哈啰，我的老伙计们！我是小谱。

你有没有这种感觉：在 V6 里随手堆一串风格标签，出来的歌总是四平八稳、谁听都行，就是没记忆点。平淡的「安全歌」不是模型没本事，是你的短标签给了它太多留白。这篇给你一套能直接抄的风格框书写顺序，外加两条可复制的模板。

平淡歌是怎么来的，短标签等于让它自己发挥

V6 是照文本执行的模型，你写多细它做多细。你只丢「pop, emotional, female vocal」这么几个词，等于把编曲、鼓点、乐器进出、动态起伏全都留给它自己决定。它的默认决定又很保守：乐队在人声下变薄、结尾一直 vamp 到跑完。几个保守默认叠在一起，就是那首「谁都不得罪、也谁都记不住」的安全歌。

想让它出彩，思路得从「描述一张唱片」换成「给每个乐手下指令」。别写这首歌「听起来怎样」，写每件乐器「在每一段做什么」。

风格框书写顺序，流派→人声→鼓→吉他→贝斯→编排→制作→结尾

社区里被反复验证好用的一个书写顺序是这样排的：

Genre 流派 → Vocals 人声 → Drums 鼓 → Guitars 吉他 → Bass 贝斯 → 其他乐器 → Arrangement/energy 编排与能量 → Production 制作 → Ending 结尾

没人能证明模型一定从左读到右，但把人声放第二位、把结尾单独交代，成本为零，收益却实打实。关键是每一项都别只给名词，要写成「它在哪段干什么」的句子。给你一条慢速乡村抒情的完整模板，直接感受密度：

Slow country ballad, 76 BPM, 4/4.
Female lead, warm alto, sings every line rather than speaking it, takes a breath before each line, soft in the verses, opens up in the chorus.
Live drums with brushes, quiet in the verse, full kit from the chorus.
Upright bass, root notes, walks into the chorus.
Pedal steel answers the end of each vocal line, never over the voice.
Sparse verses, wide chorus. Clean ending on a held vocal note.

再来一条硬摇滚的，重点看吉他那句是怎么把乐队摁在人声底下的：

Hard rock, 128 BPM, 4/4, live band feel.
Male lead, gritty mid-range, sings with the riff in the verse, opens up in the chorus, one scream on the last chorus only.
Drums: build four bars in the intro, straight beat in the verse, fill into every chorus, half-time in the bridge.

两条模板你换掉 BPM、人声和乐器就能用，骨架照留。别忘了带上制作类的词，像 analog warmth、tape compression，再配一个明确的 BPM，比一堆空泛形容词有用得多。

说两遍，风格框和段落中括号要逐字一致

光有风格框还不够。V6 会读歌词里的段落 cue，也就是每段开头中括号里的表演指示。所以有个很实用的打法叫「说两遍」：关键指令一次写在风格框，一次以中括号标签写在对应段落歌词的顶部。

比如主歌那段，你可以在歌词里顶一句：

[Verse 1 - riff continues under vocal, palm-muted, drums drive]

它等于在模型真正渲染这一段的那一刻，又把关键指令提醒了一遍。有一点务必注意：两处的措辞要逐字对上。风格框说吉他 drive，段落 cue 也说 drive，别一处 drive 一处 soft。一旦两边打架，V6 解决矛盾的方式往往是把两样都做薄，最后谁都没做好。

测改动前，先把 Variety 关到 0、两个 take 都听

模板抄好了，还有两个设置不动，你根本判断不出模板到底有没有生效。

第一个是 Variety（多样性）。Suno 官方说它的工作方式就是「调整并更新你的风格提示词」，只有调到 0，才能「完全保留对风格标签的控制」。也就是说只要它不是 0，你花十分钟写的那句风格，可能在后台被改写。测模板的时候，务必先把它关到 0。顺带看一眼 Style Influence（风格影响力），它默认只有 50%，等于你精心写的提示词，一半的话语权在生成前就被丢掉了；出来发泛，先来这里查。

第二个坑更隐蔽：V6 同一次生成的两个 take，差异可能比你刻意改一处提示词还大。有人做实验改了一处段落 cue，第一个 take 更差、第二个 take 更好，同一次生成、同样设置，听哪个 take 结论就反过来。所以每次只改一处、两个 take 都听完再下判断，不然你测的是随机噪声，还以为自己悟到了技巧。

顺序理顺、每件乐器交代到位、关键指令说两遍、Variety 归零，这四步做完，你再回头听那首「安全歌」，差距自己就出来了。

↑ 扫码关注谱乐AI官方公众号