一个 AI 音乐生成 skill：给视频配乐、做翻唱、分离音轨

来源：GitHub 仓库 calesthio/OpenMontage 文件 1 个，SKILL.md 语言：英语

一个 AI 音乐生成 skill。

它基于 ACE-Step 1.5（MIT 协议），通过 tools/music_gen.py 运行，跑在 RunPod serverless 上。

它的能力：

• text2music（默认）：从文本 prompt + 可选歌词生成音乐
• cover：从参考音频做风格迁移
• extract：分轨——从混合音频分离出人声、鼓、贝斯、吉他、钢琴等
• repaint（未来）：重新生成特定时间段
• lego（未来）：在现有音频上下文中生成单个乐器轨
• complete（未来）：扩展不完整作曲

有 8 个场景预设：corporate-bg、upbeat-tech、ambient、dramatic、tension、hopeful、cta、lofi

提示词工程要点：

• Caption 分层描述：风格、情绪、乐器、音色、年代、制作、人声
• 歌词格式：结构标签 [Verse]、[Chorus]，人声控制 [raspy vocal]，能量指示（大写 = 高音强，括号 = 背景人声）
• 每行 6-10 个音节，节奏更自然
• BPM 和 key 用 metadata 参数，不要写进 caption

视频制作集成：

• 不同场景类型有对应的音乐预设
• 背景音乐和旁白混合时，音乐音量 10-20%
• 用 --brand <name> 加载品牌提示
• 用 --seed 42 固定种子，保证项目内声音一致

技术细节：

• 输出 48kHz MP3/WAV/FLAC
• 时长 10-600 秒
• BPM 30-300
• GPU 推理约 2-3 秒

适合谁：

• 做科普视频、教学视频的科研小组成员
• 需要背景音乐、人声、翻唱、分轨的人
• 想把音乐和视频制作流程结合起来的人

用法： 把 SKILL.md 内容复制到你的 AI 工具里，描述你想要的音乐风格就行。