哈啰，我的老伙计们！我是小谱。

V6 出来的人声，是不是经常平平地把词念完，音准在线、情绪为零，像 AI 在读稿。病根不在模型不会唱，在你只描述了风格，没描述「怎么唱」。这篇给你几个能直接用的表演词，把人声从「念」调成「演」。

「念词」的病根，你没告诉它这句该怎么处理

想通前几篇讲的那条就明白了：V6 照文本执行，你没写的它替你定。你在风格框写「emotional female vocal」，它只知道「要个有感情的女声」，至于这句是轻声贴着麦、还是推上去撑满，是换气之后再进、还是一口气顶到底，你没说，它就按最保险的方式处理，出来当然像念稿。

人声要有表现力，靠的不是「emotional」这种形容词，是把演唱动作写清楚。

表演动词，holds / breathes / pushes / pulls back

有一组词专门用来描述人声「怎么唱」，比任何形容词都好使：

holds（保持、拖住）、breathes（换气）、pushes（推上去）、pulls back（收回来）

你把它们写进风格框，人声立刻从「念」变成「演」。比如「takes a breath before each line（每句前换口气）」「holds the last word of each chorus line for a full bar（副歌每句最后一个词拖满一小节）」「soft and close to the mic in the verses, opens up and pushes in the chorus（主歌轻声贴麦，副歌打开推上去）」。同一句歌词，加不加这些动词，唱出来完全是两个人。

还有个配套小动作特别管用：把拉长的元音直接写进歌词页面。想让它把某个字拖长，你就在词里把那个字拉长，比如 Sta-a-ay, just one more ni-i-ight.。它会照着你写的样子去处理时值，这比在风格框里描述「拖长」直观多了。

证据，只写在段落里的「whispered」，它真读到了

你可能会怀疑：这些词是不是玄学，模型真会读吗？有个实测很能说明问题。

有人给成品做描述时，V6 自己写出了这么一句：这首歌有「intimate chest-led Italian verses and a whispered French bridge（亲密的、胸腔主导的意大利语主歌，和一段气声的法语桥段）」。关键在于，Italian、French、whispered 这三个词，风格框里一个都没有，它们只写在歌词的段落 cue 里，像 [Bridge | Female — Whispered, pitch drifting slightly on the hold] 这样。

这就证实了：V6 确实会逐段读取你在中括号里下的表演指示，并且用了出来。反过来说，如果你的歌词只有光秃秃的 [Verse][Chorus]，等于把一大块控制人声的空间白白让了出去。想让哪一段怎么唱，就在那段的中括号里写明白。

还是发闷？换 v6-wild 兜底

动词也加了、段落 cue 也写了，人声还是闷、还是没感情，怎么办？有个用户的经历可以参考：他在 v6 上得到的是「闷、没有感情的人声」，换到 v6-wild、把 Weirdness 拉到 20 左右、Style Influence 提到 80 左右，人声就变得能用了。

说清楚，这只是一个人的实测参数，不是通用公式，你的曲风、音色不一样，数值大概率得自己调。它的价值在于给你一条兜底思路：v6 主打精确，但精确有时候会把人声磨得太干净、太没棱角；这种时候 v6-wild 的那点「不受控」，反而能把感情找回来。多花一次生成的事，值得一试。

把演唱动作写进风格框、把表演指示写进段落、该拖长的元音在词里拖长，这三步做完，你那段一直在「念词」的人声，自己去跑一遍就知道能差出多少。

↑ 扫码关注谱乐AI官方公众号