ज़्यादातर लोग AI म्यूज़िक के लिए अस्पष्ट प्रॉम्प्ट लिखते हैं और उन्हें ऐसे आम ट्रैक मिलते हैं जो भावना से बिल्कुल मेल नहीं खाते। यह लेख दिखाता है कि खास मूड पकड़ने वाले प्रॉम्प्ट कैसे लिखें, उदासी भरे एकॉस्टिक पियानो से लेकर तेज़ ट्रैप बीट्स तक। इसमें आठ भावनात्मक स्थितियों के कॉपी-पेस्ट उदाहरण हैं और PicassoIA पर अभी उपलब्ध सबसे अच्छे AI म्यूज़िक मॉडल का ब्योरा भी।
ज़्यादातर लोग AI म्यूज़िक जनरेटर में "happy music" या "sad song" जैसा कुछ टाइप करते हैं और हैरान होते हैं कि नतीजा खोखला और बेमेल क्यों लगता है। समस्या मॉडल की नहीं है। समस्या प्रॉम्प्ट की है। AI म्यूज़िक मॉडल भावनाओं को उस तरह नहीं पढ़ते जैसे इंसान पढ़ते हैं। वे खास स्ट्रक्चरल संकेतों पर प्रतिक्रिया देते हैं: जॉनर, टेम्पो, इंस्ट्रूमेंटेशन, मूड के शब्द और संदर्भ। एक बार यह भाषा समझ आ जाए, तो ऐसा ट्रैक पाना जो सच में आपकी भावना पकड़े, एक दोहराई जा सकने वाली कुशलता बन जाती है।
यह लेख बताता है कि मूड से मेल खाने वाले AI म्यूज़िक के प्रॉम्प्ट कैसे लिखें, आठ भावनात्मक स्थितियों के लिए कॉपी-पेस्ट उदाहरण देता है, उपलब्ध सबसे अच्छे मॉडल का ब्योरा देता है, और अभी नतीजे पाने का व्यावहारिक तरीका दिखाता है।
जब आप AI म्यूज़िक जनरेटर से कहते हैं "मेरे लिए कुछ खुशी वाला बनाइए," तो आप उसे काम करने के लिए लगभग कुछ नहीं देते। "Happy" एक बहुत बड़ी श्रेणी है जिसमें पॉप एंथम, बच्चों की लोरी, कैलिप्सो की लय और तेज़ 80 के दशक के सिंथ ट्रैक सब आते हैं। ये सभी "happy" हैं। मॉडल इनमें से एक को यादृच्छिक चुनता है, क्योंकि आउटपुट को सीमित करने का उसके पास कोई और संकेत नहीं होता।
यही समस्या हर मूड के साथ आती है। "Sad" का मतलब धीमा स्ट्रिंग क्वार्टेट हो सकता है, माइनर कॉर्ड वाला हिप-हॉप इंस्ट्रूमेंटल हो सकता है, या सिनेमाई फ़िल्म स्कोर हो सकता है। "Calm" का मतलब एम्बिएंट ड्रोन म्यूज़िक हो सकता है या शांत जैज़ ट्रायो। सिर्फ़ भावना का लेबल आउटपुट को इतना सीमित नहीं करता कि कुछ खास और भावनात्मक रूप से सटीक बन सके।
कमज़ोर प्रॉम्प्ट कई वैध व्याख्याओं पर एक चौड़ा प्रायिकता वितरण बनाता है। मज़बूत प्रॉम्प्ट उस वितरण को एक खास भावनात्मक अनुभव की ओर संकरा कर देता है।
AI म्यूज़िक मॉडल लेबल वाले ऑडियो पर प्रशिक्षित होते हैं। जो लेबल सबसे ज़्यादा मायने रखते हैं वे अमूर्त भावनाएँ नहीं हैं। वे ठोस वर्णनकर्ता हैं:
इनमें से दो या तीन को एक ही वाक्य में मिलाएँ, तो मॉडल के पास एक असली लक्ष्य होता है। हर मज़बूत AI म्यूज़िक प्रॉम्प्ट की नींव यही है। भावनात्मक लेबल स्ट्रक्चरल ब्योरे के बाद आता है, पहले नहीं।
भावना के शब्द बताते हैं कि आप कैसा महसूस करना चाहते हैं। जॉनर के शब्द संगीत का ढाँचा बताते हैं। दोनों मायने रखते हैं, पर प्रॉम्प्ट में उनकी भूमिका अलग है।
अकेले भावना के शब्द: "मुझे कुछ नॉस्टैल्जिक और थोड़ा उदास चाहिए।" अकेले जॉनर के शब्द: "विनाइल क्रैकल वाला Lo-fi hip-hop।"
एक साथ: "Lo-fi hip-hop with vinyl crackle, melancholic piano chords, slow 70 BPM tempo, nostalgic late-night feel."
