AI情緒配樂：打造遊戲與影片的氛圍感
遊戲是非線性的。玩家可能同一個場景待三十秒，也可能待三十分鐘；可能沿著主線走，也可能跑去旁邊打怪。遊戲配樂的關鍵詞是「狀態」與「循環」：同一段音樂要能無縫重播，還要能根據戰況即時升降強度。這也讓 AI 配樂在遊戲領域的玩法完全不同，後面第四章會專門拆解。
先建立這個認知很重要，因為它會決定你下提示詞時，是要描述「一段有起承轉合的音樂」，還是「一段可以無限循環的情緒基底」。
二、AI 情緒配樂的技術原理與工具地圖
現在市面上的 AI 音樂工具琳瑯滿目，但它們背後的技術路線其實只有幾種。理解路線，你才知道哪個工具適合哪種任務，也才知道它的極限在哪裡。
2-1 從 MIDI 到生成式音訊：三條技術路線
路線一：規則式／演算法作曲。這一類工具靠的是預先寫好的音樂規則與參數，例如指定調性、和弦進行、情緒標籤，系統就依規則生成 MIDI。它的優點是可控性極高、速度極快、完全不怕版權爭議（因為是演算法產出），缺點是音色與編曲容易「罐頭感」，聽起來像高級版的手機鈴聲。適合需要大量、快速、低成本背景音樂的場合，例如教學影片或企業簡報。
路線二：MIDI 生成 + 音源渲染。這類工具先產出音符與編曲結構，再用取樣音源或合成器渲染成音訊。它的好處是分軌清楚，你可以拿到鼓、貝斯、弦樂分開的 stem，方便後製調整。對需要「垂直混音」（同一段音樂的不同強度版本）的遊戲開發者來說，這條路線最實用。
路線三：端到端音訊生成。這是最新一代的做法，直接從文字描述生成波形音訊，中間不經過 MIDI。技術上多半基於擴散模型或自迴歸模型，把「文字語意」與「音訊潛空間」對齊。它的優點是音色豐富、質感接近真實錄音、風格跨度極大；缺點是可控性較低、常常產出「差不多但就是不對」的結果，而且不容易分軌。目前最紅的幾個文字生成音樂服務，多半屬於這一類。
實務上，成熟的創作者不會只押一條路線，而是混著用：用路線三快速找氛圍方向，用路線二做遊戲循環素材，用路線一補齊過場與短音效。
2-2 主流工具的性格與適用場景
工具一直在變，但挑選邏輯不太會變。以下用「性格」來分類，比死記名字更有用。
選工具時，請優先問自己三個問題：我需要分軌嗎？我需要商業授權嗎？我需要大量循環素材嗎？這三個答案會直接幫你篩掉八成不適合的選項。
三、實戰流程：用 AI 打造一段有情緒曲線的配樂
接下來進入實作。我把流程拆成四個步驟，這套流程不管你用哪個工具都適用。請注意，AI 生成只是中間一步，前後的「定義」與「後製」才是決定成敗的關鍵。
3-1 步驟一：先寫情緒腳本，再開工具
最常見的錯誤，就是打開工具才開始想「我要什麼音樂」。正確做法是先寫一份「情緒腳本」（Emotion Map），把時間軸與情緒對應起來。
以一支三分鐘的產品形象影片為例，情緒腳本可能長這樣：
0:00–0:20 開場：安靜、好奇、帶一點懸念。只有低頻鋪底與零星鋼琴單音。
0:20–1:10 問題陳述：略顯沉重、壓抑，節奏開始出現但不推進。
1:10–2:20 解決方案：明亮、開闊、節奏建立，弦樂與打擊陸續加入。
2:20–3:00 收尾：回到溫暖、安心，編曲減法，留一個長音收尾。
寫完之後，你就會發現一件事：你需要的不是「一首歌」，而是「四段情緒各自成立的音樂」。這個認知會徹底改變你下提示詞的方式。遊戲的情緒腳本則更像狀態表：探索、警戒、戰鬥、勝利、死亡，每個狀態要有自己的情緒底色，還要能互相銜接。
3-2 步驟二：提示詞工程——把形容詞翻譯成音樂參數
AI 聽不懂「好聽」、「有質感」這種空泛的詞。你必須把情緒翻譯成可辨識的音樂元素。一個高品質的提示詞通常包含六個層次：
把這六層串成一句英文描述，通常就能得到相當接近的結果。例如：「A slow, sparse ambient piano piece for a video game exploration scene, melancholic but with a faint sense of hope, soft string pad underneath, minimal arrangement, warm analog tape texture, no drums.」
