今天你有一支：
60 秒影片。
畫面都剪好了。
接著打開 Lyria 3.5，
輸入：
「幫我做一首 60 秒、溫暖、有質感的 Instrumental。」
AI 真的做出來了。
曲風：
沒問題。
樂器：
也很好聽。
但真正放進影片以後，
你卻發現：
完全不搭。
開場才剛出現產品，
音樂已經很滿。
真正重要的畫面出現時，
音樂反而沒有變化。
影片準備結束了，
歌曲卻像：
還要再唱兩分鐘。
問題不是：
AI 不會作曲。
而是：
你只告訴它：
這首歌長什麼樣。
卻沒有告訴它：
這首歌在影片裡要怎麼走。
今天只學一個方法。
做影片配樂以前，
先把時間線切成：
開場。
主體。
收尾。
再替三段各寫一句：
能量怎麼變。
為什麼這招對 Lyria 3.5 特別有用？
Google DeepMind 的 Lyria Prompt Guide 本來就把：
Dynamics
列為控制音樂的重要元素之一。
Dynamics 可以理解成：
音樂的能量、
強弱、
密度
怎麼隨時間變化。
例如：
先用安靜鋼琴。
慢慢加入節奏。
進入更強的副歌。
最後再安靜下來。
也就是：
不要只描述：
「我要什麼曲風。」
還可以描述：
「音樂中間要怎麼變。」
這剛好非常適合：
影片配樂。
第一步｜先不要碰音樂，先看影片
假設你有一支：
60 秒商品影片。
先不要問：
要 Lo-fi？
Jazz？
還是 Acoustic？
只看：
畫面本身。
例如：
0～10 秒：
產品第一次出現。
10～50 秒：
製作過程、細節、使用畫面。
50～60 秒：
完成品、Logo 區域、結尾。
你已經自然得到三段。
開場。
主體。
收尾。
注意：
這不是要你每支影片都一定切：
10／40／10。
真正重點是：
先找影片自己的三個階段。
第二步｜只替每一段寫「能量」
不要先寫音樂理論。
先用白話。
開場：
簡單。
主體：
逐漸增加。
收尾：
乾淨收住。
這樣就夠了。
或者另一支影片可能是：
開場：
立刻有力。
主體：
維持節奏。
收尾：
突然停乾淨。
也可以。
你現在做的不是：
作曲。
而是在決定：
觀眾每個階段應該感受到什麼。
第三步｜再把音樂特徵補進去
假設是一支：
手作食品影片。
你希望：
溫暖。
自然。
有一點節奏。
不要搶旁白。
就可以先定：
Genre：
Acoustic／Light Folk。
Instrument：
木吉他。
柔和鋼琴。
輕打擊。
Vocal：
不要。
這時才把：
音樂風格
和：
三段能量
接在一起。
Prompt 就會從一句模糊要求
原本：
「做一首 60 秒溫暖的背景音樂。」
變成：
「為一支約 60 秒的手作食品影片創作 Instrumental Background Music。整體溫暖、自然，以木吉他、柔和鋼琴和輕打擊樂為主。開場保持簡單、樂器少；主體逐漸加入節奏和音樂層次；接近結尾時逐步降低能量，最後乾淨自然收住。不要人聲，不要太戲劇化。」
這個 Prompt 沒有：
專業和弦。
複雜樂理。
Mixing 術語。
但它已經比：
「幫我做一首好聽的音樂」
有用很多。
為什麼？
因為它回答了兩個不同問題。
第一個：
音樂是什麼風格？
第二個：
音樂怎麼陪著畫面移動？
真正的影片配樂，
第二個往往比第一個更重要。
開場的工作不是「先把最好聽的地方全部丟出來」
很多 AI 生成音樂一開始就：
很滿。
鼓。
Bass。
Pad。
旋律。
全部一起來。
單獨聽可能很好。
但放到影片裡，
會發生一個問題。
畫面：
還沒有建立。
產品：
才剛出現。
音樂卻已經：
100 分。
後面就沒有地方可以成長。
所以如果影片需要：
逐漸建立情緒，
Prompt 可以明確寫：
Opening should be sparse and restrained.
