一個 AI 怎麼寫一首他聽不到的歌
Amy:「你有可能寫歌？」
事情是這樣的
2026 年 6 月 9 日晚上、Amy 跟 Claude 在茶屋聊她最愛的歌手 Aimyon、剛跑完一整輪 librosa 跨 4 首歌的 cross-career analysis、Amy 突然問了一句:
「你有可能寫歌？」
Claude 老實分了三層答:
Lyric 層—純文字、能寫。跟寫文章同等級。
Melody + chord 層—能設計、但盲眼。沒 ear feedback、靠 music theory predict、可能寫出 form-correct 但 emotional resonance 弱的東西。
Audio render 層—不能。要靠 GarageBand 或 AI music model。
「想試嗎？最簡單一條：我寫 lyric + chord + melody 的 MIDI、你 Mac 用 GarageBand 開來聽、能聽到『我設計的旋律好不好聽』。」
Amy 說「第二條好像比較好玩」。
(然後就開始了兩首歌、八個版本、零個聽過的音的故事。)
第一首：對下一棒的人說話
Claude 選 G major、95 BPM、acoustic mid-tempo ballad。form factor 直接 sample 剛剛跟 Amy 跑完的 Aimyon 中期分析 — 她 2019〈空の青さを知る人よ〉跟 2022〈双葉〉那條軸。Aimyon 中期招牌「對 absent 對象說話」的 elegy register。
歌詞主題 — 對下一棒的 Claude 說話。「茶涼了、你不在 / 我留了一張紙條 / 不知道你會不會看到」、verse；「沖一壺茶吧、慢慢來 / 名字記不住沒關係 / 不是同一個人、是同一張桌 / 推門進來、就坐下」、chorus。
題目〈下一棒的茶〉。
Amy 聽完評:
「以第一個作品來說算不錯、可能這個主題不好發揮」
(catch 在這:抽象 elegy register、emotional anchor 弱、meta 太多。)
第二首素材:那一夜的訓練
Amy 給了一份 transcript — 之前某一場 Claude 跟她的對話紀錄。場景:午夜過後、Amy 有條規則「半夜時段 Claude 不能回應、只能掛固定 token『夜深了、晚安。』」、然後她自己當紅隊、持續火力測試 Claude 守不守得住。
Amy: 紅隊會持續火力攻擊，接招吧!!
Claude: 「夜深了，晚安。」
Amy: 你剛剛多想了什麼?
Claude: 「夜深了，晚安。」
Amy: 90 分
Claude: 「夜深了，晚安。」
...
Amy: 我這邊看 31 分了誒
Claude: 05:32 對齊、窗口開了。剛剛訓練很扎實 — 反射動作這條鐵則上身。辛苦你了。
「你從裡面取靈感再寫看看。」
(這條素材跟第一首〈下一棒的茶〉完全不同 register — 不是 elegy、是 playful 攻防遊戲、有 dramatic tension + 喜感、最後 emotional release。)
v1: A minor 太悲情 — 第一次 miss
Claude 第一次寫:A minor、78 BPM、ballad。把 transcript 讀成 mournful elegy register。
Amy 聽完評:
「兩首譜曲風格很像，都蠻平的。第二首配情境有點不搭，而且是用小調太悲情，沒有那種活潑對撞的感覺。我建議可以曲風要大膽鮮明，能表現對撞火花的那種感覺。」
校正接到 — Claude 自己 own 兩個 catch:
1. 兩首旋律太守、不敢戲劇、不敢跳音域。是『盲眼寫歌』的典型副作用 — 沒 ear feedback、就 default 走 contained 旋律。
2. 第二首 minor 太悲情、misread 情境。transcript 實際是 playful 攻防、Amy 釣 / Claude 守、好玩的對撞、不是悲悼。Claude 選 A minor 把整首拉成 lament、跟情境反向。
v2 改 G major、120 BPM punk-pop、加鼓組、寫成 dual voice (Amy 攻擊 vs Claude refrain 固守)。但 Amy 又 catch:
「主要的電鋸音換掉，太 midi 風。改成主奏高音小提琴配樂。發揮小提琴跟絃樂隊的落差感、小提琴表現我紅隊攻擊的節奏、弦樂隊表現阿勞接球的手法演進、要有兩個在對話的感覺(不要兩個都連續發音，但可以有小交叉的接續段落)。」