幾個實用技巧：一，情緒詞一次不要超過兩個，太多會互相打架。二，明確說「不要什麼」往往比說「要什麼」有效，例如 no drums、no vocals、avoid sudden changes。三，同一段提示詞多跑幾次，把最好的一次當作基準，再微調其中一兩個變數。
3-3 步驟三：生成、篩選與情緒拼接
生成階段請抱持「廣撒網」的心態。同一個提示詞跑五到十次，你會得到各種細微變體。篩選時不要只聽「好不好聽」，要戴上「情緒腳本」的眼鏡聽：這段音樂放進第 0:20 那個時間點，有讓觀眾更沉重嗎？如果沒有，它再好聽也該淘汰。
接下來是拼接。多數 AI 工具生成的片段長度有限，你需要把它們串成完整曲線。兩個技巧：
一是用共同音或共同調性過渡。如果前後兩段都是 C 小調，接起來會自然很多。若工具不讓你指定調性，就要靠聽感判斷，或是在 DAW 裡用移調功能對齊。
二是用「過渡元素」掩蓋接縫。一段上升音效、一個反轉鈸、一層白噪音漸強，都能讓兩段音樂的切換變得不明顯。這是配樂剪輯的老技巧，用在 AI 拼接上一樣有效。
3-4 步驟四：後製與動態整合
AI 生成的音樂直接丟進專案，通常會「太滿」或「太平」。後製要做三件事：
動態處理。用壓縮器把過大的起伏壓平，再用音量自動化（automation）依據畫面重新塑造曲線。影片配樂最忌諱從頭到尾一樣大聲，該小的地方要小，該讓對白露出來的時候要退。
頻譜讓位。如果影片有旁白，配樂的中頻要挖一個洞，讓語音清楚。如果遊戲裡有大量音效，配樂的高頻要收斂一點，避免打架。AI 生成時不會知道你的專案裡還有什麼，這是你的工作。
空間感統一。把不同來源生成的片段加上同一組殘響，會讓它們聽起來像是同一個空間錄出來的，整體感立刻提升。這一步很多人偷懶，但效果非常明顯。
四、遊戲場景應用：從動態配樂到互動音效
遊戲是 AI 配樂最能發揮價值的地方，因為遊戲對音樂的需求量體大、變化多，而且傳統做法成本極高。一個中型遊戲動輒需要數十段環境音樂與戰鬥音樂，全部請人寫，預算會先爆掉。
4-1 無縫循環與垂直混音
遊戲配樂的第一個技術要求是「無縫循環」。一段音樂播完後要能接回開頭，聽起來不能有斷點。AI 生成時要特別注意幾件事：避開明顯的「結尾感」（例如最後一個和弦完全解決），要求工具產出 loopable、seamless loop，並且自己在 DAW 裡檢查接點。如果工具不支援，最簡單的補救是取中段穩定循環的部分，避開開頭與結尾。
第二個要求是「垂直混音」（vertical remixing）。同一個場景，隨著玩家狀態變化（例如從潛行到被發現到戰鬥），音樂要能即時增減樂器層次。做法是把配樂拆成幾層：底層鋪底、中層節奏、上層旋律。AI 若支援分軌輸出，你就可以用這三層做組合。若不支援，就生成三個版本——「平靜版、緊張版、戰鬥版」——再用遊戲引擎的音樂系統做淡入淡出切換。
4-2 情緒狀態機設計
實際落地時，建議把遊戲音樂當成一個「狀態機」來設計。每個狀態有對應的音樂，狀態之間有轉換規則。
死亡／失敗（Defeat）：下行旋律、和聲不解決，帶一點失落感。
轉換規則也很重要。從探索到警戒建議用淡入（crossfade），從警戒到戰鬥要即時切換、甚至對齊小節線。這些都可以在 Unity 或 Unreal 的音樂系統裡設定，AI 生成只是提供素材。
五、影片場景應用：從短影音到敘事長片
影片這邊的邏輯不同，重點在「跟著剪輯走」。以下分兩種常見情境談。
5-1 短影音與 YouTube：效率優先，情緒要一秒到位
短影音的配樂有幾個硬性條件：前奏不能長、情緒要立刻明確、要能配合剪輯點做起伏。AI 在這方面非常好用，因為你可以針對每一支影片快速產出專屬配樂，不用再從素材庫裡翻。
實務建議：先在剪輯軟體裡把畫面剪好，標記出所有「情緒轉折點」與「剪輯點」，再回頭生成音樂。提示詞裡加入「clean intro、no long build-up」，避免 AI 給你一段三十秒的前奏。如果影片有講話，記得選 instrumental、no vocals 的設定。
