做了个生成说唱歌曲的 Web 工具 RapSongGen，聊下开发过程和目前还存在的问题

最近上线了一个专门做说唱音乐生成的 Web 小工具 RapSongGen（目前是英文界面）。趁着基础流程跑通，来分享下我实际做了什么、现在出歌的效果到底怎么样，以及还有哪些没解决好的地方。

为什么做这个

现在通用的 AI 音乐生成工具其实不少，但如果你只想做一首说唱，直接用通用工具往往得自己研究怎么在提示词里塞各种风格标签和描述。

当时做这个项目的想法很简单：把说唱生成里最常调的曲风、人声偏好和 BPM 拆成直观的页面选项，省去每次拼凑复杂提示词的麻烦，让手里有一段词或者一个主题的人，能直接选好偏好出歌。

怎么用（一个具体的使用场景）

拿我自己平时测试最常用的场景来说：比如备忘录里攒了一段原创歌词，或者脑子里只有一个写歌的主题，想听听加上伴奏唱出来是什么感觉。

进生成页面后，可以直接填主题生成，也可以切换到自定义模式贴入自己的原创歌词（如果想控制主歌、副歌等段落结构，可以在原创歌词文本里自行标注表达）。

选一下曲风（目前支持 Trap、Boom Bap、Drill 等常见说唱分支），再设置人声偏好和大致的 BPM，也可以选择纯伴奏模式。

提交生成后等待后端处理（出歌需要一点时间，做不到几秒钟秒出）。每次生成会给出两个版本供完整试听（在选择人声模式时，两个版本均包含人声和伴奏）。通常可以对比听听两个版本在演绎细节上的不同，挑自己听着更顺耳的一版。

真实样例与实际效果

我在网站首页直接放了三首真实生成的说唱样例，不需要注册登录就能点开听完整版。

拿首页里的《One More Mile》这首样例来说，当时选的是 Trap 风格，输入的主题是“雨夜公交旅途中的希望”：

目前比较满意的地方：整首歌的氛围和“雨夜旅途”的主题贴合度不错，伴奏的鼓点律动和人声咬字比较清晰，主歌到副歌的情绪过渡也算自然，用来把脑子里的主题或词快速变成可听的 Demo 已经够用。

目前还不满意的地方：虽然界面上提供了曲风、BPM 和人声偏好的设置，但这些设置仅用于引导生成，不保证精确遵循。比如有时候设了特定的 BPM 或人声倾向，实际生成的节奏快慢或声线质感还是会有偏差；另外如果自己在歌词里单行塞的词太密，偶尔也会听出赶拍不够自然的地方。

在这个项目里我实际做了哪些工作

先把底层交代清楚：这个工具不是自研音乐模型，歌曲生成底层调用的是 Suno V6（通过 Kie.ai http://Kie.ai 接入），和官方也没有任何背书关系。我做的工作主要集中在应用层的交互和工程处理上，挑两件开发时花精力较多的事说说：

生成状态检查与失败额度返还：音乐生成耗时较长，而且经过第三方接口调用时，偶尔会遇到上游任务超时或失败。为了避免任务异常却白扣用户次数，我在后端加了状态检查和定时补偿机制——当系统确认生成任务失败或超时后，会自动将扣除的额度退回账户（状态同步或定时补偿可能存在一点延迟；另外，本地网络暂时打不开音频或单纯对生成效果不满意，不在失败返还范围内）。

私人作品库与免费防刷控制：因为每次调用都有实打实的接口成本，没法做成完全不设防的无限试用。所以除了做登录后的私人作品库、音频持久化与定期清理逻辑外，还在免费体验环节加上了邮箱验证、设备与网络限制以及每日名额上限，保证工具能维持日常运行。

现在的限制与收费说明

因为底层接口按次计费，免费和付费的边界我在定价页写得比较直接：

有条件的免费体验：符合资格且完成邮箱验证的用户，可获得 1 次免费歌曲生成（包含两个版本，每账号终身一次，受设备、网络及每日名额限制）以及最多 5 次免费歌词生成。免费账号有 1 次 MP3 下载权限（仅限个人、非商业使用），免费生成的歌曲保存 30 天。

一次性付费套餐：没有设自动续费的订阅，全部是一次性购买：$2.99／10 次、$5.99／25 次、$9.90／50 次（每次出歌含两个版本）。需要注意，歌词与歌曲共用购买额度——套餐中标注的次数是全部额度用于歌曲生成时的容量，使用付费歌词生成会减少剩余的歌曲生成容量。具体价格及下载说明以网站定价页为准。

想请大家帮忙看看的三个问题

目前产品还在早期打磨阶段，如果你刚好点进去看了，非常希望能听听这几方面的直接反馈：

打开首页第一眼，能不能马上看明白这个网站是用来干嘛的？

试听完首页那三首不用注册的样例（比如《One More Mile》）后，你会不会有想自己输个主题或贴段词试试看的意愿？

如果你尝试走了一遍首次创作流程，在填词、选风格或等待生成的过程中，有没有哪个地方让你觉得意思不清楚或者操作别扭？

网站地址： https://rapsonggen.com

我线上就这样搞过，可以加个歌词节奏校验功能，避免生成时出现赶拍问题。

我也试过做类似工具，用Suno生成后加简单混音确实能提升不少听感，但节奏对齐确实是个老大难问题。

这个工具的想法不错，但生成的说唱节奏有时候还是会跑偏，能不能加强一下节奏控制的功能？

试试在Suno API调用时增加temperature参数控制创意程度，避免生成内容偏离主题太远。