第1部分：基础

介绍

AI歌创的 AI音乐 使用业界广泛采用的 SUNO 文本到音乐模型，根据文字生成完整歌曲，包括旋律、节奏、配器、人声与歌词演唱。可用于生成带人声歌曲、纯音乐，以及同一次创作中的两首变体；亦可将满意作品下载后再进行分轨处理。

SUNO 以「一段文字即可生成含旋律、编曲与人声演唱的完整歌曲」见长，在海外创作者与短视频、Demo 场景中普及度较高，也是当前中文语境里最常被提及的 AI 写歌引擎之一。

相较多数偏重伴奏、分轨或单一人声能力的国内音乐生成方案，SUNO 路径的优势通常体现在：端到端成歌（词曲编唱一体）、风格与结构可控性更强（音乐风格 + 方括号元标签）、多版本迭代成熟（本站提供 V4 至 V5.5），以及更适合国际流行、电子、影视配乐等跨风格试听。

入门指南

仅有初步创意

1. 打开 AI音乐。右上角模型默认为 SUNO V5.5，可保持默认。
2. 生成模式选择 简单模式。
3. 在「歌曲描述」中填写风格、情绪与乐器。此处填写创意描述，而非歌词正文。亦可使用「随机生成一句描述」。
4. 若仅需伴奏，请开启「纯音乐」。
5. 点击 创作2首。两首结果将出现在「我的作品」中，建议完整试听两首后再筛选。

都市夜晚的流行抒情，电钢琴与轻鼓，温暖男声，适合独处

简单模式不提供歌名、歌词、歌手性别及两条参考度。若需控制上述参数，请切换至自定义模式。

已有歌词

1. 生成模式选择 自定义模式。
2. 填写歌名。若尚无歌词，可先填写歌名，再点击歌名右侧的 AI生成歌词。开启纯音乐，或当前模式为「添加伴奏」时，该按钮不显示。若需自行设定主题、风格、情绪与语言，可使用 AI歌词 页；语言可选中文、English、粤语、日本語、한국어、Español、Français，完成后复制至歌词框。
3. 在歌词中使用结构标签。输入框下方可插入前奏、主歌、预副歌、副歌、桥段、RAP、尾奏。如需查看示例结构，可点击「切换示例」。
4. 歌手性别可选不限、男声或女声。开启纯音乐后，该项不可选。
5. 音乐风格建议填写 4–7 个描述。可先通过「风格标签」追加，再自行调整。
6. 点击创作2首。试听完成后，可在作品菜单中下载 MP3 或 WAV。

[Verse]
城市灯火一盏盏亮起
我把心事放进耳机里

[Chorus]
今晚的风有点用力
却推不开想你的距离

[Outro]
耳机里还在循环那一句

[End]

Mandarin pop, mid-tempo, soft electric piano, warm male vocals, intimate, modern

初次生成结果往往不够理想。可调整歌词结构与音乐风格后再次创作两首。若时长不足，可将该音频上传至「续写」，并在乐句结束位置继续延伸。

模型与版本

切换模型后，若当前参考模式不被该模型支持，已上传的参考音频将被清空。人声偏单薄时，建议优先改用 SUNO V5.5 后重新生成。

定价与音贝

在 AI音乐 中每次点击「创作2首」，消耗 50 音贝，获得两首结果。金额与套餐以充值页为准，价格可能调整。

充值页提供会员套餐与单独购买的音贝包。会员不以每日次数限制生成：账户内有可用音贝即可继续创作。通过会员获得的音贝将随会员到期失效；单独购买的音贝不过期。虚拟商品购买后不支持退款，下单前请确认有效期。

第2部分：提示词技巧

提示词公式

自定义模式的「音乐风格」可接受完整句子，不限于堆叠标签。建议先以短公式确立方向，再按需补充乐器与制作描述。句中每个短语宜对应单一要素。描述少于 4 个时，风格稳定性不足；超过 7 个时，要素易相互干扰。

