乐理与AI音乐生成指南

用"悲伤的音乐"描述让AI作曲，出来的东西往往四不像——有点忧愁，但没有方向，没有重量，没有灵魂。问题不在AI不行，而在于描述不够精确。音乐是一种参数化很强的艺术：调式决定音阶，情绪决定速度，节奏决定密度，音色决定质感。把这些参数说清楚，AI才能生成你真正想要的声音。

这篇文章的目的是：让你理解音乐的核心参数（调式、速度、节奏、音色、结构），并将这些知识转化为精确的AI音乐生成Prompt，使生成结果从"听着差不多"变成"确实是"。

适用范围：历史叙事配乐、电影配乐、游戏BGM、播客背景音乐、任何需要精确情绪控制的音乐生成场景。

调式（Mode）是音乐的情感根基。同一个C音，用大调排列和用小调排列，听感截然不同。大调明亮开阔，小调暗沉内省。这是调式最基础的作用：在音乐还没开始叙事之前，它先定下了情绪的基调。

AI音乐生成时指定调式（如"C major"或"A minor"），是控制输出情绪最直接的方式。

1.1 大调与小调：最基础的情绪两极

大调（Major）：明亮、开阔、积极、充满希望。适用于：商业广告、励志视频、快乐场景。代表：C大调 = C D E F G A B C。

小调（Minor）：暗沉、内省、忧伤、悲剧感。适用于：悲剧场景、历史叙事、夜晚沉思。代表：A小调 = A B C D E F G A。

但小调里也有差异：自然小调（Natural Minor）是最"标准"的悲伤；旋律小调（Melodic Minor）有东方色彩；和声小调（Harmonic Minor）有强烈的不协和感，更戏剧化。

1.2 调式速查表

调式/音阶	情绪关键词	适用场景
大调（Major）	明亮/开阔/希望/积极	励志片头/广告/开心场景
自然小调（Natural Minor）	忧伤/内省/平静	历史叙事/夜晚/个人独白
和声小调（Harmonic Minor）	戏剧性/紧张/异域感	悬疑/中东风格/悲壮场景
旋律小调（Melodic Minor）	复杂/深沉/东方感	历史剧/亚洲场景
多里安调式（Dorian）	爵士感/优雅/略带忧伤	爵士/复古/精英感
弗里吉亚调式（Phrygian）	西班牙感/激烈/神秘	弗拉明戈/中东/紧张场景
利底亚调式（Lydian）	梦幻/飘渺/超现实	梦境/科幻/失重感
混合利底亚（Mixolydian）	蓝调感/流行/温暖	摇滚/流行/轻松场景
洛克里亚调式（Locrian）	极度不安/不稳定	实验性/黑暗/压迫

1.3 指定调式的AI Prompt写法

大调写法："in C major", "C major key"

小调写法："in A minor", "A minor, harmonic minor"

调式加风格："in D minor, dark and dramatic", "C major, bright and uplifting"

音乐速度（BPM）不仅影响听感活跃度，更决定了音符能承载多少情感重量。慢速音乐（60-80 BPM）的每个音符之间有充足的呼吸空间，这种空白本身就是情绪的一部分。快速音乐（120+ BPM）适合活力和紧张感，但用于严肃叙事时会显得轻浮。

2.1 BPM与情绪对照表

BPM范围	速度标签	情绪特征	适用场景
40-60	极慢板（Grave/Largo）	沉重/庄严/史诗	帝国衰落/历史悲剧/最深沉的叙事
60-80	慢板（Adagio/Lento）	忧伤/沉思/内省	个人独白/夜晚场景/历史叙事
80-100	中速（Andante/Moderato）	平静/叙事/流动	纪录片/行路场景/中性叙事
100-120	快板（Allegro）	活力/张力/希望	冲突/高潮/转折点
120-160	急板（Presto/Vivace）	极度紧张/兴奋/危机	追逐/战斗/危机时刻
160+	狂板（Prestissimo）	极度紧迫/混乱	极度混乱/灾难性场景

2.2 节奏型：音乐的骨架

节奏型（Rhythm Pattern）决定了音乐的骨架和脉动感。不同节拍有不同的性格：

• 4/4拍：最常见，稳定感强，适合大多数叙事
• 3/4拍：圆舞曲式，轻盈但有摇摆感，适合流动的场景
• 6/8拍：两拍三连的复合拍，有推进感，适合旅程、行进
• 5/4拍：不规则感，紧张不安，适合心理失衡场景
• 7/8拍：中东/巴尔干地区常见，独特的不平衡感

2.3 节奏密度

音乐的节奏密度也是情绪参数：

• 稀疏节奏：音符之间有大段空白——适合沉思、独白、历史叙事
• 中等密度：稳定脉动——适合纪录片、背景音乐
• 密集节奏：多声部交织——适合高潮、冲突、戏剧性场景

