Music Creator

AI 音乐创作全流程技能。根据主题和风格创作歌词，通过 MiniMax AI 生成音乐和封面图，Whisper ASR + V2 高精度对齐（纯 Python，无需 espeak-ng）精准校准歌词时序，生成标准 LRC 歌词文件和带歌词同步的播放页面并部署。触发词：创作歌曲、写首歌、生成音乐、AI 音乐、music creator、帮我写首歌、创作音乐、做个音乐。

Music Creator — AI 音乐创作技能

从主题到成品播放页面的一站式 AI 音乐创作流程。

初始化配置

首次使用前必须完成以下配置。 Agent（即你）在首次接到音乐创作任务时，应主动引导用户完成配置。

---

🤖 Agent Prompt — 首次使用时对用户说的话

在你第一次使用音乐创作功能前，需要完成以下初始化配置：

1. MiniMax API 密钥 我需要一个 MiniMax API Key 来生成歌词、音乐和封面图。请提供你的 API Key。 获取地址：https://platform.minimaxi.com

2. 创作人信息 请告诉我以下信息，用于封面图署名和播放页展示：

• 艺术家名 / 歌手名
• 作词人（默认同上）
• 作曲人（默认同上）
• 演唱者（默认同上）
• 制作人（默认同上）

其他依赖（whisper、ffmpeg、Pillow）我会自行检查并安装，不需要你操作。

用户提供 API Key 后，Agent 执行以下命令完成初始化：

bash

# 安装 mmx CLI
npm install -g mmx-cli
# 登录 API Key
mmx auth login --api-key <用户提供的API_KEY>
# 验证
mmx text chat --model MiniMax-M2.7 --message "test" --output json

用户提供创作人信息后，Agent 在技能目录创建 config.json：

json

{
  "artist": "<艺术家名>",
  "credits": {
    "lyrics": "<作词人>",
    "compose": "<作曲人>",
    "sing": "<演唱者>",
    "produce": "<制作人>"
  }
}

如果某个角色与艺术家不同，单独设置对应字段；相同则默认填艺术家名。

---

🔧 技术依赖（Agent 自行检查）

以下依赖 Agent 首次运行时自行检测，缺失则自动安装，无需用户参与：

依赖	检查命令	安装命令
mmx CLI	mmx text chat --help	npm install -g mmx-cli
whisper	whisper --help	pip install openai-whisper
aeneas	python3 -m aeneas.diagnostics	pip install 'numpy<2' && pip install aeneas --no-build-isolation
espeak-ng	espeak-ng --version	yum install -y espeak-ng espeak-ng-devel
ffprobe	ffprobe -version	apt install ffmpeg
Pillow + 中文字体	python3 -c "from PIL import Image"	pip install Pillow

中文字体检查：ls /usr/share/fonts/google-noto-cjk/NotoSansCJK-Black.ttc

Aeneas 安装注意：

• aeneas 需要 numpy<2（它依赖已弃用的 numpy.distutils）
• aeneas 编译时链接 libespeak，但系统提供的是 libespeak-ng，需要创建符号链接：ln -sf /usr/lib64/libespeak-ng.so /usr/lib64/libespeak.so
• 安装命令：pip install 'numpy<2' && ln -sf /usr/lib64/libespeak-ng.so /usr/lib64/libespeak.so && pip install aeneas --no-build-isolation
• 验证：python3 -m aeneas.diagnostics

依赖

工具	用途	检查命令
mmx CLI	歌词创作、音乐生成、封面图生成	mmx text chat --help
whisper	ASR 歌词时序识别（Aeneas fallback）	whisper --help
aeneas	歌词强制对齐（精确时间戳）	python3 -m aeneas.diagnostics
espeak-ng	Aeneas 依赖的 TTS 引擎	espeak-ng --version
ffprobe	获取音频时长	ffprobe -version
Pillow (PIL)	封面图文字合成	python3 -c "from PIL import Image"
report-expert	播放页面模板 + 部署	技能目录 music_player_builder.py

