ACE-Step no-vocal condition is the exact [Instrumental] marker; colon prose in the lyrics channel induced wordless filler. Recheck now ASRs full vocals and pairs filler ratio with demucs energy. Co-authored-by: Cursor <cursoragent@cursor.com>
4.5 KiB
songforge — Agent 极简卡(默认只读这份)
省 token:进仓先读本文。失败 / 改铁律 / 深挖再打开
AGENTS.md。 禁止整文件粘贴ironlaw.py/qc_worker.py;用 CLI 输出代替。
进仓 30 秒
cd <songforge仓根>
.\scripts\doctor_all.ps1
.\.venv\Scripts\python.exe songforge.py --help
本机路径:config/local.toml(缺则从 .example 复制)。算法:config/default.toml。
交付
硬条件:gen 的 run_id + flac + qc --baseline → PASS。
style_fam / 全曲 filler_ratio 弱参考;开曲衬词(intro_filler / recheck)是硬门。
不要说「风格已验证」。
生歌结束后用此模板汇报(缺项写 —):
## 生歌报告
- 结论:PASS | FAIL
- 歌名 / 风格 / BPM / 设定时长:…
- run_id:…
- 音频路径:…(flac;可用 media info)
- 歌词:路径 + check / align 密度
- QC:verdict;BPM;voice_nn;开曲衬词;filler_ratio(弱)
- 产物:report.md;listen/(PASS 后);intro_check.json
- 建议:听 listen/;FAIL 换 seed(--auto-retry)或改词
插件会在 run 目录自动写 report.md(deliver_report)。
流水线(照这个跑)
doctor_all → target → [align] → check → gen [--auto-retry N] → recheck → qc --baseline → compare?
.\.venv\Scripts\python.exe songforge.py target --style pop --bpm 104 --dur 180
# 密度不够时一键对齐(复用已有行,不造新词):
.\.venv\Scripts\python.exe songforge.py align --style pop --lyrics-file input\lyrics\xxx.txt --bpm 104 --dur 180
.\.venv\Scripts\python.exe songforge.py check --style pop --title 歌名 --lyrics-file input\lyrics\xxx.txt --bpm 104 --dur 180
.\.venv\Scripts\python.exe songforge.py gen --style pop --title 歌名 --lyrics-file input\lyrics\xxx.txt --bpm 104 --dur 180 --auto-retry 2
.\.venv\Scripts\python.exe songforge.py recheck --run <run_id>
.\.venv\Scripts\python.exe songforge.py qc --run <run_id> --baseline
.\.venv\Scripts\python.exe songforge.py compare --runs <run_a>,<run_b>
仓根入口:.\.venv\Scripts\python.exe songforge.py <命令>
嵌套 ComfyUI 时:cd <ComfyUI>\user\default\workflows 后 python songforge\songforge.py …
硬锁定
| 项 | 值 |
|---|---|
| ckpt+LoRA | ace_step_1.5_turbo_swl_fused + swl_voice_best_ep257(0.5/0.5) |
| 采样 | shift=5.5 / steps=28 / cfg=2.0 / temperature=0.68 |
| 时长 | 150–200s;8 小节器乐前奏(CLI 注入裸 [Instrumental],勿写冒号散文) |
| 衬音 | 禁止开曲衬词;默认 lean tags;禁点名 mm/ooh/嗯;QC=ASR+人声能量双门 |
| tags | prefer_lean_tags=true;勿随意 --full-tags |
命令速查(Agent 常用)
| 命令 | 用途 |
|---|---|
doctor / doctor_all.ps1 |
体检 |
target |
查字数窗口 |
align |
歌词音节对齐放行窗 |
check |
本地校验 |
gen |
生成;--auto-retry N 开曲 FAIL 换 seed;--skip-recheck 跳过轻检 |
recheck |
开曲轻检(前奏窗 ASR) |
qc --baseline |
全量验收(必带 baseline) |
compare --runs a,b |
多 run 对比 |
media info|convert|clip |
音频窄接口 |
catalog / prune |
索引 / 清 tmp |
目录(微内核)
| 层 | 路径 |
|---|---|
| 内核 | core/ rules/ cli/ lyrics/ |
| 插件 | plugins/ ← 扩展写这里 |
| 数据 | input/lyrics/ data/runs/ config/ |
| 文档 | 本文 → AGENTS.md → docs/使用手册.md → plugins/README.md |
内置/包式插件:intro_guard、deliver_report、listen_pack、retry_on_intro_fail。
钩子:after_assemble / after_gen / after_qc。详见 plugins/README.md。
音频栈
经 qc_python(勿塞进轻量 .venv):librosa、soundfile、torch、torchaudio、demucs、whisper。
media / qc / recheck 都走这栈。
遇事先问
| 情况 | 动作 |
|---|---|
| 无 local.toml / Comfy 不通 / 缺模型 | 问路径与是否已启动 |
| 风格/歌名/歌词来源不清 | 问 |
| 想改采样/换模型/放宽 QC | 拒绝,除非用户书面坚持 |
| 需改仓库代码 | 先说明范围征求同意;建议 git 备份或新插件;问 commit/push/remote |
| secrets / 推哪个 remote | 问;勿提交 .secrets、local.toml |
可自行:check 密度失败 → align 或改词;漏 --baseline 补上;prune --days 7。
样例
input/lyrics/pop_灯还亮着.txt + --style pop --bpm 104 --dur 180