huashu-motion 是一个让你用 Agent 一句话直出商业级产品宣传片的开源项目，它的「作曲家模式」让 Agent 用 ABC 乐谱这种纯文本格式手写配乐，再由本机程序演奏成真实乐器的声音——全程不调用任何收费 API，零接口费用。本文带你了解这套「先写谱，再拍片」的本地作曲流水线是怎么工作的。

为什么「写谱」比「生成音乐」更适合宣传片

大多数 AI 配乐工具的做法是「丢个 prompt，出段音乐」，但宣传片有个硬性要求：音乐的起伏必须和画面卡点——开场钩子在哪、画面在哪一拍爆发、logo 在哪个瞬间落下，配乐得精确对上这些时刻。

作曲家模式的做法反过来：Agent 先看懂片子，像配乐师一样写出乐谱，谱里直接埋上对齐画面的标记。乐谱是纯文本（ABC 记谱法，X:1、Q:1/4=128这种头加音符），既方便 Agent 读写，也方便你肉眼审查——谱不对？直接在文本里改音符，不用重跑任何模型。

作曲家模式的完整流程

整个流程写在 skill 的方法文档里（sound.md），Agent 会按四步走：

1. 给片子「打点」（Spotting）

不是每个切点都要音乐伺候。Agent 只挑 3–5 个关键瞬间：第一帧的钩子（hook）、转折（turn）、屏息（stop）、高潮揭示（drop/reveal）和 logo。其余的切点让画面顺着音乐自然流动。同时定下速度（bpm）：沉稳的品牌 80–100，科技感强一点 100–125。

2. 写 ABC 乐谱

谱子直接写在片子的index.html里，放在时间轴旁边：

X:1 T:Product · launch cue M:4/4 ← 4/4 拍 L:1/8 ← 基本音符为八分音符 Q:1/4=128 ← 128 BPM K:Em ← E 小调 V:PLK inst=synpluck gain=0.6 !mark:hook! !mf! E/B/e/B/ G/B/e/B/ E/B/e/B/ G/B/e/B/ | V:DR inst=drums kit=pop !mf! [^C,^F,,]^F,, [D,,^F,,]^F,, ^F,,^F,, [D,,^F,,]^F,, |

每个V:是一条声部：inst=piano是三角钢琴、inst=strings是弦乐组、inst=drums kit=pop是录音鼓组。谱子里还能用装饰记号写「剪辑手法」：

• !mark:hook!— 对齐画面场景的同步标记
• !hit!— 高潮重击（impact + 低频 sub drop）
• !pp!…!ff!、!crescendo(!…)!— 力度与渐强
• !rit(!…)!— 渐慢约 30%；!stop(!…)!— 磁带急停；!filter(!…)!— 混响从闷到亮的推进感

3. 让画面踩在谱子的格子上

如果片子是陪着谱子一起建的，Agent 会用OM.music({ bpm })把时间轴钉在谱子的速度网格上，场景切点全部落在音乐节拍上，对齐误差是 0%。

4. 对齐、渲染、检查

运行om sound后，程序把谱子里的标记和画面场景逐一对上，并打印对齐报告：每个标记落在几秒、两段之间的速度弯折了百分之几。某段弯折超过 8%？说明那段小节数没数对，加删一小节就好，而不是硬拧速度——这种「乐理上对」的判断正是写谱相比随机生成的优势。

零 API 费用：声音全部在本机现场生成

om sound的原理是（见 sound.js 开头的注释）：加载片子的index.html，读出它声明的场景、音效点和乐谱，然后用纯 JS 的 DSP 代码把谱子「演奏」出来——没有网络、没有采样库订阅、没有任何 API 调用。同一份源码永远得到同一个文件，改了时间轴重新渲染，配乐自动跟着重生成。

音色有两种：

装上采样包后，弦乐组每个音还会被加倍、错开 4 音分 14 毫秒并左右镜像，一个声部听起来像一排演奏者而不是一个采样（composed.js 里的section()）。

乐谱的解析和演奏引擎是 composer.js：速度图（含渐慢、延长记号）、力度到速度值的映射、旋律提前几毫秒于伴奏、延音踏板按和声踩放——这些都是「人演奏」的细节。

三份带注释的示范谱，直接照着抄

仓库里附了三份完整、逐小节注释的示范谱，覆盖三种最常见的发布片配乐形态，Agent 写谱前会先读最接近的那份：

• first-light.abc —钢琴独奏到全乐队：一段主题动机，渐强、在属和弦上屏息，揭示瞬间升调一个全音，动机结尾变成「声音 logo」。适合走心、高级感的发布片。
• four-rooms.abc —给已剪好的片子配乐：7 个场景只卡 4 个点，有一小节改成 3/4 拍而不是拧速度，是「谱子如何贴合既有画面」的范例。
• signal.abc —科技快拍：第一小节就有鼓，半速副歌、stutter 转调、过滤推进到磁带急停，半小节静默，然后 drop。每行注释里都写着实测的分段响度（hook −16.5dB → drop −13.9dB）。

这三份谱本身也是最好的 ABC 教程：注释解释了每个乐句在「说什么」，比如signal.abc里那句「drop 前一拍的小节，是全片最重要的空小节」。

改画面，配乐自动跟得上

片子做完不是终点。huashu-motion 的编辑器支持「指着画面改」：按 C 在画面上点一下，写下「这段节奏太快了」，Agent 就只改那一处。

时间轴一变，下次om render导出前会自动重跑配乐生成，谱子的标记重新对齐新画面——你不用手动同步音乐。最终响度也有工程标准：音乐 −18 LUFS、母带 −14 LUFS（正好是主流社媒平台归一化的位置）、峰值限在 −1.5 dBFS。Agent 虽然「听不见」，但om sound会打印每段能量曲线，让它用数据检查起伏是否对。

上手只需要三步

1. 安装：一行命令npx skills add alchaincyf/huashu-motion（Claude Code、Codex 等支持 Agent Skills 协议的 agent 都能装）；
2. 环境：Node 22+、Chrome、FFmpeg，缺什么跑om doctor就知道；
3. 开口：跟 Agent 说「给我的产品做一支 30 秒发布片，要作曲家模式配乐」——它会写谱、演奏、对齐、渲染，配乐成本为零，唯一花掉的是你 agent 的 token。

方法细节（力度记号全表、乐器清单、口播让位逻辑）都在 sound.md，导演层怎么设计能量曲线在 rhythm.md，想深挖 ABC 写法就把三份示范谱打开对着看。