为短视频生成 AI 背景音乐：用文字描述，还是直接上传片段
为短视频配一段纯音乐背景有两种方式：用文字描述，或让模型观看片段。如何写需求，以及如何检查剪辑效果。
没有音乐的短视频总显得没做完，而库存曲目又很少合适：太长，在不该起伏的地方起伏，而且另外三个频道早就用过了。工作室有两种方式帮你做一段属于自己的背景音乐。你可以用文字描述音乐并自己设定时长，也可以上传片段，让视频转音乐模型观看画面并按画面配乐。两者都在模型页面的音乐分类下。这篇文章讲的是该选哪一种、怎么写需求，以及发布前怎么检查结果。
先说清楚一点，免得期望有偏差：本文讲的是垫在画面下面的纯音乐背景。如果要跟随动作的音效（脚步、开门、风声），请阅读给无声片段配音的指南。如果要带歌词的歌曲，会唱歌的音乐模型是另一项工作，需求的写法也不同。
方式一：文字描述
文字转音乐模型接收一段书面描述，而且大多数模型都允许你在运行前设定时长。你从不把视频给它们看，所以只有你知道剪辑点在哪里。这听起来像是缺点，但对于口播片段或产品循环视频来说反而是优势：画面没有需要跟随的情节节点，你需要的是一种稳定的情绪、稳定的音量，安静地垫在人声下面。
一份好用的需求按这个顺序说清四件事：用途（人声下的背景、片头短音、循环），情绪，速度和乐器，以及结构（在哪里推进，怎样结束）。要明确写出纯音乐；如果提示词留有余地，好几个音乐模型都会加上人声，有些模型在高级设置里有一个仅限纯音乐的开关。
为一段带旁白的平静产品视频制作纯音乐背景。温暖、乐观，约 95 BPM。柔和的电钢琴，闷音贝斯，轻柔的刷子鼓。没有人声，没有大的段落爆发。整体音量平稳，结尾轻柔淡出。纯音乐，紧张而有电影感，缓慢推进。低沉跳动的合成器贝斯和 120 BPM 的滴答踩镲，弦乐在中段进入，一路上升到最后一秒的重击，然后是寂静。把时长设成片段的长度，或者多一两秒，留出修剪的余地。如果你的剪辑软件可以循环音频，一段短循环需求（“无缝循环，没有前奏，没有结尾”）往往比一首长曲子更便宜，也很适合循环播放的页头视频。
方式二：片段本身
视频转音乐模型以你的视频作为输入，写出跟随其情绪、节奏和场景变化的音乐。文字提示词是可选的，只用来引导风格。这条路适合自带节奏点的素材：硬切的旅行混剪、揭晓时刻、先放慢再加速的片段。文字需求看不到第八秒的剪辑点，这个模型可以。
轻快的原声吉他和柔和的打击乐，充满希望，没有人声。给它你真正要发布的那一版剪辑。如果之后再剪掉两秒，按旧剪辑写的音乐就会落在错误的画面上。先定剪，再配乐。
什么时候选哪种方式
- 旁白、教程、访谈、产品循环：文字描述。你需要一段平稳的背景，并且可以精确控制时长。
- 带剪辑点的混剪、揭晓时刻、预告片：片段本身。模型能听出剪辑节奏并跟着走。
- 一系列需要听起来一致的视频：文字描述。重复使用同一个提示词，只改时长，每一集都会有相同的音色。
- 你不知道这个片段需要什么：不写提示词先跑一次片段，然后听听看。这是快速找到方向的办法，之后你可以再用文字把它描述出来。
检查剪辑效果
在剪辑软件里把音轨放到画面下面，看三遍，每一遍只听一件事。
- 开头和结尾。音乐是否从第一帧开始，结尾是真正收住，而不是戛然而止？在乐句中间突然停下是最常见的破绽。在剪辑软件里加一个短淡出，大多数都能解决。
- 人声。如果有人说话，就把说话处的音乐压低，并且用手机扬声器听，而不只是用耳机。在录音室里听着正好的背景，在手机上常常会淹没人声。
- 节奏点。对于按画面配乐的片段，检查重要时刻是否落在剪辑点上。如果某处偏了几帧，挪一下音轨；如果整体都在漂移，很可能是运行之后画面又改过了。
工作室不做的事
音乐模型返回的是一个音频文件。工作室不会帮你把它混进视频，不会在人声下自动压低，也不会替你做淡入淡出；这些在任何剪辑软件里都只是一分钟的事，而且音量始终由你掌控。文字需求看不到你的剪辑点，按画面配乐的片段也只会跟随它拿到的那版画面。两种方式都不保证旋律能和某首名曲一致，在提示词里点名要某首曲子，本身就是写错了。如果你还在制作视频本身，请先看如何挑选视频模型的指南；等画面定剪之后，打开工作室给它配乐。
常见问题
我应该描述音乐，还是上传我的视频？
如果需要垫在人声下的平稳背景，或者一系列需要听起来一致的视频，就用文字描述。如果音乐应该跟随剪辑点、揭晓时刻或节奏变化，就上传视频。
音乐里会有人声吗？
只有在你留有余地时才会。在需求里写明纯音乐、没有人声；如果模型有纯音乐开关，就打开它。
我会拿到一个已经配好音乐的视频吗？
这两种方式都不会。音乐模型返回的是音频文件，你在自己的剪辑软件里把它放到片段下面，同时设置音量和淡入淡出。另有一个视频转视频的声音模型，会直接返回已经带有新音乐和音效的片段，但那样混音就由模型决定，而不是由你决定。