भावना के शब्द भावनात्मक लक्ष्य तय करते हैं। जॉनर और ढाँचे के शब्द बताते हैं कि मॉडल वहाँ तक कैसे पहुँचे। संयुक्त प्रॉम्प्ट अकेले किसी भी एक हिस्से से कई गुना ज़्यादा खास है, और नतीजा इस खासियत को सीधे दर्शाता है।
इन्हें असरदार ढंग से इस्तेमाल करने के लिए औपचारिक संगीत सिद्धांत की ज़रूरत नहीं है। कुछ व्यावहारिक नियम ज़्यादातर मूड को कवर कर देते हैं:
| मूड | टेम्पो रेंज | टोनैलिटी |
|---|---|---|
| खुश, ऊर्जावान | 120-140 BPM | मेजर |
| उदास, चिंतनशील | 60-80 BPM | माइनर |
| एकाग्र, शांत | 80-100 BPM | मेजर या न्यूट्रल |
| तनावपूर्ण, तीव्र | 140-160 BPM | माइनर या डिमिनिश्ड |
| रोमांटिक, गर्म | 70-90 BPM | मेजर |
| सपनीला, ध्यानमय | 50-70 BPM | कोई भी |
आपको हर प्रॉम्प्ट में BPM बताने की ज़रूरत नहीं है। पर जब आप बताते हैं, तो वह टेम्पो का संकेत ऐसी सटीकता से देता है जिसे "धीमा" या "तेज़" जैसे शब्द नहीं दे सकते। "65 BPM" का एक खास मतलब है। "धीमा" सापेक्ष है और अक्सर अलग-अलग ढंग से समझा जाता है।
सिर्फ़ "sad" लिखने के बजाय "minor tonality" या "minor scale" बताने से मॉडल को अनुसरण करने के लिए एक ठोस संगीत ढाँचा मिलता है, और उस व्याख्या को संयोग पर नहीं छोड़ना पड़ता।
खुशी वाला संगीत सबसे व्यापक श्रेणियों में से एक है, और इसीलिए यहाँ खासियत सबसे ज़्यादा मायने रखती है। कुछ भी लिखने से पहले तय करें कि आप किस तरह की खुशी चाहते हैं।
💡 कॉपी-पेस्ट प्रॉम्प्ट:
- "Upbeat indie pop, acoustic guitar strumming, clapping percussion, sunny day feeling, 125 BPM, major tonality, cheerful and carefree"
- "Bright tropical house, steel drums and synth pads, warm and joyful, 128 BPM, perfect for a beach afternoon"
- "Energetic funk with brass section, punchy bass line, uplifting groove, 118 BPM, feel-good dance track"
उदास ट्रैक को उदासी के प्रकार बताने से फ़ायदा होता है। दुख अकेलेपन से अलग सुनाई देता है, और अकेलापन बीती यादों की टीस से अलग सुनाई देता है।
💡 कॉपी-पेस्ट प्रॉम्प्ट:
- "Melancholic piano solo, sparse and lonely, slow 65 BPM, minor tonality, late night introspection, no drums"
- "Acoustic folk ballad, fingerpicked guitar, soft male vocals, bittersweet and tired, 72 BPM"
- "Cinematic string quartet, somber and heavy, slow 58 BPM, grief and loss theme, no percussion"
प्रोडक्टिविटी और पढ़ाई की प्लेलिस्ट के लिए सबसे ज़्यादा माँगे जाने वाले मूड में से एक। जो प्रॉम्प्ट सबसे अच्छा काम करते हैं वे न्यूनतम इंस्ट्रूमेंटेशन को एक स्थिर, अनुमानित लय के साथ मिलाते हैं, जो ध्यान नहीं माँगती।
💡 कॉपी-पेस्ट प्रॉम्प्ट:
- "Lo-fi hip-hop, soft jazz piano, vinyl crackle, 80 BPM, rainy afternoon, perfect for studying"
- "Ambient electronic, gentle synthesizer pads, no melody, calming drone, 85 BPM, deep focus"
- "Classical piano, gentle and deliberate, 90 BPM, clean acoustic space, concentration and clarity"
