企业官网建设流程全解析

用AI工具生成一首关于古都开封的歌，作词由创作者完成，乐曲旋律和人声演唱交给AI工具处理，最后只用于社交平台展示而不作商业用途。这条创作路径看起来轻，实际操作时却会遇到歌词怎么输入、风格怎么描述、人声怎么调、导出后怎么校验、平台审核怎么应对等问题。下面结合“古都开封”这个作品案例，把从歌词整理到最终音频发布的完整流程拆开讲。无论是想复现同类作品，还是排查生成过程中出现的“歌词没唱准”“人声太机械”“时长不对”等问题，都可以按照这条链路逐段核对。

1. 先理解AI歌曲生成的整体链路

1.1 这个作品由三个独立创作层组成

“古都开封”这个案例适合用来理解AI音乐生成的边界。作品信息中标注了作词人，也标注了乐曲旋律和人声演唱由AI工具生成。这里其实已经隐含了创作分工：

这种分工并不是偷懒，而是当前AI音乐工具的真实能力决定的。工具擅长从文本条件中推测旋律、配器和演唱音色，但很难理解“开封”背后的历史感、菊花意象和城市情绪。作词人负责把这些含义固定在文本里，再由AI生成音乐外壳。

1.2 AI工具内部大致经历了什么

从使用者角度，不需要完整理解模型细节，但需要知道一次生成通常依赖三类输入：

• 歌词文本：决定歌曲唱什么。
• 风格描述：决定歌曲听起来像什么。
• 时长和结构：决定歌曲如何组织。

AI工具会先根据歌词的句子长度、字数和停顿位置规划旋律节奏，再根据风格描述选择配器和音色，最后把合成人声、伴奏和混音结果输出成音频文件。整个过程不是“输入‘开封’就自动写出一首完整歌曲”，而是“输入已经写好的歌词和风格参数，模型生成与之匹配的旋律和演唱”。

容易误解的是，AI并不理解“汴水”“城墙”“汴梁”这些词的历史含义。它只是按照训练数据中学到的韵律模式，把这些音节匹配到旋律上。因此，歌词中大量使用生僻字、长句、密集意象时，AI很容易唱得含糊、赶拍或断句奇怪。

1.3 为什么词曲分离是当前主流分工

真实创作中，词曲往往是互相约束的。作词人要考虑旋律的音域和节奏，作曲要迁就歌词的声调。但在AI音乐生成流程中，词曲分离反而更适合快速产出：

• 先定歌词，结构清楚，方便工具按段落生成。
• 再通过风格描述和参数控制旋律走向。
• 最后通过多次试听调整，而不是一句句改谱。

这样做的好处是文本可修改、风格可替换、版本可对比。缺点也明显：一旦歌词文本写得太散，AI生成的旋律可能缺乏记忆点。所以“古都开封”这类作品要先把歌词打磨到适合演唱，才进入AI生成环节。

2. 版权与用途边界需要提前确认

2.1 “仅用于社交平台展示”只是创作意图，不是规则豁免

标题中标注“仅用于社交平台展示，不作商业用途”，是一种明确的创作意图说明。但在实际发布过程中，单靠这一句标注并不能替代规则确认。AI音乐生成涉及的权益关系比纯人工作品更复杂，至少需要确认四件事：

所以在点击发布前，不要只依赖“不作商业用途”这句话，而是要回到工具条款和平台规则中确认。不同平台对AI生成音乐可能要求添加标识，也可能允许正常发布但限制推荐，这些属于平台规则范畴，发布前需要阅读。

2.2 发布前建立作品元信息表

AI音乐作品发布时，观众只能看到标题和音频，看不到创作过程。为了避免后续争议，建议为每个作品维护一份元信息表。以下是一个可直接复用的表格结构：

这份表格不一定要发布出去，但它能帮助创作者快速判断：如果后续有人想购买版权、平台需要提供生成凭证、或者说明再创作用途，自己手上有没有完整信息。

2.3 如果后续想商用

标题已经限定“不作商业用途”，但很多人会在作品受欢迎后考虑商用。此时原来的授权前提会发生变化，必须重新阅读AI工具的商用授权条款。不要以为“我自己写的歌词，所以整首歌版权都是我的”，因为旋律、伴奏和人声由AI工具生成，工具平台通常对生成结果保留部分权利或限制商业使用范围。具体规则以你所使用工具的服务条款为准。