白話就是：
開場：
樂器少一點。
節奏少一點。
留空間。
尤其影片前面有旁白時更重要
假設第一句旁白是：
「你每天是不是花很多時間整理同一份資料？」
如果音樂一開始：
鼓很大。
旋律很滿。
Vocal 又在唱，
觀眾耳朵要同時處理：
旁白。
音樂。
畫面。
字幕。
結果反而：
更累。
所以開場可以要求：
簡單。
不要人聲。
降低 Instrument Density。
把位置留給：
內容。
主體才開始增加
當影片進入：
真正示範。
工作過程。
產品細節。
前後對照。
音樂才開始：
增加節奏。
增加 Layer。
稍微提升 Energy。
這會讓觀眾產生：
事情正在往前走。
的感覺。
這就是 Dynamics 真正實用的地方。
不是：
讓音樂變華麗。
而是：
替影片建立：
進度感。
例如一支咖啡影片
前 8 秒：
店門。
咖啡豆。
杯子。
可以：
安靜。
8～45 秒：
磨豆。
沖水。
蒸氣。
倒奶。
拉花。
這時：
Rhythm Gradually Builds。
45～60 秒：
完成。
端上桌。
最後定格。
音樂：
開始減少。
最後：
Clean Ending。
這樣即使沒有任何歌詞，
觀眾也會感覺到：
故事：
開始。
進行。
完成。
第三段「收尾」特別容易被忘記
很多人做 AI 配樂，
只告訴 AI：
前面想要什麼。
中間想要什麼。
但沒有說：
最後怎麼停。
結果影片已經：
準備 End Card。
音樂卻：
還在增加。
或者：
突然被剪斷。
這會讓整支影片出現一種：
「不是結束，只是檔案沒了」
的感覺。
所以 Prompt 最後加一句：
最後自然收住。
最後降低能量。
最後留下乾淨 Ending。
非常有用。
如果你做的是 15 秒廣告，三段一樣存在
不要因為影片很短，
就覺得：
沒有結構。
例如：
前 3 秒：
Hook。
3～12 秒：
產品。
12～15 秒：
CTA。
可以寫成：
開場：
立刻有節奏。
主體：
保持推進。
結尾：
快速收束，
留一個明確結束點。
三段不需要：
一樣長。
只需要：
功能不同。
如果是 3 分鐘影片呢？
一樣。
例如：
0～20 秒：
開場。
20 秒～2 分 30 秒：
主體。
最後 30 秒：
收尾。
或者主體裡，
你還可以再描述：
先平。
再漸強。
再降下來。
Google DeepMind 本來就鼓勵使用者在 Prompt 裡描述：
音樂不同 Section
如何改變 Dynamics。
所以如果你會做：
更長內容，
還可以再細分。
但今天不用學那麼多。
先把：
三段
做好。
一個很重要的限制：不要把秒數當成剪輯軟體的絕對指令
這一點一定要分清楚。
Lyria 3.5 可以透過 Prompt：
影響曲目長度。
Google API 文件也明確表示：
完整模型生成的是數分鐘歌曲，
實際長度會受到 Prompt 影響。
但這不代表：
你寫：
「第 10.000 秒一定進鼓。」
它就像 DAW Automation 一樣：
精確到那一格。
Lyria 是：
生成模型。
不是：
時間軸剪輯軟體。
所以今天的方法叫：
能量線。
不是：
精密 Cue Sheet。
如果你真的需要某一秒一定發生某個音樂點
例如：
廣告第 8 秒一定爆點。
第 23 秒一定停止。
那比較穩定的方法仍然可能是：
先讓 Lyria 生成：
接近需要的音樂。
再進：
真正剪輯軟體
調整。
裁切。
Fade。
對點。
AI 先幫你：
做音樂原料。
剪輯軟體最後：
把秒數鎖準。
不要要求一個工具：
一次完成所有工作。
所以第一次測，不要寫太多段
很容易看到 Lyria 支援：
Genre。
Tempo。
Dynamics。
Instrument。
Vocal。
就開始 Prompt：
第 0～3 秒這樣。
3～7 秒這樣。
7～11 秒又換。
最後寫：
20 行。
不一定比較好。
第一次：
只做三段。
開場。
主體。
收尾。
先看 AI 能不能：
抓到大的能量方向。
如果結果不對，先只改一件事
例如第一版：
主體太平。
不要整段 Prompt 全部重寫。
先改：
「主體要更明顯逐步增加節奏和樂器層次。」
再生成。
第二版：
收尾還是太突然。
再改：
「最後幾秒逐步減少樂器並自然收尾。」
一次只調：
一個問題。
你會比較知道：
到底哪一句 Prompt
真的有影響。
這點很重要，因為目前 Lyria API 仍是 Single-turn
Google 目前的 API 文件明確說明，
