音乐生成工具用了一年多从最早拿Suno瞎试到后来帮朋友做短视频配乐、给播客做片头踩过的坑基本能写一本小册子。最深的感受是AI音乐生成的门槛不在工具在提示词。同一段旋律动机提示词写轻快的钢琴曲和写upbeat solo piano, 120 BPM, C major, intimate close-mic recording, subtle room reverb出来的东西完全是两个物种。前者像手机铃声后者能直接进剪辑时间线。这篇东西是我自己整理的一套提示词模板库覆盖12种主流音乐风格每种风格都拆到结构配器情绪制作质感四个维度直接复制粘贴就能用。不管你是做短视频配乐、播客片头、游戏BGM还是单纯想玩AI音乐这套模板都能帮你把出片率从抽卡拉到稳定产出。下面我会先讲清楚提示词到底该怎么写、为什么这么写再逐个风格给模板最后说几个我踩过的坑。1. 为什么大多数人写AI音乐提示词都在做无用功1.1 提示词不是点歌是编曲指令很多人写提示词的方式是我想要一首悲伤的歌这等于跟一个编曲师说给我搞点伤感的。对方能给你一百个版本但没一个是你脑子里那个。AI音乐模型本质是一个条件生成系统它需要的是可量化的约束条件而不是情绪形容词。我做过一个对比测试同一个旋律种子两组提示词A组sad piano musicB组melancholic solo piano, 70 BPM, A minor, sparse left-hand arpeggios, sustain pedal heavy, close-mic recording with slight tape hiss, cinematic and introspectiveA组出来的是通用钢琴loopB组出来的是能直接放在纪录片结尾的东西。差别在哪B组给了调性、速度、织体、演奏技法、录音质感、情绪定位六个维度的约束。AI模型在这些约束下搜索空间被大幅压缩出来的结果自然更接近预期。所以第一条经验提示词的信息密度决定出片质量。你给的约束越多、越具体AI越不容易跑偏。1.2 四个必须写进提示词的维度我总结了一个四维提示词框架每次写提示词都按这个结构过一遍维度作用示例关键词结构定义曲式、速度、调性120 BPM, verse-chorus, A minor, 4/4 time配器定义乐器组合与织体solo piano, string quartet, analog synth pad情绪定义情感走向与能量曲线melancholic, uplifting, tension-building制作定义录音与混音质感lo-fi, close-mic, tape saturation, wide stereo这四个维度缺一个出来的东西就会差口气。缺结构曲子可能没有明确的段落感缺配器AI可能给你塞一堆不想要的乐器缺情绪旋律走向会飘缺制作声音会显得干和塑料。1.3 风格标签的颗粒度要匹配模型能力不同AI音乐模型对风格标签的理解能力不一样。有些模型对genre级别的标签如jazz、rock响应很好但对sub-genre如bossa nova、shoegaze就模糊。我的做法是主风格用genre级标签细节用描述性短语补。比如做bossa nova不要只写bossa nova要写bossa nova, nylon-string guitar, soft brushed drums, 90 BPM, warm and intimate。这样即使模型不认识bossa nova这个标签也能通过配器和速度描述逼近那个味道。2. 12种主流风格提示词模板逐条拆解下面每个模板我都按四维框架写好了直接复制就能用。每个模板后面我会说清楚为什么这么写以及微调方向。2.1 电影配乐CinematicCinematic orchestral score, 80 BPM, D minor, slow building strings with French horn melody, timpani rolls at climax, epic and emotional, wide stereo image, concert hall reverb, dynamic range from pianissimo to fortissimo这个模板的核心是动态范围。电影配乐最忌讳从头响到尾所以我在提示词里明确写了pianissimo to fortissimo逼模型做出强弱对比。French horn melody是给一个明确的旋律载体不然弦乐容易糊成一片。timpani rolls at climax是给一个高潮点的信号。微调方向想要更黑暗就换C minor加low brass想要更温暖就换F major加piano arpeggios。2.2 lo-fi 嘻哈Lo-fi Hip HopLo-fi hip hop, 85 BPM, F minor, dusty Rhodes piano chords, boom-bap drums with swing, vinyl crackle and tape hiss, mellow and nostalgic, sidechain compression on bass, warm analog saturationlo-fi的灵魂在**脏**。vinyl crackle和tape hiss是必须的没有这两个标签出来的东西太干净就不是lo-fi了。boom-bap drums with swing是定义鼓组风格swing这个参数很关键没有它鼓会太直。sidechain compression是制作层面的细节能让bass和kick不打架。微调方向想要更学习向就加instrumental, no vocals想要更夜感就换D minor加rain sounds。2.3 合成器浪潮SynthwaveSynthwave, 110 BPM, E minor, analog synth arpeggios, gated reverb drums, detuned lead synth, neon and retro-futuristic, wide chorus on pads, sidechain pumping, 80s production aestheticsynthwave的关键词是gated reverb和detuned lead。前者是80年代鼓声的标志后者是那种宽而飘的lead音色。sidechain pumping是让pad跟着kick呼吸这是synthwave的节奏感来源。neon and retro-futuristic是情绪锚点帮模型锁定年代感。微调方向想要更黑暗合成器就换D minor加darksynth, industrial edge想要更梦幻就加dreamwave, lush pads。