三要素

[流派] + [情绪] + [核心特征]

Indie folk, melancholic and nostalgic, acoustic guitar

释义：独立民谣，忧郁而怀旧，原声吉他。

五要素

多数歌曲采用五要素即可。

[流派] , [情绪] , [主要乐器] , [速度] , [制作或场景]

Upbeat indie pop, cheerful, jangly guitars and vintage synthesizers, mid-tempo, catchy and bright

释义：欢快的独立流行，清脆吉他和复古合成器，中速，抓耳、明亮。

复杂场景写法

可将音乐风格分多行组织：风格定位、情绪演进、乐器、节奏与段落安排。艺人姓名与作品片名通常无法可靠识别，宜改写为音色、编制与空间描述。例如史诗配乐可写为 full strings, powerful brass, from quiet tension to a triumphant climax，勿填写具体作曲家姓名。

精确 BPM 仅作近似参考。slow、andante、allegro 等速度术语通常比孤立数字更稳定。过细的混音指令（如踢鼓侧链）常被弱化。整句否定表述（如 “No drums”）也不如排除标签可靠。

音乐风格提示词

主导风格应置于最前。Jazz with electronic elements 与 Electronic with jazz elements 对应不同主导方向。单次融合建议控制在两到三种风格。

未写明流派时，结果易偏向流行。下表说明同一套描述在反复生成时，风格一致性的大致表现。

风格标签和排除标签

「风格标签」将打开「选择音乐风格 / 流派」。分类包括常用、古风、流行、摇滚、电子、嘻哈、R&B / 灵魂、爵士、民谣 / 乡村、拉丁 / 雷鬼 / 世界。支持多选；所选英文会追加至音乐风格，再次点击即可取消。

「排除标签」将关键词写为 -Tag。例如不需要电子鼓时，点击对应标签后框内会出现 -Electronic。请勿在风格栏使用 “No drums” 这类整句否定表述。

人声风格提示词

歌手性别仅区分不限、男声、女声。更细的唱法请写入音乐风格，建议叠加两到三个描述词。

Raspy male vocals with subtle vibrato, lo-fi warmth
Ethereal female vocals, breathy and reverb-heavy, choir harmonies
Deep baritone, smooth jazz delivery, minimal processing

释义：沙哑男声，略带颤音，lo-fi 的暖。空灵女声，气声、混响重，带合唱和声。低沉男中音，顺滑的爵士唱法，处理很少。

歌词请使用目标语言撰写。风格中可补充语言信息，例如 Japanese city pop, female vocals。英语通常最为稳定。普通话若因多音字、生僻字误唱，可替换为同音且更常见的字后重新生成。歌手性别设置须与风格中的人声描述保持一致；若一边为女声、一边写 male vocals，二者会相互冲突。

纯音乐模式提示词

简单模式与自定义模式均提供「纯音乐」。开启后歌词框将收起，歌手性别亦不可选。由于缺少歌词用于辅助判断情绪走向，风格描述需将场景与情绪写完整。风格中请勿写入 vocals、singer、合唱等词。

Cinematic orchestral, sweeping strings, French horns, timpani, epic and triumphant

Lo-fi hip-hop beat, jazzy piano chords, vinyl crackle, mellow drums, study music

Ambient electronic, pad textures, slow evolving synths, ethereal and spacious

释义：电影管弦，绵延弦乐、圆号和定音鼓，史诗、昂扬。Lo-fi 嘻哈节拍，爵士钢琴和弦，唱片噪点，松弛的鼓，适合学习时听。氛围电子，铺底音色，缓慢变化的合成器，空灵、开阔。

常见示例

以下七组示例可直接粘贴至自定义模式的「音乐风格」字段。请使用英文原文；中文仅作释义，勿与英文混写于同一段。示例按「流派、情绪、乐器、速度、制作」分层组织。涉及具体艺人名称处，已改为音色与制作特征描述。

