1. 为什么我要花两周时间整理这套AI音乐提示词模板库去年年底我开始密集地用AI工具做配乐起因是帮一个做独立游戏的朋友搞背景音乐。他预算有限请不起作曲人我就想着用AI试试。结果一上手就发现事情远没有想象中那么简单——同样一句“来一段欢快的电子音乐”不同工具生成出来的东西天差地别有时候像模像样有时候简直是噪音。问题出在哪出在提示词上。AI音乐生成工具本质上是一个“概率映射器”你给的文字描述越模糊它随机发挥的空间就越大。而音乐这个东西恰恰是极其讲究结构和情绪的。你说“欢快”是流行朋克的欢快还是民谣的欢快是120BPM还是140BPM有没有贝斯线鼓组是电子鼓还是原声鼓这些细节不写清楚AI就只能瞎猜。我试过用同一句提示词连续生成十次出来的东西风格能横跨五个流派完全没法用。后来我开始系统地研究提示词的写法把市面上主流的AI音乐工具都摸了一遍包括Suno、Udio、Stable Audio这几个。每换一个工具提示词的逻辑就不一样。Suno对风格标签特别敏感Udio更吃自然语言描述Stable Audio则对音频参数类的词汇响应更好。我花了大概两周时间把12种主流音乐风格的提示词模板逐一测试、调整、固化下来形成了现在这套可以直接复制粘贴使用的模板库。这套模板库解决的核心问题就一个让你不用懂乐理、不用学提示词工程复制一段文字丢进AI工具里就能稳定产出指定风格的音乐。不管你是做短视频配乐、播客片头、游戏音效还是单纯想玩玩AI作曲这套模板都能帮你省掉大量试错时间。下面我会把整个构建思路、每种风格的关键参数、实操步骤和踩过的坑全部拆开讲清楚。2. 提示词模板库的整体设计思路2.1 为什么按“风格”而不是按“工具”来分类一开始我其实是按工具来整理模板的——Suno一套、Udio一套、Stable Audio一套。但很快发现这样行不通。因为工具迭代太快了上个月好用的提示词格式这个月更新后可能就失效了。而且很多人是多个工具混着用的按工具分类会导致大量重复内容。后来我改成按音乐风格来组织每种风格下面再标注不同工具的适配写法。这样做的好处是风格是稳定的工具是变化的。你学会了“Lo-Fi Hip Hop”这种风格的提示词逻辑不管换什么工具核心描述框架都能复用只需要微调格式就行。12种风格的选择也不是拍脑袋定的。我把过去半年里AI音乐社区中生成量最大、需求最集中的风格做了统计最终确定了以下分类Lo-Fi Hip Hop、Cinematic Orchestral、Electronic Dance、Acoustic Folk、Jazz Lounge、Ambient Textural、Synthwave、Pop Ballad、Rock Anthem、Chinese Traditional、Bossa Nova、Epic Trailer。这12种基本覆盖了短视频配乐、播客、游戏、广告、个人创作等场景的绝大多数需求。2.2 提示词的“四层结构”模型在反复测试中我总结出一个提示词的“四层结构”模型这套模板库里的每一条提示词都是按这个模型来写的第一层风格锚定——用2-3个精准的流派标签锁定大方向比如“Lo-Fi Hip Hop, Chillhop, Jazzhop”。这一层的关键是不要贪多标签太多会让AI困惑。第二层情绪与场景——描述这首音乐要传达什么感觉、用在什么场景比如“late night study session, cozy, nostalgic”。这一层帮AI确定情感基调。第三层乐器与编制——指定核心乐器比如“mellow piano, warm vinyl crackle, soft kick, jazzy guitar”。这一层是区分同风格不同味道的关键。第四层技术参数——BPM、调性、结构、制作质感比如“75 BPM, D minor, dusty analog warmth, sidechain compression”。这一层让输出更可控。这四层缺一不可。我做过对比测试只用第一层和第二层生成结果的随机性极大加上第三层后风格稳定性提升约60%四层全上基本能做到十次生成里有七八次是可直接使用的。2.3 模板的“可替换槽位”设计直接给死模板有个问题每个人都想要不一样的东西。所以我在每条模板里都留了可替换的槽位用方括号标出来。比如[主乐器]、[BPM范围]、[情绪关键词]。你可以根据自己的需求替换但整体结构不动。这样既保证了稳定性又保留了灵活性。举个例子Lo-Fi Hip Hop的基础模板是这样的Lo-Fi Hip Hop, Chillhop, Jazzhop, [情绪关键词late night study / rainy afternoon / cozy cafe], mellow [主乐器piano / electric piano / guitar], warm vinyl crackle, soft boom bap drums, [BPM70-85], [调性D minor / A minor], dusty analog warmth, nostalgic atmosphere, instrumental你只需要把方括号里的内容换掉就能得到不同味道的Lo-Fi。