夜雨聆风一个零预算、纯 AI 驱动的歌曲创作全流程拆解。
🎵 先听歌：
📹 先看 MV：
事情的起因是，我在某个加班的深夜，给领导发了一条消息，然后眼睁睁看着它变成了"已读"——但没有"回"。
第二天我发现，他根本不是忙。他在打排位。
于是我用 AI 花了 10 分钟，把这件事写成了一首 R&B 慢歌，叫《已读不回》，配上了完整的 MV。算上写这篇文章，全程 20 分钟。
总花费：0 元。（严格来说，AI 生图花了一些平台积分）
这篇文章，我拆解一下完整的制作流程（当然，如果有预算，也可以使用付费的MV生成服务）。如果你也想自己搞一首歌，照着来就行。
一、整体工作流
整个流程只有四步，三个工具：
WorkBuddy 写歌词 → Suno / 即梦 生成音频 → WorkBuddy 生成场景图 → 剪映 合成 MV 没有录音棚，没有拍摄团队，没有后期剪辑师。就你一个人 + 一台电脑。
二、第一步：让 WorkBuddy 写歌词
这是整个流程里最关键的一步。歌词不好，后面全白搭。
我当时给 WorkBuddy 的 prompt 大概是这样的：
"写一首职场主题的 R&B 慢歌歌词，主题是领导已读不回——我以为他很忙，结果发现他在打游戏，让我们加班自己却去健身，到九点才回来巡视。"
它给的初版歌词结构是这样的：
- Verse 1
：消息发出去等回复，路过发现领导在打排位 - Chorus
：反复质问"领导你为什么已读不回"，对比峡谷厮杀和熬夜加班 - Verse 2
：咖啡凉了又热，朋友圈晒跑步机配文"自律" - Bridge
：转音段落，已读比沉默更锋利 - Outro
：九点推门巡视，低头假装在忙
R&B 情歌式的委屈腔调，套在职场吐槽上，反差感拉满。
一个细节：初版歌词太长了，3 分半的慢歌根本唱不完。我跟 WorkBuddy 来回沟通了两轮，把字数砍到约 37 行、预估 3 分 25 秒左右。AI 的核心价值不是一次性给完美答案，而是能快速迭代。
三、第二步：用 Suno / 即梦生成音频
歌词定稿后，我把它导入到 Suno（也可以用字节的即梦）。
Suno 支持输入自定义歌词 + 风格描述，我选了 R&B Slow Jam、男声、周杰伦式声线（男中音、慵懒咬字、鼻音共鸣）。
第一版就挺有感觉的——慢板 R&B，Verse 用诉说感强的吟唱，Chorus 用丝滑转音表达委屈。完全超出预期。
最后导出了一段约 3 分 37 秒的 WAV 音频文件，作为 MV 的声音轨道。
补充：Suno 和即梦都有免费额度，生成一两首歌基本不花钱。
四、第三步：让 WorkBuddy 生成 MV 场景图
这是整个工作流里"肉眼可见"的产出部分。我的思路是：不生成完整视频，只生成关键场景的静态图片，然后导入剪映合成。
原因很简单——目前 AI 视频生成的单段时长太短（几秒到十几秒），做一首 3 分半的完整 MV 成本高、效果也不可控。但 AI 生图已经很成熟了，用图片 + 剪映的 Ken Burns 缓推动画 + 转场 + 歌词字幕，效果完全可以媲美一支低成本 MV。
封面图
先看封面，荒诞讽刺风——西装革履的领导缩着身子、回头张望，偷摸打排位，桌下露出跑鞋，墙上时钟指向九点。
10 个场景设计
我按照歌词的叙事线，拆出了 10 个关键场景：
下面逐一看成品图👇
生成参数
所有图都是 1080×1920 的抖音竖版尺寸，Prompt 里统一加了 "cinematic, film grain, moody R&B music video aesthetic, 9:16 TikTok vertical style"，确保色调和风格统一。
十个场景全部暗蓝紫电影感调色，跟 R&B 慢歌的气质一致。每张图大概消耗平台 5-10 个积分，折合人民币不到 5 毛钱。
五、第四步：剪映合成 MV
所有素材准备好了，进剪映。
具体操作：
- 导入音频：把 Suno 生成的 WAV 拖进去
- 导入 10 张场景图：按歌词顺序排列
- 添加 Ken Burns 效果
每张图加「关键帧缩放」——从 100% 缓推到 110%，模仿电影镜头的缓慢推进感。不同场景交替用推/拉/左移/右移，避免单调 - 添加转场：场景之间用「交叉溶解」过渡，时长约 1.5-2 秒
- 添加歌词字幕
在剪映里用「文本 → 识别歌词」功能，它会自动对时间轴。字体用粗黑体 + 白色描边，大字报荒诞搞笑风，呼应这首歌的讽刺气质 - 封面图放在第一帧：黑屏 + 歌名大字入场，给观众一个预期
- 导出：1080×1920、30fps、H.264
整个剪映操作大概花了 10 分钟。最耗时的是歌词字幕的样式和错别字调整
六、成本核算
| 合计 | 约 3.5 元 |
对比传统 MV 制作（拍摄团队 + 后期 + 场地，少说几千块起步），这个成本基本上可以忽略不计。
七、经验总结
1. AI 不是替代你，是放大你
歌词的核心洞察——"已读不回不是忙，是我没在你优先级"——来自真实的职场体验。AI 做的是把这种感受结构化、押韵化、节奏化。没有你的洞察，AI 写不出真东西。
2. 用讨巧的方式解决问题
一开始我想让 AI 直接生成完整 MV 视频，但发现成本巨高、可控性差。后来改用"静态图 + 剪映动画"，效果完全不输。很多事情不是 AI 做不了，而是有更聪明的做法。
3. 风格统一比单张精美更重要
10 张图如果风格割裂，MV 看起来会很廉价。所有 Prompt 都加了统一的风格描述（暗蓝紫调、电影感颗粒、R&B MV 美学），确保画面之间有连续性。
4. 歌词字幕是 MV 的灵魂
竖版短视频里，字幕不仅传达信息，还是视觉设计的一部分。大字报式的歌词 + 关键词（已读不回）特殊高亮，让整支 MV 有了记忆点。
5. 迭代才是 AI 工具的正确用法
歌词改了 3 版，场景图生成了 2 轮（第一轮是横版，后来改成竖版），字幕样式调了好几遍。不要指望 AI 一次给完美答案，把它当成一个能快速出草稿的助手，你来做最终的判断和打磨。
写在最后
这首歌不是什么大作，但它证明了：一个人 + AI 工具链，10 分钟就能做出一首歌加 MV。再花 10 分钟写完文章，全程 20 分钟收工。
以前做一首歌需要词作者、编曲师、录音棚、MV 拍摄团队。现在只需要你有一个想法，和一个愿意陪你迭代的 AI。
如果你也想试试，打开 WorkBuddy，跟它说你想写一首什么样的歌。
它真的会帮你写。
本文中所有歌词、场景图、封面图均由 WorkBuddy AI 辅助生成，音频由 Suno 生成，MV 由剪映合成。完整成品见文首视频。