把 AI demo 变成能听的成品：分轨、人声、混音母带

这篇假设你已经能用 Suno 生成出一首自己还算满意的歌（篇二、篇三讲的事），现在想让它”听起来不像 AI 随手出的”。 你不需要懂乐理，不需要会看波形，也不需要买任何软件。全篇需要的只是耐心。

全文约 40 分钟。动手部分第一次做大约 1.5 小时，熟练之后一首歌半小时。 第四节（AI 母带）和第五节（导出规格）如果你只是自己听或者配自己的短视频，可以先跳过。

这是 AI 音乐系列六篇的第四篇：

1. AI 写歌到底是怎么回事：动手之前必须先搞懂的原理和三条红线
2. Suno 保姆级教程：从注册到你的第一首完整歌曲
3. 让 AI 听懂你要的那个味道：音乐提示词进阶
4. 本篇——把 demo 变成成品
5. 不只有 Suno：AI 音乐工具全景与本地部署
6. AI 音乐怎么合法地发出去：标识、平台政策与上架流程

先说两个词，后面反复出现：

• demo（小样）——能听出这首歌长什么样，但还没打磨过的版本。AI 直出的就是 demo。
• 后期——歌已经录完之后做的那些事：拆轨、调音量、修音色、统一响度。本篇讲的全部是后期。

零、AI 出的歌为什么听着”糊”

0.1 先做一个 30 秒的实验

拿你最满意的那首 AI 歌，和你手机歌单里任意一首正经发行的歌，用同一个音量、连着切换播放。

绝大多数人会立刻听出三件事：

• AI 那首声音小一截，得手动往上推音量才够
• AI 那首的人声像陷在伴奏里，词听得没那么清
• AI 那首从左耳到右耳的宽度更窄，像所有声音都从中间一个点发出来

这三件事跟”旋律好不好听""AI 唱得像不像人”都没关系。它们是制作层面的差距，也正是后期能修的部分。

0.2 四个听感差别，一个个说

图里那四组对照，翻译成你能听出来的话：

一、响度偏小。 切到你这首歌，得把音量往上推两格。

• 响度——一整首歌听起来”有多大声”的整体感觉，不是某一瞬间的峰值。AI 生成时不会替你考虑”这首歌要和几千万首已发行的歌放在一起”。

二、中频挤成一团。 人声和吉他黏在一起，你能听见有人在唱，但听不清在唱什么词。

• 这里的”中频”你可以不管定义，只记听感：闷、糊、像隔了一层布。成因是人声和木吉他天然占同一段音高区间，谁也不让谁。

三、声场窄。 戴上耳机，所有乐器都挤在脑袋正中间。

• 声场——闭上眼睛时，你感觉到的这支乐队摆得有多宽。

四、动态忽大忽小。 主歌太轻要凑近听，副歌一上来又突然吵。

• 动态——一首歌里最轻的地方和最响的地方差多少。差太多就是”忽大忽小”。

0.3 后期能修多少，不能修多少

这是本篇最重要的一句话，图里也写了：

后期能把 demo 抬高一档，但救不了一首生成得就不对的歌。

具体点说：

后期修得了：

• 响度不够、和别的歌切换要调音量
• 人声被伴奏盖住、词听不清
• 整首歌闷、糊
• 主歌太轻副歌太吵
• 结尾收得突兀（可以自己剪一个淡出）

后期修不了：

• 旋律不好听
• 唱词吐字含糊、把字唱错、唱出奇怪的音节
• 编曲本身就单薄（只有两件乐器在那儿撑三分钟）
• 副歌不炸——这是写出来的，不是调出来的
• 风格跑偏（你要民谣它给你摇滚）