1. 流行

Upbeat indie pop, cheerful and carefree, acoustic guitar and hand claps, catchy whistle melody, bright and open

释义：节奏明快的独立流行；情绪轻松；原声吉他与拍手；口哨式记忆点；明亮、开阔的声场。

2. 电子舞曲

High-energy progressive house, euphoric, soaring synth leads and lush pads, four-on-the-floor, allegro, melodic drop with layered arpeggios

释义：高能量前卫浩室；欣快感；高亢合成器主音与丰厚铺底；四四拍；快板；带层次琶音的旋律型 Drop。

3. 氛围与背景

Calm ambient, warm analog synthesizer pads, adagio, spacious, subtle room tone and gentle reverb

释义：平静氛围音乐；温暖模拟合成器铺底；柔板；空间开阔；轻微房间声与柔和混响。若无需人声，请同时开启「纯音乐」。

4. 电影配乐

Epic cinematic orchestral, full strings and powerful brass, from quiet tension to a triumphant climax, moderate tempo, driving ostinato

释义：史诗电影管弦；完整弦乐与有力铜管；由安静张力推进至胜利高潮；中速；具推进感的固定音型。

5. 复古

80s synthwave, nostalgic and dreamy, analog synthesizers and drum machine, lush pads, gated reverb drums, tape saturation

释义：80 年代合成器浪潮；怀旧、梦幻；模拟合成器与鼓机；丰厚铺底；门限混响鼓；磁带饱和。

6. 世界音乐与五声

Japanese-inspired, serene, koto and shakuhachi with soft ambient electronics, pentatonic, slow and spacious

释义：日本传统色彩；宁静；筝与尺八结合轻柔氛围电子；五声音阶；缓慢、开阔。

7. 爵士

Smooth jazz ballad, romantic and intimate, expressive saxophone with piano trio, mid-tempo, extended chords, room to breathe between phrases

释义：顺滑爵士抒情曲；浪漫、亲密；表现力萨克斯与钢琴三重奏；中速；扩展和弦；乐句之间留白。

生成前请确认：是否包含流派、情绪、主奏乐器与速度信息；避免空泛表述与互相矛盾的情绪词；乐器描述不宜超过七件；若需抑制某类声音，请使用排除标签（如 -Drums），勿使用否定句。

完整词条与组合写法见独立页 中英文提示词库。系统框架、进阶技巧与检查清单见 提示词指南（入门到精通）。

第3部分：歌曲结构

什么是元标签

元标签写在歌词中，使用英文方括号。大小写均可，[Chorus] 与 [chorus] 等效。未使用标签时，模型会依据换行与词意推断结构。添加标签后，主歌、副歌、桥段的切分由作者自行指定。

[Chorus] 将按副歌处理：旋律更具记忆点、配器更饱满。同一段副歌文本再次出现时，系统会尽量重复既有旋律。主歌建议编号，如 [Verse 1]、[Verse 2]；副歌不宜编号。[Bridge] 用于引入与主歌、副歌形成对比的和声段落。

结构元标签

下列标签可通过按钮点击插入歌词：

下列标签无对应按钮，需手动输入：[End] 表示强制结束；[Post-Chorus]、[Hook]、[Interlude] 用于副歌后的钩子与间奏；[Breakdown]、[Build]、[Drop] 分别用于织体抽离、能量推进与高潮释放。

乐器与人声元标签

下列标签均需手动输入。它们用于提示本段由何种人声演唱、使用何种乐器，但不能替代歌手性别与音乐风格设置。

高级元标签

冒号后可补充本段唱法与配器，比仅写段名更具体。力度与转调类标签亦无按钮，需手动输入。

[Intro: ambient pads, sparse guitar]