这个设计思路贯穿了全部12种风格。3. 12种风格的核心参数与提示词模板详解3.1 Lo-Fi Hip Hop最百搭的创作入门风格Lo-Fi Hip Hop是AI音乐生成里成功率最高的风格没有之一。因为它的核心特征就是“不完美”——底噪、失真、节奏微偏这些恰恰是AI容易做出来的效果。但要想生成真正好听的Lo-Fi还是有几个关键参数要卡死。BPM范围70-85。低于70会显得拖沓高于85就失去了Lo-Fi那种慵懒感。我实测下来75-80是最舒服的区间。调性选择小调为主D minor、A minor、E minor出现频率最高。大调也不是不行但会偏明亮适合“清晨”主题。核心乐器电钢琴Rhodes或Wurlitzer音色、爵士吉他、柔和的合成器Pad。鼓组必须是boom bap风格底鼓要软军鼓要带一点loose的感觉。制作质感关键词vinyl crackle黑胶底噪、tape saturation磁带饱和、dusty灰尘感、warm温暖、analog模拟味。这几个词是Lo-Fi的灵魂缺一个味道就不对。完整模板Lo-Fi Hip Hop, Chillhop, Jazzhop, late night study session, cozy and nostalgic, mellow Rhodes electric piano, warm upright bass, soft boom bap drums, vinyl crackle, tape saturation, 75 BPM, D minor, dusty analog warmth, instrumental, no vocals注意一定要加“instrumental, no vocals”。不然AI有很大概率给你生成人声而Lo-Fi的人声一旦处理不好就非常突兀。3.2 Cinematic Orchestral电影感配乐的关键在“动态”电影管弦乐是难度第二高的风格仅次于Epic Trailer。难点在于AI很难理解“动态”——也就是音乐从弱到强、从简到繁的变化过程。如果你只写“cinematic orchestral”AI大概率会给你一段从头到尾都很满的弦乐毫无层次。解决办法是在提示词里明确写出结构变化。我常用的手法是用“building”、“swelling”、“climax”、“resolution”这类词来暗示动态走向。BPM范围60-90慢速为主。太快会失去史诗感。调性选择小调为主但结尾可以转向大调制造“希望感”。C minor转Eb major是经典组合。核心乐器弦乐组strings、法国号French horn、定音鼓timpani、钢琴、竖琴。不要加电声乐器会破坏整体质感。结构关键词intro、build、climax、resolution、crescendo、decrescendo。完整模板Cinematic Orchestral, film score, emotional and epic, string section, French horn, timpani, soft piano intro, building tension, swelling crescendo, climactic resolution, 80 BPM, C minor to Eb major, wide stereo image, orchestral hall reverb, instrumental3.3 Electronic DanceBPM和Drop是命门EDM的核心就两个字节奏。BPM不对整首歌就废了。而且EDM对“Drop”的依赖极强——没有Drop的EDM就像没有高潮的电影。BPM范围House 120-128Techno 130-140Trance 135-145Dubstep 140-150半拍70-75。先确定子流派再定BPM。调性选择小调为主但EDM对调性不如对节奏敏感。F minor、G minor、A minor都常见。核心乐器合成器Lead、BassSub Bass和Mid Bass分层、鼓机Kick、Snare、Hi-hat、Clap、Riser、Impact。结构关键词intro、build-up、drop、breakdown、outro。Drop是必须出现的词。完整模板Electronic Dance Music, Progressive House, energetic and uplifting, punchy kick drum, layered synth lead, sub bass, sidechain compression, build-up with riser, powerful drop, 126 BPM, F minor, wide stereo, festival atmosphere, instrumental3.4 Acoustic Folk真实感来自“不完美”民谣的核心是“人味”。