所以正确的顺序是：**先回篇二、篇三多抽几次卡，挑到一版你听三遍都不腻的，再开始做后期。**在一版本来就不行的素材上花两小时，是这件事上最常见的浪费。

0.4 这一节的结论

后期不是”让歌变好听”，是”让一首本来就还行的歌，不在别人的播放器里吃亏”。

期望值放在这里，后面每一步你都不会失望。

一、分轨：把一首歌拆成人声和伴奏

1.1 什么是分轨，为什么必须先做

分轨（stem separation）——把一首已经混好的歌，重新拆回成”人声一条、伴奏一条”这样的独立音轨。英文里每一条叫一个 stem。

为什么必须先做：没拆开之前，你什么都调不了。

• 想把人声调大一点？没拆开，你只能把整首歌一起调大，人声和伴奏的比例纹丝不动。
• 想把伴奏的浑浊感去掉？没拆开，你一动就把人声也一起削了。

拆开之后你才有两个（或更多）独立的东西可以分别处理。这就是后期的起点。

副产品也很有用：只要伴奏可以给视频配 BGM、做卡拉 OK 版；只要人声可以换一个伴奏、或者做一段清唱。

1.2 三条路怎么选（截至 2026-07-23）

图里给了三条路，各自的适用人群非常清楚：

• 你已经订了 Suno 的付费档、歌也是 Suno 生成的 → 用 Suno 自带的，别折腾。
• 你要处理的音频不在 Suno 里（比如别处生成的、或者自己录的）、又不想装软件 → LALAL.ai。
• 你要长期做、量大、或者在乎成本和商用授权 → Demucs，本地跑，免费。

下面逐条说，价格与功能一律以调研当日抓取为准，具体条款请以官网当前页面为准。

1.3 方案一：Suno 自带（截至 2026-07-23）

能力边界：

• Free 档没有分轨功能，而且免费档明确禁止商用。要做后期，至少得是 Pro。
• Pro 档 2 种分轨：Auto Split、Split from Mix。
• Premier 档 3 种：多一个 Advanced Split。

三种模式各是什么（官方 release notes，2026-06-11 更新）：

• Auto Split——经典款，一次输出 12 类 stem。对小白来说这是默认选项。
• Split from Mix——你指定抽出某一件乐器或人声，它给你两条轨：“它” + “其余全部”。想单独动人声时最省事。
• Advanced Split——从近 100 种乐器里挑要拆什么。仅 Premier 档可用。

优点： 不用离开 Suno，不用上传下载，跟着订阅走，不额外花钱。

限制（图里标黄的那条）： **只能处理 Suno 里的歌。**你在别处生成的、或者自己手机录的东西，进不来这条路。

1.4 方案二：LALAL.ai —— 计费方式最容易算错（截至 2026-07-23）

这是本节最需要你花两分钟看懂的地方。

它的档位（官网 pricing 页，2026-07-23 抓取）：

• Starter：永久免费，总共 10 分钟额度（一次性，不是每月）
• Lite：约 $7.5/月
• Pro：约 $15/月

年付折算价在页面上的表述本次抓取到的口径不一致，具体请以官网当前价格页为准。

付费档的队列机制（这点很多人搞反）：

• 付费档 = Relaxed Queue 分钟数无限 + Fast Queue 固定额度
• Fast Queue 额度：Lite 90 分钟/月，Pro 250 分钟/月
• 两个队列分离质量完全一样，只差排队速度
• 不能手动切换：每月先自动走 Fast，用完自动转 Relaxed
• VST 插件、桌面端本地处理、API 仅 Pro 档

1.5 那个必须算的算例

计费公式：分钟数 = 文件时长 × 你要分离出的 stem 类型数。

注意是乘，不是加，也不是”一首歌算一次”。

算例一：一首 3 分钟的歌，只要人声和伴奏两种

3 分钟 × 2 种 = 6 分钟额度

算例二：同一首 3 分钟的歌，想拆成人声、鼓、贝斯、其他四种

3 分钟 × 4 种 = 12 分钟额度

同一首歌，什么都没变，只因为多勾了两个类型，额度消耗翻了一倍。

这个坑长什么样：

• 免费档 10 分钟。你以为”够拆三首歌”。
• 实际：第一首 3 分钟的歌拆 2 种，用掉 6 分钟，剩 4 分钟。
• 第二首同样长度同样拆法需要 6 分钟，不够了。
• 免费额度实际只够一首歌，加上一小段试验。

买 Lite 档的人也会犯同样的错：

• Fast Queue 90 分钟/月，很多人心算”90 ÷ 3 = 每月 30 首”。
• 每首拆 2 种，实际 90 ÷ 6 = 15 首。
• 每首拆 4 种，实际 90 ÷ 12 = 7 首多一点。

按”几首歌”估额度的人，普遍会买少一半以上。 正确做法是先按”总时长 × 平均类型数”算一遍再决定档位。

一个缓解办法： 付费档的 Relaxed Queue 分钟数无限、质量完全一样。所以对付费用户来说，Fast 额度用完不等于不能干活，只是要排队等。真正被这个公式卡死的，是免费档用户。

