参考音频与文字的分工
参考音频锁音色，文字锁结构；冲突时先保结构再调音色。
参考音频提示词音色结构
相关
参考音频不是万能钥匙
给一段参考，模型会连它的混响、演奏习惯和年代感一起带走，却未必听你的段落安排。参考与文字各管一半：前者擅长音色与质感，后者擅长结构与事件。把它们当同一种控制手段，结果就会互相拆台。
谁锁什么
| 维度 | 参考音频 | 文字描述 | 建议 |
|---|---|---|---|
| 音色 | 强 | 弱到中 | 用参考定音色 |
| 空间与混响 | 强，常被一起带走 | 中 | 需要干声就明说 |
| 律动 | 中 | 中 | 两者都给，接受近似 |
| 配器 | 中 | 强 | 用文字列编制 |
| 结构 | 弱 | 强 | 用段落标记与时长 |
| 调性与和声 | 弱到中 | 强 | 精确要求写文字 |
| 歌词与咬字 | 弱 | 强 | 只能靠文字 |
冲突时谁优先
| 冲突类型 | 先保 | 处理 |
|---|---|---|
| 段落数与时长 | 文字 | 裁参考或分段生成 |
| 主奏音色 | 参考 | 文字只写编制，不堆音色形容词 |
| 速度与调性 | 文字，若属硬需求 | 生成后在 DAW 对齐 |
| 混响与空间 | 参考 | 要干声就单独要求，或后期去混响 |
| 歌词与咬字 | 文字 | 参考无法提供语言控制 |
结构是交付的骨架，所以段落、时长、歌词优先；音色是表面，可以后期替换或再生成。速度与调性介于两者之间，看它是不是合同里的硬指标。
两种输入怎么配合
只有参考，适合找质感、做临时轨，结构要后期剪。只有文字，适合结构清楚的定制，音色靠形容词碰运气。两者都给，文字写骨架与排除项，参考只负责音色，并在提示里写明“参考仅用于音色”。这句限定能减少模型把参考的段落也照搬。把参考裁到八到十五秒的单段，通常比整首更听话。
锁不住的部分
演奏的微观时间、真实房间、歌手的即兴处理，参考和文字都锁不住。这些要么请人演奏，要么接受生成结果再修。参考是风格锚点，不是验收标准；验收要回到段落表、时长和歌词逐项核对。
在库中听例子
oblivion探戈改编，旋律与伴奏层次清楚，适合看参考能否保住声部关系（C1）详情dindi小编制歌曲，混响多，参考音频容易把空间感一起带过来（C1）详情por una cabeza手风琴与弦乐舞曲，中频拥挤，文字与参考谁定配器（C1）详情Greensleeves绿袖子单旋律，装饰与分句只能靠参考或演奏，文字写不出来（C1）详情
每首均来自 midicn-lib，行内徽标为许可档位（C1 可商用 / C2 非商业 / C3 仅学习研究）。
同一条线
事实来源
- Copet et al., MusicGen（Meta AudioCraft, 2023）与 Stability AI 的音频条件生成技术说明。
- 录音制作教材中关于音色、空间与演奏细节的描述方法。
- 影视配乐沟通惯例，关于参考曲目在 Brief 中的角色。