AI生成民谣最大的问题是太干净、太完美反而假。所以提示词里要刻意加入一些“不完美”的描述。BPM范围80-110中速为主。调性选择G major、D major、C major最常见大调为主。核心乐器原声吉他指弹或扫弦、口琴、曼陀林、手鼓Cajon或Tambourine、低音提琴Upright Bass。质感关键词intimate、raw、live recording、room ambience、fingerpicking、warm。完整模板Acoustic Folk, intimate and warm, fingerpicked acoustic guitar, harmonica, upright bass, light tambourine, live room ambience, raw and honest, 95 BPM, G major, close-mic recording, instrumental3.5 Jazz Lounge和弦进行比旋律更重要爵士乐最难用AI生成因为爵士的核心是即兴和和弦替代而AI对和弦的理解还停留在表面。但Lounge Jazz是个例外——它不需要复杂的即兴只需要一个舒服的律动和柔和的和弦铺垫。BPM范围90-120中速。调性选择大调为主但要用Jazz和弦七和弦、九和弦。核心乐器钢琴Jazz voicing、萨克斯、刷子鼓Brush Drums、低音提琴。质感关键词smooth、sophisticated、late night、cocktail bar、swing feel。完整模板Jazz Lounge, smooth and sophisticated, jazz piano with extended chords, soft saxophone, brush drums, upright bass, swing feel, late night cocktail bar atmosphere, 100 BPM, Bb major, warm analog recording, instrumental3.6 Ambient Textural少即是多Ambient是最容易被AI做砸的风格因为AI总想“加点什么”而Ambient的精髓恰恰是“什么都不加”。提示词里必须明确要求“minimal”、“sparse”、“slow evolution”。BPM范围60-80或者干脆不写BPM让AI自由发挥。调性选择大调为主但要用sus2、sus4这类模糊和弦。核心乐器合成器Pad、弦乐长音、钢琴单音、环境采样雨声、风声。质感关键词minimal、sparse、slow evolution、drone、textural、meditative。完整模板Ambient, textural and meditative, minimal and sparse, evolving synth pads, sustained strings, occasional piano notes, slow evolution, drone elements, 70 BPM, C major with sus chords, deep reverb, instrumental3.7 Synthwave复古未来主义的精确配方Synthwave有非常明确的“配方”模拟合成器、80年代鼓机、复古音色。只要配方对了基本不会翻车。BPM范围80-118以100-110最为典型。调性选择小调为主A minor、D minor、E minor。核心乐器模拟合成器Juno、Jupiter音色、鼓机LinnDrum、TR-808、电贝斯。质感关键词retro、80s、analog synth、neon、nostalgic、cinematic。完整模板Synthwave, retro 80s, nostalgic and cinematic, analog synth pads, Juno-style lead, LinnDrum beat, electric bass, neon atmosphere, 105 BPM, A minor, tape saturation, wide stereo, instrumental3.8 Pop Ballad人声是核心但纯音乐版也有市场Pop Ballad通常是人声歌曲但纯音乐版在短视频配乐里需求很大。关键是钢琴和弦乐的配合。BPM范围60-80慢速。调性选择大调为主C major、G major、D major。核心乐器钢琴、弦乐、原声吉他、轻鼓组。质感关键词emotional、heartfelt、building、romantic、cinematic。完整模板Pop Ballad, emotional and heartfelt, solo piano intro, building strings, acoustic guitar, soft drums, romantic atmosphere, 70 BPM, C major, wide dynamic range, instrumental3.9 Rock Anthem吉他的失真度决定一切Rock的关键在吉他音色。