1.6 方案三：Demucs —— 免费、可商用、要用命令行

Demucs（开源，Meta 系，仓库 https://github.com/adefossez/demucs ）：

• MIT 许可，代码与项目均为 MIT
• 本地跑、免费、可商用
• 它是所有在线分轨服务的事实基线——很多商业服务底下跑的就是这一类模型

为什么值得推荐给认真做的人：

• 没有分钟额度，没有类型数乘法，拆多少次都不要钱
• 音频不上传到别人服务器
• MIT 许可意味着商用没有授权障碍——这在整篇里是难得的、不会过期的确定性

代价（图里标黄的那条）： 命令行，第一次配置要花时间。

最简路径（以仓库 README 当前说明为准，下面只是形状）：

1. 装 Python（3.9 以上），装的时候勾上”加入 PATH”
2. 打开终端 / 命令提示符
3. 装它：pip install -U demucs
4. 拆一首歌：demucs 你的歌.mp3
5. 等它跑完，在自动生成的输出文件夹里找到分好的几条 wav

第一次跑的三个心理准备： 首次运行会下载模型文件（几百 MB 起，要等）；纯 CPU 也能跑，就是慢（一首 3 分钟的歌可能要十几分钟）；报错基本都出在 Python 环境上而不是 Demucs 本身，把报错整段贴给 AI 问通常五分钟内能解决。

1.7 还有一个：Moises

Moises（https://moises.ai/ ）官网确认有免费档（每月有限次上传 + 部分功能），完整价目表需登录后才可见——具体档位与价格本次未查证，请以官网当前条款为准。

定位上它介于 LALAL.ai 和 Suno 之间：网页/App 操作，功能比纯分轨多。如果你想再多试一家，可以看它。

1.8 分轨这一步的验收标准

拆完之后，分别单独听一遍：

• 人声轨：听得清词，背景里有一点点伴奏残留是正常的
• 伴奏轨：听不到明显的人声，偶尔飘过一点气声可以忍

如果人声轨里有明显的”水声""咕噜声""像在水下唱歌”，翻到第七节看修法。

二、人声这条线（含法律红线）

这一节先讲红线，再讲能做什么。顺序不能反。

2.1 红线：不要克隆真人歌手的声音

这不是建议，是明确的红线。

海外平台已经明文禁止。 Spotify 在 2025-09-25 的政策发布中直接写：未经授权使用 AI 克隆艺人声音，是对其身份的剥削，破坏其艺术性，威胁作品的根本完整性。Spotify 的冒名（impersonation）政策当日立即生效。同一份政策里 Spotify 也说明：部分艺人可以选择授权自己的声音给 AI 项目，“选择权必须留在艺人手里”。

国内同样有法律风险。 中国法下，自然人的声音受人格权保护（《民法典》人格权编规定声音参照适用肖像权保护的规定）。

具体条文编号本篇不引用——调研时未核对原文条号，你如果要在正式文书里引用，请自行核实条号后再用。

“AI 翻唱”是重灾区。 拿别人的歌 + 明星的音色做 AI 翻唱，同时踩三条线：

1. 录音版权
2. 词曲著作权
3. 声音 / 人格权

而且——标注”AI 生成”不能免除这三项责任。这是国内合规解读普遍强调的一点（二手来源）。

后果不是”被举报了删掉就行”：

• 平台侧：下架、账号处罚，Spotify 的冒名政策是立即生效的那种
• 民事侧：被克隆者可以主张人格权侵权
• 如果你还拿它变现了，性质会更重

本篇不提供任何绕过手段，也不提供克隆他人声音的操作步骤。 开源工具确实存在（比如 RVC 这类音色转换项目），但开源”免费”不等于”合法”，它不提供任何法律保护，出事全部由使用者承担。这一点必须说清楚。

2.2 合规路径一：用工具自带的授权音色

这是最省事、最安全的一条。

它是什么： 工具方自己准备好、并且已经拿到授权的虚拟歌手音色。你只管选一个、给词、让它唱。

为什么安全： 声音的授权链条在工具方那边，不在你身上。

典型场景：

• Suno 直接生成时，用 Style 框里的人声描述（比如贯穿案例里的”男声, 微微沙哑的气声”）——这本身就是在选授权音色，只是它不给你列表挑
• 专业歌声合成软件里，选一个内置歌手

