Song Craft — 歌词创作与音乐制作

把一首歌从「一个想法」做到「可下载的成品」，分四个环节串行推进。
任何一个环节都必须先确认输入，再动手；做完必须给可调整项清单。

技能信息

概述（发布用，可直接粘贴）

标准版（187 字）

> 从一句话主题，做到一首能下载的歌。
>
> 按作词、作曲、编曲三个环节依次推进：每个环节先列输入清单与你确认，再动手；交付时给出编号化可调整项（L1/C1/A1），改一处能精确定位，并预警下游影响。
>
> 产出带主副歌标注的歌词、旋律走向与调式节拍、乐器编排与节奏设计、标准 MIDI 工程，渲染成 MP3/WAV，可选混入人声并补齐封面、SRT/LRC 字幕与创作者署名，打包成可下载成品。

一句话版（51 字，用于列表卡片）

> 按作词、作曲、编曲三环节逐段确认，把一句话主题做成含 MIDI 工程、可下载音频与人声混音的完整歌曲。

技术摘要（93 字，用于开发者视角）

> 本地命令行，不联网。song.json 为唯一真源，校验时值/和弦/音节，导出标准 MIDI，numpy 合成渲染 MP3/WAV。需 Python 3.9+、numpy、Pillow。

六段式定义

一、技能名称

二、适用场景

适用

不适用（附替代方案，别硬接）

三、输入参数

3.1 创作输入（对话中确认，不是命令行参数）

3.2 命令行参数

new 创建工程

status / validate / midi / docs

render 渲染音频

credits 创作者署名

cover 生成封面

subtitle 生成字幕

package 打包交付

四、执行步骤

每步对应命令见文末「命令速查」。上一环节未确认，不进入下一环节。

五、输出格式

工程目录 <project>/：

<project>/
├── song.json              唯一真源：立项 / 歌词 / 作曲 / 编曲 / 人声 / 署名
├── lyrics.md              歌词（带结构标注与音节数）+ 写作说明
├── score.md               曲式结构表 + 旋律走向统计 + 各段逐音符旋律
├── arrangement.md         乐器编排表 + 节奏设计（鼓组 pattern）+ 氛围 + 段落动态
├── cover.jpg              封面 1400×1400
├── <slug>.srt             SRT 字幕
├── <slug>.lrc             LRC 歌词（带 ti/ar/by/length 标签）
├── vocals/                人声素材与处理后文件
├── stems/                 full.mid（标准 MIDI）、MP3/WAV、可选分轨
└── deliverables/          打包产物（11 个文件 + zip）

交付清单：

六、使用限制

0. 铁律（每次执行都要遵守）

1. 先确认，后创作。 每环节开头先输出「输入清单」（分「必填 / 选填有默认值」两栏），等用户确认或改完再开始写。不要一边问一边已经写完了。
2. 一门一次。 只在当前环节工作。用户没确认上一环节，不许进入下一环节。
3. 编号化可调整项。 每环节交付时，末尾给一张「可调整项」表，每项带编号（L1 歌词、C1 作曲、A1 编曲、V1 人声）＋当前取值＋可选范围。用户说「改 L3」就能精确定位。
4. 联动预警。 用户回头改上游（如改歌词字数）时，主动提示哪些下游需要重算（例：V1 第 2 行字数从 9 变 14，副歌旋律需重新配字，预计多占 2 拍）。
5. song.json 是唯一真源。 所有阶段结论都写进工程文件，不靠对话记忆。改任何东西都要落盘再重新渲染。
6. 不编造音频能力。 本技能渲染的是「编曲 Demo」（合成器音色 + 可选人声轨），不是唱片级成品。涉及真实乐器、专业混音、母带时，明确告知需在 DAW 内完成，我们提供工程与参数。

1. 启动：立项 Gate

用户提出做歌时，先只做一件事——问清立项信息。用一段自然话 + 一张清单，不要一次抛 20 个问题。

确认后建工程：

python "<技能目录>/scripts/song.py" new --root "<工作区>" --slug my-song --title "歌名"

产物目录 workspace/songs/<slug>/：

my-song/
├── song.json          # 工程文件（唯一真源）
├── lyrics.md          # 带结构标注的歌词
├── score.md           # 曲式 / 旋律 / 和声说明
├── arrangement.md     # 编曲方案
├── stems/             # MIDI 分轨 + 音频
├── vocals/            # 人声素材与处理结果
└── deliverables/      # 最终打包 zip + 歌词卡 HTML

2. 环节一：歌词

进入前确认（按 references/01-lyrics.md 的清单）：主题、情感弧线、关键词处理方式（必须出现 / 只作意象 / 规避）、人称、韵脚策略、结构长度、风格参考。