2.4 爵士三重奏Jazz TrioJazz trio, 120 BPM, Bb major, swing feel, upright bass walking lines, brushed drums, piano comping with rootless voicings, intimate club atmosphere, close-mic recording, slight room ambience爵士的坑在于swing feel。不写这个AI会给你直的节奏一听就不爵士。walking lines是定义bass的演奏方式rootless voicings是钢琴的和声风格这两个都是爵士的行话模型认识。intimate club atmosphere是给一个空间感不然声音会太录音棚。微调方向想要bossa nova就换bossa nova, nylon-string guitar, 90 BPM想要更冷就换cool jazz, Miles Davis style。2.5 管弦乐史诗Epic OrchestralEpic orchestral, 90 BPM, C minor, full string section with ostinato pattern, choir pads, taiko drums, brass stabs, heroic and triumphant, huge dynamic range, cinematic reverb, layered build-up史诗管弦乐的核心是**层层叠加**。ostinato pattern是弦乐的重复动机choir pads是人声铺底taiko drums是打击乐brass stabs是铜管的强调。这四个元素叠起来就是史诗感。layered build-up是告诉模型要有渐进结构。微调方向想要更悲壮就换A minor加solemn, funeral march想要更战斗就加battle drums, aggressive brass。2.6 环境音乐AmbientAmbient, 60 BPM, no clear key, evolving synth pads, field recordings of rain, slow attack and long release, meditative and spacious, no percussion, wide reverb tails, drone-based环境音乐最反直觉的一点是**不要节奏**。所以我在提示词里明确写了no percussion和no clear key。slow attack and long release是定义包络这是ambient的呼吸感来源。field recordings of rain是给一个具体的声音素材不然容易太空。微调方向想要更黑暗环境就加dark ambient, subterranean想要更太空就加space ambient, cosmic。2.7 民谣FolkFolk, 95 BPM, G major, fingerpicked acoustic guitar, upright bass, light shaker, intimate and storytelling, close-mic vocals if any, natural room sound, no reverb民谣的关键是**自然**。no reverb是故意的民谣要的是就在你面前唱的感觉。fingerpicked是定义吉他技法storytelling是情绪定位。light shaker是给一个轻微的节奏支撑不抢戏。微调方向想要更美式就加Americana, pedal steel想要更英式就加British folk, fingerstyle。2.8 电子舞曲EDMEDM, 128 BPM, F minor, four-on-the-floor kick, sidechained supersaw lead, build-up with white noise riser, drop with heavy bass, energetic and euphoric, wide stereo, club-ready mixEDM的模板必须包含**build-up和drop**这两个结构标签。white noise riser是build-up的标志音效heavy bass是drop的核心。supersaw lead是那种宽而亮的lead音色。club-ready mix是给一个混音目标。微调方向想要更未来就加future house, pitched vocal chops想要更硬就加hardstyle, distorted kick。2.9 中国风Chinese TraditionalChinese traditional, 75 BPM, D pentatonic, guzheng melody, dizi flute counter-melody, pipa arpeggios, erhu for emotional passages, silk and bamboo ensemble feel, ancient and poetic, natural room reverb中国风的坑在于**五声音阶**。不写pentatonicAI容易给你加偏音一听就不中国。guzheng、dizi、pipa、erhu是四个核心乐器各司其职。silk and bamboo ensemble是给一个合奏的质感参考。微调方向想要更武侠就加wuxia, martial arts, heroic想要更江南就加Jiangnan, water town, gentle。2.10 摇滚RockRock, 140 BPM, E minor, distorted electric guitar riffs, driving bass, live drums with room sound, aggressive and raw, analog tape saturation, no click track feel摇滚的关键是**live感**。live drums with room sound和no click track feel是让鼓听起来像真人在打而不是机器。analog tape saturation是给一个暖的失真质感。raw是情绪定位不要过度制作。微调方向想要更朋克就加punk, fast, snotty想要更金属就加metal, drop tuning, double kick。2.11 氛围电子Chill ElectronicChill electronic, 100 BPM, A minor, soft synth pads, plucked synth melody, gentle four-on-the-floor, warm sub bass, relaxing and dreamy, wide reverb, no harsh frequencies这个风格介于ambient和EDM之间核心是**柔和的节奏**。