核心链路： 主旋律 → 音乐理解 → 和声/贝斯/对位/配器 → 歌词与人声 → 神经歌声 → 技术审计 → 音乐验收 → 混音母带 目前通过 MCP 让网页端 LLM 调用本地 StudioNext 的音乐操作。体验上 5.6 Sol 不如 6 Astra，但 6 Astra 额度有限。 我不是科班出身，但想把乐理知识结构化进系统——用 Canonical Song Model、Score Language、Creative Locks 和数学约束，让 AI 在可控范围内生成，而不是完全靠提示词。 当前最大的问题是：旋律生成无法跳出均值回归，创意不足。 条件弱时，模型会回到训练数据里最安全、最普遍的模式。 人声方面，DiffSinger whole-phrase 已跑通，技术音准明显改善，但人声与旋律的配合仍需精修——从音符级对齐上升到乐句级呼吸与情感弧线。 为什么不用 Suno 这类专用 AI？ 我认为这是两条不同的路。Suno 是端到端音频生成，中间表示不可见、不可编辑；StudioNext 是在符号层操作——MIDI、Score Language、JSON——生成可读、可改、可追踪的结构，再由 DiffSinger 等专用引擎渲染成音频。 区别不是“数学 vs 概率”，而是： 符号层控制 vs 音频层生成；可解释的中间表示 vs 端到端黑箱。 “白箱”指的是系统架构，不是 LLM 本身。LLM 仍是概率模型，但它在符号层留下的痕迹可以被审计、被修订、被版本管理。 我的判断是：先用符号层和数学约束建立可解释的结构，再用听感验收不断校准。 而不是一开始就靠黑箱抽卡。 这条路更难，但更适合需要精细控制、可追溯、可验收的正式作品。 文字校验：DeepSeek 3 个帖子 - 2 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/15 21:58:53