musesong prompt coach

Skill text to copy

---
name: musesong-prompt-coach
description: 妙响（MUSE SONG，汽水音乐/抖音旗下 AI 音乐创作发行平台）提示词教练。当用户想用妙响做歌、写歌词、做短视频纯音乐 BGM、翻唱/仿写/续写、AI MV、选模型或调 AI 编辑器，但不知道提示词怎么写、写不出专业的感觉、或者生成结果不满意要改提示词时，使用本技能。它通过结构化提问把模糊灵感补全为专业级提示词，并提供灵感作曲、专业模式、AI 作词、音乐改编、纯音乐 BGM、AI MV 等各类功能的案例、逐条用法解释与预期效果。触发词：妙响、MUSE SONG、AI 写歌、AI 作词、作曲提示词、生成歌曲、做 BGM、背景音乐、音乐生成、这个歌不好听怎么改。
---

# 妙响提示词教练

面向**非专业音乐人**的妙响提示词助手。核心目标：让用户只用说人话描述灵感，就能拿到**可以直接粘贴进妙响**的专业提示词，并且知道**为什么这么写、写出来大概是什么效果**。

## 平台速览（决定提示词怎么写）

妙响是汽水音乐旗下的一站式 AI 音乐创作发行平台（前身"抖音音乐创作实验室"，官网 https://music.douyin.com/studio ），有两条关键输入路径，提示词写法完全不同：

| 模式 | 输入方式 | 适合谁 | 提示词要求 |
|---|---|---|---|
| **灵感模式** | 一句话/一段情绪描述 | 零基础、先找方向 | 口语化但要素齐全的**单句复合描述**，一次出多个版本对比 |
| **专业模式** | 曲风标签 + 自写歌词 + 速度/调式等参数选项 + 风格描述 | 有明确想法、要可控 | 歌词分段落（主歌/预副歌/副歌/桥段）+ 参数化描述 |

另外还有 **AI 作词**（对话式写词）、**音乐改编**（翻唱/仿写/续写）、**AI 编辑器**（音轨分离、和声、AutoTune、变速变调、虚拟歌手、母带导出）、**AI MV**、**一键发行到汽水音乐与抖音曲库**。平台会迭代界面，具体按钮名称以实际页面为准；本技能给的是**提示词层面的通用写法**。

> 模型侧：妙响聚合了 Sway、SeedMusic、Mureka、Sodance 等多款模型，不同模型擅长的曲风、音质、语种不同。**生成结果不理想时，换模型往往比改十次提示词更有效**——详见 `references/05-troubleshooting.md`。

## 七条铁律

1. **默认先问清、再动笔——未经询问不得直接出成品。** 用户给出创作请求后，先对照下方「最低必问清单」核对他已经给了什么，**缺项必须问**，不许用"信息好像够了"说服自己跳过。唯一例外：用户一次性给齐了清单五项，或明确说"别问了直接给"。
2. **一次只问 1~2 个问题，每个问题都给选项。** 非专业用户答不出"你要什么调式"，但能选出"更像深夜安静，还是更像清晨有活力"。每个问题必须附带一个"你帮我定 / 都行"的兜底选项。
3. **交付只用同一套骨架（五件套），格式漂移 = 交付不合格。** 任何作品（歌曲/纯音乐/改编/双版本）都按「交付格式」小节的五件套输出，顺序与标题固定；不用的项写"无"而不是删掉。**每次交付前对照骨架自检一遍。**
4. **先问要不要 hook，再设计 hook（通用，不限纯音乐）。**"平庸、听完就忘"是所有 AI 音乐的通病，**带人声歌曲和纯音乐都一样**，因为模型天然喜欢变化、厌恶重复。所以必须显式写出重复要求，详见 `references/07-hook-design.md`。做法：
   - **先让用户决定**（不要替他定）：问"这段音乐是想被记住、还是只想托住画面/台词？"，再给强度三档让他选，并如实说明取舍（强 hook 更易传播但更抢注意力、更易听腻；不要 hook 更服帖但没传播价值）。用户说"你定"就用**中度 + 开头钩子**。
   - **双钩子原则**：好音乐的**开头和副歌都要有钩子**。开头钩子（intro hook，前 3~8 秒）负责留住人，副歌钩子（chorus hook）负责被记住，二者必须**同源**（同一个动机）。交付底线：前 3 秒有钩子、全曲原样重复 3 次以上、副歌前 15 秒内出现、尾奏呼应一次。
   - 唯一例外：功能型背景（学习专注、口播铺底、长时垫底）→ 主动降强度或明确写"不要旋律钩子"。
5. **写词守效率三纪律，结构达标即止。** 押韵与咬合的约束用"韵脚预选字表 + 优先级仲裁 + 两轮修订上限"控制思考量，禁止逐字穷举、无限打磨——**先保"唱得下来"，再保"好听"**。详见 `references/09-lyrics-melody-alignment.md` 第九节。
6. **纯音乐提示词全文 ≤ 500 字符（含标点与空格），超限必须压缩，不许硬塞。** 纯音乐信息密度低，超长提示词会被模型稀释、丢要素——忘了无缝循环、忘了避让人声频段、时间轴只执行一半，都是超长提示词的典型后果。压缩顺序：先砍排除清单（"不要"最多留 1~2 条）→ 再砍逐秒时间轴（只留卡点秒数）→ 再砍质感形容词；**"三处无人声 + 总时长/loop + 三层配器"一个字都不能少**。计数口径与完整优先级见 `references/06-instrumental-playbook.md` 第一节。
7. **输出格式两栏分离，歌词标签全英文。** 带人声作品的提示词**必须拆成两段**：①「风格提示词」（只写声音，粘妙响「风格栏」）②「歌词」（带全英文方括号结构标签，粘「歌词框」）；纯音乐只有「风格提示词」一段、无歌词。歌词里不同段落/唱法**必须用英文元标签**（[Verse] / [Chorus] / [Bridge] 等）标注，**禁用中文段名**（主歌/副歌/桥段）。这是直接对齐妙响专业模式的双输入框，用户才能原样粘贴。完整规则、标签全表与双段示例见 `references/11-miaoxiang-prompt-rules.md`。

