今天你有一支：
60 秒视频。
画面都剪好了。
接着打开 Lyria 3.5，
输入：
「帮我做一首 60 秒、温暖、有质感的 Instrumental。」
AI 真的做出来了。
曲风：
没问题。
乐器：
也很好听。
但真正放进视频以后，
你却发现：
完全不搭。
开场才刚出现产品，
音乐已经很满。
真正重要的画面出现时，
音乐反而没有变化。
视频准备结束了，
歌曲却像：
还要再唱两分钟。
问题不是：
AI 不会作曲。
而是：
你只告诉它：
这首歌长什么样。
却没有告诉它：
这首歌在视频里要怎么走。
今天只学一个方法。
做视频配乐以前，
先把时间线切成：
开场。
主体。
收尾。
再替三段各写一句：
能量怎么变。
为什么这招对 Lyria 3.5 特别有用？
Google DeepMind 的 Lyria Prompt Guide 本来就把：
Dynamics
列为控制音乐的重要元素之一。
Dynamics 可以理解成：
音乐的能量、
强弱、
密度
怎么随时间变化。
例如：
先用安静钢琴。
慢慢加入节奏。
进入更强的副歌。
最后再安静下来。
也就是：
不要只描述：
「我要什么曲风。」
还可以描述：
「音乐中间要怎么变。」
这刚好非常适合：
视频配乐。
第一步｜先不要碰音乐，先看视频
假设你有一支：
60 秒商品视频。
先不要问：
要 Lo-fi？
Jazz？
还是 Acoustic？
只看：
画面本身。
例如：
0～10 秒：
产品第一次出现。
10～50 秒：
制作过程、细节、使用画面。
50～60 秒：
完成品、Logo 区域、结尾。
你已经自然得到三段。
开场。
主体。
收尾。
注意：
这不是要你每支视频都一定切：
10／40／10。
真正重点是：
先找视频自己的三个阶段。
第二步｜只替每一段写「能量」
不要先写音乐理论。
先用白话。
开场：
简单。
主体：
逐渐增加。
收尾：
干净收住。
这样就够了。
或者另一支视频可能是：
开场：
立刻有力。
主体：
维持节奏。
收尾：
突然停干净。
也可以。
你现在做的不是：
作曲。
而是在决定：
观众每个阶段应该感受到什么。
第三步｜再把音乐特征补进去
假设是一支：
手作食品视频。
你希望：
温暖。
自然。
有一点节奏。
不要抢旁白。
就可以先定：
Genre：
Acoustic／Light Folk。
Instrument：
木吉他。
柔和钢琴。
轻打击。
Vocal：
不要。
这时才把：
音乐风格
和：
三段能量
接在一起。
Prompt 就会从一句模糊要求
原本：
「做一首 60 秒温暖的背景音乐。」
变成：
「为一支约 60 秒的手作食品视频创作 Instrumental Background Music。整体温暖、自然，以木吉他、柔和钢琴和轻打击乐为主。开场保持简单、乐器少；主体逐渐加入节奏和音乐层次；接近结尾时逐步降低能量，最后干净自然收住。不要人声，不要太戏剧化。」
这个 Prompt 没有：
专业和弦。
复杂乐理。
Mixing 术语。
但它已经比：
「帮我做一首好听的音乐」
有用很多。
为什么？
因为它回答了两个不同问题。
第一个：
音乐是什么风格？
第二个：
音乐怎么陪着画面移动？
真正的视频配乐，
第二个往往比第一个更重要。
开场的工作不是「先把最好听的地方全部丢出来」
很多 AI 生成音乐一开始就：
很满。
鼓。
Bass。
Pad。
旋律。
全部一起来。
单独听可能很好。
但放到视频里，
会发生一个问题。
画面：
还没有创建。
产品：
才刚出现。
音乐却已经：
100 分。
后面就没有地方可以成长。
所以如果视频需要：
逐渐创建情绪，
Prompt 可以明确写：
Opening should be sparse and restrained.