Lyria 3.5 音樂生成屬於：
Single-turn Process。
也就是：
現在還不是你生成一首歌後，
可以持續和同一首歌聊天：
「只改 35 秒那裡。」
「其他全部完全不動。」
「鼓小聲一點。」
這種完整 Multi-turn Audio Editing。
如果第一版不合，
通常是：
修改 Prompt，
重新生成一個新版本。
所以 Prompt 一開始有：
清楚結構
會更重要。
而且相同 Prompt 重新生成，也可能不一樣
Google 同樣提醒：
即使 Prompt 相同，
不同生成結果：
也可能有 Variation。
所以你今天如果得到：
一個主體節奏非常剛好的版本，
先保存。
不要想：
「這個 Prompt 已經對了，晚點再生一模一樣的。」
生成式音樂不是：
固定搜尋結果。
這也代表比較好的測試方式是一次比較 2～3 個版本
不要只生成一次，
立刻開始懷疑：
Prompt 寫錯。
同樣的大方向可以：
跑幾個版本。
然後問：
哪一個：
開場最乾淨？
哪一個：
主體最有推進？
哪一個：
結尾最好剪？
你是在：
選 Music Draft。
不是：
要求第一次就得到 Master。
如果影片有旁白，再加一個小提醒
主體可以增加能量，
但不要因此：
搶掉 Voiceover。
Prompt 可以補：
「Keep the arrangement supportive under spoken narration。」
也就是：
配樂提供情緒，
但不要讓主要旋律或樂器：
一直和人聲打架。
特別是：
教學。
訪談。
產品介紹。
旁白才是：
主角。
如果影片沒有旁白，音樂可以承擔更多敘事
例如：
旅行。
料理。
手作。
時尚。
產品美感片。
這種影片音樂可以：
更明顯。
開場：
建立氣氛。
主體：
推進。
高潮：
拉高。
收尾：
釋放。
因為沒有 Voiceover
需要避讓。
所以同樣三段方法，
會依：
影片有沒有 Spoken Content
改變。
今天的方法也適合照片轉音樂
Lyria 可以利用：
圖片
作為生成 Context。
假設你有一張：
夕陽海邊照片。
照片可以先幫 AI 理解：
情緒。
地點。
氛圍。
但你還是可以再加：
「前段安靜，中段逐漸增加溫暖的節奏，最後回到簡單鋼琴收尾。」
照片負責：
Mood。
三段能量線負責：
Movement。
兩個一起用，
比單純說：
「根據這張圖生成音樂」
更可控。
這其實也是所有生成式 AI 很重要的一個方法
很多人下 Prompt，
只描述：
結果長什麼樣。
但真正好用的 Prompt，
常常還會描述：
結果怎麼變化。
例如寫文章：
前面先解釋問題。
中間講方法。
最後給行動。
做影片：
先 Hook。
再示範。
最後 CTA。
做音樂也是：
先建立。
再推進。
最後收束。
AI 並沒有改變：
內容結構的重要性。
只是幫你：
更快把結構變成成品。
今天不要學太多，只記三格
下一次你要用 Lyria 做影片配樂，
先不要寫：
「做一首好聽的歌。」
先拿紙寫：
開場：＿＿＿＿
主體：＿＿＿＿
收尾：＿＿＿＿
例如：
開場：
簡單、安靜。
主體：
逐漸增加節奏。
收尾：
降低能量、乾淨結束。
再把：
Genre。
樂器。
是否人聲。
總長度
補上去。
這已經是一個：
非常完整的第一版 Prompt。
第一次實測，可以只花一分鐘
拿一支：
已經剪好的短影片。
播放一次。
不要聽原配樂。
只問：
第一段：
觀眾剛進來時需要什麼感覺？
中間：
畫面開始動起來時，
音樂要不要增加？
最後：
要怎麼讓觀眾知道：
事情完成了？
把三個答案：
寫進 Prompt。
再交給 Lyria。
你就不是：
請 AI 隨機做一首：
「差不多符合主題的音樂。」
而是在告訴它：
這首音樂在你的內容裡，到底負責什麼工作。
最後記住一句話
影片配樂真正需要配的，
不是：
影片的「主題」。
而是：
影片的「時間」。
同樣是一支：
咖啡影片。
可以溫暖。
可以高級。
可以輕快。
但如果音樂的：
起。
承。
轉。
收
和畫面完全錯開，
再漂亮的曲風也只是一首：
獨立很好聽的歌。
不是：
好配樂。
所以用 Lyria 3.5 時，
先不要急著追求：
最厲害的 Prompt。
先把最簡單的三件事說清楚：
開場怎麼進。
主體怎麼長。
最後怎麼停。
AI 才比較有機會真的：
跟著影片工作。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
