通玄音
通玄音
记 · 三
From an idea to a master
很多人问这个。我把它写完整，包括 AI 在哪一步、我在哪一步—— 这件事不该含糊，含糊了后面全是麻烦。
一首三分半的曲子，从零到能发，正常要两到三天；做一条二十四分钟的长音轨，再加两天。
先定它属于哪一个音、往哪个方向走。这一步决定后面所有事。
比如要一首"往下沉"的，就定羽音、水、低音区、慢；要一首"打开"的，就定角音、木、中高音区、有呼吸感。 这一步不用听任何东西，是坐下来想清楚的事。
我一般会同时定三件：主音是哪个、情绪往哪边走、什么时辰或场景用它。 第三件不是玄的，它决定曲子的长度和密度——睡前的要空，通勤的可以满一点。
把上面的决定翻译成一段英文描述，交给生成引擎。写的是声音本身，不是形容词：
乐器编制（古琴、箫、中阮、低音弦）、音区、速度、有没有打击乐、 混响多大、动态要不要起伏、开头留多少空白。
这里有个经验：形容词写得越多，结果越糊。"空灵""深邃""治愈"这些词模型理解不了， 写"前 20 秒只有房间底噪"它才听得懂。
一次生成多个版本，然后挑。这一步最花时间，也最像"选角"—— 同一段提示出来的五个版本可能完全不同，有一个会对，其余四个都不对。
挑的标准只有一条：它能不能在你不注意的时候还在。 有些版本第一耳朵很好听，但听三遍就烦；有些第一遍平平，第五遍才发现它一直没打扰你。 后者才是能用的。
顺便说清楚：这一步是 AI 在工作，不是我。我不假装自己演奏了这些乐器。
挑中的版本不会直接用。要做的事：
— 剪掉开头的毛刺，或者反过来，把前奏压短，让正题早点进来；
— 按句号切段，逐段补增益（引擎出来的动态不平，一段响一段轻）；
— 去掉多余的高频，睡眠用的曲子高频多了会刺耳；
— 该留白的地方留白，宁可少一个音。
这一步是纯手工，没有捷径。一首曲子的"人味"基本都在这里。
把主奏和支撑分开，让它们不打架。
《春木和风》里笛子主奏、阮做低音，两件乐器的音量差我一直压在 4 dB 以内—— 差太多就变成"一个在吹、一个在伴奏"，差太少又糊成一团。4 dB 是听不出主次、但彼此不打架的位置。
《清商远笛》反过来：混响拉到 4.2 秒，干声压低。这样听起来空间大、声源小， 像从隔壁院子传过来，而不是在耳边吹。
统一到 −14 LUFS，真峰不超过 −1 dBTP。
这两个数字不是随便定的：−14 LUFS 是流媒体平台的通用响度， 压到这里，你的曲子和别人的曲子连着放，音量不会一跳一跳； −1 dBTP 是给有损编码留的余量，超了转成 MP3 会削波。
引擎直出的成品通常偏响、真峰还超过 0 dB，必须重新做一遍。这一步不做，放到平台上会明显发毛。
如果要做成一条二十多分钟的长音轨，就把几首用十秒交叉淡接起来。
《归根 · 长夜》是八首接到一起，成品 24 分 50 秒，−14.08 LUFS／−1.4 dBTP。 接的时候不能让任何一处"断"，也不能让接缝听起来像换了一首——所以交叉用十秒，比常规长很多。
接完之后会发现一件事：单独听是散的，接起来才成立。长音轨的意义就在这里。
七道手里，第三道是 AI，第一、二、四、五、六、七道是人。 比例大概是：机器出素材，人决定它是什么、留什么、扔什么。
我不打算把这件事说成"全人工"，也不想把它说成"AI 一键生成"。 两头都不真。真话是：没有那六道手，出来的东西不能听。