वर्कआउट सेशन, एक्शन सीक्वेंस या जिस भी चीज़ में तेज़ी की ज़रूरत हो, उसके लिए ऊँचा टेम्पो और माइनर टोनैलिटी ज़्यादातर काम कर देते हैं।
💡 कॉपी-पेस्ट प्रॉम्प्ट:
- "Dark electronic techno, pulsing bass, 145 BPM, minor tonality, relentless and cold, building tension"
- "Cinematic tension score, orchestral strings, building percussion, no resolution, suspense and threat"
- "Aggressive trap beat, heavy 808 bass, 140 BPM, dark and menacing, minimal melody"
संगीत में रोमांस लगभग हमेशा आत्मीयता और गर्माहट के बारे में होता है, जिसका अर्थ है वाद्यों की करीबी उपस्थिति और धीमे, सोच-समझकर चुने गए टेम्पो, जो हर नोट को साँस लेने की जगह देते हैं।
💡 कॉपी-पेस्ट प्रॉम्प्ट:
- "Soft jazz piano and double bass, intimate and warm, 75 BPM, candlelight dinner mood, major tonality"
- "Acoustic guitar and cello duet, romantic and tender, 80 BPM, quiet evening, falling in love"
- "Soul ballad, smooth vocals, gentle percussion, warm and vulnerable, 70 BPM, slow dance"
नॉस्टैल्जिया खुशी को खोने के एहसास के साथ मिलाता है। इसे सबसे अच्छी तरह पकड़ने वाले प्रॉम्प्ट खास ध्वनि बनावट का ज़िक्र करते हैं, जैसे टेप हिस या विंटेज प्रोडक्शन की शैली, जो किसी खास दौर का संकेत देती है, बिना उसका नाम लिए।
💡 कॉपी-पेस्ट प्रॉम्प्ट:
- "80s synth-pop, warm analog pads, slightly faded production, nostalgic and bittersweet, 100 BPM"
- "Lo-fi बेडरूम पॉप, टेप हिस, दबे हुए ड्रम, 78 BPM, किसी ऐसे इंसान को याद करते हुए जिसे आप मिस करते हैं"
- "रेट्रो सोल, विंटेज ऑर्गन, धूल भरी विनाइल टेक्चर, धीमा 65 BPM, याद और तड़प"
उच्च-ऊर्जा वाले मूड के लिए साफ़-साफ़ बताना ज़रूरी है कि किस तरह की ऊर्जा चाहिए: वर्कआउट की ऊर्जा, पार्टी की ऊर्जा और प्रतिस्पर्धी जोश, ये सब अलग-अलग नतीजे देते हैं।
💡 कॉपी-पेस्ट प्रॉम्प्ट:
- "Hard-hitting gym workout track, heavy electronic drop, 150 BPM, aggressive and powerful, rock influence"
- "Festival EDM, euphoric build and drop, 128 BPM, uplifting and massive, crowd energy"
- "Rap hype track, fast-paced flow beat, snappy snare, 95 BPM, aggressive and confident"
ये ट्रैक मिक्स में जगह और खामोशी पर पूरी तरह निर्भर होते हैं। "no percussion" या "minimal melody" बताने से मॉडल हर खाली जगह को गतिविधि से भरने से रुकता है।
💡 कॉपी-पेस्ट प्रॉम्प्ट:
- "Ambient ethereal, slow evolving pads, no percussion, 50 BPM, drifting and weightless"
- "New Age piano and flute, peaceful and spacious, 60 BPM, nature sounds layered in the background"
- "Shoegaze dreamscape, washed-out guitar reverb, floating vocals, 68 BPM, hazy and beautiful"
हर AI म्यूज़िक मॉडल मूड को एक जैसे तरीके से नहीं संभालता। यहाँ बताया गया है कि सबसे मज़बूत मॉडल में से हर एक क्या अच्छा करता है, और उसे कब चुनना चाहिए।