[Verse 1: muted drums, whispered vocals]
地铁门开了又关上
我把未说完的话咽下

[Chorus: full band, soaring vocals]
所有未抵达的地方
都变成喉咙里的光

[Bridge: piano only]
如果时间肯慢一点

[Outro: fade out]
让这首歌再响一遍

[End]

亦可手动输入 [Fade In]、[Fade Out]、[Silence]、[Crescendo]、[Decrescendo]、[Tempo: slow]、[Key Change]。标签必须使用英文方括号。若写成【副歌】或漏掉一侧括号，可能被识别为歌词并演唱出来。

第4部分：创意控制

参考度调节

风格参考度与创意随机度位于自定义模式的音乐风格下方。音频参考度仅在开启「上传参考音频」并成功上传文件后显示。简单模式不提供上述三项。

音乐风格为概率性引导，而非强制指令。模型会综合风格词、歌词情绪、歌曲长度，以及该类音乐常见的混音惯例，再生成其认为更合理的结果。因此，即使写明 R&B，仍可能混入流行元素；写明摇滚，仍可能出现电子鼓。Trap 本身常含流行旋律，摇滚也常呈现电子摇滚形态。当歌词情绪偏柔和甜美时，即便风格写为摇滚，结果也容易偏向流行摇滚。

若需成品更贴合文字风格：请使用自定义模式，将风格参考度设为 97，创意随机度设为 25。请勿将 97 填入创意随机度。实践中 97 通常较稳定，但仍为近似贴合，不会逐拍精确吻合。音频参考度仅作用于上传音频，不作用于文字风格。

若不需要某一类声音，请使用排除标签写成 -Tag，勿在风格栏书写整句否定。

翻唱、续写、伴奏和人声

参考音频功能仅在自定义模式中可用。开启「上传参考音频」后选择具体模式。文件格式为 MP3、WAV 或 M4A，时长不少于 20 秒，大小不超过 100MB。请使用您有权使用的录音。

V4.5ALL、V4.5、V4 没有「人声」和「伴奏」。V4.5ALL 的参考音频最长 60 秒。

翻唱

1. 参考模式选择翻唱，上传旋律清晰的音频。
2. 在音乐风格中描述新的编曲与演唱，例如 Acoustic folk, fingerpicked guitar, soft female vocals, intimate。
3. 音频参考度越高，越贴合原录音的旋律与主唱气质。若希望改编幅度更大，请勿将该滑块调至最高。
4. 当原唱音色辨识度或冲击感较强时，即使选择女声，也不保证整首转换为女声。若需要全新人声，请改用添加人声，或前往 AI翻唱 更换音色。

续写

1. 模式选择续写，上传需要接续的音频。
2. 拖动「续写开始时间点」，放置在乐句唱完或段落收束的位置。
3. 在音乐风格中写明需保持的风格。歌词至少包含 [Chorus] 或 [Outro]。
4. 作品菜单中不提供「从这里继续」按钮。下一次续写仍需重新上传该段音频。

添加人声

1. 模型请使用 V5.5、V5 或 V4.5PLUS。
2. 上传伴奏或纯音乐。
3. 关闭纯音乐，写入歌词，歌手性别选择男声或女声，并在风格中补充人声描述。
4. 音频参考度建议先设为 55–70。数值过高会更贴合原伴奏，新人声存在感易被削弱。

添加伴奏

1. 同样需要 V5.5、V5 或 V4.5PLUS。
2. 上传人声，或含清晰人声的音频。
3. 在音乐风格中描述乐队与编曲。音频参考度越高，旋律越贴合所唱内容。

若需固定某一种音色并反复使用，请前往 AI翻唱：上传清唱，在音色角色中选择预设或自有音色。AI音乐 的作品菜单中不提供创建音色入口。

第5部分：制作流程

生成工作流

1. 请先完成歌词与音乐风格，再发起创作。每次生成 2 首，消耗 50 音贝。
2. 请完整试听两首，保留人声、旋律与编曲更接近目标的一首。
3. 当结果接近目标但仍有偏差时，可调整一两个风格词或歌词标签，将风格参考度设为 97，再生成两首。
4. 若时长不足，下载该首后上传至续写。
5. 从作品菜单下载成品。建议将有效的音乐风格整句保存备用，供后续创作直接复用。

