新生报到/购票/行李/校园到达指南视频配乐：信息层级地图

新生报到、购票、行李、校园到达指南视频配乐，不应先做成普通迎新氛围片。先把口播、关键文字、画面提示、现场声分成四层：必须听清、可略读、情绪过渡、现场声保留。Noema Lab 负责把创作者整理好的层级需求转成音乐提示词并生成候选，不会读取脚本或自动避让口播；最终的音量包络、剪辑落点和混音仍由创作者完成。音乐存在感也不应全程一致，而要在关键信息处降低密度，在欢迎转场处适度上升，在广播和行李轮声处让位。这个配乐判断工具就是信息层级地图。

AI 生成只能提供概率性候选，精确秒点、拍点、小节、BPM、和弦、镜头卡点与混音参数必须由创作者试听和后期完成。Noema Lab 只承担提示词优化、音乐生成候选；最终口播避让、音量包络、剪辑落点与混音由创作者按真实素材完成，本文不给固定 dB/EQ/LUFS。

为什么到达指南不能按迎新氛围片配乐

到达指南的镜头里同时存在购票步骤、证件要求、行李位置、报到窗口。它们不是可看可不看的氛围信息，而是错过一步就会影响报到的关键动作。普通迎新氛围片可以把音乐作为第一情绪来源，用连续节拍推着画面走；到达指南若这样做，音乐就会与口播和字幕抢注意力。

信息层级地图解决的是一个排序问题：此刻观众最需要抓住哪一层？如果最需要抓住的是一句“身份证、学生证、购票码三样提前拿好”，音乐就要退到注意力的边缘。如果画面从校门切到志愿者引导，音乐可以短暂上升到情绪层，但一旦出现现场广播或窗口文字，还要再退开。

信息层级地图：四层矩阵

独有资产信息层级地图不是固定模板，而是一套可随素材重排的判断表。先看四层：

四层之间不是四段音乐，而是同一条视频里的层级切换。一个购票画面可能同时出现必须听清的口播、可略读的文字码和现场广播，这时音乐的存在感要由最高优先级的那一层决定。若口播最关键，音乐退到极低；若广播最关键，音乐可以短暂留白。

使用顺序建议：先把必须听清层从脚本中全部标出。它不是音乐最多的地方，而是音乐最容易失败的地方。再标出现场声保留层，确认哪些真实声音不能被替代。最后标可略读层和情绪过渡层。情绪过渡层最容易被当成氛围，其实它只负责把观众从一段信息安全带入下一段。

存在感不等于音量

音乐存在感低，不等于把音量压到听不见。它可能是音符变长、乐器减少、瞬态变弱、律动放慢、旋律让位，也可能是把重音从关键文字处移开。音乐存在感高，也不等于把音乐推大，而是音乐在当下没有与关键信息冲突，可以承担情绪推动。创作者应在剪辑软件里用音量包络、段落替换和素材剪辑来调整，不依赖某个固定 dB、均衡点或 LUFS 数值。

购票段落常见错误是在二维码出现时音乐有一个明显重音，或节奏在文字切换时刚好上行。调整原则不是不要重音，而是让重音落在文字切换之后，成为信息分隔而不是信息打断。行李段落通常需要稳重，但不要用持续低音压住地面导览声。可以用低音短促、音符间隔大、混响少的方法给行李区留出空间。注意这不是固定数值，而是靠试听判断。

完整脚本示例：从购票到报到

以下示例只说明信息层级与音乐存在感的关系，不能直接套用。每处音乐切点、相对节奏和混音比例都要在真实口播与现场声中试听确认。

口播文案示例：

• 片头：欢迎新同学，这份到达指南从购票、进站、行李到报到，一次说清。
• 购票：线上购票后，打开乘车码，同时携带身份证、学生证和购票码，三样在进站前提前拿好。
• 进站：进站时留意广播和闸机提示，不用在闸机口临时翻手机。
• 行李：大件行李按地面指引前往行李区，贵重物品和报到必需文件随身携带。
• 到达：到达校园后按路牌和志愿者引导前往报到处，关键窗口信息请看画面文字。
• 报到：把身份证、录取材料、报到码放在手边，按窗口提示完成确认。

配乐层级示例：

表格中的最后一列只是完整描述句示例，不是可直接复制的最终提示词，也不承诺模型按指定位置避让。创作者在使用候选时，不要只看“这首好不好听”，要问“它的事件密度是否与关键文字冲突”。同一段候选可能情绪合适，但持续的重音不断撞到文字变化，就应换成更稀疏版本或把落点移开。报到窗口不应被配成情绪高潮点。很多配乐把报到窗口当作结尾高潮，加入鼓组和强和弦。实际上报到窗口是信息密度最高的地方，新生需要听清确认材料，而不是被推进。音乐可在窗口出现前完成情绪上扬，到窗口处转为稳定收束。

口播冲突排查

音乐遮口播时，先不要只拉低音乐音量。先判断是哪一层在冲突。

排查时建议先单独听口播与现场声，确认它们本身清楚，再逐段加入音乐候选。若某段反复需要大幅压低音量才能听清，问题往往不只是音量，而是候选的音色、事件密度或重音位置与语言冲突。此时优先换候选，比在同一段素材上不断补救更有效。

从信息地图到 Noema Lab 候选

先在脚本旁标出四层信息，再把每段需要的相对听感写成一句自然语言。例如购票段可以写“稀疏、平稳、没有抢眼主旋律，给数字和口播留出空间”；校园到达段可以写“温暖但不过度兴奋，轻微上扬，遇到广播时可以自然退开”。从 AI Music Tools 进入 Noema Lab 后，可先用提示词优化检查描述是否清楚，再用音乐生成取得多个候选。

产品不会自动读取整条脚本、识别字幕层级或完成口播避让。创作者仍要把候选放回真实时间线，依次试听、移动、裁剪、留白、淡变和回测。建议每次只比较一个变量：先比较旋律是否抢话，再比较鼓点是否撞到数字，最后比较现场声是否保留。这样可以知道哪次修改真正解决了问题。

与相邻配乐任务的边界

如果视频主要承担校园欢迎氛围，而不是交通、证件和窗口说明，可参考 开学欢迎视频音乐场景地图。如果内容像演示文稿一样依靠文字层级推进，可参考 PPT 演示音乐幻灯片密度地图。如果画面重点是逐项展示功能或流程节点，则 产品演示视频音乐特征拍点图 更接近那个读者任务。

本页的独特目标始终是让观众听清并记住到达信息。完成前做一次静音测试：关闭音乐，确认口播、广播和现场声的叙事顺序；再打开音乐，确认它只帮助分隔信息、承接情绪，没有替观众制造额外负担。只要关键数字、地点和材料名出现时注意力仍然稳定，信息层级地图就发挥了作用。

最后把四层标记保存为一页交付清单：每条必须听清的信息旁写下对应口播与字幕，每条现场声旁写下是否保留，每个情绪过渡旁写下候选版本。交给另一位没有看过脚本的人试播一次，请他复述车站、材料和窗口信息；若复述不完整，先修正信息层级，再调整音乐。这个外部回测比单纯询问“音乐好不好听”更接近指南视频的真实目标。