MiniMax Music 2.6 टेक्स्ट प्रॉम्प्ट से बोल वाले पूरे गाने बनाता है, जिसमें लिरिक्स भी शामिल हैं। यह जॉनर के निर्देशों को सटीक ढंग से संभालता है और छोटे लूप या इंस्ट्रुमेंटल की जगह पूरे, संरचित ट्रैक बनाता है। पॉप, हिप-हॉप, R&B और किसी भी ऐसे मूड के लिए सबसे मज़बूत विकल्प, जिसमें ट्रैक में असली लिरिक्स होने से फ़ायदा मिलता है।
Google Lyria 3 Pro सिनेमाई और ऑर्केस्ट्रल मूड में उत्कृष्ट है। अगर आप तनाव, नाटक या विस्तृत भावनात्मक आर्क के लिए प्रॉम्प्ट लिख रहे हैं, तो यह मॉडल उन अनुरोधों को अभी उपलब्ध लगभग किसी भी दूसरे मॉडल से बेहतर संभालता है। यह उचित संगीत ढाँचे और मज़बूत टोनल सटीकता के साथ पूरी लंबाई के ट्रैक बनाता है, इसलिए फ़िल्म-स्कोर जैसे मूड के लिए यह पहली पसंद है।
ElevenLabs Music एक साफ़ और तेज़ इंटरफ़ेस के साथ टेक्स्ट प्रॉम्प्ट से AI गाने रचता है। यह एंबिएंट और वायुमंडलीय मूड में खास तौर पर अच्छा है, जहाँ लिरिक्स बनाने से ज़्यादा सटीक टोनल नियंत्रण मायने रखता है। अगर आपका मूड प्रॉम्प्ट शांत, स्वप्निल या केंद्रित श्रेणी में आता है, तो यह एक मज़बूत पहला विकल्प है।
Stability AI का Stable Audio 2.5 इलेक्ट्रॉनिक और प्रायोगिक मूड को अच्छी तरह संभालता है। जब आप सीधे BPM बताते हैं, तो इसमें टेम्पो का पालन मज़बूत होता है, जिससे यह केंद्रित, हाइप और तनावपूर्ण श्रेणियों के लिए भरोसेमंद बनता है, जहाँ लय की सटीकता सबसे ज़्यादा मायने रखती है।
Google Lyria 3 मानक वर्ज़न है, जो विभिन्न जॉनर में रोज़मर्रा के मूड-आधारित जनरेशन के लिए ठीक है। यह साफ़, उच्च-गुणवत्ता वाला ऑडियो और अच्छी टोनल सटीकता देता है, और जब आप अभी यह तय कर रहे हों कि किसी मूड के लिए कौन-सी जॉनर दिशा सही बैठती है, तब एक अच्छे शुरुआती बिंदु का काम करता है।
PicassoIA पर उपलब्ध कुछ और AI म्यूज़िक मॉडल:
MiniMax Music 2.6 प्लेटफ़ॉर्म पर मूड-आधारित म्यूज़िक जनरेशन के लिए सबसे सक्षम मॉडलों में से एक है। जल्दी अच्छे नतीजे पाने का तरीका यहाँ है।
PicassoIA पर MiniMax Music 2.6 खोलें। प्रॉम्प्ट फ़ील्ड में यह ढाँचा इस्तेमाल करें:
फ़ॉर्मेट: [Genre] + [Tempo/BPM] + [Instrumentation] + [Mood Descriptors] + [Reference Context]
शांत मूड का उदाहरण: "Indie folk, 75 BPM, fingerpicked acoustic guitar and soft piano, melancholic and tender, late night reflection"
उच्च-ऊर्जा मूड का उदाहरण: "Hard-hitting electronic, 150 BPM, driving synth bass, aggressive and powerful, gym session"
प्रॉम्प्ट को 30-50 शब्दों में रखें। लंबे प्रॉम्प्ट अक्सर असंगत नतीजे देते हैं, क्योंकि मॉडल पहले के शब्दों को ज़्यादा वज़न देता है और बाद के शब्द अक्सर आंशिक रूप से अनदेखे रह जाते हैं।
Music 2.6 वैकल्पिक लिरिक्स इनपुट स्वीकार करता है। अगर ट्रैक में आपकी कुछ खास पंक्तियाँ चाहिए, तो उन्हें लिरिक्स फ़ील्ड में डालें। अगर इसे खाली छोड़ते हैं, तो मॉडल आपके प्रॉम्प्ट के मूड और जॉनर से मेल खाते अपने लिरिक्स लिखता है। ज़्यादातर मूड-मिलान वाले कामों के लिए, लिरिक्स मॉडल पर छोड़ने से पहली जनरेशन में ही भावनात्मक रूप से ज़्यादा सुसंगत नतीजे मिलते हैं।