执行要点
- 结构必须显式标注：[Intro] [Verse 1] [Pre-Chorus] [Chorus] [Verse 2] [Chorus] [Bridge] [Final Chorus] [Outro]，用中文标注（主歌 A / 预副歌 / 副歌 / 桥段 / 尾声）。
- 每行歌词标音节数，副歌音节数要与旋律锚点对得上（作曲环节要用）。
- 风格借鉴只借「语言密度、意象偏好、叙事人称、押韵习惯、口语/文语比例」，不套改原句、不拼接他人作品片段。参考歌手仅作风格坐标，成稿不署名他人。
- 输出 lyrics.md + 同步写 song.json 的 lyrics.sections。

交付时给「可调整项」：主题偏移度、副歌钩子强度、韵脚方案、句子长短、口语/文艺比例、段落增删。

3. 环节二：作曲

进入前确认（按 references/02-composition.md）：曲风（可多选后定一个）、调式、节拍、速度 BPM、音域（演唱者能唱到哪）、曲式长度、记忆点策略。

执行要点
- 先定调式与速度（给 2–3 个候选并说明听感差异，让用户选）。
- 输出：旋律走向（每段的音高轮廓、动机、重复与变化）、调式、节拍、速度、曲式结构表（段落 / 小节数 / 情绪功能 / 和声进行）。
- 旋律写成 song.json 的紧凑音符串："E4/1 G4/0.5 R/0.5 A4/1.5"（音名/时值拍，R 为休止），每段总时值必须等于小节数 × 每小节拍数。
- 和声每小节一个和弦：["Am","F","C","G"]。
- 校验并生成 MIDI：

python "<技能目录>/scripts/song.py" validate --project "<...>/songs/my-song"
python "<技能目录>/scripts/song.py" midi     --project "<...>/songs/my-song"

交付时给「可调整项」：BPM、调式升降、副歌音区高低、动机变形方式、段落长度、和声替换。

4. 环节三：编曲

进入前确认（按 references/03-arrangement.md）：编制规模（小编制/乐队/电子/管弦）、主奏乐器、节奏密度、段落动态设计、整体氛围与参考质感、是否要留人声空间。

执行要点
- 输出四块：乐器编排表（乐器 / 音色 / 角色 / 进入段落 / 声像 / 音量）、节奏设计（鼓组 pattern、律动、加花点）、和声铺底与低音走向、整体氛围设定（空间感、频段留白、情绪曲线）。
- 写进 song.json 的 arrangement，然后渲染：

python "<技能目录>/scripts/song.py" render --project "<...>/songs/my-song" --format wav

• 动态靠两件事拉开：① 乐器 entry / exit 控制进出；② 鼓组按段落给不同电平——drums.patterns["C1"] 可写成 {"pattern": "K.H.S.H.K.H.S.H.", "level": -4}，主歌写成 -9，对比自然出来。别只靠单一全局音量。
• 渲染失败或音色不足时，如实说明，并给出可在 DAW 复现的等价参数，不要假装听感。

交付时给「可调整项」：乐器增删、音色替换、鼓组密度、段落进出点、声像宽度、混响量、动态对比。

5. 人声（可穿插在任一环节之后）

必须区分三类，处理方式完全不同：

遇到「用某明星的声音唱」这类需求，这样回应并给替代方案（不要生硬拒绝整件事）：
- 想要那种唱法/音色感觉 → 写进编曲与人声指导（气声比例、颤音、咬字、混声位置），由真人或持牌歌声合成工具去实现；
- 想要现在就听到成品 → 用本人录音或授权音色，我们把它混成完整作品；
- 想要参考曲对照 → 可以做风格分析，不搬运音色。

人声处理：

python "<技能目录>/scripts/vocal.py" prepare --in "我的干声.m4a" --out "<...>/songs/my-song/vocals/vocal.wav"
python "<技能目录>/scripts/song.py" render --project "<...>/songs/my-song" --vocal "<...>/vocals/vocal.wav" --format mp3

6. 封面、字幕与署名

这三样是「作品」和「一堆文件」的区别，每次交付都必须齐全。

6.1 创作者署名

问一次，填全部。九个字段：作词、作曲、编曲、演唱、制作人、录音室、版权声明、联系方式、ISRC。

python "<技能目录>/scripts/song.py" credits --project "<...>/songs/my-song" \
    --set "作词=张三" --set "演唱=李四" --set "版权=© 2026 某某 保留所有权利"

三种改法，任选：
1. 命令行：--set "作词=张三"，可重复多次；中文键名直接写（也认 lyricist 这类英文键）。
2. 编辑器：--export 导出一份 credits.json，在任意编辑器里改完保存，下次 package 自动以它为准。
3. 整包导入：--from-file 某人.json。

> 重要：改完署名必须重新 package。封面、歌词卡、MP3 标签都在打包时才更新。

6.2 封面

按曲风自动配色，1400×1400，输出 JPEG（约 150 KB）。八套配色：night（抒情/遗憾）、dawn（明亮/轻快）、ember（摇滚/激烈）、mint（爵士/清新）、ink（国风）、violet（电子/说唱）、earth（民谣）、slate（默认）。

python "<技能目录>/scripts/song.py" cover --project "<...>/songs/my-song"           # 自动配色
python "<技能目录>/scripts/song.py" cover --project "<...>/songs/my-song" --palette ink