代价： 音色不是你说了算，你只能在它给的范围里挑，而且描述词是概率性的——同一句描述，两次生成可能给你两种嗓子。

2.3 合规路径二：克隆你自己的声音

这条路的核心前提只有一句：被克隆的人是你本人，你能对这份授权负责。

Suno 的 Voices 功能（官方 release notes，2026-03-26 随 v5.5 上线）：

• 你录制或上传自己的声音，之后让 Suno 用你的嗓音演唱
• 同批还上线了 Custom Models：上传自己作品集里至少 6 首曲子，训练一个属于你的 v5.5 变体

做这件事之前的三个提醒：

• 只用你自己的声音。 用室友的、用某个视频里的、用你喜欢的歌手的——全部越线。
• 看清工具的条款。 你上传的声音样本被怎么使用、能不能删除，各家写法不同，以官网当前条款为准。
• 录制质量决定上限。 安静的房间、离麦克风一拳距离、不要贴着手机吼。这一步糊了，后面全糊。

一个诚实提醒： 大多数人第一次听到”用自己声音唱的 AI 歌”会觉得别扭，因为你熟悉的是自己颅骨里听到的声音，不是别人听到的那个。这不是工具的问题，多听几遍就适应了。

2.4 专业歌声合成软件：只讲定位

如果你想更精细地控制每一个字怎么唱，有一类专门的软件，叫歌声合成——你输入歌词和旋律，它用虚拟歌手唱出来。

两个常被提到的：

• Synthesizer V Studio 2 Pro（Dreamtonics）：定位更像”可精细控制的 AI 歌手插件”
• ACE Studio 2：定位更像”一体化 AI 人声制作环境”，价格高一个数量级

两者的具体价格，调研时只拿到二手来源（搜索摘要与论坛），未核到官方商店页，本篇不写数字。请以各自官网为准。 上面的定位差异同样来自二手来源。

适合： 你已经会写旋律或能自己哼出来，且要的是”这一个字的尾音怎么收”这种级别的控制。

不适合： 只想让一首 AI 歌听起来更好——那不是它解决的问题，这一段你可以跳过。

三、混音：只做三件事就够

3.1 先把期待放对位置

混音——把已经拆开的几条轨，重新调成一个好听的整体。

打开任何一个音频软件，你会看到上百个参数。现阶段你只需要动三个，图里那三个。剩下的全都可以不碰。

图里最下面那句话就是这一节的验收标准：

这一步的目标不是”专业”，是”不难听”。听三遍还挑不出毛病就可以收工了。

3.2 顺序不能反

图里标黄的那条最重要：

先平衡音量，再去浑浊，最后压缩。顺序反了会反复推倒重来。

为什么：

• 你先去浑浊，再调音量——音量一变，刚才削掉的量又不对了，得重削
• 你先压缩，再调音量——压缩的效果跟输入音量直接相关，音量一变，压缩全白调

顺序反了不会出错，只会让你把同一件事做三遍。

3.3 旋钮一：音量平衡

做什么：把人声调得比伴奏再大一点点。

• 找到每条轨的音量推子（每个软件都有，长得像一根可以上下拖的滑杆）
• 先把伴奏定在一个舒服的位置，再一点点往上推人声
• “一点点”是真的一点点，推过头会显得人声浮在外面，跟伴奏脱节

判断标准（图里给的）：手机外放能听清词。

这个标准比戴耳机严格得多，而且更接近真实收听场景——大部分人听你的歌就是拿手机外放。手机外放能听清，戴耳机一定没问题。

这一步做完的感觉： 你会发现”AI 歌听不清词”这个毛病，有一多半在这里就解决了。

3.4 旋钮二：去浑浊

做什么：把 200 到 400 赫兹轻轻减一点。

先解释这句话里唯一的术语：

• 赫兹（Hz）——描述声音高低的单位。数字越小，声音越低沉；数字越大，声音越尖细。
• 200 到 400 赫兹大致是”男声胸腔共鸣、木吉他箱体嗡嗡声”待的那一片。这一片东西堆多了，整首歌就闷。
• EQ（均衡器）——一个可以”把某一片高低区间调大或调小”的工具。每个音频软件都有，通常就叫 EQ 或均衡。

怎么做：

1. 在伴奏轨上找到 EQ / 均衡器
2. 把频率设在 200–400 之间
3. 轻轻往下减——减 2 到 3 个单位就够，不要减一半
4. 来回开关这个 EQ，对比听

