AI 与配乐
分层素材为什么难生成:调性、速度与 stem 一致性
让四个独立生成的声部叠在一起演奏,远比生成四首好听的曲子难。
01纵向混音的要求比想象中严格
纵向混音指多个声部同时播放,靠实时参数改变各层音量来调节强度。这要求所有分层处在同一个调、同一个速度,并且在写作上就被构思为同一首曲子的不同部分。若各层是分别提示生成的,即便听感各自不错,叠起来也会出现和声打架、节拍错位。生成工具不保证跨文件的一致性,这是当前最实际的工程障碍。
02可用条件需要主动设计
要让分层可用,生产端得先固定速度、调性与小节数,再让各层共享同一份和声骨架;有条件时用固定随机种子并记录版本,便于复现与返工。采样率也常被忽略:部分模型输出 44.1kHz,而游戏引擎与主机管线通常按 48kHz 运行,导入前需要统一重采样,否则可能出现时长偏差与循环错位。
03横向切换相对宽容,但也有门槛
水平重排序是在段落之间切换,允许不同情绪的乐段先后出现,因此比纵向分层宽容。不过它仍要求段落之间共享速度或具备兼容的和声,并准备过渡素材,否则从探索切到战斗时会像被硬剪了一刀。实践中最稳妥的做法是:先人工确定整体和声与节拍地图,再让工具在这个框架内提供变体,而不是把结构也交给随机生成。