封面内容：曲风标签 / 歌名 / 主题短句 / 创作者署名 / 年份 / 版权。

改封面的两种方式：
- 换配色或布局 → cover --palette xxx 重绘；
- 用外部图片 → 直接替换工程目录下的 cover.png / cover.jpg / cover.webp，下次 package 自动采用（打包时会按内容指纹判断：曲目或署名变了才重绘，没变就保留你换的图；要强制保留用 --keep-cover）。

6.3 字幕

按旋律音符与歌词逐行对齐算出时间轴，同时出两种格式：

• *.srt —— 通用视频字幕，可导入剪映 / Premiere / YouTube；
• *.lrc —— 音乐播放器歌词，带 [ti:] [ar:] [by:] 标签。

python "<技能目录>/scripts/song.py" subtitle --project "<...>/songs/my-song"

对齐规则：每行歌词按其字数切分该段的旋律音符，取第一个音的起点为行起点、最后一个音的终点为行终点；行间自动留 0.1 秒间隙避免重叠。若某段音符数与字数不符（validate 会提示），按比例映射，字幕仍不会整体错位。

6.4 打包交付

python "<技能目录>/scripts/song.py" package --project "<...>/songs/my-song"

内部顺序：应用 credits.json → 重生成三份文档 → 重生成字幕 → 按指纹决定是否重绘封面 → 给 MP3 写 ID3 标签并嵌入封面 → 生成歌词卡 → 打 zip。

MP3 会带上：title / artist（=演唱）/ album / album_artist（=作词）/ composer / date / genre / comment / copyright，以及内嵌的封面图（attached picture，Front Cover）。拖进任何播放器或手机都能看到封面和署名。

deliverables/ 产出清单：

最后用 present_files 把 MP3、歌词卡、zip 一起推给用户，并在回复里附「全局可调整项索引」——把各环节的编号项汇总成一张表，告诉用户「想改哪就说编号」。改创作者姓名要单独提一句：改完记得重新打包。

7. 文件索引

8. 命令速查

S="<技能目录>/scripts"
P="<工作区>/songs/<slug>"

python $S/song.py new      --root "<工作区>" --slug my-song --title "歌名"
python $S/song.py status   --project $P
python $S/song.py validate --project $P          # 时值/和弦/音节三重校验
python $S/song.py midi     --project $P          # full.mid + 各轨 .mid
python $S/song.py render   --project $P --format mp3 --stems
python $S/song.py render   --project $P --vocal "$P/vocals/vocal.wav"
python $S/song.py docs     --project $P          # lyrics/score/arrangement 三份 md
python $S/song.py credits  --project $P          # 查看署名
python $S/song.py credits  --project $P --set "作词=张三" --set "演唱=李四" --export
python $S/song.py cover    --project $P --palette ink   # night/dawn/ember/mint/violet/earth/slate
python $S/song.py subtitle --project $P          # 生成 srt + lrc
python $S/song.py package  --project $P          # 全量打包：封面+字幕+标签+歌词卡+zip
                                                 #   --keep-cover 保留手改封面  --no-tags 不写标签

python $S/vocal.py info    --in "干声.m4a"
python $S/vocal.py prepare --in "干声.m4a" --out "$P/vocals/vocal.wav"

依赖：numpy（必需）、Pillow（生成封面必需）、imageio-ffmpeg（转 mp3 / 处理 m4a / 写 ID3 时需要）。缺哪个就 pip install。

9. 能力边界（对用户要说清楚）

> 完整限制清单见上文「六、使用限制」。本节补充对用户的表述口径与性能实测数据。

能做到：歌词成稿、曲式与旋律设计、编曲方案、可导入 DAW 的 MIDI 工程、带音色与动态的音频 Demo（器乐，约 3 分钟渲染 13 秒）、人声清理与混音、打包下载。

做不到：
- 封面是程序排版生成的（渐变 + 几何 + 文字），不是 AI 绘制的插画。要插画请用 ImageGen 生成后替换 cover.jpg。
- 字幕是全曲统一时间轴，不能逐字卡拉 OK 效果。
- 不是唱片级音色。合成器是程序生成的，能听清旋律、和声、编曲层次和动态，但钢琴不像真钢琴。要成品音色请把 MIDI 导入 DAW 换真采样音源。
- 不修音准和节奏。跑调的人声处理完还是跑调，得用 Melodyne 之类。
- 不做声线克隆。

性能参考：60 小节 / 3 分钟的歌，渲染约 13 秒；分轨导出会额外写若干 WAV（每轨单声道，约 15 MB/轨）。

10. 常见问题

11. 相关技能