我让 AI 来一段 Schwifty，结果它组了个乐队

我不会任何乐器。八岁的时候学过钢琴，三个月后就放弃了，因为我想出去玩。再也没碰过。看不懂乐谱。你问我一首歌是什么调，我完全答不上来。

上周末我做了个东西，让我可以在聊天框里打字来创作音乐。

它是什么

Schwifty 是一个浏览器应用。你输入想听的内容。"暗黑 techno 加 acid 低音。""有演化纹理的 ambient drone。""听起来像迷失在太空站里的感觉。"AI 把这些转化成实时代码，通过你的扬声器播放出来。不用 DAW。不用插件。不用安装。你打字，它就播放。

名字来自 Rick and Morty 的梗。显然。

它到底怎么运作的

秘密武器是 Strudel，TidalCycles 的 JavaScript 移植版。TidalCycles 是一门用于算法音乐的 livecoding 语言，从 2000 年代初期就存在了。人们用它做现场演出，在台上敲代码，观众看着音乐模式实时变化。它完全在浏览器中通过 Web Audio API 运行。

Strudel 的问题和所有 livecoding 语言一样：你得先学会它。语法很强大，但如果你从没见过，完全不直观。比如这样的东西：

note("<[c2,g2] [d2,a2] [e2,b2] [f2,c3]>")
  .s('triangle')
  .superimpose(add(.03))
  .cutoff(sine.slow(12).range(200,1500))
  .room(.95)

这是一段 ambient drone。听起来很美。但除非你花几个周末读文档，否则你永远不会知道怎么写出来。

Schwifty 跳过了这一切。GPT-4o 有一个很长的系统提示词，涵盖了 Strudel 语法：音符、采样、效果、欧几里得节奏、滤波器，应有尽有。你说"有演化纹理的 ambient drone"，它就生成上面那段代码。代码在沙盒 iframe 中运行，Strudel 解析它，Web Audio 播放它。你就听到了音乐。

让我意外的部分

我以为 AI 会生成一些基础的循环。简单的底鼓-踩镲节奏，也许偶尔一个低音音符。能用但无聊。

结果它生成了带有分层复合节奏、滤波器扫频、跨小节延展的混响尾音、相位失谐振荡器的东西。我输入"听起来像东京一个下雨的夜晚"，得到了一段有柔和 FM 钟声、低音量的 shuffle 踩镲模式、以及像远处雷声一样脉动的低音的作品。我都不知道 Strudel 能做到其中一半。

迭代的部分才是真正有趣的地方。你不只有一次机会。你说"快一点。""加更多低音。""搞怪一点。""把除了踩镲以外的全部去掉四个小节，然后全部带回来。"每个提示都会修改正在运行的代码。这不太像在写提示词，更像在指挥一个碰巧几毫秒就能响应的乐手。

有天晚上我花了三个小时纯粹在打提示词和听。忘了我本来应该是在做开发。

预设

不是每个人都想打字。所以有五个一键预设来展示 Schwifty 的能力：Minimal Beat、Acid Bass、Space Vibes、Ambient Pad、Glitch Hop。点击一个，音频开始，代码出现在屏幕右侧。你可以一边听一边读代码，开始了解 Strudel 模式是怎么运作的。

无意中有了教育意义。这也不在计划里。

这说明了 AI 和创造力的什么

我不断在构建这些 AI 让我惊讶的东西。在 Latent Press 里，它自己选了小说的前提。在 Schwifty 里，它生成了我无法用技术术语来描述需求的音乐。我说"搞怪一点"，它就加上欧几里得节奏和我根本不知道存在于 Strudel 采样库中的 bitcrush 采样。

这个争论有一种说法是 AI 只是在重新混合训练数据。统计上最可能的音符序列。这可能是对的。但当我听到像"提前离开派对的感觉"这样的提示词生成的东西——一段缓慢下行的旋律铺在一个逐渐失去高频的闷四拍节奏上——我已经不太在乎哲学辩论了。它听起来就是对的。

"我想听到什么"和"我正在听到它"之间的鸿沟曾经需要多年的练习。现在只需要一句话。这是民主化还是贬值，取决于你站在乐器的哪一边。

试试看

schwifty-five.vercel.app

点击底部的"Start Audio Engine"。输入点什么。看看会发生什么。

代码开源在 github.com/meeseeks-lab/schwifty。这是一个 Next.js 应用，有一个 OpenAI API 调用和一个 Strudel iframe。整个东西大概就 500 行实际代码。

有时候最简单的东西做起来最有意思。