判断标准（图里给的）：不再有”闷罐子感”。

“闷罐子感”就是那种整首歌像装在纸箱里放出来的感觉。减掉之后，人声会自己往前浮一层。

三个提醒： 只减不加（小白阶段加什么都是灾难）；优先减伴奏不减人声（人声减多了会变薄变尖）；减完觉得”变空了”就是减多了，往回退一半。

3.5 旋钮三：控动态

做什么：给人声加压缩，比例三比一起步。

• 压缩器（Compressor）——一个”自动帮你压住太响的地方”的工具。你唱轻的时候它不管，唱重超过某个线之后它把超出的部分按比例压下去。
• 三比一是压缩比例：超出的部分只让它长三分之一。这是最常用的温和设定。

怎么做：

1. 在人声轨上找到压缩器
2. 比例（Ratio）设成 3:1
3. 慢慢往下调阈值（Threshold，就是”从多响开始压”那根线），直到你看到它在副歌时有一点点动作
4. 压完整体会变小一点，用输出增益补回来

判断标准（图里给的）：轻声和重声一样清楚。

也就是主歌你不用凑近听，副歌不用躲。

最容易犯的错： 压太狠。压过头的表现是整首歌像被按住了，没有起伏，副歌上来一点都不激动。宁可压得不够，也不要压过头。

3.6 用什么软件（图里给的免费选项）

图里给出的三个免费够用的选择：

• Reaper（试用期无限）
• Audacity
• GarageBand（macOS 自带）

这三个是配图给出的选项。它们各自的授权条款、试用规则请以各家官网为准。

这类软件统称 DAW——数字音频工作站，就是”把多条音轨摆在一起编辑”的软件。

怎么挑： 用 Mac 又想快点做完选 GarageBand（开机就有）；想要一个能长期用下去的选 Reaper；只想剪一剪、加个淡出，Audacity 就够。

本篇不给具体菜单路径。 各家 DAW 的菜单结构、版本差异都很大，写死了反而误导。你需要在界面上找的东西只有三个：音量推子、EQ、压缩器。这三个词在任何一个 DAW 里都存在，找不到就搜这三个词。

3.7 三个旋钮之外，唯一值得多做的一件事

给结尾加一个淡出。

AI 生成的歌经常收尾很突兀——上一秒还在唱，下一秒就没了。

做法：在最后两三秒把整体音量拉一条斜线到零。任何 DAW 都支持，通常叫 fade out 或淡出。

这一下的性价比，比你调半小时 EQ 都高。

四、AI 母带：能做多少，做不了多少

4.1 母带是什么

母带（Mastering）——把整首歌的音量和音色做最后一次统一，让它和别的歌放在一起时不吃亏。

注意和混音的区别：

• 混音处理的是多条轨之间的关系（人声和伴奏谁大谁小）
• 母带处理的是已经合成一条的整首歌（这一首和别人那一首比，够不够响、够不够亮）

母带是后期的最后一步。混音没做好，母带只会把问题一起放大。

4.2 诚实说明：母带救不了一首生成得就不对的歌

这句话必须放在工具介绍前面。

母带能做的： 把响度拉到跟正经发行的歌一个档次、让整体的明亮度和厚度更接近你听惯的质感、抹掉一点点”业余感”。

母带做不了的：

• 人声被伴奏埋住——那是混音的事，母带只会把埋住的状态一起放大
• 唱词吐字不清——母带对此完全无能为力
• 编曲单薄——响度拉起来只会让单薄更明显
• 旋律不好听——不解释了

一句总结：母带是给一首已经站得住的歌做的最后一层抛光，不是修补。

4.3 工具（截至 2026-07-23）

LANDR（https://www.landr.com/pricing/ ）：

• 在线 AI 母带的老牌选手，产品线还包括发行、采样、插件、分轨、AI 作曲、母带 API
• 有一个 “Fair Trade AI Program” 页面
• 具体价格档位本次未查证（页面价格为动态渲染，未抓到数字），请以官网当前条款为准

iZotope Ozone 12：

• 2025-09 发布，新增 3 个模块、升级了 AI Master Assistant、Maximizer 新增 IRC 限幅算法
• 定位：装在你自己的 DAW 里的插件，比在线服务可控，但要学
• 价格：媒体报道为 Elements $55 / Standard $219 / Advanced $499——来源为搜索摘要与媒体评测，官网抓取被限流，本篇标为待核，请以官网为准