Clean、Crunch、Distortion三种失真度对应完全不同的子风格。提示词里必须明确。BPM范围110-140。调性选择小调为主E minor、A minor、D minor。核心乐器电吉他节奏和主音、贝斯、鼓组。质感关键词powerful、driving、anthemic、stadium、raw energy。完整模板Rock Anthem, powerful and driving, distorted electric guitars, driving bass, powerful drums, anthemic chorus, stadium atmosphere, 125 BPM, E minor, raw energy, instrumental3.10 Chinese Traditional五声音阶是底线中国风音乐的核心是五声音阶宫商角徵羽。提示词里必须明确“pentatonic scale”否则AI会用西方七声音阶味道完全不对。BPM范围60-90。调性选择D pentatonic、G pentatonic、A pentatonic。核心乐器古筝、笛子、二胡、琵琶、中国鼓。质感关键词ancient、elegant、serene、traditional Chinese、pentatonic。完整模板Chinese Traditional, ancient and elegant, guzheng, dizi flute, erhu, pipa, Chinese drums, pentatonic scale, serene atmosphere, 75 BPM, D pentatonic, traditional Chinese instruments, instrumental3.11 Bossa Nova节奏型比乐器更重要Bossa Nova的辨识度来自它的节奏型——一种特殊的切分音。提示词里要强调“bossa nova rhythm”或“Brazilian rhythm”。BPM范围120-140但感觉是中速。调性选择大调为主但要用Jazz和弦。核心乐器尼龙弦吉他、钢琴、柔和的鼓刷、低音提琴。质感关键词breezy、relaxed、Brazilian、sophisticated、warm。完整模板Bossa Nova, breezy and relaxed, nylon string guitar, soft piano, brush drums, upright bass, Brazilian rhythm, sophisticated atmosphere, 130 BPM, F major, warm recording, instrumental3.12 Epic Trailer动态范围是生命线Epic Trailer是难度最高的风格。它要求极大的动态范围——从几乎听不见的弱奏到震耳欲聋的全奏。AI很难自动做到这一点必须在提示词里强制指定。BPM范围60-90但要有“double time”段落。调性选择小调为主D minor、C minor。核心乐器弦乐组、铜管组、打击乐Taiko、Timpani、合唱、合成器Braam。质感关键词epic、massive、cinematic、trailer、building、climax。完整模板Epic Trailer, massive and cinematic, string section, brass, taiko drums, timpani, choir, synth braam, building from quiet intro to massive climax, 80 BPM, D minor, wide dynamic range, instrumental4. 实操流程从复制模板到生成可用音乐4.1 工具选择与模板适配目前主流的AI音乐生成工具我都在用各有优劣。Suno V3对风格标签响应最好适合Lo-Fi、EDM、Synthwave这类标签明确的风格。Udio对自然语言描述理解更深适合Cinematic、Ambient、Jazz这类需要细腻情绪的风格。Stable Audio对技术参数敏感适合需要精确控制BPM和调性的场景。我的建议是先确定你要的风格再选工具。比如做Lo-Fi就用Suno做电影配乐就用Udio做EDM两个都可以试。模板库里的每条提示词我都标注了推荐工具但这不是绝对的你可以交叉测试。4.2 生成参数的具体设置除了提示词本身工具里的参数设置也很关键。以Suno为例有几个参数必须手动调整生成时长默认是2分钟左右但很多风格需要更长。Lo-Fi建议2-3分钟Cinematic建议3-4分钟Epic Trailer建议2.5-3.5分钟。温度Temperature控制随机性。Lo-Fi和Ambient可以调高一点0.8-0.9让每次生成都有变化EDM和Pop Ballad调低一点0.6-0.7保证结构稳定。