前言¶

给视频、播客或游戏配一段可用的音频，常见做法是去素材站翻找、再裁剪拼接。翻找的成本高，风格也很难刚好对上。另一个方向是调用音频生成接口，自己拼 prompt、调参数、再处理人声和混音，链路长且容易反复试错。

下面介绍的这个 Skill 把这件事收敛成一条流程：你给出一段描述或一段旋律，它按风格设定、结构编排、混音与人声处理的顺序组织生成工作，产出配乐、人声与音效。它面向的是需要快速拿到音频素材的开发者和内容创作者，不涉及音频后期软件的操作细节。

这是什么¶

AI 音乐与音频生成指南，坐标 @user_e562897e/ai-music-studio，由社区开发者 user_e562897e 发布和维护，当前版本 0.1.1。它属于通用 SKILL.md 格式的 Skill，通过 SkillHub 分发。

SkillHub 页面给出的定位是一句话：用 AI 从一段描述或旋律生成配乐、人声与音效。支撑这个定位的是四块能力——风格设定、结构编排、混音与人声处理。分类为 design-media，标签里 requires_api_key=false，说明官方资料未要求额外申请密钥。

核心功能¶

这是官方简介中列出的四块能力，也是这个 Skill 覆盖的完整范围。

1、风格设定：把「古风」「电子」「悬疑」这类口语化描述，转成可用于生成的稳定风格参数。
2、结构编排：按段落组织音乐，区分前奏、主歌、副歌、尾奏等结构，而不是生成一段没有起伏的循环。
3、混音：处理声部之间的层次、音量平衡与空间感。
4、人声处理：处理人声轨道的生成与修整，与伴奏部分配合。

需要说明的是，官方简介只给出了这四块能力的标题，没有展开每块的具体参数、阈值或接口。上述每条都是对标题的直接说明，没有额外推断。

安装与启用¶

官方页面没有公开安装命令、目录约定或配置文件字段，抓取 SkillHub 页面和官方地址均未取到正文内容，因此这里不写未经核实的命令。

可以确认的事实是：该 Skill 基于通用 SKILL.md 格式，来源标记为 community，标签 requires_api_key=false。这类 Skill 的常规启用方式是把 SKILL.md 及其附属文件放到客户端的 skills 目录下，由客户端在对话中识别并加载。具体目录路径随客户端不同而不同，请以你所用客户端的官方文档为准，不要照抄下面的猜测。

另外，SkillHub 上该页面的安装计数为 0（与下载数 1370 不同），说明它目前通过 SkillHub 页面分发，官方未提供一键安装入口。

典型用法¶

官方资料中没有给出可复现的示例，也没有示例 prompt 或输出音频。因此这一节不写示例，只交代输入和输出的边界。

输入有两种形式：一段文字描述，或一段旋律。描述用于触发风格设定，旋律用于在已有动机上继续展开。输出覆盖配乐、人声与音效三类，具体由用户在需求中指定。

如果你打算用它，建议先从一个明确的短需求开始，例如「30 秒悬疑氛围配乐，用于视频开场」，确认风格设定和结构编排的输出符合预期后，再逐步增加人声和音效的复杂度。

适用场景与注意¶

适合的场景：需要快速为视频、播客、游戏或演示拿到风格明确的音频素材，且愿意在生成结果上继续做后期处理的人。它的价值在于把风格设定和结构编排的思考前置，减少反复试错。

需要注意的地方：

1、官方资料没有列出支持的音频生成服务、时长上限、导出格式或授权范围。商业使用前，需要自行确认所用生成服务的许可条款，这一点官方页面没有说明。
2、版本号为 0.1.1，属于早期版本。后续接口和能力可能变化，以官方页面为准。
3、评分与下载数据来自 SkillHub 页面快照，下载 1370、评分 100000、安装 0。这三个数字反映的是页面统计，不代表音质或实际效果。
4、标签 requires_api_key=false 是官方页面的标注，具体调用链是否真的不需要密钥，以实际运行为准。

结尾¶

这个 Skill 的价值在于把「从描述到音频」的流程拆成风格、结构、混音、人声四个可控的环节，而不是一次性扔一个 prompt 等结果。它覆盖的范围明确，不涉及编曲软件或母带处理，适合作为生成环节的参考框架。官方地址：https://api.skillhub.cn/user_e562897e/ai-music-studio，SkillHub 页面：https://www.skillhub.cn/skills/user_e562897e/ai-music-studio