我在城西开了一家小小的咖啡馆，晴山咖啡。秋天要上新一款桂花燕麦拿铁，上新这件事本身不难，难的是上新「周边」——海报、菜单插卡、小红书封面、门口立牌，外加店里要换一段应季的背景乐，短视频还要配一段卡点的配乐。
这些事我以前是怎么做的：海报找相熟的设计师，排期一周起步，改一稿再等两天，一套物料磨下来经常是上新前一天才堪堪交货。配乐更麻烦——网上扒一段怕版权找上门，买正版曲库一首就要大几百，还经常和店里的调性对不上，暖是暖，但不是「晴山」的暖。更烦的是东西散在三个地方：图在设计师的网盘里，歌在某个曲库账号下，文案和备注全在和设计师的聊天记录里，真要用的时候，先得花十分钟翻聊天记录。
一、这次我决定试试让分身来干这件事
上新前三天，我在 Karma 里打开了设计分身。它没有甩给我一堆工具栏和模板库，就一个输入框，问我一句话：你想设计什么？我试着打了一句真实的需求——「晴山咖啡是一家精品咖啡店，城西店秋季上新『桂花燕麦拿铁』。受众是 25-35 岁上班族，调性温暖、清新、带一点国风，配色米白 + 桂花金 + 墨绿。用品牌视觉套装给我做一整套物料，品牌名就叫『晴山咖啡 QINGSHAN』，其他你定，直接开工不用再问。」输入框旁边还能打 # 带上参考资料，比如菜单或品牌手册——但这次我什么参考都没给，就这一句话。
我没指望它真能看懂「桂花金」是什么颜色，也没指望它能把「国风」和「上班族」这种有点矛盾的要求揉到一起——但它确实做到了。
二、说完一句话，不用写提示词，直接跑一套
这是我第一次意识到这东西和我以前用过的 AI 设计工具不一样。一般的 AI 设计工具，你得自己写提示词、自己选比例、自己一张一张生成，生成完了风格还经常对不上。Karma 的设计分身把这一步直接吃掉了：说完一句话，不用写提示词，它直接给我看了几套可以直接跑的组合——品牌视觉套装 6 件、电商详情套图 5 件、社媒投放套图 5 件、演示文稿 5 件，每一套都已经带好了提示词、引擎和参考，不用我再配置什么。更多套装里还有产品实拍、周边物料、空间场景、短视频主视觉、演示文稿·精修，覆盖的场景比我想的要多。
我点的是品牌视觉套装。首页会直接显示上一轮交回了几张、用了多久，点一下「再改一轮」或「打包下载」就能接着做；自己写顺手的那句话，还能「存成配方」，下次上新直接复用，不用再重新描述一遍品牌调性。对外发布前，它会先给我看一遍——不会我这边还没点头，东西就自己发出去了。
三、四分钟后，四件物料摆在我面前，调性是一个调性
说完那句话，我盯着屏幕等，心里其实没抱太大期望——「国风」「温暖」「桂花金」这种描述太主观了，我自己拿给三个设计师，可能画出三个完全不一样的东西。四分钟后，四件物料全部交回：秋季上新主视觉海报（9:16）、菜单新品插卡（3:2）、小红书封面（1:1）、品牌横幅／演示背景（16:9）。
让我真正意外的是配色、字体、构图是一个调性贯穿全套的——不是四张各自好看、拼在一起却很违和的图，而是放在一起就能一眼认出「这是晴山咖啡」的一整套品牌物料。这正是我以前找设计师最怕出的问题：改了三稿，海报和菜单插卡的字体还是对不上。
四、交回来就在画布上，每件都能单独再改
四件物料交回来，不是扔给我四张图完事——它们直接进了画布，交付清单写在对话里：用的配色色值、出图模型、每张的生成耗时，一条都不少。我后来确实想加一张门店立牌、把海报的配色再调浅一点，点一下就接着做，不用整套重来。
画布上能做的事也不止「再生成一次」。局部改一块、擦掉一样东西、换比例扩图到 1:1／16:9／9:16／4:5、改图上的字、换风格换角度、抠图去背景、一键高清 2×／4×、拆元素单独调整、转成矢量 SVG、套实物样机看上身效果——品牌套件里的颜色字体 logo，对话里 @ 一下就能引用，保证整套物料一个品牌调性。换模型也不是只有一个选项：默认引擎之外，GPT Image 2、Seedream 5.0 lite、Nano Banana、Midjourney 等 7 种可选。带走的格式是 PNG／JPEG／分层 PSD（网页端）／演示文稿导出 .pptx。我这才明白，这才是「一键生成品牌物料」真正该有的样子——不是出一张图就算完事，而是整套物料能像在正经设计软件里一样继续精修。
设计分身实录：林夏只说一句「晴山咖啡秋天上新桂花燕麦拿铁，品牌、受众、调性、配色，给我做一整套」，随即进入直接跑一套的界面
