跳至主要內容
返回

歌曲組建構器:在敬拜弧線裡搜尋

更新於

我想做一個工具,幫忙把敬拜歌單組起來。挑好歌只是其中一部分。我還要一個有用的順序、可控的轉場,以及一組塞得進可用時間的歌。

語言模型可以把一組建議講得很有說服力,卻一項細節都沒檢查。所以建構器用程式碼來搜尋、驗證、評分。模型可以幫忙規劃和加註解,但它的說法不會讓一個建議變得有效。

這是《Stream of Worship》系列的一部分。上一篇:轉場引擎。下一篇:網頁應用。

先決定形狀

我用五個階段:呼召、感謝、敬拜、回應、差遣。配適模板在兩首歌時是 (1, 4),三首是 (1, 3, 5),四首是 (1, 3, 4, 5),五首就五個階段全上。

那些是目標形狀,不是每個被接受的建議都必須完全符合的階段要求。驗證器和放寬設定允許變化。兩首到五首之外的數量會直接被拒絕,不會默默縮減。

主題的備援會綜合標題比對、歌詞比對、歌曲嵌入向量和逐行嵌入向量。有元件的中繼資料時,副歌的分類比其他段落權重更高,並依信心值調整。它是在彙整這些票;不是直接把最後一段副歌的主題派給整個錄音。主題證據完全沒有時,速度分帶是最後一層備援。

目前的檢查管到哪裡

驗證器有十項檢查:數量 H0,接著 H1–H9 分別是階段涵蓋、開場速度、收尾速度、相鄰速度差、和聲距離、重複歌曲、階段推進、調性信心、總長度。

有些細節很容易漏掉:

放寬可以把速度和和聲的限制放鬆,也讓階段涵蓋變鬆。最後用的設定要跟輸出放在一起。特別是:一次設定成放寬階段涵蓋的執行,不該因為警告清單是空的,就說它通過了嚴格模板。

幫有效的建議排序

基礎權重是主題 0.40、速度 0.30、和聲 0.20、多樣性 0.10。能量和姿態各可以再拿 0.05,有它們時基礎那幾項會按比例縮小。缺了這些訊號不代表建議很差;它代表這個分數帶的資訊比較少。

分數取決於這些選擇。它們沒有跨不同歌曲池、不同特徵涵蓋率、不同程式版本做過校準。連能量函式都要小心:它的註解寫的是比較柔和的收尾,但目前的弧線算式會懲罰開場排名高於收尾排名的情況。我不能說它穩定地獎勵了想要的那種下降。

建構器有一條不靠 LLM 的確定性路徑。這樣就能把搜尋本身跟模型對結果寫的那段文字分開來檢查。

7 月 26 日的範例輸出

這是存下來的 eval/run1_standard 執行:從 438 首的池子裡排出的五組三首歌曲建議。執行檢視記錄了 no_llm=True、auto_relax=True、relax_h1=True。它是確定性 beam 排序出來的,階段涵蓋已經放寬過。

音訊檔沒有進 repo——波形只是示意。歌曲、調性、BPM、交叉淡化與分數資料都是建構器的原始輸出。

Showcase — songset constructor output

run songset-20260726T070852Z-3s-top5

Waveform bars are synthetic placeholders — no audio is shipped. Song, key, BPM, crossfade, and score values are verbatim constructor output.

這些是歷史輸出。數值沒有用 11 月的規則重新產生過,波形示意也不是音訊證據。移調是建議;渲染 worker 並沒有套用。

更好的輸入,比再多解釋有用

繁體中文的比較用同一個 438 首的池子,在詞彙正規化之後,標題的主題命中從 76 增加到 106,歌詞命中從 342 增加到 372。這是比對涵蓋率變好的證據,不是敬拜歌單變好的證據。

在把權重再調下去之前,我會先收聽感回饋。讓領袖實際試幾組建議的歌單,比我自己再拿同一批規則把同樣的建議評一輪,能告訴我更多事。


分享這篇文章:

上一篇
轉場引擎:比較出口與入口
下一篇
網頁應用:在手機上準備一組歌