文件目录结构

每首歌创建独立目录，所有相关文件放在一起：

text

claw/music/{slug}/
├── index.html          # 播放页面（从模板复制，无需修改）
├── song.json            # 歌曲元信息（标题、副标题、创作人）
├── song.lrc             # 标准 LRC 歌词文件（Aeneas 校准输出）
├── song.mp3             # 音乐文件
├── cover.jpg            # 封面图（Pillow 合成后）
├── lyrics.txt           # 纯文本歌词（无时间）
└── lyrics-timed.json    # 带时序的歌词 JSON（向后兼容保留）

• slug：歌曲名的小写英文/拼音 slug（如 nanchangcheng-love）
• 部署方式：通过 report-expert 技能的 deploy 命令部署（见 Step 7）
• index.html 是模板的副本，不需要修改，播放页从 song.json 和 lyrics-timed.json 动态加载所有信息
• 所有资源通过相对路径引用，不使用 base64
• 播放页优先加载 song.lrc（标准 LRC），fallback 到 lyrics-timed.json，再 fallback 到 lyrics.txt

完整工作流

按以下 7 个步骤顺序执行：

Step 1：确认主题与风格

读取 config.json 获取创作人信息。

与用户确认以下信息：

参数	必填	说明	示例
主题	✅	歌曲主题/歌名	"我爱小微"、"春天的故事"
风格	✅	音乐风格	"甜蜜浪漫流行"、"摇滚"、"民谣"
参考信息	❌	参考图片或文本	用户提供的灵感素材

如果用户已提供主题和风格，直接进入下一步。如果信息不完整，询问补充。

生成 slug（用于目录名）：将歌名转小写，用连字符连接。

Step 2：收集参考信息（可选）

如果用户提供了：

• 参考图片：描述图片内容，提取可用于歌词创作的意象和情感元素
• 参考文本：提炼关键信息、情感基调、故事线索

将参考信息整理为歌词创作的参考摘要（不直接展示给用户）。

Step 3：创作歌词

使用 MiniMax 文本模型生成歌词：

bash

mmx text chat --model MiniMax-M2.7 --message "PROMPT" --output json

Prompt 模板：

text

请为一首{风格}风格的中文歌曲写歌词，主题是《{主题}》。
要求：
1. 歌曲结构标签：[Intro] [Verse 1] [Pre Chorus] [Chorus] [Verse 2] [Pre Chorus] [Chorus] [Bridge] [Chorus] [Outro]
2. 每段 4-6 行，总时长控制在 2-4 分钟
3. {如果有参考信息：参考以下素材融入歌词：{参考摘要}}
4. 歌词要有画面感和故事性，朗朗上口
5. **尽可能押韵**：同一段落内相邻句子尽量押韵（如 AABB、ABAB 或 AAAA），Chorus 部分尤须押韵工整，这是歌曲朗朗上口的关键。优先使用常见韵脚（如 ao/iao、an/ian、eng/ing、ou/iu 等），韵脚要自然不生硬
6. 只输出歌词，不要其他内容

将歌词保存到歌曲目录：{MUSIC_DIR}/lyrics.txt

Step 4：生成音乐 + 封面图（并行）

音乐生成：

bash

mmx music generate \
  --prompt "{风格}风格的中文歌曲，主题{主题}" \
  --lyrics-file {MUSIC_DIR}/lyrics.txt \
  --out {MUSIC_DIR}/song.mp3

封面图生成（无文字纯画面）：

bash

mmx image generate \
  --prompt "A beautiful album cover art, absolutely no text no words no letters, {风格对应画面的英文描述}, artistic watercolor style, 1:1 square format" \
  --out {MUSIC_DIR}/cover-raw.jpg

两者并行执行，节省时间。

封面图文字合成：

bash

python3 scripts/make_cover.py \
  --input {MUSIC_DIR}/cover-raw.jpg \
  --title "{主题}" \
  --artist "{config.artist}" \
  --output {MUSIC_DIR}/cover.jpg

重要：AI 图像生成对中文文字渲染会乱码，必须用 Pillow 叠加文字。

Step 5：ASR + Aeneas 歌词校准

使用 calibrate_lyrics.py 脚本完成 Whisper ASR + Aeneas 强制对齐，输出标准 LRC 歌词文件：

bash

python3 scripts/calibrate_lyrics.py \
  --mp3 {MUSIC_DIR}/song.mp3 \
  --lyrics {MUSIC_DIR}/lyrics.txt \
  --title "{主题}" \
  --artist "{config.artist}" \
  --output {MUSIC_DIR}/song.lrc

