AI歌曲创作核心技能

技能分支

ai-songwriter（核心）
├── poetry/        古诗词谱曲子技能（保留原文 + 递进押韵）
└── thematic/      主题歌曲子技能（客户/景点调研 → 写入歌词）

全流程标准链路

所有写歌请求必须严格按以下顺序执行：

1. 需求整理：确认主题、风格、情绪、受众、语言
2. 路由子技能：
   • 古诗词相关 → poetry/
   • 企业/客户/景点/品牌相关 → thematic/
   • 其他 → 本核心技能直接处理
3. 歌词创作：按押韵规范创作歌词
4. 押韵验证：用 Python 脚本逐句检查
5. 时长计算：预估时长，不足 3 分钟则补足
6. 歌词确认：输出歌词草案 + 预计时长 + 是否 repeat → 等用户确认
7. 音频生成：用户确认后执行 mmx music generate
8. 文件发送：生成后通过正确方式发送给用户

⚠️ 未经用户确认歌词，不得直接生成音频。这是硬规则。

核心原则：合辙押韵

押韵模式 A（全韵统一）⭐

选定一个韵母后，每一句最后一个字都必须发该韵。

押韵模式 B（诗词格律）

第三句不押韵（白脚），一、二、四句押韵。适用于古诗词改编。

押韵验证脚本

def validate_rhyme(lyrics_text, rhyme_set, poem_lines=None):
    """验证押韵
    Args:
        lyrics_text: 歌词字符串（多行）
        rhyme_set: 押韵字集合
        poem_lines: 原诗锚点集合，默认None表示无锚点
    """
    if poem_lines is None:
        poem_lines = set()
    lines = [l.strip() for l in lyrics_text.strip().split('\
') if l.strip()]
    errors = []

    for i, line in enumerate(lines):
        pos_in_stanza = (i % 4) + 1
        is_white = (pos_in_stanza == 3)
        last_char = line[-1]

        if line in poem_lines:
            continue

        if is_white:
            ok = last_char not in rhyme_set
            note = f"✓ 白脚" if ok else f"✗ 白脚'{last_char}'押韵了"
        else:
            ok = last_char in rhyme_set
            note = f"✓" if ok else f"✗ '{last_char}'不押韵"

        if not ok:
            errors.append((i+1, line, last_char, note))
        print(f"{'✓' if ok else '✗'} 第{i+1:2d}句 {line} → {last_char} {note}")

    return errors

常见错误字

mmx-cli 正确调用

模型路由

⚠️ 必须指定 --model：music-2.6 而非 music-2.5。

歌词生成（第一阶段）

mmx text chat \
  --message "为主题'xxx'创作歌曲歌词。全程押韵（韵脚自选，如-ang/-in/-ai/-ou/-an等），每段4句。" \
  --model lyrics_generation \
  --non-interactive \
  --quiet

⚠️ lyrics_generation 是独立文本模型，不是 mmx music 子命令！ ⚠️ 如果 lyrics_generation 返回空内容，换用 mmx text chat --model MiniMax-M2.7 作为备用。

歌曲生成（第二阶段）

mmx music generate \
  --prompt "音乐风格描述" \
  --lyrics "歌词文本" \
  --vocals "人声描述" \
  --model music-2.6 \
  --out song.mp3 \
  --non-interactive \
  --quiet

歌词结构标签（可选）： mmx music generate 支持以下结构标签：[Intro] [Verse] [Pre Chorus] [Chorus] [Interlude] [Bridge] [Outro] [Post Chorus] [Transition] [Break] [Hook] [Build Up] [Inst] [Solo]。标签必须干净（括号内不要加描述），标签会被演唱出来。

长歌词（48句+）用异步模式：

mmx music generate \
  --prompt "..." --lyrics "..." --vocals "..." \
  --model music-2.6 \
  --out song.mp3 \
  --async --non-interactive --quiet

⚠️ --async 不带 --output json，否则报错。

也可以用 --lyrics-file 代替 --lyrics，读取本地歌词文件：

mmx music generate \
  --prompt "..." --lyrics-file /path/to/lyrics.txt --vocals "..." \
  --model music-2.6 \
  --out song.mp3 \
  --async --non-interactive --quiet

