AI 真的照着你的和弦唱吗？我们实测了

常有写歌的人问我们：如果我已经有和弦进行和乐谱，AI 真的会照着唱吗？还是只把它当成模糊的提示，最后唱成另一首歌？我们没有靠猜，而是去测。简短的答案是：会，模型会遵循你给的乐谱的和弦与结构。英文歌词与原曲的和弦匹配度为 0.922，越南语歌词为 0.809，完全不给乐谱时为 0.546。我们测的是和声，不是演唱的旋律，本文会把这个缺口说清楚。

测量方法：12 个音级，2 秒窗口

在 MuziAI 上生成歌曲时，系统通常分两步：先由一个模型用 ABC 记谱法写出乐谱（旋律、和弦、拍号），再由演唱模型把它唱成音频。一首 4:14 的歌，写谱阶段约占 40 秒机器时间，演唱占 179 秒。如果你自己提供乐谱，就会跳过写谱阶段。为了有一个已知答案，我们取一首现成歌曲的乐谱，配上新歌词重新演唱，再把结果与这份乐谱原本对应的歌曲比较。

这项指标在 CPU 上运行，使用 12 音色度谱（chroma）：把歌曲切成 2 秒的窗口，每个窗口里的所有能量都折叠到一个八度内的 12 个音级上（C、升 C、D，一直到 B），不管这些音实际在哪个八度发声。每 2 秒就成为一个和声指纹。我们在相同时间点比较两首歌的指纹，再对整首取平均。得分为 1 表示完全相同。

0.8 这样的数字，在知道「毫不相关」落在哪里之前毫无意义。所以我们测了一条基线：把原曲平移 8 秒，与未平移的版本比较。和弦相同、乐器相同、人声相同，只是时间错开，得分就跌到 0.656。

结果：四个数字

英文歌词下，86% 的窗口得分高于 0.8，整首三分多钟的歌只比原曲短 0.7 秒：模型保留了相同的段落和相同的长度。不给乐谱时，它写出的是完全不同的歌：0.546，低于 0.656 的基线，时长 161 秒而不是 189 秒。越南语歌词居中：0.809 明显高于基线，但只有 52% 的窗口超过 0.8。

为什么有了乐谱仍会跑偏

即使是最好的一次，也有 14% 的窗口低于 0.8。前两个原因有测量支持，后两个是假设。

• 时间误差会被重罚。 指标在完全相同的秒数上比较窗口，而 0.656 的基线说明，同一首歌只要错开 8 秒就已经损失很多。某一段多唱或少唱几拍，之后的每个窗口都会被拉低。
• 每次生成都是一次随机抽取。 越南语那次用的随机种子与英文那次不同，所以 0.809 同时反映了两处变化。我们还没有区分多少来自语言、多少来自种子。
• 指标听的是整个混音。 色度谱同时涵盖人声和乐器，所以即使在同一个和弦上，换了音的演唱旋律也会让 12 个音级的分布不同（假设）。
• 新歌词的句长不同。 歌手必须在小节里拉长或压缩句子，而越南语的每个音节还带声调（假设，未单独测量）。

局限与尚未知道的事

• 人声旋律未测量。 这需要先分离人声再追踪音高，必须用 GPU。所以创作页面只承诺保留「和弦、调和速度」，而不是人声的每一个音。
• 样本很小。 四个数字都来自同一份乐谱，每种情况只生成一次。它们能说明方向，但不能告诉你越南语总是比英文低 0.113。
• 「仅旋律」模式还没有用这项指标打分。 唯一更低的参照是完全不给乐谱时的 0.546。
• 高分不等于好歌。 这项指标不涉及编曲、演唱质量，也不涉及歌词听起来是否清楚。

试过又关掉了：像「Am F C G」这样的和弦输入框

很多人有和弦进行却没有旋律。我们做过一个输入框，让你输入和弦，再转换成只有和弦、人声声部全是休止符的乐谱。结果：和弦是对的（0.858），但歌曲只有 86 秒，而不是 189 秒，模型也没有唱完全部歌词。这个输入框已关闭。另一项测量解释了原因：在开发纯音乐模式时，只有段落标签的乐谱，不管有 4 个还是 8 个标签，都只生成大约一分钟的曲子；而用占位旋律行时，模型会写出真正的旋律，曲子长度随行数增加。所以歌曲长度由旋律行决定，而不是由和弦决定。要让和弦输入框可用，模型必须在给定的和弦进行里自己作出旋律，而这还没有实现。

旋律加和弦，还是仅旋律？

「现有乐谱」卡片让你选择保留什么。旋律与和弦会原样传递你的乐谱，也就是 0.922 和 0.809 所对应的情况。仅旋律会让服务在演唱前去掉所有和弦符号，因为演唱模型不会自己忽略它们。在正式站点上的一次真实端到端测试中，提交的乐谱有 68 个和弦符号，模型实际使用的乐谱里是 0 个，生成的歌曲时长 210 秒。

• 如果你在意的是和弦进行，选旋律与和弦：比如伴奏已经定稿，或者你在为现有歌曲写新词。
• 如果你更信任曲调而不是和弦，选仅旋律：比如和声没核对过的手工扒谱、写法不规范的和弦，或者你想用新风格重新配伴奏的旋律。
• 如果首要目标是贴合原曲和弦，就别选仅旋律：我们还没有它的和弦测量数据。

生成歌曲时怎么用这些结论

1. 拿到一份乐谱。每个示例歌曲页面的「和弦与乐谱」区块里都有「用这份乐谱唱新歌词」按钮。也可以在 AI写歌 页面打开「现有乐谱」卡片，从 58 份示例乐谱里挑一份（每份都能试听），或者粘贴你自己的 ABC。
2. 生成前先看摘要卡片：调、BPM、拍号和和弦进行，例如「F 大调 · 100 BPM · 4/4 · F C/E Dm7 Bb…」。这就是模型将要遵循的内容，有错就在这里改。
3. 用越南语歌词时，生成两三个版本，把每段开头与原曲对比：越南语对和弦的贴合度不如英文（0.809 对 0.922），而且每次生成都是重新抽取。
4. 别指望人声逐音复制原曲旋律。这部分没有测量，所以我们不做承诺。
5. 只有和弦？和弦输入框已关闭，最接近的办法是挑一首和弦进行相似的示例歌曲，在上面写新歌词。