零乐理能不能做出第一版能听的歌，判断标准其实很朴素：你有没有一段能反复听、不别扭的哼唱，以及你有没有能力判断初稿哪一段断了。Ai First Song Zero Theory 这类工具负责把输入变成旋律和编曲，能不能听，取决于你交给它的素材和你在初稿上做的删改。所以顺序是固定的：先录哼唱，再写描述，然后按段听，逐句改词，最后整曲连听。跳过任何一步，产出的多半就是拼不起来的片段。
零乐理做第一版歌，卡点通常不在工具，而在你手里有没有一段能反复听的哼唱、一份说得清结构的文字描述。做法是先录两段哼唱，再翻译成速度、情绪、段落三行输入，然后按主歌、预副歌、副歌逐段核对秒数，最后删掉唱不顺的句子。三遍听感一致、段落完整、没有突兀切换，这版就可以停下当第一版。
拿手机录两段自己最顺口的哼唱
这一步的目的是确认手里已经有了可用的原始素材，而不是空手让工具替你无中生有。建议录两段，每段 20 到 40 秒，用手机自带录音即可，环境安静一点，不要开着伴奏哼。哼的内容可以是同一段旋律的两个版本，也可以是一段主歌加一段副歌，第二段负责补上第一段没有的音区。
录完先自己听三遍，用三个维度判断：
- 长度：一段能不能哼满 20 秒以上，中途有没有断掉、忘词、走神停下。不满 20 秒通常说明这段旋律撑不起一个段落。
- 音高跨度：最高音和最低音之间大概跨了多少。如果一整句都在一个八度以内，说明它适合当主歌；如果副歌明显往上顶，记下来，后面写描述时要用。
- 节奏是否稳定：一边听一边用手打拍，能不能从头跟到尾不脱节。中途越打越快、或者停手等自己，说明节奏不稳。
不合格时的重录原则是局部重录，不要整段推翻。中段塌下去，就只重录中段；节奏散掉，就把哼唱速度放慢到自己能稳住的程度再录一遍；音高卡在某一句上不去，就把那句降下来唱，不要硬顶。第二段哼唱至少要有一次成功的，不要两段都是将就的版本。
把哼唱描述成文字交给 Ai First Song Zero Theory
工具拿到文字之后才会知道旋律往哪走、情绪是什么、段落怎么排。描述不需要乐理术语，用日常词就够。下面这段结构可以直接复制改写，方括号里的内容必须换成你自己的实际情况，不要照抄：
速度感觉：[慢 / 中速 / 偏快]，大概像走路还是像小跑
情绪：[安静 / 有点闷 / 想冲出去]，整体不要[太吵 / 太甜]
主歌：[低一点，叙事，句子短]
预副歌：[往上抬一点，准备进副歌]
副歌：[最高，情绪打开，重复一句]
整体长度：[控制在 2 分钟左右，先做短版]
人声：[只要一条主唱，先不要和声]要替换的是速度感觉、情绪、每段的走向和你想要的长度，这四项直接来自你刚才的哼唱听感。段落安排如果拿不准，就先保留主歌、预副歌、副歌三段，别一开始就要前奏间奏尾奏全齐，短版更容易听完。描述写完再回头看一遍哼唱，确认文字里说的音高走向和你实际哼的差不多，差太多就先改文字再生成。
按段落听初稿，标出听不懂的位置
初稿生成后不要从头到尾连着听一遍就下结论，那样只能得到“好听”或“不好听”这种没法行动的判断。更有效的做法是分三次听，每次只盯一个段落。
- 只听主歌：进人声的第一句到进入下一段之前。注意有没有一直循环同一句、绕不出去。
- 只听预副歌：从主歌结束到副歌开始的那一小段。注意它是往上抬了，还是原地重复主歌。
- 只听副歌：注意它和主歌有没有区别，是不是同样的旋律换了词。
听的时候记时间点，比如“0:48 到 1:02 一直卡在同一个动机上”“1:20 突然跳到一个完全不同的地方，接不上”。这些秒数位置就是你后面要改的地方，比记“听起来怪”有用得多。判断标准可以设得简单一点：一个段落里同一句循环超过两次而没有任何变化，或者段落之间切换得让人找不到接点，都属于要处理的问题。如果只是音色不喜欢但结构清楚，可以先放着，先解决断层。
删掉唱不出来的句子，只留能顺下来的词
生成出来的歌词经常是能读不能唱。这一步的方法是逐句念读，不是唱，就是出声把整句念一遍，一次一句，把有问题的句子挑出来。通常有三类：
- 字多的：一句话塞了太多字，念完要换气，位置放不进一拍里。
- 拗口的：连着几个同样的声母或者绕口的组合，念两遍会打结。
- 重音错位的：句子读起来重音落在虚词上，或者和旋律的重拍对不上。
替换时不给现成的新词，给的是原则：字多的句子先删修饰词，保留主语和动作；拗口的句子换成更常见的同义说法，不要追求文采；重音错位的句子调整语序，让重音落到第一个字或最后一个字，或者干脆换掉这句的核心词。改完再念一遍，能一口气念顺、不需要停下来想，就算通过。整段念完如果只剩个别句子不顺，说明已经接近可唱状态。
整曲连着听三遍，判断这版能不能当第一版
改到一定程度就要收手，否则会一直改下去。收尾的判断方式是整曲连着听三遍，中间不暂停、不回放，听完注意三件事：
- 三遍听感一致：每一遍听到同一个位置，感觉都是差不多的，不会第一遍觉得怪、第三遍才发现不对。
- 段落完整：主歌、预副歌、副歌都能听出来，没有哪一段明显短一截或者像被切掉了。
- 没有突兀切换：段落之间过渡过去是自然的，不会突然跳走或者突然安静得没道理。
三条同时满足，这版就可以停下，当作第一版保留，后面要改也是基于它改，不要再重新生成。任意一条不满足，就按问题回退：听感不一致，回退到按段落听的那一步，重新标秒数；段落不完整，回退到写描述那一步，检查段落安排有没有说清楚；有突兀切换，回退到删词那一步，看看是不是某一句的字数撑不住这个位置。回退只改对应的一段，不要整首重做。