第13章 Stable Audio 2.5 提示词指南
Stable Audio 2.5 Prompt Guide
3月17日 由 Guest User 撰写
随着最新音频模型 Stable Audio 2.5 的发布,我们整理了一份更新的提示词最佳实践。Stable Audio 2.5 是首个面向企业级声音制作设计的音频模型,带来了更出色的音乐结构、更快的推理速度(在 GPU 上不到 2 秒),并支持音频修补(inpainting)。新模型非常适合生成精细完整的歌曲,并能快速迭代,为每种制作场景找到合适的声音。掌握有效的提示词技巧,就能充分发挥 Stable Audio 2.5 在广告、游戏配乐、短视频等场景中的潜力。以下是我们的最新技巧,现在就用 Stable Audio 2.5 试一试吧:
立即体验
运用音乐词汇根据使用场景构思,确保创作方向一致在编写提示词之前,先想清楚你要创作什么。是要为广告活动制作音频,并且品牌有特定的氛围追求?还是要为游戏的最终 Boss 战配乐,需要快节奏且激动人心的效果?不同场景对音乐的要求各不相同,从情绪到节奏都有差异。先明确最终效果,再围绕它构建提示词。从三个基本要素入手从音乐的核心要素开始。Stable Audio 2.5 支持生成最长三分钟的曲目,因此提示词应涵盖完整作品所需的全部信息。以下三个要素是给模型提供背景信息时最简单却最重要的部分。如果提示词中没有指定这些内容,生成结果会更加随机。
要素 示例 流派/风格:定义曲目的类别。 专业提示:用更具体的分类或子流派来明确你的流派指向。 流派: 摇滚(Rock) 乡村(Country) 古典(Classical) 电子(Electronic) 子流派: 经典摇滚(Classic rock) 叛逆乡村(Outlaw country) 当代古典(Contemporary classical) 氛围浩室(Ambient house) 节奏(BPM):定义速度,以匹配预期场景和能量水平。 专业提示:如果你了解目标流派的大致节奏范围,模型可以调整到你想要的歌曲速度。 大致节奏: 慢速 中速 渐进 快速 具体 BPM 范围: 60-80 BPM(慢速;适合民谣和蓝调) 80-100 BPM(R&B、浩室) 100-120 BPM(流行、摇滚民谣、爵士) 120-140 BPM(迪斯科、欢快流行、摇滚、Techno) 140-160 BPM(Dubstep、金属) 整体情绪:奠定曲目的情感基调。 专业提示:使用清晰、具描述性的情绪词汇,避免简单的"快乐""悲伤"等词。 主要情绪 → 用"欣快"(euphoric)代替"快乐" 次要情绪 → 用"忧郁"(melancholic)代替"悲伤" 能量水平 → 用"高亢激昂"(soaring)代替"有活力" 氛围 → 用"神秘"(mystical)代替"怪异"
提示词示例:"一首放松的 Bossa Nova 纯音乐,非常适合电梯场景。情绪流畅、从容、放松,115 BPM。"
叠加更多音乐元素,增加层次感指定曲目中重要的声音来源,再进一步描述质感和制作特征。常见的问题是生成的曲目听起来过于平庸或单薄。加入更具体的音乐元素,可以让作品更丰富、更有动感。
音乐元素 示例 主要乐器:承载旋律或主要音乐主题的乐器,是听众通常关注的焦点,常演奏 hook 或最令人印象深刻的部分。 钢琴 合成器 电吉他 小提琴 辅助乐器或元素:为主旋律补充的乐器,通常混音在背景或中等音量。 贝斯线 弦乐组 电钢琴 节奏组件:定义驱动曲目的打击乐元素。 808 鼓机 SP-1200 切分打击乐 Break 鼓点 质感元素:增加营造声音深度和氛围的层次。 爵士即兴 氛围垫(pads) 混响尾音和回声 对旋律与和声 制作特征:描述曲目的录音、混音和制作方式。 专业提示:并非所有曲目都需要精致的录音室音质。例如,lo-fi hip hop 就需要放松怀旧的感觉,要带有复古录音质感。多尝试不同的制作风格,找到你想要的氛围。 录音质量描述词: 录音室级、纯净 Lo-fi、卧室录音质感 丰润 富有质感 复古、模拟 编曲风格: 开阔 层次丰富 极简 声音特征: 现代 原始粗粝 简约