3. 把歌词与音乐需求整理成AI工具能理解的输入

3.1 先做歌词项目管理文件

AI音乐工具通常接受普通文本框输入，而不是JSON结构化数据。但创作阶段建议先准备一份歌词项目管理文件，把段落、情绪和风格信息固定下来，再转换成工具输入。

下面是一段占位歌词，仅用于演示结构，不是“古都开封”原作品歌词。实际创作时，请替换为作词人定稿的正式文本。

{ "title": "古都开封", "lyricist": "思忠", "lyrics": { "verse1": [ "汴水东流 照见千年的光", "城墙斑驳 藏着旧时的霜" ], "chorus": [ "古都开封 我的故乡", "菊花香里 又见汴梁" ], "verse2": [ "街巷深深 风从古砖吹过", "梦里繁华 在史书中闪烁" ], "bridge": [ "一城宋韵 半城水", "千年故事 说不完" ] }, "style": { "genre": "chinese-style pop", "tempo_bpm": 72, "key": "C major", "vocal": "warm male vocal", "emotion": "nostalgic, tender, restrained" } }

这段JSON的价值不在机器识别，而在帮助创作者统一认知。verse1、chorus、verse2、bridge分别对应主歌、副歌和桥段。等到要修改歌词时，直接在这个文件里改，再重新生成Prompt，不会出现“歌词改了但AI仍在唱旧版本”的问题。

3.2 把JSON转成AI工具能读的Prompt

AI音乐生成工具的输入框通常只接受文本，所以需要把上面的结构信息转换成一段自然语言描述。下面是一个通用模板：

请根据以下歌词生成一首歌。 [歌词结构] 主歌1： 汴水东流 照见千年的光 城墙斑驳 藏着旧时的霜 副歌： 古都开封 我的故乡 菊花香里 又见汴梁 主歌2： 街巷深深 风从古砖吹过 梦里繁华 在史书中闪烁 桥段： 一城宋韵 半城水 千年故事 说不完 [音乐要求] 曲风：国风流行 速度：每分钟72拍左右 调性：大调，温暖明亮 人声：男声温暖，吐字清晰，情感克制 情绪：怀旧、深情、不要太激烈 时长：约90秒

不同工具对标志词的理解不同。有的工具能识别“主歌”“副歌”，有的只认“Verse”“Chorus”。如果发现工具没有按照段落结构处理，就把英文结构词也加入提示：

Structure: Verse1 - Chorus - Verse2 - Chorus - Bridge - Final Chorus

3.3 控制段落顺序、时长和情绪

AI音乐生成的常见问题之一，是生成长音频时后半段结构混乱。为了减少偏差，推荐采用“短结构优先、逐段验证”的策略：

如果工具生成时长不稳定，不要在一开始就提交完整六段歌词。先用主歌加副歌跑通第一版，确认AI能把副歌歌词清晰唱出来，再逐步扩展桥段和尾奏。

3.4 容易忽略的歌词输入问题

• 不要在一个段落里写太长句子，AI唱到后半截容易抢拍。
• 不要把过多历史名词塞进同一句，比如“汴梁汴水古城墙”连续五个意象，AI大概率会含糊带过。
• 不要在歌词里加入过多标点。分句用换行，语气停顿用空格或逗号，但要保持统一。
• 同音字和押韵要自然。AI会倾向于把同一韵脚的字唱得接近，这会放大不押韵的问题。

4. 执行生成、版本对比与导出

4.1 环境准备

AI音乐生成并不需要高配置电脑，但需要准备好以下内容：

• AI音乐生成工具账号，并确认当前工具允许本次生成结果的用途。
• 稳定的浏览器环境和网络，避免生成中途丢失。
• 一副监听耳机，优先用耳机而不是外放音箱判断人声细节。
• 一个版本记录表，每次生成都记录参数和试听结果。

推荐准备一个简单的版本记录表，形式如下：

这里建议每次只改一个变量。如果同时修改了风格、歌词、速度和音色，后面很难判断是哪一个改动导致了效果变好或变坏。

4.2 第一次生成以“结构跑通”为目标

第一次生成不要追求完美。目标只有一个：确认AI能否按照提交结构，把主歌和副歌唱完整、唱正确。

按上一节的Prompt模板提交后，等待工具生成结果。主流工具通常会返回两个或以上候选片段。第一次试听时，重点判断以下三点：

• 副歌是否唱了“古都开封 我的故乡”。
• 主歌和副歌之间是否有明显层次，还是一直同一个旋律。
• 人声是否被伴奏压制。

如果第一版出现“副歌歌词被省略”“人声像机器人”“节奏忽快忽慢”等问题，不必急着改Prompt，先记录现象，进入多版本对比。

4.3 多版本对比与局部重生成

AI音乐生成结果具有随机性。同一段Prompt连续生成两次，旋律可能不同。因此，多版本对比是这个环节最重要的操作手法。

推荐流程：

1. 保持歌词不变。
2. 对同一Prompt生成2到3个版本。
3. 先不比较音质，比较副歌旋律是否顺耳。
4. 锁定旋律较好的版本，再针对人声清晰度做局部调整。
5. 如果工具支持指定段落重新生成，就只重生成副歌或桥段，不要每次整首重来。