风格 Prompt 示例

古诗词风格（慢板悠扬）：

古诗词风格，慢板，悠扬沉郁，古琴独奏为主，箫声点缀，
节奏舒缓如行云流水，歌声要有气势有情感，字正腔圆，中速偏慢

温暖企业歌曲风格：

温暖积极的企业歌曲，节奏明快，充满希望和凝聚力，
现代企业宣传片风格，副歌更有推动感，适合合唱

景点歌曲风格：

古风景点歌曲，笛子为主，箫声点缀，
悠扬悠远，仿佛山水画卷展开

声线参数

时长控制

预估时长 ≈ 歌词总句数 × 3.2秒/句
24句 → 约77秒（明显不够）
48句 → 约2分34秒（仍偏短）
56句 → 约2分59秒（下限边缘）
60~92句 → 推荐交付区间

硬规则： 如果首版歌词不足 3 分钟，必须扩写或重复主结构后再交付确认稿。 补足优先级： 重复副歌 → 增加主歌 → 增加 Bridge → 整首 repeat。

歌词确认机制

在执行 mmx music generate 前，必须先把歌词文本发给用户确认。

流程固定为：

1. 输出歌词草案
2. 标注预计时长
3. 明确说明是否采用 repeat 扩时
4. 等用户确认后，再生成音频

未确认歌词前，不得直接生成歌曲。

歌词交付格式

必须：纯文本歌词，一行一句，禁止包含结构标签（如[Verse]、[Chorus]）和说明文字。

⚠️ 以上是用户确认稿格式。确认后传给 mmx music generate 时，歌词仍然保持纯文本（无结构标签），--prompt 中已包含风格描述，模型会根据上下文自行安排结构。

文件发送

企业微信（wecom）

当通道为 wecom 时，使用 message 工具直发本地附件：

推荐参数：

• action: "send"
• channel: "wecom"
• target: "wecom:\x3Cuserid>"
• media + filePath: 本地绝对路径
• filename: 显式文件名（如 song.mp3）
• mimeType: 如 audio/mpeg
• forceDocument: true

发送前检查：

• 文件存在
• 使用绝对路径
• 文件大小 ≤ 20MB
• MIME 正确

⚠️ 不要只输出 MEDIA: 路径。 如果 MEDIA: 在该会话不稳定，直接用 message 工具。

飞书

# 第一步：获取 token
TOKEN=$(curl -s -X POST "https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal" \
  -H "Content-Type: application/json" \
  -d "{\"app_id\":\"$FEISHU_APP_ID\",\"app_secret\":\"$FEISHU_APP_SECRET\"}" \
  | python3 -c "import sys,json; print(json.load(sys.stdin)['tenant_access_token'])")

# 第二步：上传文件
UPLOAD_RESP=$(curl -s -X POST "https://open.feishu.cn/open-apis/im/v1/files" \
  -H "Authorization: Bearer $TOKEN" \
  -F "file_name=song.mp3" -F "file_type=stream" \
  -F "file=@/path/to/song.mp3;type=audio/mpeg")
FILE_KEY=$(echo $UPLOAD_RESP | python3 -c "import sys,json; print(json.load(sys.stdin)['data']['file_key'])")

# 第三步：发送
curl -s -X POST "https://open.feishu.cn/open-apis/im/v1/messages?receive_id_type=chat_id" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d "{\"receive_id\":\"$CHAT_ID\",\"msg_type\":\"file\",\"content\":\"{\\\"file_key\\\":\\\"$FILE_KEY\\\"}\"}"

其他通道

默认使用 MEDIA:\x3C绝对路径> 在回复中交付。

已知问题与解法

押韵合规率低

• AI 生成的歌词押韵合规率约 75%
• 必须用 Python 脚本逐行验证尾字
• 合规率低于 30% 时，直接手工创作

歌词生成模型不稳定

• lyrics_generation 可能返回空内容（exit 0 但 content 为空）
• 遇到此情况，换用 MiniMax-M2.7 作为备用

音乐生成超时

• 48句+ 长歌词容易超时
• 解法：--async 模式 + 轮询检查文件是否生成

粤语问题

• MiniMax music-2.6 不支持真正的粤语演唱
• 即使 prompt 写"粤语"，实际输出仍是普通话

审查清单

□ 每句尾字是否都是目标韵母？
□ 是否有字重复出现？（特别是句尾）
□ 每段是否都是4句？
□ 预计时长是否在3:00-5:00之间？
□ 是否已先把歌词草案发给用户确认？
□ 若长度不足，是否已通过扩写/重复主结构补足？
□ 是否指定了 --model music-2.6？
□ --vocals 是否描述了期望的声线？
□ 生成后是否验证了押韵？
□ 歌词是否纯文本交付（无结构标签）？
□ 生成后是否通过正确方式发送文件给用户？