纯云端音乐生成的局限
在现代 AI 音乐工具中，Suno 与 Udio 等云端平台降低了歌曲生成的门槛。用户只需输入一段风格提示词或歌词，即可在数秒内获得一段包含歌声与伴奏的混合音频。
然而在专业配乐与音频工程中，这类单一波形输出常受制于以下实际问题：
- 无法分轨微调：生成的音频是固化的立体声文件。如果低音过重、鼓点抢戏，或者旋律某个音符需要调整，创作者无法像在专业数字音频工作站 (DAW) 中那样单独修改某一轨。
- 结构难以精确对齐：视频、游戏或播客配乐通常需要转场点与画面关键帧严密贴合。黑盒生成工具通常无法指定某一小节突然变奏或切换乐器。
- 高额按次计费：反复尝试段落需要消耗云端积分，长期创作成本不可预测。
yovoice 将神经生成模型与确定性 General MIDI 多轨编曲机制结合，提供了一种可控的混合制作方案。
神经模型与确定性多轨工程的协同
yovoice 的音乐面板集成了两层制作能力：
1. 神经生成层：调用开源模型生成声学织体
- ACE-Step 1.5：集成开源音乐步进扩散模型，能够在本地单张消费级显卡或 Apple Silicon 上快速合成特定风格的乐段与配器。
- YuE2 3B：集成开源歌声与编曲模型，擅长长篇旋律推进与歌词对位。
- Stable Audio 3：集成开源环境声与打击音效模型 (Ambience) 与单次打击音效 (Foley)。
2. MIDI 编曲层：提供确定性结构与精确控制
神经生成的乐段可以作为参考音轨导入时间轴，创作者同时可以启用内置的 General MIDI 软音源：
- 支持 16 个标准通道，可自由分配钢琴、弦乐群、电贝斯、管乐与鼓组（Channel 10）。
- 支持导入与导出标准 MIDI 文件 (
.mid)。 - 允许在时间轴上自由调节速度 (BPM)、拍号、量化参数与音符力度 (Velocity)。
配乐制作实操步骤
步骤 1：确立速度与调性
打开 yovoice 音乐面板，根据故事情节或视频节奏设置项目的整体节奏：
- 设定项目 BPM（例如 92 BPM 适合抒情叙事，128 BPM 适合轻快转场）；
- 设置节拍与小节标记，使时间轴与故事分镜画面对齐。
步骤 2：生成主干配乐织体
在生成面板中输入音乐提示词（例如 “Lo-Fi acoustic guitar, warm electric piano, mellow groove”），调用 ACE-Step 在本地快速生成数个乐句。由于模型在本地直接运行，创作者可以连续生成多次试听，挑选出符合情节氛围的主干音频段落。
步骤 3：叠加 MIDI 轨道微调配器
将选中的音频拖入伴奏轨，并在上方添加 General MIDI 轨道补充细节：
- 添加弦乐长音轨，在情感高潮处渐强；
- 在打击乐轨上手动绘制过渡鼓点或军鼓滚奏，使转场更加自然。
步骤 4：分轨导出 (Stems) 与混音
完成编排后，yovoice 支持两种导出形态：
- 导出完整混合的立体声 WAV 文件；
- 导出分轨音频 (Stems) 与 MIDI 文件，以便导入 Logic Pro、Cubase、Ableton Live 或 Reaper 等专业 DAW 软件进行混音与母带处理。
通过这种方式，创作者既能获得 AI 快速生成声学织体的效率，又能保持对音乐小节、力度与分轨的完全控制。