乐器是音乐叙事的音色载体。同一个旋律，用钢琴演奏和用失真电吉他演奏，情绪截然不同。选择什么乐器，就是选择了什么"声音人格"来讲述故事。

3.1 常见乐器的声音人格

乐器	声音人格	适合的情绪场景
钢琴（Piano）	清澈/多面/现代/古典两栖	通用叙事/个人独白/中性背景
古典吉他（Classical Guitar）	温暖/亲密/民间感/历史感	个人叙事/西班牙/地中海场景
电吉他（Electric Guitar）	力量/现代/反叛/张力	冲突/张力/现代场景/摇滚
大提琴（Cello）	深沉/歌唱性/人类情感	悲剧/深沉/个人痛苦
小提琴（Violin）	哀怨/明亮/激情/张力	戏剧性/历史叙事/高潮
中提琴/低音提琴	沉稳/厚重/历史感	深沉叙事/古典/史诗
铜管（法国号/小号）	庄严/壮丽/仪式感	史诗/军事/帝国/仪式
萨克斯（Tenor）	爵士感/都市感/忧郁	夜晚/都市/爵士/成熟
竖琴（Harp）	梦幻/轻盈/超现实	梦境/神话/天堂场景
手风琴（Accordion）	欧洲感/怀旧/民间	巴黎/怀旧/欧洲历史
班卓琴（Banjo）	美国南部/民间/乡村	美国乡村/拓荒/民间故事
日本筝（Koto）	东方/日本/空灵/禅意	日本历史/东方叙事/冥想
笛子（Flute）	空灵/自然/孤独/东方	自然场景/东方/孤独/冥想
定音鼓/大鼓	心跳/沉重/命运	危机/倒计时/命运感
合成器（Synth）	现代/科技/未来/冷峻	科幻/科技/赛博朋克

3.2 乐器组合配方（按场景）

场景	主奏乐器	伴奏乐器	节奏特征
帝国衰落/历史悲剧	大提琴或低音乐器	弦乐群+定音鼓	极慢/稀疏/沉重
个人独白/沉思	钢琴或尼龙吉他	无或极简	无节奏（自由拍）
战争/军事	铜管（号角/法国号）	定音鼓+弦乐	稳定进行曲/快步
都市夜晚/爵士氛围	萨克斯或钢琴	低音提琴+轻柔鼓点	Bossa nova或慢爵士
自然/地理纪录片	长笛+古典吉他	弦乐或无	流动/无压力
危机/灾难	合成器+定音鼓	铜管+弦乐下行	速度递增/紧张
希望/救赎/光明	钢琴或弦乐群	铜管高音	渐强/从弱到强

音乐结构和文章结构一样，需要有起点、展开、高潮、落点。没有结构的音乐，听起来像即兴表演——有材料，但没有方向。

4.1 常用音乐结构

• ABA（带再现的单二部）：提出（A）→展开（B）→回归（A）——平衡感强，适合短作品
• ABC（三段式）：A → B（对比）→ C（进一步展开或回归）——叙事感强
• 倒装再现（A' B A）：展开后回归开头，情感闭环感强——适合悲剧叙事
• 渐进式（Build）：从极简开始，逐步加入乐器，层层叠加至高潮——适合电影配乐最常用
• 自由结构（Through-composed）：无重复段落，持续变化——适合文学性强的叙事

4.2 叙事配乐推荐结构

对于历史叙事、纪录片配乐，推荐的AI生成结构描述：

"Ambient opening with sparse piano chords → strings gradually enter → tension builds with percussion → climactic resolve with full orchestra → melancholic outro with solo cello"（环境音开场→弦乐渐入→加入定音鼓构建张力→完整管弦乐高潮→大提琴独白收尾）

4.3 动态范围：强弱的对比制造情感

音乐的动态范围（强弱对比）是情感张力的重要来源：

• 大动态：极弱→极强，适合戏剧性叙事（危机、帝国崩塌）
• 中动态：稳定的中间强度，适合背景音乐，不抢注意力
• 小动态：持续平稳，无突出对比，适合持续聆听的场景

这一章是实操核心：给定一个情绪目标，如何拆解为音乐参数，并组合成完整的AI生成Prompt。

5.1 参数优先级

Prompt中各元素的重要程度（优先级，从高到低）：

1. 调式/音阶（Major/Minor/Dorian...）——情绪根基，必须指定
2. 速度/BPM（"65 BPM"）——情感重量，精确数字
3. 主奏乐器（cello/piano/oud...）——声音人格的载体
4. 情绪描述（melancholic/solemn...）——整体氛围
5. 使用场景（historical documentary/film score...）——帮助AI理解用途
6. 结构描述（ambient intro → build → resolve）——叙事方向
7. 动态描述（piano → fortissimo → fade）——音乐进程

5.2 Prompt模板

[调式], [速度+BPM], [主奏乐器], [情绪描述], [使用场景], [结构描述]

组合示例：

"in D minor, slow 65 BPM, solo cello with subtle strings, melancholic and solemn, historical documentary score, ambient opening with sparse notes gradually builds tension"

