**文生音樂（Text-to-Music）**是一種生成式 AI 技術：你用文字描述曲風、情緒、速度和樂器——還可以附上歌詞——模型在同一次生成裡完成作曲、編曲、演唱與混音。拿到的不是 MIDI 或取樣包，而是一段能直接播放、下載、放進影片裡的成品音訊。
工作原理
音樂模型在海量「音訊＋文字描述」配對資料上訓練，學會了「帶著老式 Rhodes 電鋼琴的溫暖 lo-fi hip hop」到底是什麼聲音。生成時，模型操作的是音訊的壓縮表示而不是原始波形，因此能同時掌握整首歌的結構——主歌、副歌、橋段——並把樂器和人聲一起渲染出來。支援歌詞的模型會把旋律線對齊到你寫的每一句詞，歌手唱的是你的詞，而不是含混的音節。
擅長的場景
- 影片配樂 —— 與片段節奏和情緒匹配的背景音樂，不用再翻素材庫找曲子。
- 帶人聲的完整歌曲 —— 寫好歌詞、定好風格，拿到一首有主歌有副歌的成品。
- 純音樂鋪底 —— 氛圍、lo-fi、電影感或電子的循環樂段，給 Podcast、廣告和遊戲用。
- 快速試風格 —— 給品牌 jingle 一口氣試十個方向，比過去和作曲人對一次需求還快。
好的輸入長什麼樣
像製作人給樂手講需求那樣描述：曲風與年代（「90 年代 trip-hop」）、情緒（「憂鬱但帶希望」）、速度與能量（「慢速，約 80 BPM，到副歌推起來」）、配器（「木吉他、鼓刷、溫暖的貝斯」）、人聲（「女中音，氣音，近距離收音」），不要人聲就寫「純音樂」。附歌詞時用 [Verse]、[Chorus]、[Bridge] 這類標籤標出結構，模型會據此安排編曲。