工作流程：

1. Whisper ASR：对 mp3 做 ASR 识别，获取 segment 级别时间戳（作为 fallback）
2. Aeneas 强制对齐：将歌词文本与 mp3 做全文强制对齐，获取每行歌词的精确 begin 时间
3. 时间戳合并：aeneas 时间优先，aeneas 异常/缺失时用 whisper fallback，都没有则线性插值
4. 生成 LRC：输出标准 [mm:ss.xx]歌词 格式，Section 标签格式为 [mm:ss.xx][Section]

注意：Aeneas 全文对齐理论上能覆盖重复段落，但如果结果不理想，可检查 /tmp/calibrate-{slug}/ 下的中间文件手动调整。

Step 6：生成播放页面

使用 report-expert 技能中的 music_player_builder.py 模板（需安装 report-expert 技能）：

bash

python3 {REPORT_EXPERT_DIR}/music_player_builder.py \
  --mp3 {MUSIC_DIR}/song.mp3 \
  --cover {MUSIC_DIR}/cover.jpg \
  --title "{主题}" \
  --subtitle "{副标题}" \
  --lrc {MUSIC_DIR}/song.lrc \
  --output {MUSIC_DIR}/index.html \
  --download-filename "{主题}.mp3"

{REPORT_EXPERT_DIR} 为 report-expert 技能的安装目录，通常是 ~/.openclaw/workspace/skills/report-expert/。

文件引用方式：模板生成的 HTML 通过相对路径 song.mp3 和 cover.jpg 引用同目录文件，不使用 base64 嵌入。

Step 7：部署（需安装 report-expert 技能）

将歌曲的所有文件（播放页 + 静态资源）复制到 report-expert 的 dist/ 工作目录，然后通过 deploy.py 注册索引并 sync_to_deploy() 统一推送。

bash

REPORT_DIR="{REPORT_EXPERT_DIR}/dist/music/{slug}"
mkdir -p "$REPORT_DIR"

# 复制所有歌曲文件到 report-expert dist/
cp {MUSIC_DIR}/index.html "$REPORT_DIR/"
cp {MUSIC_DIR}/song.mp3 "$REPORT_DIR/"
cp {MUSIC_DIR}/cover.jpg "$REPORT_DIR/"
cp {MUSIC_DIR}/song.json "$REPORT_DIR/"
cp {MUSIC_DIR}/song.lrc "$REPORT_DIR/"
cp {MUSIC_DIR}/lyrics.txt "$REPORT_DIR/"
cp {MUSIC_DIR}/lyrics-timed.json "$REPORT_DIR/"  # 向后兼容保留

# 注册到索引并同步部署
cd {REPORT_EXPERT_DIR}
python3 deploy.py add "music/{slug}/index.html" \
  --title "{主题} - 原创音乐" \
  --desc "AI 创作{风格}歌曲：{主题}" \
  --category other

python3 -c "from lib.config import sync_to_deploy; sync_to_deploy()"

部署的站点地址和 URL 由 report-expert 技能的配置（TOOLS.md）决定，本技能不耦合具体站点信息。

sync_to_deploy() 会将 dist/ 下所有文件（包括 mp3、jpg 等静态资源）同步到部署目录，无需单独处理。

输出

完成后的交付物：

1. 播放页面：由 report-expert 部署，具体 URL 取决于 report-expert 配置
2. MP3 文件：{MUSIC_DIR}/song.mp3（可单独发送）
3. 封面图：{MUSIC_DIR}/cover.jpg（可单独发送）

封面图画面风格映射

音乐风格	画面描述（英文 Prompt）
流行/甜蜜	dreamy romantic scene, pink purple gradient, cherry blossom petals, couple silhouette
摇滚	electric energy, dark stage, neon lights, guitar silhouette, dramatic lighting
民谣	peaceful countryside, sunset, acoustic guitar, warm golden light
古风	Chinese ink painting style, mountains mist, bamboo, plum blossom, moon
电子/DJ	futuristic neon city, abstract light trails, geometric shapes, cyberpunk
嘻哈	urban street scene, graffiti wall, boombox, bold colors
R&B	smooth jazz club, saxophone, warm candlelight, velvet curtains
儿歌/欢快	colorful playground, balloons, sunshine, cartoon animals, bright colors