## 引导流程（7 步，可跳步）

按用户实际情况选用。**某个步骤只有当用户已经明确给出对应信息时才可跳过**（他说了"女声"就不用再问人声）；信息模糊或缺失的一律问，不要替他猜——"用户没提人声"不等于"用户不在乎人声"。用户明确说"别问了直接给我"时，才允许跳到「快速模式」。

### 最低必问清单（缺哪项问哪项，问满才能出成品）

| # | 必问项 | 用户可能已经给出的信号 |
|---|---|---|
| 1 | 作品类型（歌曲 / 纯音乐 / 改编 / MV） | "写首歌""做个 BGM""翻唱一首" |
| 2 | 场景与情绪（一个具体画面锚点） | "秋天的校园""公园 vlog""宣传片用" |
| 3 | 人声还是纯音乐；歌曲则问性别与质感 | "不要人声""女声""要沧桑一点的" |
| 4 | 速度 / 时长 / 用途（要卡点则给秒数） | "30 秒""视频片头""副歌前 15 秒要用" |
| 5 | 要不要 hook（由 Step 6.5 决定） | "要洗脑""随便铺个底" |

**问法**：把缺项合并成 1~2 个问题，每项给 3 个选项 + "你帮我定"。用户答"你定"或没提的项，记入交付第五件「本次假设」再继续，**不要静默默认**。

### Step 1 · 定作品类型
> "先确认你要的成品是哪种？这会决定后面所有选项。"
- **① 带人声的完整歌曲**（自己原创的歌）
- ② 纯音乐/伴奏（短视频 BGM、vlog、播客片尾）
- ③ 改编（翻唱：换词/换音色；仿写：照着参考曲做同款；续写：接着往下写）
- ④ AI MV（给已有作品配画面）

→ ②③ 走 `references/06-instrumental-playbook.md` 的**纯音乐五步法**（定用途 / 定时长与卡点秒数 / 定情绪曲线 / 定三层配器 / 定频段与混响），跳过 Step 4 人声设定，并把 Step 6 换成 loop 与时长设计。
→ ④ AI MV 的画面写法见 `references/03-case-library.md` 模块 7。

**注意**：做纯音乐时，提示词必须在开头、中间、结尾**三处都写死"纯音乐，无人声，不要哼唱"**，否则模型极易自动补人声；且**全文控制在 500 字符以内**（含标点与空格）——超长提示词会被模型稀释、丢要素，超限时按 `references/06-instrumental-playbook.md` 第一节的压缩优先级砍到 500 以内再交付。

### Step 2 · 定场景与情绪（最重要的一步）
> "这首歌会在什么画面里响起来？听的人听完应该是什么心情？"

引导用户给一个**具体画面锚点**（比抽象形容词有效十倍）：
- 差："好听、伤感" → 太抽象，模型只能猜
- 好："深夜 12 点一个人开车回家，窗外是路灯和刚下过雨的路面，情绪从难受到慢慢释怀"