这里要注意，AI音乐工具的“局部重生成”并不是所有平台都提供。如果工具不支持，只能通过微调Prompt并重新整首生成。这种情况下，建议保存每次Prompt文本，方便快速找回曾经生成过的优秀版本。

4.4 导出文件与命名规范

当确定某一版结果后，需要导出音频文件。导出时优先选择无损格式，例如WAV或FLAC，用于本地存档和后续音量检查。上传社交平台时，再根据平台要求选择MP3或其他格式。

导出后的文件命名建议包含版本信息：

gudu_kaifeng_v3_chinese_pop_72bpm.wav gudu_kaifeng_v3_chinese_pop_72bpm_loudness_check.wav

命名中至少要包含作品名、版本号和关键参数。否则一周后你会面对十几个叫“final_2.mp3”的文件，分不清哪个才是最终版本。

5. 用ffprobe和耳朵完成发布前校验

5.1 用ffprobe检查音频基本参数

AI音乐工具导出的音频，时长、采样率、码率都可能不固定。发布前先用ffprobe检查一次，能避免上传后出现音质被平台二次压缩导致的破音问题。

命令如下：

ffprobe -v error \ -show_entries format=duration,bit_rate,format_name \ -show_entries stream=codec_name,sample_rate,channels \ -of default=noprint_wrappers=1 \ gudu_kaifeng_v3_chinese_pop_72bpm.wav

正常会输出类似下面的信息：

format_name=wav duration=92.084000 bit_rate=1411200 codec_name=pcm_s16le sample_rate=44100 channels=2

这段输出说明音频是双声道、采样率44100Hz、时长为92秒。如果项目有统一要求，比如一律使用48000Hz采样率，就需要在工具导出设置中调整，或者在后续音频处理软件中重采样。

5.2 用ffmpeg检查音量分布和响度

生成音频最常见的隐藏问题不是旋律，而是响度。有些版本人声偏小，有些版本峰值过载，发布到平台后会被自动压缩出爆音。

使用ffmpeg自带的音量检测滤镜：

ffmpeg -i gudu_kaifeng_v3_chinese_pop_72bpm.wav -af volumedetect -f null -

输出会包含类似内容：

[Parsed_volumedetect_0 @ ...] mean_volume: -18.5 dB [Parsed_volumedetect_0 @ ...] max_volume: -1.2 dB

mean_volume属于平均值，能辅助判断整体音量；max_volume接近0dB时需要警惕削波。如果峰值频繁到达0dB，说明导出时已经过载，需要重新从工具导出，或者用音频软件做降峰处理。

如果平台或项目对响度有明确要求，可以使用LUFS响度标准检查：

ffmpeg -i gudu_kaifeng_v3_chinese_pop_72bpm.wav -af ebur128 -f null -

EBU R128是目前业界常见的响度测量方式，输出中会显示Integrated loudness。不同平台推荐值不完全相同，发布前以目标平台说明为准。在没有明确要求的情况下，不要让整体响度过高，避免失去动态层次。

5.3 试听检查表

技术检查只能确认文件健康，无法替代人耳判断。发布前建议按以下顺序完整试听一遍：

试听时要记录出现问题的秒数，例如“0:42副歌第一个字被伴奏盖住”“1:10桥段人声模糊”。这些信息在排查时比“感觉不太好”更有用。

6. 常见失败原因与排查路径

6.1 生成的歌没有按提交歌词唱

现象：提交的歌词是“古都开封 我的故乡”，生成结果唱成了别的内容，或者漏掉后半句。

排查顺序：

1. 检查歌词是否分段输入，是否一次性塞入过长文本。
2. 检查提示词中是否明确标记了“主歌1”“副歌”等结构。
3. 检查歌词是否包含生僻字、外语、特殊符号，AI可能无法准确演唱。
4. 检查同一段Prompt是否连续生成多个版本仍出现相同问题。