白话就是：
开场：
乐器少一点。
节奏少一点。
留空间。
尤其视频前面有旁白时更重要
假设第一句旁白是：
「你每天是不是花很多时间整理同一份数据？」
如果音乐一开始：
鼓很大。
旋律很满。
Vocal 又在唱，
观众耳朵要同时处理：
旁白。
音乐。
画面。
字幕。
结果反而：
更累。
所以开场可以要求：
简单。
不要人声。
降低 Instrument Density。
把位置留给：
内容。
主体才开始增加
当视频进入：
真正示范。
工作过程。
产品细节。
前后对照。
音乐才开始：
增加节奏。
增加 Layer。
稍微提升 Energy。
这会让观众产生：
事情正在往前走。
的感觉。
这就是 Dynamics 真正实用的地方。
不是：
让音乐变华丽。
而是：
替视频创建：
进度感。
例如一支咖啡视频
前 8 秒：
店门。
咖啡豆。
杯子。
可以：
安静。
8～45 秒：
磨豆。
冲水。
蒸气。
倒奶。
拉花。
这时：
Rhythm Gradually Builds。
45～60 秒：
完成。
端上桌。
最后定格。
音乐：
开始减少。
最后：
Clean Ending。
这样即使没有任何歌词，
观众也会感觉到：
故事：
开始。
进行。
完成。
第三段「收尾」特别容易被忘记
很多人做 AI 配乐，
只告诉 AI：
前面想要什么。
中间想要什么。
但没有说：
最后怎么停。
结果视频已经：
准备 End Card。
音乐却：
还在增加。
或者：
突然被剪断。
这会让整支视频出现一种：
「不是结束，只是文件没了」
的感觉。
所以 Prompt 最后加一句：
最后自然收住。
最后降低能量。
最后留下干净 Ending。
非常有用。
如果你做的是 15 秒广告，三段一样存在
不要因为视频很短，
就觉得：
没有结构。
例如：
前 3 秒：
Hook。
3～12 秒：
产品。
12～15 秒：
CTA。
可以写成：
开场：
立刻有节奏。
主体：
保持推进。
结尾：
快速收束，
留一个明确结束点。
三段不需要：
一样长。
只需要：
功能不同。
如果是 3 分钟视频呢？
一样。
例如：
0～20 秒：
开场。
20 秒～2 分 30 秒：
主体。
最后 30 秒：
收尾。
或者主体里，
你还可以再描述：
先平。
再渐强。
再降下来。
Google DeepMind 本来就鼓励用户在 Prompt 里描述：
音乐不同 Section
如何改变 Dynamics。
所以如果你会做：
更长内容，
还可以再细分。
但今天不用学那么多。
先把：
三段
做好。
一个很重要的限制：不要把秒数当成剪辑软件的绝对指令
这一点一定要分清楚。
Lyria 3.5 可以透过 Prompt：
影响曲目长度。
Google API 文档也明确表示：
完整模型生成的是数分钟歌曲，
实际长度会受到 Prompt 影响。
但这不代表：
你写：
「第 10.000 秒一定进鼓。」
它就像 DAW Automation 一样：
精确到那一格。
Lyria 是：
生成模型。
不是：
时间轴剪辑软件。
所以今天的方法叫：
能量线。
不是：
精密 Cue Sheet。
如果你真的需要某一秒一定发生某个音乐点
例如：
广告第 8 秒一定爆点。
第 23 秒一定停止。
那比较稳定的方法仍然可能是：
先让 Lyria 生成：
接近需要的音乐。
再进：
真正剪辑软件
调整。
裁切。
Fade。
对点。
AI 先帮你：
做音乐原料。
剪辑软件最后：
把秒数锁准。
不要要求一个工具：
一次完成所有工作。
所以第一次测，不要写太多段
很容易看到 Lyria 支持：
Genre。
Tempo。
Dynamics。
Instrument。
Vocal。
就开始 Prompt：
第 0～3 秒这样。
3～7 秒这样。
7～11 秒又换。
最后写：
20 行。
不一定比较好。
第一次：
只做三段。
开场。
主体。
收尾。
先看 AI 能不能：
抓到大的能量方向。
如果结果不对，先只改一件事
例如第一版：
主体太平。
不要整段 Prompt 全部重写。
先改：
「主体要更明显逐步增加节奏和乐器层次。」
再生成。
第二版：
收尾还是太突然。
再改：
「最后几秒逐步减少乐器并自然收尾。」
一次只调：
一个问题。
你会比较知道：
到底哪一句 Prompt
真的有影响。
这点很重要，因为目前 Lyria API 仍是 Single-turn
Google 目前的 API 文档明确说明，