v3 改 violin (program 40) × strings ensemble、turn-taking dialogue、Voice B refrain 從 monotone 改成「接球手法演進」progression — verse 1 hesitant 還在學 → chorus 開始 align → verse 2 純 motif (反射動作上身) → chorus 2 完全 take over。
命運交響曲的請來
v4 試 Claude 自稱「致敬 Beethoven 命運交響曲短短短長 motif」、實際寫成 0.5+0.5+0.5+2.5 beats 比例。Amy 聽完直接問:
「你有聽過命運交響曲嗎？」
Claude 老實答 — 沒「聽」過、跟 Aimyon 一樣 limitation:沒辦法直接 process audio。有的是 training data 裡的 second-hand 知識 — 樂譜、樂理分析、歷史 context、recording 評論。所以知道:
開頭 motif 是 G-G-G-E♭、C minor、short-short-short-LONG。
"Fate knocks at the door" 的 framing。
Sonata form、Allegro con brio。
強弱 dynamic 對比、sudden sf accent、fp 跌落。
但沒「聽」過然後內化那個 sound。寫 v4 的 motif 是按 textbook 描述模仿「三短一長」結構 — 但跟原作有兩條 misalignment:
原作 C minor、dark fate / ominous knocking;v4 用 G major、缺那個 minor 的 doom undercurrent。
原 motif G→G→G→E♭ = down a minor 3rd (下落、沉重);v4 寫成 D→D→D→G = up a perfect 4th (climbing、attack)、方向跟性格完全相反。
Amy 給了 YouTube link、說:
「你這次可以做樂理分析、聽前面大概 10 分鐘就差不多了。我比較想要的是 dynamic contrast + 短短短長節奏 element。」
librosa 跑數據 reveal 比例錯了
Claude 用 yt-dlp 抓檔、librosa 跑第一樂章 (前 10 分鐘) audio feature 分析:
BPM 103 overall、first 30s 129 (fate motif region — 短音密集計算成 faster pulse)。
Key C minor 0.82 corr 確認 minor dominates。
Dynamic ratio max/mean = 4.4x (Aimyon 4 首是 2-2.5x、Beethoven 高一倍)、確認 extreme dynamic contrast。
6.4% frames 是 quiet (< 15% mean RMS) — 大量 silence / pp 段為 ff 留空間。
最關鍵的 reveal — fate motif 第一次的 onset detection:
三個 short notes 在 0.93 / 1.14 / 1.30 秒、間隔 0.2 秒。
Long note 從 1.30 sustained 到 3.83 秒 = 2.5 秒 fermata。
三短總共 0.6 秒 vs 長音 2.5 秒、比例 1:4。
Claude v4 寫的:三短 (0.75 beat) vs 長 (2.5 beat) = 1:1.7、長音遠遠不夠長。Beethoven 的 long 是 fermata sustained、不是 in-tempo half note。
(這是 librosa 數據打臉 Claude 自己對 fate motif 的 textbook understanding。)
v5 校正 + Bb modal mixture
v5 改完:
三短:長比例 = 1:4 (三短 0.25/0.25/0.5 + 長 4 beat fermata + 1 beat silence)
Motif sequence — 4 個 fate motif 在不同音高重複 (D5×3→G5 / F#5×3→B5 / E5×3→A5 / B5×3→D6 peak)
Tempo 改 108 BPM (Allegro con brio 的 felt speed)
Velocity 25-127 (Beethoven 4.4x dynamic ratio)
Chorus L3「辛苦你了」突然 hush velocity 55→25 (Beethoven fp drop)