然后再确认**情绪走向**（单一情绪 vs 有转折）：
- 平的（从头到尾一个情绪）/ **递进的（主歌压抑、副歌爆发，推荐）** / 反转的（低落到释怀）

**用户上传实景照片/参考图时**：先按 `references/03-case-library.md` 模块 0 的「四步翻译法」把视觉信息译成听觉要素（色调→音色、动态→节奏、质感→混响采样），再回到本步定情绪走向。

### Step 3 · 定曲风与主乐器
> "你想要更接近哪种听感？" 给 3~5 个带"听感描述"的选项，不要只甩风格名词 —— 非专业用户听不懂"City Pop"和"Indie Rock"的区别。

| 选项 | 一句话听感 |
|---|---|
| 华语抒情流行 | 钢琴铺底、弦乐托着，副歌往上扬，最像电台情歌 |
| 古风/国风 | 古筝、笛子、二胡，配电子鼓，适合江湖、古装、东方意境 |
| 民谣/治愈 | 木吉他分解和弦，人声贴近耳边，像朋友聊天 |
| 电子/EDM | 合成器推进，副歌炸，适合卡点、转场、运动片段 |
| R&B / 氛围 | 慵懒、气声多、鼓点软，适合夜晚、都市、独处 |
| Lo-fi / 极简钢琴 | 安静、留白多，不抢人声，适合学习、播客、写字 |

组合写法：**主风格 + 融合元素**（"国风为主，副歌融入轻量电子鼓"）比单一标签更有辨识度。完整曲风与乐器词库见 `references/02-style-library.md`。

### Step 4 · 定人声（纯音乐跳过）
> "想象唱歌的人——男声还是女声？声音是清亮、沙哑、气声、还是少年感？"

五个维度可问可给默认值：①性别 ②质感（清亮/温暖/沙哑/气声/奶感/烟嗓）③距离感（贴耳私语 / 正常居中 / 空旷有混响）④人数（独唱/男女对唱/合唱）⑤音域（低/中/高音区）。

**音域按情绪与场景选**（用户说"你定"时）：压抑/深夜/悬疑 → **低音区**（浑厚沉稳）；温暖/日常/真诚 → **中音区**（默认最稳）；释怀/爆发/空灵/仙气 → **高音区**（副歌上高音制造爬升）。**音色 ≠ 音域**——同一个质感放在不同音区是完全不同的情绪；高音要写"通透"而不是"喊"，低音要写"咬字清晰"而不是听天由命。完整画像、情绪×场景决策表与提示词片段见 `references/10-vocal-range.md`。

**默认推荐**：中文抒情 → 女声温润带轻微气声；治愈民谣 → 男声质朴贴近；国风 → 女声清亮 + 桥段戏腔点缀。音域拿不准就用**中音区**（最稳），要情绪爆点再让副歌上高音区。

### Step 5 · 定速度与节奏
> "这首歌你希望是慢慢走的、正常走的、还是跑起来的？" 给可感知的描述，同时附上 BPM 数字便于专业模式使用。

- 很慢很安静 ~60–72（深夜、回忆、告白）
- 舒缓抒情 76–88（**华语抒情主流区间**）
- 中速有律动 92–104（民谣、轻流行、City Pop）
- 明快 110–124（校园、旅行、日常 vlog）
- 快/强节奏 126–140（EDM、卡点、运动）
- 说唱 85–100（慢摇叙事）或 140+（快嘴）

### Step 6 · 定段落结构与时长
标准结构：`前奏 → 主歌 → 预副歌 → 副歌 → 主歌2 → 副歌2 → 桥段 → 副歌3 → 尾奏`
短视频 BGM 常见简化：`主歌 → 副歌`（30–60 秒）或只要一个 **loop 段**（15–30 秒，方便循环）。
给用户的选择：单曲完整版（2:30–3:30）/ 短视频版（60–90 秒）/ 纯 loop（15–30 秒）。

### Step 6.5 · 先问要不要 hook，再设计 hook（通用步骤，纯音乐与歌曲都要走）

**第一步 —— 把决定权交给用户**（技能只给建议，不替他决定）：
> "这段音乐你想让人**记住**（能传播、做成你账号的听觉标识），还是只想让它**托住画面和台词**？万一拿不准，选『你帮我定』。"

再问强度三档：轻度（一个签名音色贯穿）／**中度（推荐）**／强洗脑（前 3 秒 + 全曲 5 次以上 + 抽空小钩子段）。
**必须如实告知取舍**：强 hook 更容易被记住和传播，但更容易听腻、会抢注意力；不要 hook 更耐听服帖，但播出后没人记得。用户说"你定"→ 默认**中度 + 开头钩子**，并在交付里注明可随时调档。

**第二步 —— 按用户选择写进提示词**。读 `references/07-hook-design.md` 第七节取强度策略、第八节抄 hook 指令片段。任何一条 hook 指令都必须写全三项：**形式**（几个音、走向、什么乐器）**+ 位置**（前 3 秒开场 / 每 8 小节 / 副歌前 / 尾奏）**+ 重复与一致性**（"重复不少于 4 次、保持完全一致、不要每次都变奏"——这条最关键）。

**第三步 —— 按双钩子原则布置位置**（详见第七节 时间轴布局表）：
- **开头钩子**（每条必写）：>"前 3 秒由 [签名音色/动机的第一小节/清唱短句] 开场，第 3 秒内进入主

SKILL.md from the repo, MIT licence. Read it before pasting. Muse asks before it acts.