演唱情绪自然不该一样。
已有歌词，先整理句子和段落
自定义模式可以粘贴已有歌词，输入上限为 5000 字。正式提交前，建议把连续的文字拆成句子，主歌和副歌之间留出空行，方便生成后对照试听。
先读一遍比反复填形容词更有用。有些句子看起来完整，念出来却需要换好几次气，就可以提前缩短。例如写早餐的摊位、经过的路口和河边的风，不必全部塞进同一句。分成几行后，意思也更清楚。
已有旋律，检查参考录音
原创哼唱可以作为参考音频，上传后继续生成歌曲。支持的素材时长为 6 到 480 秒，格式包括 MP3、WAV、M4A 和 MP4，实际限制以创作页提示为准。
上传前先听录音本身：旋律能不能听清，背景说话声会不会盖过哼唱，开头是否有很长一段空白。素材不需要做得像正式录音，但至少应当能听出想表达的旋律。
二、把曲风、配器和人声要求写具体
准备好内容后，再定声音的方向。流行、国风、民谣、说唱等曲风可以从选项里选择，男声、女声按歌曲需要设置。配器和情绪要求，则补进文字描述。
以上面的骑行视频为例，可以这样写：
给一段周末骑行视频写中文歌。画面是清晨出发、街边买早餐、沿河骑行。轻快民谣，木吉他为主，男声，演唱放松一些。歌词写路上的小事，少用励志口号，副歌句子短一点。这段描述里，画面决定写什么，民谣和木吉他限定声音方向，男声与放松的演唱说明人声要求。没有把每件乐器都列出来，也没有同时要求“安静舒缓”和“强烈炸场”。
描述里最需要检查的是要求是否互相冲突。原本想要轻松的生活片段，却又加入史诗感、强烈鼓点、大合唱，生成方向就容易偏离。先留下最在意的两三项，其余细节听过以后再补。
如果使用对话模式，拿到歌词后还可以继续改。例如发现内容过于空泛，可以反馈：
主歌少写梦想和远方，改成买早餐、等红灯、骑到河边这些小事。副歌保持轻松，不要写成出征。已经合适的句子尽量保留。具体修改要对着实际歌词来，不必照搬这段话。想留下哪些句子，也一起说清楚。改过以后重新读一遍，确认标题、歌词和风格，再提交生成。
三、生成后分段试听，不只挑前奏
如果一次生成了两个版本，先分别听完，再比较同一段歌词的处理。前奏顺耳，不代表主歌和副歌也合适。可以先记下大致喜欢哪一版，再回听有疑问的位置。
先听歌曲结构。 主歌进入副歌时，情绪变化是否符合预想；中间有没有让人觉得突然的停顿；结尾是自然收住，还是听起来像没有唱完。给视频用，还要看前奏和尾奏是不是太长。
中文演唱需要单独对照歌词听。长句在什么地方换气，人名、地名有没有唱清楚，想强调的词是否被很快带过去，都是可以具体记下来的问题。与其只写“不好听”，不如标记“第二段最后一句太赶”，下一步才知道从哪里改。
接着把音乐放回使用场景。骑行画面如果是慢慢逛街，演唱却一直很激昂，即使歌曲本身完整，也未必适合这段视频。有旁白的地方，要听说话声和歌声会不会挤在一起。
试听时可以记三项：保留哪个版本、哪句需要修改、哪段准备放进视频。把这些定下来，再处理后面的文件。
四、修改时分清是歌词问题，还是整首歌的方向问题
旋律和演唱基本满意，只是几句词不顺，可以使用局部改词功能，修改对应歌词后重唱。它用于带歌词的歌曲，纯音乐不涉及这一操作。
比如一句歌词塞进了太多细节，演唱显得很赶，可以先删去次要内容，再修改对应片段。改完别只听那一句，要把前后几句连起来听，检查衔接和情绪是否自然。
如果整首歌的风格都不合适，局部改词就解决不了。可以把标题、歌词和风格带回创作设置，调整后重新生成。歌词已经满意，就先保留歌词，集中修改曲风或配器要求；人声不合适，则检查人声选项和演唱描述。
每次修改尽量有一个明确目标。一次把歌词、曲风、人声全部换掉，虽然也能得到新版本，却很难判断哪项调整起了作用。保留原来的歌词和试听记录，前后比较会方便得多。
五、按后期用途选择 MP3、WAV 和分轨文件
确定要保留的版本后，再下载。日常听歌、分享音频，MP3 比较方便；还要继续剪辑或处理音频，可以保存 WAV 无损文件。不同输出可以按下面的用途区分：
分轨文件可以用来单独调整人声、伴奏或乐器部分，和只有一个混合好的音频文件不同。具体能导出哪些轨道，取决于所选模型，并不是每首歌都提供同样的 12 条轨道。无损、分轨和 MIDI 的提供范围也与模型、套餐有关，下载前需要看清对应项目。
还是骑行视频的例子：旁白出现时，如果把完整歌曲一起调小，伴奏也会降下去；有独立人声和伴奏，就可以分别安排音量。要配歌词字幕，则另外检查时间轴，避免画面已经切换，上一句字幕还停在那里。
多轨混音、母带处理和 LRC 打轴可以按实际问题使用，不必每首歌都走一遍。试听没有明显问题，就没有必要只为了“做后期”而反复处理。使用浏览器本地的剪辑、合并或降噪功能后，及时下载结果，避免刷新页面时丢失。
最后，把选好的歌曲完整放进视频里看一次。开头是否合拍，旁白能不能听清，结尾有没有拖长，都要结合画面判断。音频单独听着不错，放进视频后仍可能需要调整；留下歌词、选中的版本和后期文件，下次修改就能从对应位置继续。