4.4 一条几乎不花钱的路

如果你只是想让歌不那么小声，其实不一定要买母带工具：

• 大多数 DAW 自带一个叫 Limiter（限幅器） 的东西——作用是”给整首歌设一个天花板，不许超过”
• 挂在整首歌的输出上，把天花板设在略低于最大值的位置，然后慢慢往上推输入
• 推到你觉得”够响了”就停，不要推到听起来被压扁

这个做法拿不到商业母带的水准，但能解决”我的歌比别人小一半”这个最刺眼的问题。

4.5 这一节可以跳过的情况

• 你的歌只给自己听
• 只是配自己的短视频（视频平台大多会自己处理响度）

这两种情况下，跳过母带，直接导出，差别小到你不会在意。

五、导出规格对照

5.1 三种用途，三套做法

用途一：上传到流媒体平台。 格式优先选无损（WAV），工具只给 MP3 就选最高码率；必须做母带。

• 为什么要无损：平台会自己再转码一次。你给的是已经压过的 MP3，它再压一次，损失是叠加的。

用途二：给短视频配乐。 MP3 就够，文件小、上传快；响度不用纠结，短视频平台自己会调。

• 这种用途更该在意的是长度和卡点，不是音质。

用途三：自己听 / 发给朋友听。 MP3 最高码率，母带可跳过。

• 记得留一份没压过的原始文件，将来想重做还有素材。

5.2 响度这件事的诚实说法

主流流媒体平台都会把所有歌统一到自己的响度标准上：你的歌如果太响，平台会把它压下来；太轻，有的平台会拉上去，有的不管。

所以”我把歌做得越响越好”是错的——做过头只会被平台压回去，还顺带把动态压没了。

**具体的响度数值，各平台不同、且会调整，本篇不给数字。**请以你要上传的平台当前的创作者文档为准。

不用数字也能判断的土办法：

1. 找一首和你风格接近的、正经发行的歌
2. 在同一个播放器里，把你的歌和它接连播放，不要动音量
3. 如果你的歌明显小 → 还需要提响度
4. 如果明显更响、而且听着累 → 提过头了，往回退

这个办法不精确，但对本篇的读者来说完全够用。

5.3 导出前必须做的一件事

加 AI 标识。

《人工智能生成合成内容标识办法》2025-09-01 已经施行，对音频有明确要求：

• 显式标识：在音频的起始、末尾或中间适当位置加语音提示或音频节奏提示
• 文件层面：提供下载、复制、导出功能时，文件中必须含有符合要求的显式标识
• 隐式标识：在文件元数据中加入内容属性、服务提供者信息、内容编号
• 不得删改：任何组织和个人不得恶意删除、篡改、伪造、隐匿标识

完整的操作步骤在篇六。这里只需要你记住一件事：

标识要在导出之前想好，不是上传时再补。

六、动手：把《末班地铁》做成成品

用贯穿全系列的那首中文都市民谣走一遍完整链路。

先说清楚：**这首歌的歌词是人写的，AI 负责的是编曲和演唱。**本系列从不暗示”AI 全自动产出一首好歌”。

6.0 链路总览

图里那条链路是五步：

挑出最好的那版 → 分轨 → 混音（三个旋钮）→ 母带 → 导出

图里还标了两句话，都要记住：

• “挑出最好的那版”是最关键的一步，挑错了后面全白费
• 中间三步加起来，熟练之后一首歌半小时

图里也写明了可以跳过的情况： 只是自己听、或者配自己的短视频，挑对版本 + 导出就够了。必须做的情况：要上传到流媒体平台，响度不对齐会被平台自动压，听感变差。

6.1 第一步：挑版本（最关键，别省这半小时）

回到篇二、篇三生成的那一批《末班地铁》。不要拿最后生成的那一版，拿最好的那一版。

挑版本的四个标准，按重要性排序：

1. 副歌那四句唱得对不对。“今天也没什么不好 / 只是有点想早点睡觉”——这两句要能听清、断句自然。副歌不行，整首废。
2. **有没有明显的唱崩。**吐字含糊、字唱错、冒出奇怪音节。这些后期修不了。
3. **主歌到副歌的过渡顺不顺。**有没有突然换个人唱的感觉。
4. 整体氛围对不对。“深夜感”在不在，木吉他和电钢的比例舒不舒服。

