AI 音樂提示詞怎麼寫 — 不懂樂理也能做出想要的歌
你不需要看得懂五線譜、不用會任何樂器，也不必知道和弦是什麼，就能用 AI 做出一首自己真心喜歡的歌。生成結果是平庸的罐頭音樂，還是你想像中的那首歌，差別幾乎完全在於你往輸入框裡打了什麼。
AI 音樂工具已經走入主流。在 LANDR 2025 年一項涵蓋超過 1,200 位音樂創作者的調查中，87% 的受訪者表示已經在創作流程的某個環節使用 AI。工具夠成熟、也被廣泛採用；對剛入門的人來說，門檻不再是技術，而是知道怎麼描述自己想要的東西。
而大多數新手，打的字都太少。
一個詞的陷阱
新手最常見的做法，是只打一個詞——「pop」「sad」「lofi」——就按下生成。這也是最容易產出聽過即忘結果的做法。
在一份涵蓋約 650,000 次 AI 音樂生成的跨平台樣本中，人們輸入的長度明顯分成兩個陣營。約 41% 的提示詞超過 1,000 字元——完整歌詞或詳細的方向指示；只有約 9% 少於 50 字元。中間地帶少得可憐。做出具體歌曲的人，寫的是成段文字；只得到背景壁紙的人，打的是標籤。
你不需要寫到 1,000 字元，但需要的絕不只一個詞。一個好的起步目標，是一到兩個完整的句子——就像朋友準備放一首歌給你聽之前，你會怎麼跟他描述那首歌。
描述場景、情緒與走向
一條模型真正用得上的提示詞，要點出三件事：這首歌是為什麼場景而寫、它承載什麼情緒，以及音樂本身在做什麼。單靠曲風，幾乎改變不了結果。
在樣本中，情緒與情感類詞彙出現的頻率，和樂器名稱不相上下。人們描述一首歌「該有什麼感覺」的次數，不亞於描述「裡面有什麼」——而感覺，正是模型無法從曲風標籤猜出來的部分。
一個可靠的模板：
[場景或場合]+[情緒]+[誰來唱]+[歌曲的走向]
於是「pop」變成：
一首適合在夏日公路旅行播放的輕快 synth-pop，明亮開朗、無憂無慮，由一位年輕女聲主唱，能量一路堆疊，推向全場大合唱的副歌。
而「sad piano」變成：
一首關於思念某人的緩慢私密鋼琴抒情曲，深夜氛圍、收斂克制，一道輕柔的男聲一路壓著，直到最後一段副歌才放開。
「走向」是新手最常跳過的部分。這首歌是保持平穩、逐步堆疊，還是驟然下沉？「推向盛大的副歌」「整首維持舒緩」「第一段主歌後猛然下沉」——這些告訴模型的是歌曲的形狀，而不只是氛圍。
聲音調色盤：指定嗓音，錨定幾樣樂器
場景之後，最能塑造聲音的有兩件事：嗓音，以及兩到三樣做為錨點的樂器。
人聲是預設值。在樣本中，人聲描述與純器樂曲目需求的比例約為 17.6 比 1——如果你不想要歌聲，就明確寫上「instrumental」（純音樂），否則生出來的一定有人唱。
如果你想要有人唱，就用三筆描述這位歌手：身分（年輕女聲、年長男聲、小孩）、質地（沙啞、氣音、圓潤），以及唱法（饒舌、放聲飆唱、輕聲耳語）。
樂器寫兩三樣就夠了——堆上十樣只會糊成一團。點出定義這首歌的那幾樣，其餘交給模型補齊。在人們實際點名的樂器中，貝斯與吉他領先——低音基底對整體感覺的影響，比獨奏更大。
同樣的速度，兩套不同的音色組合，會做出完全不同的歌：
溫暖、略帶沙啞的男聲，指彈木吉他，柔和的低音提琴
明亮的女聲帶一點 auto-tune，短促有力的 808 bass，玻璃質感的合成器撥弦
結構標記，是你還沒用上的最便宜控制手段
如果你生成過那種聽起來像兩分鐘循環的歌——沒有堆疊、沒有爆點、同一個念頭繞來繞去——這一節就是解法。
你喜歡的歌都有段落，就算從沒用過這些名稱，你的耳朵早就認得它們。**主歌（verse）**是說故事的部分：負責推進，通常安靜一些。**副歌（chorus）**是不斷回來的那段——聽一遍就能哼出來的部分，通常也最盛大。**橋段（bridge）**在接近尾聲時出現一次，換個風景，讓最後一段副歌打得更重。
結構標記讓你把這個形狀直接交給模型。把段落名稱寫進方括號，後面用幾個平白的詞描述那段該有的感覺：
[verse] quiet, just guitar and voice
[chorus] full band, big harmonies
[verse] add a steady drum beat
[bridge] strip back to piano
[chorus] biggest version, lift the energy
你不需要寫任何歌詞也能用它們。即使只放光禿禿的標記——[intro] [verse] [chorus] [verse] [chorus] [outro]——也能把一段循環變成一首形狀清楚的歌。
而且這不是什麼小眾技巧。在樣本中，[chorus] 出現約 453,000 次，[verse] 約 410,000 次——整個資料集最常見的八個詞裡，有六個是段落標記，而不是情緒或曲風。多數教學教新手打磨情緒詞彙；真正做過大量歌曲的人，把字數花在結構上。
旋律與人聲：不用術語也做得到
結構標記之所以簡單，是因為它們只負責標出段落。旋律和演唱同樣值得引導——而且用平白的語言就能做到，不需要任何音樂術語。只要說出你希望旋律給人的感覺：