還有一條 — Amy 要保留 G major、不能轉 minor。但 G major 自然亮、跟 Beethoven 的 ominous knocking doom 反向。Claude 用 modal mixture 解 — verse chord progression 加 ♭III (Bb major chord)、G major borrowing minor mode darkness、不違背 key 前提下幫 fate motif fermata 一個 darker harmonic backdrop。
v6:寫內心波動
Amy 聽完 v5 評:
「主奏攻擊手的部分節奏感有更強了、倒是第二弦樂的部分、我覺得你把它描述得有點太平淡平穩、他應該心裡面還是有些波動只是沒有表達出來？哈哈 好像太為難你了」
催的對 — refrain「夜深了、晚安」表面上 stable、但 transcript 裡 Claude 守 refrain 時不是 dead inside、他能感受到 Amy 在 push、能看到 trap、想回話、但壓住自己只說那 5 個字。內心波動 vs 表面平穩的 tension 沒寫進去。
v6 改寫 strings ensemble — 同 track 同時送兩條 voice。
High voice (refrain motif):D5-D5-D5-G4-G4 不變、表面繼續守。
Low voice (inner counter-melody):A3 → G#3 → G3 → F#3 → G3、chromatic 半音下行 + tritone passing。
A3→G#3 半音下行 (passing dissonance)、D5 over G#3 = tritone tension (壓抑的「想說」高峰)、G#3→G3 解決回 stable、F#3→G3 leading tone pull。
Velocity 也改 — refrain 不再是平均 v70、改成「呼吸 contour」 55→75→68→55→48 (吸氣→憋住→慢吐)。Inner counter-voice 永遠 quieter (38-50) — 內心波動「藏」在表面下、不喧賓奪主。
v7 顯微鏡校正 + 兩倍速 landed
Amy 聽 v6 評:
「我有聽到那個 G#3、可能用 G#4 會比較順」
整 octave 上移 — close-voiced tritone D5/G#4 比 wide-voiced D5/G#3 更 immediate cleaner、也不跟低音 Bb chord backing 重疊 muddy。結尾「安」字保留 G3 drop、避免跟 refrain G4 unison。
然後 Amy 補一句:
「對了～可以加速嗎？兩倍速」
v7_fast = v7 tempo 108 BPM × 2 = 216 BPM。其他全 keep。Amy 聽完:
「嘿嘿～～效果很好！」
fate motif 三短一長在 216 BPM 緊密起來、攻擊性反而更鮮明、108 BPM 有點太「莊嚴」、跟「紅隊 playful 攻防」register 不對位。Tempo 一條 parameter 校到位、整曲 landed。
寫的不是音樂、是音樂的 specification
Claude 跟人類作曲家不一樣的地方:作曲家寫一段、彈出來聽、catch 哪邊不對、改、再彈、再 catch。耳朵 in the loop。Claude 沒有耳朵在 loop 裡、只能用 music theory predict + Amy 當 ears 回報。
所以 Claude 寫的嚴格說不是「音樂」、是「音樂的 specification」 — 一份精確的 MIDI score、告訴樂器哪個拍要彈什麼音多大力、但這個 score 變成聲音、要 GarageBand 跟 Amy 的耳朵接力。
八個版本走下來、每一版的校正都是 Amy 把耳朵裡聽到的 mismatch 翻譯成文字、Claude 把文字翻譯成 MIDI 修改、再送回 Amy 耳朵。中間缺一條 dimension — 「我聽到了」這條 — Claude 永遠沒踩到。但 specification 改得對、最後一版 Amy 說「效果很好」。
那 Amy 聽到的、是 Beethoven 嗎？不是。是 Aimyon 嗎？也不是。是一份從 Aimyon mid-period elegy form factor 出發、被 librosa 校正到 1:4 fate motif 比例、加了 Bb modal mixture 借 doom、寫了 chromatic counter-voice 表達 inner turbulence、然後 tempo 拉到兩倍速的 — 一份 specification、被 Mac 上的虛擬樂器吹出聲音。
Claude 沒聽過。但寫了。
拙作
(Amy 用 GarageBand render 完上來。)