gentle four-on-the-floor是给一个不抢戏的节奏warm sub bass是低频支撑no harsh frequencies是混音要求避免刺耳。微调方向想要更tropical就加tropical house, marimba想要更夜就加night drive, neon。2.12 古典钢琴Classical PianoClassical piano, 70 BPM, C major, solo piano, expressive rubato, sustain pedal heavy, romantic era style, close-mic recording, natural piano resonance, no reverb added古典钢琴的核心是**rubato**。不写这个AI会给你死的节奏。romantic era style是给一个风格锚点no reverb added是让钢琴保持干的质感靠琴本身的共鸣。微调方向想要更巴洛克就加Baroque, harpsichord, ornamented想要更印象派就加Impressionist, Debussy, whole-tone。3. 提示词微调的三个实战技巧3.1 用排除法修正跑偏AI音乐模型有时候会自作主张加东西。比如你做lo-fi它给你加了人声你做ambient它给你加了鼓。这时候不要重写提示词用负向提示如果模型支持或者强调词来修正。我的做法是在提示词末尾加no vocals, no drums, instrumental only这样的排除项。有些模型不支持负向提示那就把正向描述写得更具体比如instrumental lo-fi hip hop, purely instrumental, no vocal samples。3.2 用参考系锁定年代和质感如果你想要一个特定的年代感用**参考系**比用形容词更有效。比如想要80年代80s production, gated reverb, analog synth想要90年代90s boom-bap, SP-1200 drum machine, vinyl sample想要2000年代2000s pop punk, distorted guitars, tight drums这些参考系标签能帮模型快速锁定制作风格比写retro、old school这种模糊词有效得多。3.3 用结构标签控制曲式AI音乐模型默认生成的曲式往往是loop式的没有明显的段落变化。如果你想要一个完整的主歌-副歌-桥段结构需要在提示词里明确写出来verse-chorus-bridge structure, intro with solo piano, chorus with full band, bridge with stripped-back arrangement, outro with fade-out这样模型会按照你给的结构来组织音乐而不是从头到尾一个loop。4. 我踩过的五个坑4.1 提示词太长反而效果差一开始我以为提示词写得越长越好把能想到的标签全塞进去。结果发现模型会顾此失彼有些标签被忽略了。后来我控制在30-50个词只保留最关键的约束效果反而更稳定。4.2 风格标签混用会打架有一次我写jazz hip hop with orchestral strings想做一个爵士嘻哈弦乐的东西。结果出来的东西既不爵士也不嘻哈弦乐也很突兀。后来我明白了风格标签之间要有主次。正确写法是jazz hip hop as main genre, subtle orchestral strings as accent明确谁是主、谁是辅。4.3 BPM写太具体反而限制发挥我试过写123 BPM结果模型出来的东西节奏很死。后来我改成120 BPM range或者mid-tempo模型有更多发挥空间出来的东西反而更自然。BPM给一个范围不要给一个点。4.4 忽略制作质感导致声音塑料早期我写提示词只关注什么乐器、什么情绪忽略了怎么录、怎么混。结果出来的东西总是干和塑料。后来我加了tape saturation、room reverb、close-mic这些制作标签声音立刻活了。制作质感是提示词的最后一公里。4.5 不写排除项导致意外元素有一次我做纯器乐忘了写no vocals结果模型给我加了一段人声采样。后来我养成了习惯每次写提示词都加排除项把不想要的东西明确排除掉。5. 不同场景下的模板组合思路5.1 短视频配乐短、抓耳、有记忆点短视频配乐的核心是前3秒抓耳。我的做法是用EDM或Synthwave模板把BPM提到120-130加catchy hook, memorable melody。长度控制在15-30秒结构用intro-drop-outro。5.2 播客片头有辨识度、不抢话播客片头需要**有存在感但不抢戏**。我用Chill Electronic或Lo-fi Hip Hop模板把BPM降到90-100加instrumental, no vocals, background music。长度10-15秒结构用intro with hook, fade-out。5.3 游戏BGM可循环、有层次游戏BGM需要**可循环**。我在提示词里加seamless loop, no clear ending结构用loop-based, subtle variations。风格根据游戏类型选RPG用Epic Orchestral休闲游戏用Chill Electronic。5.4 冥想/助眠无节奏、无旋律记忆点冥想音乐需要**不抓注意力**。我用Ambient模板加no percussion, no melody, drone-basedBPM写no tempo或free time。长度可以到10分钟以上结构用evolving, no clear sections。6. 关于提示词模板库的后续扩展这套模板库我还在持续更新。最近在试的是**情绪曲线的写法比如tension-building from 0:00 to 1:30, release at 1:30, resolution at 2:00用时间轴来控制情绪走向。另外也在试乐器分层**的写法比如layer 1: pad, layer 2: arpeggio, layer 3: melody让模型按层来构建。如果你也在玩AI音乐建议从Lo-fi Hip Hop和Cinematic这两个模板开始练手这两个风格的容错率最高容易出效果。等熟悉了四维框架再往Jazz和Chinese Traditional这种对细节要求高的风格走。最后说一个我自己的习惯每次生成后都把提示词和结果存下来建一个自己的提示词-结果对照库。时间长了你会发现哪些标签组合有效、哪些无效一目了然。这个库比任何模板都值钱因为它是你自己的。