AI 手册 06 · 失败模式与修复速查

AI 生成古风的五大类失败、成因与修复手段。排查顺序建议：先定位是词的问题还是曲的问题（把词单独拿去人声朗读——读着不通是词的病），再按表下药。

6.1 失败模式总表

#	失败模式	典型表现	根因	修复手段
1	中文吐字含糊/吞字	人声含混、多音字读错、句子粘连	中英混排；多音字；前奏过长盖人声；生僻字	同音字替换 → 拼音标注（`nǐ hǎo`/`ni3 hao3`，可能需重 roll）→ `[Pronunciation: 字 = pīn yīn]` 标签；歌词只用汉字、声明 Mandarin；行尾不加标点；逐段生成排查
2	戏腔出不来 / 像普通假声	副歌只有普通女声假音，没有戏曲味	"京剧/戏腔"笼统词无参数意义；戏腔句没有拖腔标记	三件套：style 写 `Beijing Opera vocals, high pitch female vocal hook` + 副歌首句前 `(belting)` + 歌词拖腔"~"（"哎呀呀~ 江山如画~"）；或改用 Cover 功能换戏腔人声；终极方案 X Studio/ACE 逐字雕滑音颤音
3	编曲不古风（电音/西式和弦混入）	古筝+ EDM 鼓组混搭、前半古风后半电音（风格漂移）	泛化风格词被英文训练分布主导；style prompt 过长被截断	Exclude Styles：`Electronic, Synthesizer, Drum Machine, Autotune`；点名真乐器 `guzheng/erhu/pipa/dizi` + `pentatonic scale`；删掉英文流行词；style 控制在关键信息 200 字符内；多次重 roll
4	歌词堆砌空洞（AI 版伪古风）	意象名词连排、无故事、无动词、每首都像同一首	大模型默认行为 = 堆华丽意象	分步问答模板；"每句必须有一个具体动作/细节，禁止连续 3 个以上意象名词"；三维多变法（情绪×视角×冷门意象群）；先写两句话故事再动笔；化用率 30-60% 约束
5	爆款同质化	6415/4536 和声、AI 感人声、结构与全网神曲一样	算法强化最大公约数	Cover 改风格；Persona 建立个人音色；自训 Custom Models（Suno v5.5）；换非常规和声（如 6451 主歌 + 小调 4536 变体）；换冷门意象与非常规曲式（板式结构）

6.2 词阶段专项问题

问题	修复
LLM 无视 JSON 指令直接写歌词（总控路由跑飞）	别重试——输出已是完整歌词就直接采用（"降级直出"），省一次调用
词牌字数对不上（长词牌失败率高）	用短词牌（浣溪沙 42 / 鹧鸪天 55）起步；要求逐句标注字数自检；长词牌拆成两轮生成再拼接
平水韵出韵	喂韵部字表而不是只报名字（LLM 对平水韵记忆不完整）
押韵但句子不通（强行押韵）	加约束"每句必须通顺、允许隔句押"；人工只检查韵脚句的语法
标题永远返回同一个兜底值	思考模型 `<think>` 吃光 max_tokens——预算给到 2000（见 6.5）
每次生成都是"思念+月+酒"	三维多变法 + 明确禁用词表（月/花/酒/青衫/红颜/春风/柳/雨）

6.3 曲阶段专项问题

问题	修复
前奏太长 / 没有人声	歌词区第一行就写 `[Verse]` 直接进主歌；或 style 写 `short intro`；生成后用 Extend 从主歌起点截取
民乐间奏被唱词占用	用 `[Guzheng Solo]` / `[Instrumental Break]` 标签 + 该段不写词
副歌没有记忆点	副歌第 4 句做 ≤4-7 字 Hook 短句；副歌尾句与主歌末句相同（循环洗脑结构）
歌曲戛然而止	`[Outro]` + `[Fade Out]` 标签；或 Extend 补尾奏
全曲 BPM/情绪漂移	style 里锚定 BPM 数值；避免在歌词区写风格描述（混写是漂移主因）
男女声乱入	style 明确 `female vocals only`；歌词区加 `[Female Vocal]`
生成结果每次都不一样、好坏随机	正常随机性：一次出 2-4 版挑选；满意段落用 Cover 保留；音色满意用 Persona 固定

6.4 兜底手段优先级


轻 → 重：

1. 重 roll（同 prompt 多次生成）

2. 改 prompt（换词/加锚定/加 Exclude）

3. 改歌词（同音字替换、拆并句子）

4. Extend / Cover / Remaster（保留好的部分）

5. Persona / Custom Model（音色级控制）

6. X Studio / ACE Studio 重做人声（终极控制）

7. DAW 手工修（剪接两版的好段落、手动混音）

6.5 工程级陷阱（API/管线向，来自本地项目实战）

思考模型吃 max_tokens：起标题等小任务 max_tokens=50 会被 <think> 全部吃掉，永远返回兜底值；highspeed 模型也会思考（reasoning_tokens 1500+）。修复 = 预算 2000。
同步谱曲请求阻塞 1-3 分钟：改异步任务 + 前端轮询；服务重启时把 init/running 僵尸任务标 failed。
LLM-as-judge 打分虚高：加保守锚定（"AI 古风平均 6-7 分"）；音频维度明说"无法听歌，保守 6.0±0.5"；8 维不全时 overall 强制 NULL 而非硬算平均。
prompt 超长截断：MiniMax music prompt 上限 2000 字，超长编曲指令丢失 → 后半首风格漂移。
测试依赖真实 API：做确定性 mock（按 prompt hash 返回假数据），smoke/UI 测试全离线可重复（详见 05）。
宽容解析：对 LLM 的 JSON 输出剥 markdown 围栏、截取首个 { 到末个 }；解析失败但内容可用时直接采用而非机械重试。

6.6 一分钟体检单（发布前）

[ ] 通读歌词：有无堆砌句？有无生僻字？多音字标注了吗？
[ ] 全曲听一遍：风格前后一致？咬字全清？戏腔出现了吗？
[ ] 15 秒内有人声记忆点吗？
[ ] 无突兀电音/西式段落？
[ ] 商用授权确认（平台条款 + 无他人版权词曲）？
[ ] 标注 AI 生成（按发布平台要求）？

五项里破两项 → 回 6.4 兜底阶梯升级处理。