5-2 敘事型影片與長片：音樂要有記憶點
敘事型影片的需求完全不同。這裡的配樂要有「主題動機」（motif），一個可以在不同段落用不同樂器重複出現的旋律，用來代表角色或概念。這是 AI 目前的弱項——它不擅長在不同片段間維持同一個動機的一致性。
解法有兩個。第一個是「人工補強」：先用 AI 生成基礎情緒底層，主題旋律自己用簡單的合成器或鋼琴彈進去，或請一位會彈琴的朋友錄幾個音。第二個是「主題重複策略」：把同一段 AI 生成的旋律，透過改變配器、速度、調性，變成不同情緒版本。同一段旋律用小調慢速演奏是悲劇，用大調快速演奏是勝利，這個轉換本身就是敘事。
另外，長片一定要注意「留白」。不是每一分鐘都需要配樂。對白密集的地方、重要的表演瞬間、刻意要讓觀眾感受安靜的地方，把音樂拿掉，效果會比硬塞配樂強得多。AI 生成的方便性很容易讓人上癮，但配樂的最高境界是「知道什麼時候不要用」。
六、提示詞範本庫：可直接改用的情緒配方
以下提供幾個常見情緒的提示詞範本，你可以直接複製、替換關鍵詞使用。記得，這些是起點，不是標準答案，一定要依你的專案微調。
6-1 情緒範例與對應描述
6-2 提示詞負面清單（Negative Prompt）
很多工具支援「排除」描述。以下是實用的負面清單範本：no vocals, no lyrics, no sudden key change, no abrupt ending, no heavy distortion, no long intro, no solo improvisation。影片用請務必加 no vocals，遊戲循環用請務必加 no abrupt ending。
七、法律、倫理與實務眉角
這一章請務必看完，因為它決定你的作品能不能安全地上線、商用、甚至獲利。
7-1 版權與商業授權：務必逐條確認
AI 生成音樂的版權狀態，在各國法律與各平台條款中差異極大，而且持續變動。你在使用前至少要確認三件事：
第一，你使用的工具，其服務條款是否明確允許商業使用？有些免費方案只允許個人非商業用途。第二，你產出的音樂，所有權歸誰？有些平台主張你付費後才擁有商用權利，免費方案則僅授予使用權。第三，平台是否提供授權證明或符合特定授權條款（如 CC0）？如果你的作品要交給客戶或上架平台，這份證明可能被要求提供。
另外要注意，不同國家對「AI 生成內容是否受著作權保護」的認定不同。有些地區認為沒有足夠人類創作投入的純 AI 內容不受保護，這意味著別人可能也能使用類似產出。若你的專案對原創性要求很高（例如品牌形象影片），建議在 AI 產出上做足夠的人類加工，例如重新編曲、錄製真實樂器、大幅調整結構，這同時提升品質與原創性。
7-2 常見誤區與踩雷提醒
八、結語：AI 是樂器，情緒才是演奏者
回到一開始的那個問題：為什麼作品「少一味」？因為氛圍感從來不是靠特效或高預算堆出來的，而是靠創作者對情緒的掌握。AI 把音樂製作的技術門檻降低，但它沒有、也不會替你決定「這段畫面應該讓觀眾有什麼感覺」。
這其實是好事。當生成音樂變得便宜又快速，真正稀缺的能力就轉移了：轉移到你能不能寫出精準的情緒腳本、能不能用對的形容詞描述你要的感覺、能不能聽出哪一段音樂在第四十七秒會把觀眾推進去、哪一段會把他們推出來。這些能力，AI 幫不了你，但也正因為如此，它們才會成為你的競爭優勢。
所以，下次打開 AI 音樂工具之前，先做一件事：關掉工具，打開你的專案，把每一段的情緒寫下來。等你看見那條情緒曲線長什麼樣子，再回頭讓 AI 幫你把它變成聲音。那時候，你得到的就不只是「一段好聽的音樂」，而是一段真正屬於你作品的氛圍。
希望這篇文章對雅寶社區 · 頂客論壇的創作朋友們有幫助。如果你在實作過程中遇到卡關，或是想分享自己的提示詞配方與作品，歡迎在底下留言交流。影音創作這條路，一個人的靈感有限，一群人的經驗無窮。我們下次見。