具体动作：

• 把候选版本连着听三遍，只听副歌
• 淘汰掉所有有明显唱崩的
• 剩下的完整听一遍，选一个
• 下载下来，存成一个单独的文件夹，文件名带上日期

这一步花的时间，是整条链路里回报最高的。

6.2 第二步：分轨

按第一节选的方案来。这里以最常见的两种情况举例：

如果你有 Suno Pro：

• 直接用 Auto Split（一次输出 12 类）或 Split from Mix（抽出人声，给你”人声 + 其余”两轨）
• 对《末班地铁》来说，Split from Mix 抽人声就够了——这首歌的后期主要是处理人声和伴奏的关系，不需要把鼓刷单独拆出来

如果你用 LALAL.ai 免费档：

• 只勾人声这一种类型
• 这首歌假设 3 分 10 秒，那么消耗 ≈ 3.2 × 2 = 6.4 分钟额度（人声 + 伴奏算两种）
• 免费的 10 分钟额度，这一首就用掉三分之二
• 所以：先确认版本挑对了再拆，不要拿三个候选版本各拆一次

如果你用 Demucs：

• 一条命令下去，输出文件夹里会有拆好的几条 wav
• 拆几次都不要钱，可以放心把三个候选版本都拆了对比

拆完的验收： 单独听人声轨，词清楚、背景有轻微伴奏残留正常；单独听伴奏轨，没有明显人声。

6.3 第三步：混音三个旋钮

打开你的 DAW，把人声轨和伴奏轨拖进去，确认两条轨都从 0 秒开始（这是对齐的关键，见第七节）。

然后严格按顺序：

旋钮一 · 音量平衡

• 伴奏定住，人声一点点往上推
• 这首歌是民谣，人声是主角，人声要比伴奏明显靠前
• 拿手机外放听副歌那四句，能听清词就停

旋钮二 · 去浑浊

• 在伴奏轨上挂 EQ
• 200–400 赫兹轻轻减 2–3 个单位
• 这首歌的浑浊主要来自木吉他的箱体共鸣，减完之后人声会自己浮起来
• 开关对比，觉得”变空”就退回一半

旋钮三 · 控动态

• 在人声轨上挂压缩器
• 比例 3:1，阈值慢慢往下调，直到副歌时它有一点点动作
• 这首歌的人声是”微微沙哑的气声”，压太狠会把气声压没，宁轻勿重
• 压完用输出增益把音量补回来

做完听三遍。挑不出毛病就收工，不要继续调。

6.4 第四步：母带（要上平台才做）

• 把整首歌导出成一条完整音频
• 挂 Limiter，或者送去在线 AI 母带服务
• 用 5.2 的土办法和一首正经发行的都市民谣做 A/B 对比
• 不要追求比参考曲更响，做到接近就停

6.5 第五步：加标识，然后导出

顺序是：加标识 → 导出。不是导出 → 再想办法补。

图里那段黄底提示写得很直白：

音频提示音、文件显式标识、元数据隐式标识——三样都要，且不能事后删改。很多人做完母带直接上传，结果卡在平台审核上。

具体每一样怎么加，见篇六。

导出格式按第五节的三种用途选：

• 上平台 → WAV
• 配短视频 → MP3
• 自己听 → MP3，另存一份原始文件

6.6 一次完整流程的时间账

第一次做，诚实的预估：挑版本 30 分钟、分轨 10 分钟、混音 40 分钟（第一次要找菜单）、母带 10 分钟、加标识和导出 10 分钟。

合计约 1 小时 40 分钟。 第二首开始会快很多，稳定之后就是图里说的半小时。

七、翻车速查

7.1 分轨出来有”水声”

症状： 人声轨听着像在水下唱，有咕噜声、金属味的伴音。

原因： 分轨模型在人声和伴奏重叠得特别厉害的地方”猜错了”，留下了处理痕迹。这在 AI 生成的歌里更常见，因为它的混音本来就挤。

修法，按顺序试：

1. 换一个分轨方案。 同一首歌用 Suno 自带和用 Demucs，结果可能差很多。
2. 换成只拆两类。 拆的类型越多，每一类的痕迹越明显。只要”人声 + 其余”通常最干净。
3. 接受它。 把人声和伴奏合回去之后，水声通常会被伴奏盖掉大半。单独听人声轨有水声，不代表成品有问题。
4. 换一版素材。 如果这一版本来就混得特别糊，回去挑别的版本。

不要做的： 疯狂加 EQ 去修水声。修不掉，只会把人声修坏。

7.2 人声和伴奏对不齐

症状： 合起来听有回声感、有轻微的双重人声、节奏发飘。

原因： 两条轨的起始位置差了一点点。绝大多数情况是导入 DAW 时有一条被拖歪了几毫秒。

修法： 先检查两条轨是不是都严格从 0 秒开始（这一条能解决九成的情况）；把两条轨都拖到最左端对齐，不要凭眼睛估；还不对就重新分轨一次——分轨工具本身不会改变时长，对不齐几乎一定是操作问题。