- 想要一聽就記住的副歌：「a catchy hook that lifts and rises at the end」（一段抓耳的記憶點，在結尾往上揚）。
- 想要聽得清楚的咬字：「clear, one note per syllable, easy to sing along」（清晰、一字一音、容易跟著唱）。或者想要 R&B 式一個字繞過好幾個音：「lots of vocal runs」（大量轉音）。
- 想要能量：「short, punchy notes」（短促有力的音符）。想要平靜：「smooth, flowing, connected notes」（圓滑流動、彼此相連的音符）。
- 饒舌的話：「a laid-back flow」（鬆弛慵懶的 flow），或「a fast, tight flow」（又快又緊的 flow）。
進階使用者有時會把這些寫成方括號標記——[soaring melody]、[melismatic vocals]、[staccato]——在支援的工具上確實有效。但你不必去背這套詞彙。平白的描述就能帶你走完大半路程，而且這和整份指南的直覺一致：說出你想聽到的東西。
其他旋鈕：速度、調性與長度
速度、調性和長度，只有在你有明確理由時才值得設定。其餘時候，你的描述本身已經暗示了它們。
- **速度（BPM）**就是歌的快慢——每分鐘幾拍。大致的落點：慢板抒情曲約 60–80，多數流行樂 100–130，house 和 EDM 靠近 120–130，嘻哈 80–100，drum & bass 則在 165 以上。只有當歌曲必須對上外部節奏時才需要給數字——影片剪點、一支舞、跑步配速。其他時候，寫「慢板」「中速」或「推進感強」就夠用。
- **調性（key）**決定整首歌落在多高或多低。大多數非音樂人應該留空，模型會挑一個好唱的調。只有在要對上既有曲目、或配合特定歌手音域時才需要指定。
- 長度只在歌曲要填進固定時段時才重要——30 秒的短片、15 秒的開場。不說的話，通常會得到一首完整長度的編曲。
- 簡易模式與進階模式是唯一值得搞懂的開關。簡易模式是用平白的語言描述歌曲；進階模式則是自己輸入歌詞和結構標記。在樣本中，實際使用上進階模式略勝簡易模式——約 46% 的生成對上 38%。從簡易開始，一旦想控制歌曲的形狀，就切到進階。
六種常見風格的起手提示詞
以下把這套框架寫成可以直接複製的提示詞。每一列都點出了場景、情緒、人聲，以及歌曲的走向。找一條最接近你想要的，再把細節改成你自己的歌。
| 風格 | 你會實際打出的提示詞 | 值得設定的旋鈕 |
|---|---|---|
| 流行 | 一首適合在夏日公路旅行播放的輕快 synth-pop，明亮開朗、無憂無慮，由一位年輕女聲主唱，能量一路堆疊，推向全場大合唱的副歌 | ~120 BPM |
| 木吉他抒情 | 一首思念家鄉的緩慢私密抒情曲，溫暖沙啞的男聲，指彈吉他與柔和的低音提琴 | ~70 BPM |
| 嘻哈 | 一首關於深夜拚搏的 boom-bap 饒舌，慵懶鬆弛的男聲 flow，鋪在灰塵質感的鋼琴循環與厚重的 808 之上 | ~90 BPM |
| EDM | 一首長鋪陳後驟然下沉的亢奮音樂節 house 舞曲，明亮的女聲主旋律與玻璃質感的合成器 stab | ~126 BPM |
| Lo-fi | 一段適合讀書時聽的舒緩 lo-fi 節拍，溫暖朦朧，無人聲，灰塵質感的 Rhodes 電鋼琴與輕柔的黑膠底噪 | 純音樂，~80 BPM |
| 電影配樂 | 一首為榮耀時刻寫的緩慢堆疊電影感樂曲，無人聲，弦樂與鋼琴一路攀升至飽滿的高點 | 純音樂 |
注意：沒有一條只有一個詞。
人們實際在用它做什麼
做一首歌，不需要先有發行計畫來當理由。單是 Suno 這一個 AI 工具，據報導每天就生成約 700 萬首歌。其中大多數是日常且個人的用途——而這正是非音樂人佔優勢的地方。
對業餘玩家來說，長尾才是真正的故事。0.6% 的生日歌和 0.4% 的廣告歌不是四捨五入的誤差——那是數以千計、為某個特定的人或用途而做的歌。幾種最常見的情況：
- 內容創作者——影片、Podcast 和直播的背景音樂，不必借用別人有版權的曲目。
- 歌曲禮物——為一個人寫的歌：生日、週年紀念、婚禮的第一支舞、道別。
- 小型店家——20 秒的廣告歌、廣告配樂底軌，或循環播放的店內音樂。
- 只為自己——一首放進孩子名字的搖籃曲，或是把難熬的一週，變成三分鐘的什麼。
這些歌都不需要進排行榜。它們需要的是關於對的人、對的時刻——而這正是只有你才能寫進提示詞的東西。
模型提供工藝，你提供細節。想了解是誰在做 AI 音樂、又是怎麼做的整體圖像，請見我們對這份數據的完整解讀。
如果只有一個習慣值得改掉，那就是一個詞的提示詞。一個場景、一種情緒、一道指定的嗓音，加上幾個段落標記，就能讓非音樂人非常接近腦中已經在響的那首歌——完全不需要樂理。
如果連這樣都嫌麻煩，你也不必親自動手。在 Lacuna 裡，你可以用日常語言向 AI 代理描述這首歌，讓它替你處理提示詞——它會問你想要什麼方向，和你一起調整場景、嗓音、結構與速度，等一切符合你心中的樣子，再生成曲目。