抖音短视频配乐需分场景选择Suno模式：照片配乐用PNG截图+英文描述；Instrumental模式靠英文指令精准控BPM与音效；Custom Mode清空歌词栏后嵌入定制音效，确保15秒纯器乐输出。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

你想给抖音短视频配上一段卡点精准、情绪到位、自带老式收音机底噪和磁带戛然而止声的15秒悬疑BGM，但生成十几次都失败——问题不在AI，而在你没踩中Suno对提示词的硬性解析逻辑。

照片配乐：用截图反向生成情绪匹配BGM

这一步适合还没想好风格、但已有成片的用户。Suno会从画面里提取冷暖色调、人物微表情、场景纵深感，自动映射成旋律张力与配器密度。

1、暂停短视频，在情绪最高点或转场帧截一张图，保存为PNG（JPG压缩会导致色彩信息丢失，影响情绪识别精度）。

2、打开suno.cn，登录后点击左侧「创作」→ 选择「照片配乐」模式。

3、拖入截图，在下方提示框补一句英文描述，例如：“tense cinematic build-up, 110 BPM, low strings swell at 8.2s, vinyl crackle throughout”——【必须写英文，中文描述会被完全忽略】。

4、点击「创作」，等待2分半左右，下载生成的MP3即可直接拖进剪映时间线。

抖音视频画面文字提取[0 token]

从视频画面中提取文字与公式的本地 OCR 技能：支持抖音、快手、B站、YouTube 等平台视频链接下载，也支持本地视频文件；基于 ffmpeg + tesseract 纯本地处理，零 token 消耗。适用于提取烧录字幕、屏幕公式、PPT 文字、图表标注、课程讲义等。This skill should be used when the user provides a video link or local video and wants the on-screen text/formulas extra

下载

Instrumental模式：纯文本精准控制BGM参数

当你已规划好视频节奏卡点、需要BPM严格对齐剪辑帧时，必须用这个模式。它不依赖图像，只认你写的英文指令。

方法一：基础结构法（新手友好）
在Style of Music栏输入：“upbeat synth-pop, 120 BPM, bright arpeggios, no vocals” → 勾选Instrumental选项 → 点击Create。

方法二：时间锚定法（卡点刚需）
写完整句：“lo-fi horror ambient with vinyl crackle, tape stop at 14.8s” → 【“tape stop”必须放在句尾，否则Suno优先解析动作而非音色】 → 高级设置中关闭Vocal → Create。

方法三：硬件限定法（音色保真）
“8-bit chiptune using only Game Boy DMG waveforms, no pulse width modulation” → 【写“8-bit”无效，“Game Boy DMG”才能调用真实波表】 → 调整长度为15秒 → Create。

Custom Mode嵌入定制音效

适合需要声音细节呼应画面内容的场景，比如键盘敲击声匹配打字镜头、玻璃碎裂声匹配摔杯瞬间。

第一步：进入Custom Mode，清空Lyrics栏（留空是硬性前提，否则AI强行加入人声）。

第二步：在Style of Music中写主风格+音效关键词，例如：“cinematic trailer music with subtle vinyl crackle and whoosh transitions”。

第三步：高级设置里把Vocal设为Off，Length设为15秒，确保输出为纯器乐轨道。

第四步：点击Create后，用Audacity打开生成文件，放大波形图检查14.8秒处是否出现陡峭截止——这是tape stop生效的视觉证据。