音乐与 AI 术语表

一首曲子前进的速度，以每分钟的拍数计。抒情歌约70，house约124，drum and bass约174。节奏是提示词里最有用的参数，因为它比配器更能改变手感。

一首音乐最终落回的主音，以及用大调还是小调。大调更明亮/安定，小调更阴暗/未解决。两个同调性的曲目可以叠加或混在一起而不冲突。

一种DJ记谱法，把每个调性重命名为数字加A或B——8A、8B、9A。轮盘上相邻的调性放一起更好听，把和声混音从乐理题变成了算术题。

歌曲各段落的顺序与时长——片头、主歌、副歌、桥段、片尾——以及每段使用的乐器。编排让一首曲子像一首歌，而不是一个一直转的循环。

人们能记住并能跟唱的那部分。通常是副歌旋律或一小段重复短语。就算制作精良，没有钩子的曲子也会失手。

在现有伴奏上写的人声旋律和歌词。在流行制作里，topline和伴奏常由不同的人写，所以“发我个topline”是很正常的请求。

把音符吸附到网格上的精确位置。能修正节奏松散，但用过头会抹掉让律动有生命的那点人味松紧。

声音在左右声道之间的位置。主唱、大鼓和贝斯几乎总是居中；吉他、键盘和和声会往两侧推。这个约定正是中置人声消除所利用的。

把文字描述生成音频。你写“slow lo-fi beat with dusty piano and vinyl noise”，就能拿回一条音轨。这个描述干的活儿就跟制作人的简报一样。

给音乐模型的文字指令。好用的提示词会写清风格、情绪、速度、配器，以及要不要人声。含糊的提示词只会给你千篇一律的结果，因为没有方向可追。

一种从噪声出发、反复去噪直到留下有结构输出的生成方法。现在的大多数音频模型不直接在原始采样上做事，而是在声谱图或学到的潜在空间表示上工作，因为原始音频每秒的数值量太夸张。

一种压缩的内部表示，相似的音乐会彼此挨得更近。在潜在空间里生成而不是在原始音频上生成，才让一整条音轨从小时变成几秒。

声音的图像：一轴是时间，一轴是频率，亮度代表响度。好些音乐模型先生成声谱图，再把它转回音频，这让图像技术能用在声音上。

把连续音频变成模型可预测的离散符号序列，就像语言模型预测词一样。标记器的质量就是天花板——那一步丢的细节，后面没法找回。

给模型的任何引导，用来把生成往某处拽——文字提示词、参考片段、速度、歌词都算。条件引导越多，惊喜越少、可控越多。

把训练好的模型真正跑起来产出结果，而不是训练它。生成器说“generating…”时就是在做推理，你等待的就是算力时间。

把完成的混音拆回各分轨。像 Demucs 这类神经分离器会学习每种乐器的声音；而中置消除走的是立体声几何的捷径，快得多，也粗得多。

用某人的录音复刻他的声音。和做一个“某种风格的声音”不是一回事。克隆指名艺人的声音会在越来越多的法域里碰上肖像权和商业代言权问题，这就是 MusicGenerate 不提供它的原因。

每秒采样多少次，用 Hz 表示。44,100 Hz 是 CD 标准，48,000 Hz 是视频标准。更高的采样率能记录更高的频率；本身并不会让音轨更好听。

每个采样被存得多精细。16 位是发行级，24 位给制作时更多余量。位深太低会在安静段落里冒出嘶声。

WAV 和 FLAC 保留每个采样；MP3 和 AAC 会丢弃被判定为听不见的信息来缩小文件。有损编码是单行道——把 MP3 重新编码只会叠加损伤，不会修复。

一种按“听起来多响”而不是峰值电平来计的响度标准。流媒体大致归一到 −14 LUFS 左右，所以母带做得更响也只会被拉回去。

混音最响点和开始削波的天花板之间的空间。留出几 dB 的余量，母带才有发挥的地儿。

信号超过最大电平、峰值被拍平时发生的事。听起来是刺耳的失真，一旦写进文件就无法挽回。

把立体声拆成声道共享的部分（中）和让它们不同的部分（侧）。只取“中”大致等于居中的内容；只取“侧”会把它去掉。这就是卡拉OK式去人声的原理。

当两份相同信号互为反相并相加为静音。麦克风间意外发生是个问题，刻意应用来去除居中内容就是个工具。

存储在 MP3 内部的元数据——标题、艺人、专辑、封面。播放器读取的是这些而不是文件名，这就是为什么文件名对了也可能显示为“Unknown Artist”。

振幅随时间变化的可视化形状。方便一眼找静音、瞬态和段落边界；它不告诉你音高或调性。

你一次性付费，或不付，然后不再按次付费。它不等于无版权，也不等于不受限制——许可证仍然规定使用条款。

真的是没人拥有；对音乐来说几乎只会因年代进入公有领域。现代音乐几乎没有无版权的，这个说法通常是在想表达“免版税”时用错了。

发布你自己录制的他人歌曲所需的许可。任何翻唱都要，不管是乐队演奏还是生成出来的。它覆盖的是作品（曲和词），不是原始录音。

把音乐与画面同步的许可——视频、广告、游戏。它独立于仅分发音频的权利，也是大多数创作者实际需要的许可。

每首歌有两种权利：作品（旋律和歌词，归词曲作者）和录音（具体表演，归制作方）。翻唱会产生新的录音，但仍使用原作品。

YouTube 的自动匹配系统。即便你合法拥有一首曲目，只要它被别人登记了也可能被标记——包括有人先声称与之完全相同的生成音频的情况。

表演权组织——ASCAP、BMI、PRS——为词曲作者收取表演版税。当音乐被公开播放或广播（而不是只做流媒体播放）时才相关。

一种由委托方而非创作者本人完全拥有作品的安排。广告和游戏里常见，最好在交付前用书面把这点说清。