故事成歌

解决什么问题

将个人故事转化为可演唱歌曲时，传统方式往往面临歌词文学性与演唱流畅度难以兼得的问题，且单次生成容易出现结构缺失或韵脚生硬。不同模型在押韵、国风意象和口语化语感上各有侧重，人工拼凑或反复重写成本极高。

核心工作流

该技能通过严格的多轮交互式流程解决上述问题，将创作拆分为五个独立阶段，用户需在各阶段手动切换模型并输入触发词（如 初稿-D 或 初稿-G）。

• 三模型初稿生成：分别调用 DeepSeek-V4 生成押韵工整的初稿，GLM-5.2 产出国风意象版本，Kimi-K3 打磨口语化语感。
• 强制自评测机制：每篇初稿输出前，AI 需对照主题契合度、韵律质量、演唱流畅度等 6 个维度进行内部打分与修复，并附带自评估注。
• 融合评审与标签化渲染：Kimi-K3 对三稿评分后，融合生成两版最终歌词。歌词严格采用四层标签体系（如 [Ambient: rain on window]、[Boom Bap]）和动态词（如“后来”、“其实”）标记转折。
• 音频生成：确认最终版本后，调用外部技能 suno-cn-music 渲染 WAV 音频。

适用边界与注意点

• 交互成本较高：受限于 WorkBuddy 平台设计，用户必须在每个阶段手动切换模型并回复 已切换，无法实现全自动一键生成。
• 外部依赖：阶段五依赖 suno-cn-music 技能及有效的 Suno Key ID，且会消耗账户积分。
• 格式规范严格：最终歌词必须严格遵守标签结构，若标签被误写入正文，可能导致音频合成阶段将其当作歌词唱出。