Suno、Somio、Udio、Doremi.ai 等主流 AI 音樂生成工具的普及，讓文本生成音樂成為現實。然而，要將生成結果從「堪聽」提升到「驚艷」，核心在於掌握進階的 Prompt（指令）工程 技巧。

這份指南將詳細解析如何透過結構化指令，實現對歌曲結構、情緒、風格和人聲的精確控制。

I. 掌控歌曲的「骨架」：結構與節奏控制

元標籤（Meta Tags）是指導 AI 模型在時間軸上進行結構化演出的關鍵。它們能提供強大的結構信號，確保聽覺上的連貫性和敘事性。

1. 核心結構標籤

2. 人聲模式與節奏強化

• 饒舌/朗誦：使用 [Rap]、[Spoken word] 或 [敘述] 標籤。
• 括號用法：將朗讀文字置於 (括號) 內，有時可觸發 AI 朗讀而非演唱。
• 節奏強化：在句尾括號內重複關鍵詞，如：你來了 (你來了!)，模擬人聲的重複強調或迴音效果，強化記憶點。

II. 技術微調：BPM、Key 與同音字替換的工程學

這些參數直接影響歌曲的聽感保真度和流暢度。

1. 拍速與調性控制

原理：{BPM} (拍速) 決定歌曲的快慢；{Key} (調性) 決定歌曲的整體音高和情緒傾向。

• 實務操作：建議使用外部工具確認所需的 {BPM} 和 {Key} 值，並將數值直接提供給 AI，以覆蓋 AI 的預設或隨機選擇，實現精準控制。

2. 同音字替換 (Phonetic Correction)

• 問題：當 AI 模型尚未充分學習某些中文字的發音，或歌詞中出現違禁詞語，AI無法正確唱出來時，會導致演唱「跑調」或發音模糊。
• 技巧：遇到此情況，應採用同音或近似發音的字進行替換。這是一種針對模型訓練資料的**「軟修正」**，可大幅提高人聲的清晰度與正確性。

III. 深度風格：人聲、情緒、曲風的維度組合

AI 模型的強大在於能夠理解並融合複雜的風格描述。應結合子流派、情緒、年代和樂器細節，讓描述更具體。

1. 人聲類型與表達提示詞

除了性別指定外，可以加入更多聲音特質和角色細節：

• 角色/技巧：Male Singer (男歌手)、Female Diva Solo (獨唱天后)、Choir (合唱團)。
• 聲音特質：Whisper Voice (耳語)、Gravelly Voice (沙啞)、Autotuned (電子音調校)。

2. 跨維度風格描述（關鍵技巧）

將風格描述視為多維度的組合，而非單一標籤。

• 流派融合：將主流派和子流派組合。範例：Synthwave + Dance Pop (合成器浪潮和舞曲流行)。
• 情緒形容詞：使用強烈的形容詞來塑造氛圍：
  • Soft (柔和)：Chillwave (輕鬆浪潮)、Intimate (親密)。
  • Dark (黑暗)：Dramatic (戲劇性)、Sinister (邪惡)。
  • Hard (強硬)：Aggressive (激進)、Stomp (重踏)。
• 場景與情境：Cinematic (電影配樂感)、Lounge (酒吧演唱)、Troubadour (吟遊詩人)。
• 樂器點睛：通過添加樂器名稱來細化風格，如：Piano ballad (鋼琴抒情曲)、Violin Solo (小提琴獨奏)。

3. 地域、年代與語言限定

使用精確的文化符號可以幫助 AI 捕捉特定的音樂元素：

• 地域/文化：中國風 (Chinese)、Klezmer (猶太音樂)、Afrobeat (非洲節奏)。
• 語言：Cantonese Lyrics (粵語歌詞)、Mandarin Lyrics (國語歌詞)。
• 年代：80s Synthpop (80年代合成流行)，1960s Big Band (1960年代大樂隊風格)。

IV. 結語：Prompt 工程的哲學

成功的 AI 音樂 Prompt 是一種創意與控制的平衡。它要求創作者：

1. 具體化意圖：避免空泛描述，用具體的詞彙取代籠統的形容詞。
2. 結構化輸入：利用元標籤和參數，清晰地告訴 AI 歌曲應該「如何鋪陳」和「何時進入高潮」。
3. 迭代與修正：利用同音字替換等技巧修正 AI 的「不完美」，實現人機協作的最終目標。