生成的人声字挤在一起、唱得赶，通常不是曲风提示词没写够，而是歌词每句塞的字太多。在 Tempolor v4.7 这类按提示词出曲的工具里，曲风和段落骨架属于“风格层”，咬字密度、抢拍、换气位置更受“歌词层”的断句和每句字数支配。先别继续加标签，把歌词按行切开数一遍字数，往往就能看到是哪两三句在拖累整段。

人声唱得赶，优先怀疑歌词断句，而不是继续堆曲风标签。曲风与段落骨架用两三个核心词定住，其余形容词写进段落描述；咬字密度靠每句字数和标点控制。判断顺序建议是：先统计逐句字数圈出超长句，再断句后重新提交，最后才回头调曲风。断句之后仍然抢拍，才需要考虑曲风或段落划分本身。

逐句统计歌词字数并找出超长句

做法很直接：把歌词按现有的换行切成一句一行，去掉标点后数字数，算出全篇均值，再把明显高于均值的句子标出来。通常高于均值两成以上的句子就是咬字挤在一起的高发位置，先圈出来，不要一上来就改整首。

# 歌词存成 lyric.txt，一句一行
python3 -c "
lines=[l.strip() for l in open('lyric.txt',encoding='utf-8') if l.strip()]
counts=[len([c for c in l if c not in '，。、！？；：,.!?;:'] ) for l in lines]
avg=sum(counts)/len(counts)
for i,(l,c) in enumerate(zip(lines,counts),1):
    print(i, c, round(avg,1), '超长' if c>avg*1.2 else '', l)
"

这张表只是定位工具，结论要回到听感上核对：标了超长的第 2、5、6 句，如果正好是你听到“字糊成一团”的位置，说明问题在歌词层；如果超长句唱得清楚、反而是短句抢拍，那要往曲风和段落那边看。

把长句按语义断成短句并保留押韵位置

断句不是把长句从中间劈开，而是找语义的自然停顿，同时让原韵脚仍然落在句尾。下面三句按这个原则改，第 2 句的“针”、第 5 句的“河”、第 6 句的“走”都留在句末，押韵位置不变。

断句后重新提交时，只在歌词框里改行，不要顺手再把曲风标签加回去，否则下一轮判断就没有单一变量了。需要提醒的是，断得太碎（每句三四字）容易让旋律失去连贯，通常控制在六到九字一段比较稳；如果某句断完出现“半句话”，宁可换一种停顿位置，也不要把语义切断。

曲风标签精简到两三个核心词，其余写进段落描述

多组标签同时出现时，模型要在它们之间折中，人声位置、鼓组密度、混响量都可能被拉来拉去，咬字反而更挤。做法是只留决定整体走向的两三个词，把其余描述下沉到具体段落。

风格核心词：city pop, female vocal, mid-tempo

[主歌] 低声、半念半唱，鼓组稀疏，贝斯只走根音，木吉他扫弦做底
[副歌] 打开声场，人声叠一层和声，鼓点变密，混响收一点

（不再出现 synthwave / lo-fi / dream pop / R&B 等并列标签）

段落描述里也可以写“人声保持在混音前景、每句留半拍换气”这类可执行的句子，比再加一个风格词更有效。改完后用同一份歌词重跑一次，重点听超长句是否还挤。

分主歌、副歌两段提交再拼接

整首一次性提交时，模型要同时兼顾前后情绪变化，长句更容易被压字。拆成两段提交，单次负担小一些，也方便逐段校对咬字。建议的顺序是先副歌、后主歌：副歌情绪最满、咬字问题最明显，先把它定下来，人声音色和混音位置就有了基准，主歌只要对齐这个基准。

1. 先提交副歌片段，确认人声音色、咬字清晰度、每句的换气位置。
2. 保留同一组风格核心词，只替换歌词与段落描述，提交主歌片段。
3. 两段分别听清楚后，再按段落顺序拼接，接缝处单独听两遍。

拼接处建议逐项核对，不要只听整体顺不顺：

• 速度是否一致，接缝处有没有突然变快或变慢。
• 调性与和弦走向是否衔接，副歌首句进来时是否突兀。
• 上一段末句与下一段首句的字数差，是否造成一处明显赶或拖。
• 押韵是否跨段延续，主歌末字和副歌首句韵脚是否打架。
• 人声音量与混响是否处在同一水平，接缝处有没有突然靠前或后退。
• 段落末句是否留出足够尾音，避免下一段首字顶上来。
• 两段之间是否有漏句或重复句，对着定稿歌词逐句点名核对。

用两组对照判断问题出在歌词还是曲风

到这一步仍然分不清责任方，就做两组单变量对照。关键是每次只动一个东西，其余全部锁死，否则听感变化说不清来源。

判读方式可以按这个边界走：A 组换曲风后挤字跟着消失，说明问题偏曲风或速度；B 组换断句后挤字消失、A 组怎么换都一样，说明问题在歌词层，回到字数表继续收句子。两组都改不动，再去怀疑段落划分本身是否给了过多句子。记录时保留每次提交的提示词、歌词版本和试听时间点，方便回退到上一个可用版本，不要只靠耳朵记忆。