种子Seed如果生成了一首特别满意的记下种子值下次用同样的种子加微调提示词可以得到相似但不完全一样的结果。4.3 生成后的筛选与微调AI生成音乐有个特点前5秒就能判断能不能用。如果前5秒的节奏、音色、氛围不对后面基本不用听了。我的筛选流程是这样的快速试听前10秒判断风格是否匹配。如果风格对了跳到中间听Drop或Climax部分判断动态是否到位。如果动态也对了完整听一遍检查有没有明显的结构断裂或杂音。通过的曲子用音频编辑软件做简单的淡入淡出和响度归一化。微调提示词的技巧如果生成结果“差一点但不对”不要重写整个提示词只改一个变量。比如Lo-Fi不够“暖”就在提示词末尾加“more warmth, more tape saturation”。一次只改一个变量才能知道哪个词起了作用。5. 常见问题与排查技巧实录5.1 生成结果风格漂移怎么办这是最常见的问题。你写的是Lo-FiAI给你生成了EDM。原因通常是提示词里风格标签不够强势或者情绪描述词与风格冲突。排查思路检查提示词的前三个词是不是风格标签。AI对开头词的权重最高。如果开头是情绪词而不是风格词风格就容易漂。解决办法是把风格标签放在最前面并且重复一次。比如“Lo-Fi Hip Hop, Lo-Fi Hip Hop, Chillhop, Jazzhop...”。5.2 人声去不掉怎么办很多AI音乐工具默认会生成人声即使你写了“instrumental”。这时候需要在提示词里加更强的否定词比如“no vocals, no singing, no lyrics, purely instrumental”。有些工具还支持在参数里直接关闭人声轨道比如Suno的“Instrumental”开关。5.3 结构不完整怎么办AI生成的音乐经常“虎头蛇尾”——开头很好中间突然断掉或者结尾很仓促。这是因为AI对音乐结构的理解还不够。解决办法是在提示词里明确写出结构比如“intro, verse, chorus, bridge, outro”或者“building, climax, resolution”。虽然AI不一定完全遵守但比不写要好很多。5.4 不同工具之间提示词怎么迁移Suno的提示词偏标签化Udio偏自然语言Stable Audio偏技术参数。迁移的时候要做转换。比如Suno的“Lo-Fi Hip Hop, Chillhop, Jazzhop, mellow piano, vinyl crackle”迁移到Udio要改成“A mellow Lo-Fi Hip Hop track with Chillhop and Jazzhop influences, featuring soft piano and vinyl crackle”。迁移到Stable Audio要改成“Lo-Fi Hip Hop, 75 BPM, D minor, piano, vinyl noise, low-pass filter”。5.5 常见问题速查表问题现象可能原因解决方法风格漂移风格标签不够强势风格标签放开头并重复有人声否定词不够强加“no vocals, purely instrumental”结构断裂未指定结构提示词中加入结构关键词动态不足未指定动态变化加入“building, climax, resolution”音色不对乐器描述模糊指定具体乐器型号或音色节奏不对BPM未指定或冲突明确BPM范围检查子流派匹配太干净不真实缺少质感词加入“raw, live, room ambience”太杂乱乐器太多精简到3-4种核心乐器6. 我在这套模板库上踩过的坑和总结的经验第一个坑是贪多。一开始我每条提示词都写得很长恨不得把所有能想到的词都塞进去。结果AI反而无所适从生成的东西四不像。后来我学会了做减法每条提示词控制在50-80个词之间只保留最核心的信息。第二个坑是忽略工具差异。我曾经把Suno的提示词直接复制到Udio里结果生成的东西完全不对。后来才明白不同工具的“语言体系”不一样必须做适配。第三个坑是不记录种子。有次生成了一首特别满意的Lo-Fi但没记种子值后来怎么调都调不出来了。从那以后我养成了习惯每次生成满意的结果立刻截图保存提示词和种子值。第四个坑是忽略后期处理。AI生成的音乐直接拿来用响度往往不统一有的太轻有的太响。后来我学会了用Audacity做简单的响度归一化-14 LUFS整体听感提升非常明显。这套模板库我还在持续更新。每次工具大版本更新我都会重新测试一遍所有模板把失效的调整过来。目前12种风格里Lo-Fi、Synthwave、EDM这三种的稳定性最好基本十次生成有八次能用。Cinematic和Epic Trailer的稳定性最差大概只有五成还需要更多人工筛选。如果你也在用AI做音乐我的建议是从Lo-Fi开始练手因为它的容错率最高容易建立信心。等熟悉了提示词的“四层结构”之后再挑战更复杂的风格。另外不要指望AI一次就能生成完美的结果把它当成一个“灵感生成器”而不是“成品制造机”你的心态会好很多。