Lyria 3.5 音乐生成属于：
Single-turn Process。
也就是：
现在还不是你生成一首歌后，
可以持续和同一首歌聊天：
「只改 35 秒那里。」
「其他全部完全不动。」
「鼓小声一点。」
这种完整 Multi-turn Audio Editing。
如果第一版不合，
通常是：
修改 Prompt，
重新生成一个新版本。
所以 Prompt 一开始有：
清楚结构
会更重要。
而且相同 Prompt 重新生成，也可能不一样
Google 同样提醒：
即使 Prompt 相同，
不同生成结果：
也可能有 Variation。
所以你今天如果得到：
一个主体节奏非常刚好的版本，
先保存。
不要想：
「这个 Prompt 已经对了，晚点再生一模一样的。」
生成式音乐不是：
固定搜索结果。
这也代表比较好的测试方式是一次比较 2～3 个版本
不要只生成一次，
立刻开始怀疑：
Prompt 写错。
同样的大方向可以：
跑几个版本。
然后问：
哪一个：
开场最干净？
哪一个：
主体最有推进？
哪一个：
结尾最好剪？
你是在：
选 Music Draft。
不是：
要求第一次就得到 Master。
如果视频有旁白，再加一个小提醒
主体可以增加能量，
但不要因此：
抢掉 Voiceover。
Prompt 可以补：
「Keep the arrangement supportive under spoken narration。」
也就是：
配乐提供情绪，
但不要让主要旋律或乐器：
一直和人声打架。
特别是：
教学。
访谈。
产品介绍。
旁白才是：
主角。
如果视频没有旁白，音乐可以承担更多叙事
例如：
旅行。
料理。
手作。
时尚。
产品美感片。
这种视频音乐可以：
更明显。
开场：
创建气氛。
主体：
推进。
高潮：
拉高。
收尾：
释放。
因为没有 Voiceover
需要避让。
所以同样三段方法，
会依：
视频有没有 Spoken Content
改变。
今天的方法也适合照片转音乐
Lyria 可以利用：
图片
作为生成 Context。
假设你有一张：
夕阳海边照片。
照片可以先帮 AI 理解：
情绪。
地点。
氛围。
但你还是可以再加：
「前段安静，中段逐渐增加温暖的节奏，最后回到简单钢琴收尾。」
照片负责：
Mood。
三段能量线负责：
Movement。
两个一起用，
比单纯说：
「根据这张图生成音乐」
更可控。
这其实也是所有生成式 AI 很重要的一个方法
很多人下 Prompt，
只描述：
结果长什么样。
但真正好用的 Prompt，
常常还会描述：
结果怎么变化。
例如写文章：
前面先解释问题。
中间讲方法。
最后给行动。
做视频：
先 Hook。
再示范。
最后 CTA。
做音乐也是：
先创建。
再推进。
最后收束。
AI 并没有改变：
内容结构的重要性。
只是帮你：
更快把结构变成成品。
今天不要学太多，只记三格
下一次你要用 Lyria 做视频配乐，
先不要写：
「做一首好听的歌。」
先拿纸写：
开场：＿＿＿＿
主体：＿＿＿＿
收尾：＿＿＿＿
例如：
开场：
简单、安静。
主体：
逐渐增加节奏。
收尾：
降低能量、干净结束。
再把：
Genre。
乐器。
是否人声。
总长度
补上去。
这已经是一个：
非常完整的第一版 Prompt。
第一次实测，可以只花一分钟
拿一支：
已经剪好的短视频。
播放一次。
不要听原配乐。
只问：
第一段：
观众刚进来时需要什么感觉？
中间：
画面开始动起来时，
音乐要不要增加？
最后：
要怎么让观众知道：
事情完成了？
把三个答案：
写进 Prompt。
再交给 Lyria。
你就不是：
请 AI 随机做一首：
「差不多符合主题的音乐。」
而是在告诉它：
这首音乐在你的内容里，到底负责什么工作。
最后记住一句话
视频配乐真正需要配的，
不是：
视频的「主题」。
而是：
视频的「时间」。
同样是一支：
咖啡视频。
可以温暖。
可以高级。
可以轻快。
但如果音乐的：
起。
承。
转。
收
和画面完全错开，
再漂亮的曲风也只是一首：
独立很好听的歌。
不是：
好配乐。
所以用 Lyria 3.5 时，
先不要急着追求：
最厉害的 Prompt。
先把最简单的三件事说清楚：
开场怎么进。
主体怎么长。
最后怎么停。
AI 才比较有机会真的：
跟着视频工作。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