「生成类似」将切换至自定义模式的翻唱，并带回歌名、歌词、音乐风格、歌手性别、模型与两条参考度。参考音频不会自动带入，需重新上传。仅在生成失败时，菜单中才会出现「重试生成」。

音轨分离与导出

音轨分离为独立页面，不在 AI音乐 的作品菜单中。上传后可拆分为六轨：人声、鼓、贝斯、钢琴、吉他、其他乐器。支持单独试听、调节音量后下载。若仅需去除人声并保留伴奏，请使用消除人声。

后期制作

后期制作为站外步骤。可将 WAV 导入 Logic、Ableton、FL Studio、Cubase 或 GarageBand，再进行均衡、压缩、空间与响度处理。站点不提供上述效果器。若需单独处理某一乐器，请先通过音轨分离导出六轨。

发行上架

发行亦非站内功能。准备 WAV、封面、歌名与歌词后，可自行提交至网易云音乐人、QQ 音乐开放平台，或 DistroKid、TuneCore 等海外发行服务。建议提前两到四周提交，以便预留宣传时间。

第6部分：进阶技巧

风格融合

Jazz-funk fusion, slap bass, Rhodes piano, syncopated drums, groovy and sophisticated

80s synthwave meets modern trap, analog synths, 808 bass, retro-futuristic

Death metal with jazz saxophone solos, blast beats, dissonant chords

释义：爵士放克，击弦贝斯、电钢琴、切分鼓，律动明确、气质精致。80 年代合成器浪潮遇上当代 trap，模拟合成器和 808 低音，兼具复古与未来感。死亡金属里加入爵士萨克斯独奏，爆裂鼓点和不协和和弦。

• 主导风格置于最前。
• 单次融合不超过两到三种风格。
• 可用年代词锚定制作惯例，例如 90s、2020s。
• 非常规融合可将创意随机度略微提高；若需稳定，请保持约 25，并将风格参考度设为 97。

多段式创作

较稳妥的流程：核心段落一次生成，再用续写补充桥段与结尾。对薄弱段落可调整风格或歌词后重新生成两首。站点不支持在成品中仅替换某一句。

提示链

每次续写均上传上一次结果，使后一段沿承前一段的配器方向。

第一次：Atmospheric intro, ambient pads, slow build
续写：[Build] [Drop: full energy, heavy drums]
再续写：[Verse 1: vocals enter]
再续写：[Chorus]
最后：[Outro] [End]

生成前请核对：风格是否具体到子流派；人声是否已写两到三个描述词，或已开启纯音乐；歌词是否至少包含 Verse、Chorus、Outro，且主歌已编号；音乐风格是否控制在 4–7 个描述；情绪是否写明（未写明时结果易偏明亮）。若需贴合风格，建议风格参考度为 97，创意随机度不超过 25。

商业授权与版权

完全由模型生成的音乐能否登记版权、能否商用，各地规定并不一致。本篇不将「开通会员即自动拥有版权」作为承诺。原创歌词、自行录制的音频，以及在制作软件中完成的编曲，属于作者另行加入的部分。

参考音频请使用您有权使用的录音。发行前请自行确认充值页套餐说明，以及目标平台规则。AI歌创不代为完成上架流程。

第7部分：常见问题

已选女声，结果仍呈男声

首先确认当前生成模式。简单模式不提供「歌手性别」。自定义模式中若已开启纯音乐，女声亦不可选。若需指定性别，请使用自定义模式并关闭纯音乐。

直接创作歌曲时，请将歌手性别设为女声，并在音乐风格中同时写入人声描述，例如 bright female lead, breathy pop soprano, close-mic。风格参考度建议 70–85，创意随机度建议 25–40。若仅选择女声，却在风格中写 male vocals，二者会相互冲突。