提示词示例:"一首激昂的 breakbeat 纯音乐,非常适合快节奏视频游戏,包含放克电吉他和弦、稳定的 break 鼓点、流畅的电钢琴和辅助贝斯。情绪清新、现代、富有冒险感,105 BPM。"
总结一下,为了获得最佳效果,提示词应包含以下音乐元素:具体的流派分类细致的情绪描述与流派匹配的 BPM详细的乐器信息,包括主次乐器、节奏和质感额外的制作特征提示词构建技巧掌握了曲目的组成元素后,接下来看看如何组织提示词。提示词中的顺序很重要先写核心风格和流派,再写关键音乐元素。信息的排列顺序应为:核心风格/流派关键乐器和音乐元素情绪与情感具体细节补充说明好的结构示例:"一首电影感的 outlaw country 纯音乐,非常适合长途驾驶,包含蓝调踏板钢棒吉他、质朴的曼陀林、以呼应方式演奏的小提琴、磁带驱动的松散鼓组、自动竖琴,以及一段高亢的手风琴独奏。情绪带有南方灵魂乐的味道,粗粝、深情、开阔,充满蓝调气息。"
效果较差的示例:"写一首快乐的歌,有吉他、小提琴和鼓。"要迭代改进,可以先从基础提示词开始,评估生成结果,找出缺失的元素,加入更具体的指示,再根据需要重试。进阶优化技巧1. 用标题引导方向在提示词中加入标题,可以为歌曲的情绪和走向提供清晰直接的背景。例如加上"标题为'Rebellion'"或"标题为'On & On'",给模型一个有趣的情绪方向。这个小技巧可以提升生成结果的音乐性。2. 融入地理背景如果你想要的声音与某个现实地点相关,可以把它写进提示词。这有助于模型理解音乐的文化和历史渊源。例如创作 House 音乐时,指定"芝加哥""纽约""底特律"或"伊维萨岛",模型就会向该地区的独特风格靠拢。3. 明确使用场景说明歌曲的预期用途或场景。加上"适合片头字幕"或"适合长途驾驶"这类短语,能让模型明确音乐的实用目的,从而创作出不仅好听、还契合特定叙事或氛围的曲目。 提示词示例:"一首奢华的 indietronica 纯音乐,非常适合香水广告,包含干净的吉他、合成器和慢节奏的鼓机模式。"
4. 使用原创且精准的语言想让提示词发挥最大效果,就要使用丰富多样的描述性词汇,避免重复同样的形容词。选用一组在音乐语境中协调统一的词汇,例如"流畅的电钢琴"或"有质感的打击乐",提供丰富而详细的信息,让每个词都有价值。引用年代来描述音乐和制作元素也很有帮助,比如"80 年代的门限混响"或"90 年代的垃圾摇滚失真"。提示词示例:"一首 90 年代车库摇滚纯音乐,带有垃圾摇滚风格,包含流行感的失真吉他、狂热有力的鼓点和电子管失真的贝斯吉他。"
5. 尝试 inpaintingStable Audio 2.5 支持音频 inpainting。当你想保留歌曲的原始部分,同时生成变体时,这个功能非常有用。例如,广告从业者可以为同一广告活动中的不同创意生成同一首歌的多个版本。Inpainting 让你可以:上传现有音频(注意:根据我们的服务条款,上传内容不得包含受版权保护的素材,我们使用先进的内容识别技术确保合规、防止侵权)选择生成的起始点让模型基于上下文完成整个作品如果你想对特定段落进行 inpainting,请告知起始和结束时间。提供的上下文越多,模型参考得越充分。提示词的结构与常规用法相同。提示词示例:"一首深情的 tech-house 歌曲,带有美丽而忧郁的底色和宏大的 breakdown,包含嘈杂的颗粒合成器层次和恢弘的混响回声主旋律。"开始使用准备好用我们最新的模型检验这些提示词技巧了吗?现在就可以在 StableAudio.com 体验 Stable Audio 2.5。Stable Audio 2.5 也可以通过 Stability AI API 以及 fal、Replicate、ComfyUI 等合作伙伴平台使用。对于希望在自己的基础设施上部署音频模型的企业,欢迎联系我们洽谈企业授权方案,我们提供实施支持、定制选项和专业服务。你也可以访问 Stability AI Solutions,进一步了解如何针对特定场景定制音频模型和工作流程。
我们灵活的授权方案让您可以在自己的环境中部署我们的模型,实现深度定制并完全掌控数据。
获取授权
Guest User