让Claude先设计文本乐谱格式再作曲并实时播放

原文要点

2026年10月6日Simon Willison发布小工具Scrimshaw Jukebox：他让Claude Opus 5.5先设计一种纯文本乐曲记谱格式（命名为Scrimshaw），再构建一个能在浏览器中出声播放、可实时编辑乐谱的交互页面，内置六首不同风格原创曲，从卡吕普索港口主题到酒馆吉格舞，还带随音乐变化的像素画面与钢琴卷帘显示。他的提示词核心是让模型先自建格式、再在该格式里创作，并以原版Monkey Island的配乐质量为标杆；他同时表示不同模型是否都具备此能力尚未做严谨对比实验。

这次做成什么

用同一条提示词思路，在Claude artifact（或任何能生成单文件HTML的模型）里生成一个可编辑文本乐谱并实时播放的音乐小工具，本页练习目标是做出一首海盗酒馆吉格舞曲并能在页面里改谱试听。

准备什么

• 支持artifact功能的Claude账号，或能输出完整单文件HTML的同类模型
• 一台装有现代浏览器（支持Web Audio API）的电脑
• 一个明确的风格参考，例如某款经典冒险游戏的配乐
• 能接受首次播放需要先在页面内点击一次以授权音频

具体怎么做

1. 发出两段式提示词

   在Claude开新对话，粘贴下方artifacts中的完整中文提示词。关键是两条指令放在同一条消息里：先让模型设计纯文本记谱格式并写出格式说明，再让它基于该格式写一个带播放器、示例曲目的单文件页面。

2. 审阅格式说明并补要求

   artifact生成后先读页面里的格式说明段落。如果缺少时值、音高、乐器通道的定义，追加一句：'请在格式说明里补齐音符时值、休止符、和弦与乐器切换的写法，并给出一段最小示例。'

3. 追加或改写曲目

   继续对话让模型创作，例如：'请再写一首120BPM、4/4拍的海盗酒馆吉格舞曲，用小提琴与手风琴两个通道，长度约32小节。'要求它把新曲直接加进artifact的曲目列表而不是只贴文本。

4. 在页面里实时编辑试听

   在artifact的乐谱文本框中手动改几个音符（比如把某小节的音名升高一级），点播放或重载按钮，确认改动立即生效；再试着改速度参数，听节奏变化。

5. 保存成果

   确认满意后把artifact中的HTML完整复制保存为本地.html文件，双击在浏览器打开，验证离线状态下仍能播放与编辑。

可直接复制的材料

我想让你为我写一段电脑游戏配乐。\n第一步：先设计一种简单的纯文本乐曲记谱格式，用ASCII字符就能书写，需要能表达音高、时值、休止符、速度和至少两种乐器通道，并为这种格式写一份简短说明文档。\n第二步：用HTML和JavaScript（Web Audio API合成音色，不加载外部音频文件）构建一个能在浏览器里大声播放这种格式的单文件页面，页面里要包含：乐谱文本编辑框（改动后可以立即重新播放）、播放/停止按钮、速度调节、一个随音乐节奏变化的简单像素风画面、以及一个钢琴卷帘式的音符显示。\n第三步：在这个页面里内置至少三首用这种格式写的原创示例曲，风格各不相同。\n我对标的质量是经典冒险游戏《猴岛的秘密》那种级别的游戏配乐，请往这个方向努力。

输入与输出示例

以上为格式与页面行为的虚构示意，并非Claude真实输出，也未在本站运行验证。

输入

追加指令：'请再写一首120BPM、4/4拍的海盗酒馆吉格舞曲，小提琴与手风琴双通道，约16小节，加入你的示例曲目列表。'

对应输出

artifact曲目列表新增'Tavern Jig'，其乐谱文本示意（本站虚构格式，非原作者格式）：\nTITLE Tavern Jig\nTEMPO 120\nTRACK fiddle | e5 q  g5 q  a5 q  b5 q | c6 h  b5 q  a5 q |\nTRACK accordion | c4 h  g3 h | e4 h  g3 h |\n播放器显示：速度120、2个通道、约16小节，像素画面中酒馆灯光随节拍闪烁，钢琴卷帘滚动显示两行音符。

做完检查这些

• 打开生成的单文件页面，点击播放后能真实听到合成音色而非静音
• 修改乐谱文本中的音符后重新播放，听到的旋律确实发生变化
• 页面内含有该记谱格式的说明文档，能让不看源代码的人照着写新曲
• 至少内置一首完整可播放的示例曲目，且有速度或多通道变化
• 把HTML保存到本地后离线双击打开仍能播放

容易卡住的地方

• 作者提到Claude对Monkey Island主题的倾斜程度超出他预期，所以提示词中的风格标杆会强烈影响结果，不想要该风格时应替换或弱化
• 不同模型是否能作曲作者本人未做严谨实验，换模型后失败不代表方法错误
• 浏览器自动播放策略要求首次出声前有一次用户点击，页面若无响应先点一下再排查
• 文本模型生成的乐曲质量波动大，可能要多轮追加指令调整旋律
• 精确到帧的画面同步或专业音质没有依据，不要对演示效果做硬性承诺