翻唱更容易保留原录音的主唱气质。该模式旨在保持旋律、节奏与情绪，并重新生成编曲与演唱。当原唱音色辨识度或冲击感较强时，即使选择女声，也不保证整首转换为女声。音频参考度越高，越贴合原音频。

若需要全新女声，优先使用添加人声：模型选择 V5.5、V5 或 V4.5PLUS；上传内容须为伴奏或纯音乐；关闭纯音乐并填写歌词；歌手性别选女声，风格中写女声描述；风格参考度 70–85，创意随机度 25–40，音频参考度建议先设为 55–70。数值过高时，结果会更跟随原音频。

若已有清唱素材并希望替换为某一女声音色，请前往 AI翻唱：上传清唱，在音色角色中选择女声预设或自有音色。该流程独立于 AI音乐。歌词中的 [Female Vocal] 或 [Duet] 仅为段内提示，不能替代上述性别与风格设置。

已写风格，结果仍偏流行或电子

这是生成机制使然，并非界面故障。模型按概率作曲，不会 100% 执行单句风格描述。系统会同时参考关键词、歌词、时长，以及训练数据中该类歌曲常见的混音惯例。现代歌曲本身常融合 Trap 与流行、摇滚与电子鼓，因此在约束不足时，结果默认偏向融合。歌词仍是强信号：风格写摇滚而歌词情绪偏柔和甜美时，结果常为流行摇滚，而非硬摇滚。

请切换至自定义模式。风格描述收束为 4–5 个词，主导风格置于首位，并保持歌词情绪与目标风格一致。将风格参考度由默认 60 提高至 97，创意随机度回调至 25。每次生成两首；若两首均不贴合，再调整文案或滑块，避免仅微调单字后反复生成。

歌曲收束过陡，或尾奏拖沓

收尾处请加入 [Outro]，使能量逐步回落。若需在该处结束，可在最后一段后追加 [End]。仅有换行而无尾奏标签时，模型将自行决定结束位置，可能出现收束过陡，或伴奏拖过歌词的情况。

标签被唱了出来

结构标签必须使用英文方括号，例如 [Chorus]。若写成【副歌】、漏掉一侧括号，或在括号内写入普通句子，均可能被识别为歌词。段名使用英文标签，冒号后再补充唱法与配器。

普通话唱错字

多音字与生僻字较易误唱。可将该字替换为同音且更常见的字后重新生成。音乐风格中可补充 Mandarin pop，但歌词正文仍应使用目标演唱语言。

纯音乐里出现了人声

请确认「纯音乐」开关已开启。简单模式与自定义模式均提供该开关。若风格描述中仍含 vocals、singer、合唱、女声等词，模型仍可能偏向有人声方向。请开启纯音乐，并删除音乐风格中的上述词汇。

人声单薄或生硬

请将右上角模型切换为 SUNO V5.5 后重新生成。风格中请勿仅写一个 vocals，宜补充气声、厚度、近讲或明亮主唱等描述，例如 breathy female lead, close-mic 或 warm baritone, dry vocals，并须与歌手性别设置保持一致。

简单模式中找不到滑块与女声

风格参考度、创意随机度与歌手性别仅在自定义模式中提供。简单模式仅含歌曲描述与纯音乐。开启纯音乐后，自定义模式中的女声选项亦会关闭，因为此时不生成主唱。

续写或添加人声不可用

请先确认右上角模型。添加人声与添加伴奏仅支持 V5.5、V5、V4.5PLUS。V4、V4.5、V4.5ALL 仅支持翻唱与续写，其中 V4.5ALL 的参考音频最长 60 秒。文件须为 MP3、WAV 或 M4A，时长不少于 20 秒、不超过该模型上限，且不大于 100MB。若选择了不支持的模型，已上传的参考音频将被清空。