5.3 场景到参数的映射

情绪/场景	调式	BPM	主奏乐器	结构特征
帝国衰落/历史悲歌	小调/和声小调	40-70	大提琴/低音弦乐	渐进式+悲壮收尾
战争/军事	小调或大调进行曲	100-120	铜管+定音鼓	稳定脉动+渐强
个人独白/沉思	自然小调	55-75	钢琴/古典吉他	自由/无节奏/即兴感
希望/救赎/光明	大调或利底亚	80-100	钢琴+弦乐群	从弱到强/渐强结构
危机/压迫	和声小调/洛克里亚	60-80	合成器+定音鼓	递增紧张/无释放
夜晚/爵士氛围	多里安调式	80-110	萨克斯/钢琴	循环即兴/慵懒
自然/地理	大调或混合利底亚	70-90	长笛+古典吉他	流动/开放/无压力
追逐/紧张	小调	120-160	电吉他+合成器	密集节奏/持续张力
神话/超现实	利底亚/大调	60-80	竖琴+弦乐	飘渺/混响/延迟
东方历史	旋律小调/五声音阶	50-80	笛子/筝/二胡	线性叙事/无和声

当前使用的AI音乐生成工具是MiniMax CLI（mmx）。以下是音乐生成的完整参数说明。

6.1 基础命令格式

mmx music generate \
  --prompt "..." \
  --instrumental \
  --out <输出路径> \
  --quiet

6.2 完整参数表

参数	说明	示例
--prompt	完整音乐描述（所有核心参数）	"in D minor, 65 BPM..."
--lyrics	歌词（纯音乐则用--instrumental）	--lyrics "[主歌]..."
--instrumental	纯音乐无人声	--instrumental
--vocals	人声风格描述	"warm male baritone"
--genre	音乐流派	"classical", "jazz", "folk"
--mood	情绪	"melancholic", "uplifting"
--instruments	主打乐器	"cello, piano, strings"
--tempo	速度描述（文字）	"slow", "moderate", "fast"
--bpm	精确BPM（数字）	65
--key	调性	"C major", "A minor"
--structure	歌曲结构	"verse-chorus-verse"
--use-case	使用场景	"background music for documentary"
--out	输出路径	~/.../audio/bgm.mp3

6.3 场景命令示例

历史叙事悲歌（BPM65，小调，大提琴）

mmx music generate \
  --prompt "in D minor, melancholic and solemn, solo cello with subtle strings, slow tempo 65 BPM, ambient opening with sparse notes gradually builds tension, historical documentary score,悲壮的叙事感" \
  --instrumental \
  --out ~/gongshangzheng.github.io/media/audio/historical-bgm.mp3 \
  --quiet

帝国衰落深沉叙事（BPM55，和声小调，低音弦乐）

mmx music generate \
  --prompt "in A harmonic minor, deeply melancholic, low strings and cello, very slow tempo 55 BPM, cinematic atmosphere, no percussion, ambient opening with minimal notes then gradual orchestral build, empire decline historical score" \
  --instrumental \
  --out ~/gongshangzheng.github.io/media/audio/empire-bgm.mp3 \
  --quiet

爵士夜晚氛围（BPM90，多里安调式，萨克斯）

mmx music generate \
  --prompt "in D Dorian mode, jazz, warm and slightly melancholic, tenor saxophone with piano and double bass, moderate tempo 90 BPM, bossa nova rhythm, late night urban atmosphere, sophisticated and mature mood" \
  --instrumental \
  --out ~/gongshangzheng.github.io/media/audio/jazz-night.mp3 \
  --quiet

自然纪录片（BPM75，大调，长笛+吉他）

mmx music generate \
  --prompt "in C major, serene and peaceful, flute with classical guitar, moderate tempo 75 BPM, flowing and organic, nature documentary score, wide open atmosphere, gentle and flowing" \
  --instrumental \
  --out ~/gongshangzheng.github.io/media/audio/nature-bgm.mp3 \
  --quiet

错误1：指定"传统乐器"而非具体乐器

❌ "traditional instruments"

✅ "cello, classical guitar, violin"

AI对"传统乐器"的理解是模糊的——它可能生成的是民乐合奏或西方古典交响乐队，取决于训练数据中的权重。具体乐器名才能精确控制输出。

错误2：说"slow tempo"而非精确BPM

❌ "slow tempo"

✅ "slow tempo 65 BPM"

"slow"对不同人的含义不同。AI对速度的感知需要精确数字来锚定。BPM比速度形容词可靠得多。

错误3：只说"悲伤音乐"

❌ "sad music"

✅ "melancholic, slow 60 BPM, solo cello in A minor"

"悲伤"是一个方向，但不是参数。AI需要知道是什么类型的悲伤——沉重的？小调？快？还是缓慢的沉思？

错误4：不指定调式

❌ "cinematic music"

✅ "cinematic, in D minor, slow 65 BPM"

调式是AI最强大的情绪控制参数。省略调式，AI会用训练数据中权重最高的东西填充——通常是流行大调。

错误5：Prompt太长反而失去焦点

⚠️ 3-5句完整的参数描述效果最佳。过长的Prompt（10句以上）可能让AI的注意力分散，抓不住核心方向。