पहली जनरेशन एक ड्राफ़्ट है। पहले 10-15 सेकंड सुनें। अगर टेम्पो गलत लगे, तो अपने प्रॉम्प्ट में BPM जोड़ें या बदलें। अगर इंस्ट्रूमेंटेशन चूके, तो वे खास वाद्य नाम लें जो आप चाहते हैं। अगर भावनात्मक लहजा करीब है पर पूरी तरह सही नहीं, तो एक मूड मॉडिफ़ायर बदलें और दोबारा जनरेट करें।
💡 व्यावहारिक टिप: हर दोहराव में केवल एक तत्व बदलें। इससे आप जानते हैं कि कौन-सा बदलाव आउटपुट को किस तरह बदल गया, और आप जो काम करता है उसी पर आगे बढ़ सकते हैं, शुरुआत से दोबारा नहीं करना पड़ता।
"Something that feels like summer but also a bit sad and kind of nostalgic but still upbeat" प्रॉम्प्ट नहीं है। यह एक ऐसी भावना का वर्णन है जिसका कोई सीधा संगीत समकक्ष नहीं है। मॉडल उस पर काम करे उससे पहले अमूर्त भावनाओं के ढेर को ढाँचागत संगीत शब्दों में बदलना ज़रूरी है।
समाधान: "Lo-fi pop, warm acoustic guitar, slightly melancholic chord progression in minor tonality, 80 BPM, last day of summer feeling"
"Heavy metal but very relaxing and calm" में सीधा विरोधाभास है। ज़्यादातर मॉडल विरोध के एक हिस्से को नज़रअंदाज़ कर देंगे, या उन्हें अजीब, असंगत तरीकों से मिला देंगे। नतीजा ऐसा होगा जो न मेटल है न शांत।
समाधान: एक भावनात्मक दिशा चुनें और उसी पर टिके रहें। अगर आप तीव्र पर नियंत्रित चाहते हैं, तो दो असंगत जॉनर अपेक्षाओं को ज़बरदस्ती जोड़ने के बजाय "dark ambient electronic, tense but minimal, 90 BPM, no harsh drops" आज़माएँ।
200 शब्दों वाला प्रॉम्प्ट 30 शब्दों वाले प्रॉम्प्ट से बेहतर नहीं होता। एक बार प्रॉम्प्ट लगभग 60 शब्दों से ज़्यादा हो जाए, तो मॉडल संकेतों को असमान वज़न देने लगते हैं। पहले के शब्दों का असर ज़्यादा होता है, और बाद के शब्द अक्सर आंशिक रूप से अनदेखे रह जाते हैं, जिससे आउटपुट में आपकी मंशा का केवल आधा हिस्सा दिखता है।
समाधान: तीन से पाँच ज़रूरी तत्व पहचानें और उन्हें साफ़ लिखें। जॉनर, BPM, दो या तीन इंस्ट्रूमेंटेशन विकल्प, और एक या दो मूड के शब्द काफ़ी हैं। उससे आगे की हर चीज़ ज़्यादातर शोर है।
इस लेख का हर प्रॉम्प्ट मॉडल में पेस्ट करने के लिए तैयार है। इन्हें आज़माने का सबसे तेज़ तरीका है PicassoIA का AI म्यूज़िक जनरेशन कलेक्शन खोलना और वह मॉडल चुनना जो आप जिस मूड की तलाश में हैं उससे मेल खाता हो।
अगर आप वोकल्स वाला पूरा गाना चाहते हैं तो MiniMax Music 2.6 से शुरू करें। सिनेमाई या ऑर्केस्ट्रल चीज़ चाहिए तो Google Lyria 3 Pro चुनें। इलेक्ट्रॉनिक या बीट-आधारित मूड के लिए Stable Audio 2.5 आज़माएँ। साफ़, वायुमंडलीय नतीजे जल्दी चाहिए तो ElevenLabs Music इस्तेमाल करें।
जो ट्रैक चूकता है और जो सच में सही बैठता है, उनके बीच का फ़र्क लगभग हमेशा प्रॉम्प्ट की खासियत में होता है। जॉनर, BPM, इंस्ट्रूमेंटेशन और एक या दो मूड के शब्द। यही फ़ॉर्मूला है। एक मूड चुनें, ढाँचा लगाएँ, और देखें कि क्या लौटकर आता है।
अगर पहला नतीजा पूरी तरह सही नहीं है, तो एक चीज़ बदलें और दोबारा जनरेट करें। इसी तरह आप प्रॉम्प्टिंग की समझ विकसित करते हैं, और इसी तरह आपको ऐसा AI म्यूज़िक मिलता है जो सच में वैसा लगे जैसा आप महसूस करते हैं।
अपनी भाषा चुनें