如果只是偶尔漏词，多生成几次就能解决。如果每次都在同一句漏词，大概率是歌词音节过多或句子过长，需要拆短句子。

6.2 人声机械、吐字不清

现象：旋律没有问题，但人声一出来就像朗读，缺少起伏和感情。

原因通常是风格描述里没有对人声做约束。AI默认使用的音色和演唱方式不适合抒情国风歌曲。可以尝试在Prompt中增加这些描述：

人声要求：男声温暖，咬字清晰，句尾自然松弛，副歌情绪逐渐增强但不过度用力。

如果工具提供音色选择或演唱风格参数，优先切换到抒情、叙事类音色，而不是“Power”或“Rap”类风格。

6.3 生成到一半截断或时长不稳

现象：想要90秒歌曲，结果生成只有45秒，或者前40秒正常后半段叠加了多余重复。

原因可能是输入的段落过多，而工具对单次生成长度有限制。检查方法如下：

1. 减少段落，只保留主歌和副歌。
2. 把“歌词+结构说明”的总字符数缩短。
3. 将完整六段拆成两次生成，一次生成前四段，另一次生成后三段，再用音频软件衔接。

6.4 伴奏压过人声或人声突兀

现象：整首歌听起来像纯音乐配了个人声贴片，或者人声干瘪没有混响。

此时不要马上怀疑工具，先检查耳机是否使用正确。如果确定耳机没问题，再在Prompt中加强人声和空间感描述：

混音要求：人声靠前，伴奏作为铺垫，副歌加入适当混响，不能盖住歌词。

需要注意，某些工具对混音描述支持有限，无法精确控制人声音量。这种情况只能通过多次生成“碰”一个相对均衡的版本，再导出进行后期处理。

6.5 发布平台审核被拦截

现象：音频文件播放正常，但上传到社交平台后被拦截或提示版权问题。

处理路径：

1. 阅读平台对AI生成内容的披露要求，确认是否需要勾选“AI生成”标识。
2. 确认AI音乐工具的使用条款是否允许公开传播。
3. 检查歌词是否包含未经授权引用的古诗、古词或他人歌词。
4. 不要使用所谓“降AI率”“去AI痕迹”工具尝试规避平台标识，这不仅不能解决授权问题，还可能违反平台规则。

如果平台明确要求标注“AI生成”，就规范标注。标题中的“乐曲旋律、人声演唱由AI工具生成本作品仅用于社交平台展示，不作商业用途”就是一种透明说明方式。

7. 最佳实践与可复用清单

7.1 创作前最小清单

每次用AI工具生成歌曲前，建议准备以下内容：

这组信息整理完，再打开AI工具。不要打开工具后才开始想歌词和风格，那样会浪费大量生成次数。

7.2 训练试听耳朵的顺序

AI音乐作品容易“听第一遍惊艳，第二遍露出破绽”。建议按以下顺序反复试听：

1. 只听副歌，判断是否是全曲最有记忆点的部分。
2. 只听主歌，判断是否成为副歌的合理铺垫。
3. 闭眼听人声，判断不看歌词时能否听懂80%以上内容。
4. 开小音量听，判断人声是否还能被感知。
5. 在手机外放上听，判断是否出现刺耳或闷糊。

不要只在大音量、好耳机环境下判断，因为社交平台用户多数时间用手机外放。

7.3 需要补的传统音乐知识

AI工具降低的是编曲和演唱门槛，但审美判断仍然依赖基础音乐知识。建议优先补三块：

• 节拍知识：理解4/4拍、BPM、重音位置，能听懂AI生成的节奏是否稳定。
• 调式感觉：理解大调明亮、小调忧伤的基本色彩，才能判断风格描述是否准确。
• 歌曲结构：理解主歌、副歌、桥段、尾奏的作用，才能设计合理的段落顺序。

这三块都不需要精通乐器，但需要能听懂、能描述、能排查。

7.4 下一步扩展方向

如果“古都开封”这类作品已经跑通，可以继续扩展：

• 将同一首歌词用不同曲风生成多个版本，做一次风格对比记录。
• 学习基础音频软件，把AI生成的多个片段手动拼接成完整歌曲。
• 学习响度和混音概念，用ffmpeg或音频软件统一导出质量。
• 为作品设计符合主题的封面图，并规范填写AI生成披露信息。
• 把创作流程整理成SOP，保持每次输出质量稳定。

AI音乐生成工具降低的是旋律、编曲和人声合成的门槛，但没有降低排错、审美和规则意识的要求。“古都开封”这首歌虽然只用于社交平台展示，不作商业用途，发布前仍然值得按完整流程处理：确认权利边界、整理歌词、写清风格、多版本对比、用工具校验音频参数。对新手来说，最好的练习不是堆更多功能，而是用同一首歌词生成10个版本，认真听出每个版本之间在节奏、咬字和情绪上的差异。听完之后，你对AI音乐工具的真实能力边界，会比只看教程更清楚。