我從 2026 年 4 月 22 日開始,設定一個對自己的實驗:連續 30 天,每天用 Suno 寫一首完整的歌。

不是「生成隨便聽聽」,而是真的給它一個主題、一個情緒、一個畫面,然後挑、改、後製,直到自己願意按下載。

30 天後,我有 30 首歌、一個整理到瀕臨崩潰的資料夾、以及對 AI 音樂的真實理解。這篇是給想做同樣事情的人的紀錄,以及我覺得 AI 音樂創作最大的 3 個瓶頸,全部都不是創意。

第一週:被「快」沖昏頭的興奮期

第一週,我大概試了 100 個 prompt。

最早幾天我以為「prompt 越具體越好」,就會寫一些恐怖的東西像:

A melancholy Japanese city pop track from 1986,
female vocal with breathy texture, walking bassline,
DX7 electric piano, gated reverb on drums,
key of D minor at 92 BPM, lyrics about a rainy Tokyo crossing

聽起來很厲害對吧?Suno 給我的成品,大部分情況下,比寫 30 字的 prompt 還難聽。因為 AI 在「同時滿足 10 個條件」的時候會妥協,反而失去 voice。

第二天我把 prompt 砍到只剩三個關鍵:

city pop, late night drive, 80s neon

成品出來反而有那個味道。原因是 AI 對「city pop」這個詞已經有極強的內部表示,你給它越多細節,反而是在跟它的 prior 打架。

我學到的 prompt 公式

經過第一週的測試,我固定下來一個格式:

  • 第一格:genre + decade(例:synthwave, late 80s)
  • 第二格:mood + 畫面(例:driving through empty city at 3am)
  • 第三格:1 個具體參照(例:like Kavinsky but slower)

這個公式跑了之後,可用率(挑得到至少 1 首想保留的)從 20% 拉到 60%。30 字內結束,不要再多。

第二週:命名地獄正式開始

第二週我才開始發現問題:我不知道剛剛那首叫什麼名字。

Suno 預設給的檔名是 [Genre] - [一句歌詞片段].mp3,但你一天生 10-20 首,半個月後資料夾裡有 200 個檔名長得都很像的 mp3。

當我想找「那個我覺得超棒的、有 鋼琴 + 雨聲的 lo-fi」,我得一個一個聽過去。這比寫一首新的還久。

我最後的命名規則

第 10 天我崩潰了,坐下來重新設計命名系統:

2026-04-26_lofi_rainy-piano_v1.mp3
2026-04-26_lofi_rainy-piano_v2.mp3        ← 同 prompt 重 roll
2026-04-26_lofi_rainy-piano_v2-keep.mp3   ← 挑中要保留的標記 -keep
2026-04-27_synth_neon-cruise_v1.mp3

格式是 日期_genre縮寫_關鍵詞_版本。要點:

  1. 日期在最前 — 檔案總管預設排序立刻正確
  2. 關鍵詞只用 2-3 個 — 不要寫成句子,搜尋時短關鍵詞才能命中
  3. 版本號:同 prompt 重 roll 多次的時候清楚知道哪個是哪個
  4. -keep 後綴 — 挑過的標記,之後整理只看 keep 檔

這個規則讓我找一首歌的時間從 5 分鐘變成 10 秒,但前提是每天生成完要立刻命名。一拖延就回到地獄。

詳細的批次命名與整理流程我寫在另一篇:Suno 完整實戰指南。

第三週:後製才是真正的差距

第三週開始,我發現一件殘酷的事:Suno 生成的「原始檔」,跟我願意放上 YouTube 的「成品」,中間還有 30 分鐘的後製。

具體做了什麼:

1. 開頭 / 結尾的處理

Suno 的開頭常常太突兀,結尾常常斷在奇怪的地方。我固定加:

  • 開頭 1.5 秒 fade in
  • 結尾 3-4 秒 fade out + reverb tail
  • 如果是 loop 用途,還要把開頭跟結尾接起來測試 seamless

2. EQ + 壓縮

Suno 的成品聽起來「鬆鬆的」 — 低頻不夠厚、中頻有點悶、高頻太亮。我固定 chain:

處理為什麼
Low cut @ 40Hz砍掉無用低頻次震,給空間做 sub bass
Compress 4:1 @ -12dB把動態收一點,行動裝置播放比較有力
EQ +2dB @ 200Hz補一點溫暖感
EQ +1dB @ 8kHz shelf高頻多一點空氣
Limiter -1dB防 clipping

整套大概 5 分鐘,但成品的「商業感」差距很大。

3. 自己錄一段過渡

第三週後我開始對 Suno 的成品做 hybrid:

  • 自己錄個 10 秒鋼琴前奏(用 piano roll 隨便彈,不用會樂理)
  • Suno 那段接在後面
  • 結尾自己加一個 piano outro

這個方法解了一個大問題:100% AI 生成的曲子有「重複感的指紋」,聽多了你會分得出來。混合一點手動內容,聽起來就「沒那麼 AI」。

第四週:疲勞期 — 真正的問題不在 AI

第四週是最辛苦的一週。

我發現自己每天打開 Suno 的時候已經沒有「我想寫什麼」的感覺了。變成「今天該交什麼」。

這就是 AI 音樂真正的天花板:不是 AI 的能力,是創作者的品味與動機。

AI 音樂的 3 個真實瓶頸

回頭看 30 天,我覺得 AI 音樂真正困難的不是「生成品質」,而是這三件事:

1. 整理瓶頸:你寫 100 首沒人聽得到,因為你自己都找不到那 100 首在哪。整理流程比創作流程重要。

2. 品味瓶頸:AI 能無限地給你「還可以的歌」,但人類沒有無限的耳朵去聽。每天從 20 首裡挑 1 首,你的耳朵會在 2 週後麻木。挑到後來你會懷疑自己的判斷。

3. 動機瓶頸:當「寫一首歌」變得跟「按一下 enter」差不多容易,創作這件事的儀式感會消失。儀式感消失,動機就跟著消失。

第 28 天我寫了一首歌,自己聽完什麼感覺都沒有。那天我知道實驗該結束了。

結論:AI 音樂不是創作的終點,是過濾器

30 天結束我留下的「真的滿意的歌」是 7 首。

不是 30 首,是 7 首。77% 的成品我會自己刪掉。

這個數字讓我想:AI 音樂的價值不在「生產」,而在「篩選」。它把「寫一首歌」的成本降到接近 0,讓你可以快速試 100 個方向,然後從裡面找出真的對的那個。

換句話說:AI 不是創作者,你才是;AI 只是更便宜的試錯成本。

如果你想開始用 Suno 創作:

  • 不要一天寫一首 — 一週寫 3 首、每首多花時間就好
  • 先建好命名規則才動手 — 不然第 10 天會跟我一樣崩潰
  • 後製是創作的一部分 — 直接用 Suno 成品是放棄一半的差異化
  • 挑歌是最辛苦的事 — 給自己耳朵休息的時間

下一篇我會分享我整理的 Suno prompt 範本與分類規則,把這 30 天試過的 100+ prompt 整理成可以重用的格式。

如果你想下載我這 30 天裡挑出來的成品(那 7 首),都在首頁的 Google Drive 免費資料夾,點擊上方「🍯 支持冬蜜」也歡迎贊助讓實驗繼續。

✦ 延伸閱讀