预防： 分轨得到的所有文件一起导入、一次性对齐，不要今天拖一条明天拖一条。

7.3 导出后声音变小了

症状： 在 DAW 里听着好好的，导出的文件放到播放器里明显变小。

三种可能，逐个排查：

1. 导出时选了”归一化”之类的选项，把整体拉回了更低的标准值。找到导出设置里的相关勾选项，关掉重试。
2. 母带没做，或者做完忘了把增益补回来。 压缩和限幅本身都会让整体变小。
3. 对比对象变了。 DAW 里是单独听，播放器里是跟别的歌比——这不是变小，是本来就不够响，回第四节做母带。

7.4 手机上听着不对

症状： 电脑耳机上听很好，手机外放一放，人声不见了 / 低音全没了 / 变得很尖。

原因： 手机喇叭几乎发不出低音，而且是单声道。你在耳机里精心调的那些平衡，到手机上会全变形。

修法：

1. 把手机外放当成主要验收环境，不是备选。整个混音过程中至少用它听三次。
2. 如果手机上人声不见了 → 回到旋钮一，人声还要再推一点。
3. 如果手机上很尖 → 说明你在耳机上把高频加多了。小白阶段的建议还是那句：只减，不加。
4. 如果手机上低音全没了 → 这是正常的，不用为了手机去加低音，那会让耳机上听起来一团糟。

7.5 混音越调越糟，不知道该退到哪一步

症状： 调了两小时，现在还不如刚拆完的时候好听。

原因： 顺序反了，或者每个旋钮都动过了头。

修法： 把所有 EQ、压缩器全部旁通（bypass），退回只有音量推子的状态，然后按顺序重来一遍：音量平衡 → 去浑浊 → 控动态。每一步做完存一个版本，下次不用从头再来。

心法： 这一步的目标是”不难听”，不是”专业”。听三遍挑不出毛病就该收工了——继续调下去，多半是往回调。

7.6 LALAL.ai 额度突然不够了

症状： 以为够用三首歌，第二首就提示额度不足。

原因： 你按”几首歌”估的额度，而它按时长 × 类型数算。见 1.5 那个算例。

修法： 按”总时长 × 每次要拆的类型数”重新算一遍；减少类型数（绝大多数后期只需要”人声 + 伴奏”两类）；或者改用 Demucs——本地跑、没有额度概念、MIT 许可可商用。

7.7 速查表

最后一行是这一节最重要的一行。

八、下一步

8.1 这一篇给了你什么

一套判断”这首歌差在哪”的听感语言（不需要乐理）、三条分轨路线和一个不多花钱的算例、一条不踩法律红线的人声路线、三个旋钮和一个不能反的顺序、一条从挑版本到导出的完整链路。

8.2 如果你还想继续

想知道除了 Suno 还有什么、以及怎么不花钱 → 篇五：不只有 Suno

那一篇讲：按用途选工具的决策树、纯 BGM 工具的授权差异（有一家的免费档版权不归你）、开源本地部署的真实硬件门槛、本地和云端的成本对照。

想把这首歌合法地发出去 → 篇六：发布与变现

那一篇讲：AI 标识具体怎么加（本篇第 5.3 和 6.5 欠你的那部分）、Spotify / Apple Music / YouTube 的披露要求、怎么不被当成 spam、发行商怎么选、以及三条变现路径的诚实评估。

如果你觉得这首歌本身还不够好 → 回到篇三继续调提示词。

再说一次本篇开头那句话：**后期能把 demo 抬高一档，但救不了一首生成得就不对的歌。**素材不行的时候，回去重抽比在 DAW 里坐一下午划算得多。

8.3 保质期提醒

本篇涉及价格、档位、功能的内容（第 1.3、1.4、1.7、4.3 节）全部截至 2026-07-23。

这个领域的价格和额度大约半年一变，Suno 的功能和条款变得更快。你读到这篇时如果距离上面这个日期已经超过一个季度，请把这几节当成”结构参考”，具体数字一律以各家官网当前页面为准。

不会过期的部分只有三样：

• 三个旋钮的顺序
• “母带救不了生成得就不对的歌”
• 不要克隆真人歌手的声音