五、我又试了一次：这次我故意什么都没说清楚
第一次顺利，我有点怀疑是不是运气好，正好我给的描述够具体。于是我点了「品牌视觉套装」又跑了一次，这次故意不给品牌名，就想看看它会怎么处理一个不完整的需求。直接跑一套，是先报价再开工：「预计花约 180 能量（每张约 30），按实际用量结算，不会对外发布」——点之前就知道花多少。套装自带必填清单：品牌叫什么、卖给谁、调性、配色，缺什么它一次问完；我说「直接开跑」，它就按默认补齐。它自己起了个占位名 MORA：logo、主视觉、包装样机、社媒帖、名片、竖版海报，确认后约 2 分钟全部上画布。换成你自己的品牌名、受众和配色，同一套照样能跑。
六、点图就改，不用整张重来
这张能力清单基本覆盖了日常改图会遇到的所有场景：局部改一块用 Touch Edit 框选点一下标记；擦掉一样东西靠涂抹擦除；换比例能扩图到 1:1／16:9／9:16／4:5；改图上的字可以直接改文字，也能加文字图层、颜色字号字重可调；换风格换角度支持风格转换和多角度；品牌一致靠品牌套件里的颜色、字体、logo，对话里 @ 引用。另一边，抠图去背景一键把主体和背景拆两层；变清楚是高清 2× 或 4×；拆开改能把元素拆成独立图层单独调（Edit Elements）；变成矢量能转 SVG；看上身效果有实物样机 Mockup；换模型默认引擎之外还有 GPT Image 2、Seedream 5.0 lite、Nano Banana、Midjourney 等 7 种；带走的格式是 PNG／JPEG／分层 PSD（网页端）／演示文稿导出 .pptx；这一轮满意的话，下次还这么做——把整轮配置存成配方。
物料这一关算是过了。可上新这件事从来不是一张海报就结束的——我还欠店里一段背景乐，欠短视频一段配乐，而这正是我以前最头疼的部分。
七、音乐这件事，我是真的踩过坑的
海报可以等，配乐等不了——开业放的是网上下载的纯音乐，后来被提醒版权说不清楚，吓得我赶紧换掉；换成买正版曲库，一首动辄大几百，关键是听起来就是「通用背景乐」，跟谁家店放都一样，没有一点「晴山」自己的味道。这次上新，我想试试 AI 作曲到底能不能顶上来。
八、音乐分身：左边说想要什么，右边是你的曲库
音乐分身的定位是「写一首歌，或者给一个画面配乐」。界面也是对半分：左边一句话描述——「写给刚出生的女儿，希望她永远有得选」，或者直接贴歌词；选风格，华语流行、民谣、摇滚、R&B、嘻哈、励志，更多设置里还有情绪、人声男女、音色、调、速度、乐器；引擎可以选火山 Music V5，精细控制曲风、情绪、人声、音色都能单独选，唱一首最长 4 分钟，纯音乐 2 分钟。右边就是曲库：我的曲库和发现两个标签，能搜索歌名、歌词、风格，筛「唱一首／纯音乐」、歌单，「全部歌曲」旁边随时可以「新建歌单」分类存。「唱一首／纯音乐」是个开关，一次能出两版对比；不满意的那版也留着，写清为什么失败，方便下次改。这就是我理解的 AI 音乐生成该有的样子——不是赌一次运气，是能反复比较、反复改的一个过程。
音乐分身背后不是单一引擎，而是五套可选：火山 Music V5（公有云）、MiniMax Music 3（自托管 GPU）、ACE-Step 1.5（自托管 GPU）、Mureka V8（公有云，经 LibTV 接入）、Eleven Music V3（公有云，经 LibTV 接入）——两套跑在自己部署的 GPU 上，三套走公有云，看场景挑引擎。
九、我用 AI 写歌词，一句话，9.4 秒写完一整首
我抱着试试看的心态打了一句话：「一家叫晴山的咖啡店，秋天上新桂花燕麦拿铁，周六城西店有五十杯免费试饮」，风格选温暖的国风流行。我以为最多也就是凑几句押韵的口水词，结果交回来是主歌／副歌／主歌／副歌／桥段／尾声，带段落标记，直接能唱：主歌里「秋风替谁折了一枝桂，香气停在城西的街，晴山的灯亮得刚刚好，木门推开是另一个界」；副歌「桂花落进燕麦拿铁里，甜得像是说了再见又相遇，周六的城西留五十杯，喝完就散 但香气还在这里」；桥段「不必赶 不必抢，秋光刚好装得下，晴山在城西等你，等一杯刚好的暖」；尾声「桂花香 弥漫过长街，这一口 留到下个秋天」。我对哪一句不满意，还能单句改写，点哪句给几个候选，不用推倒重写整首。写完的词贴进「唱一首」就直接出歌，也能交给画坊·音乐分身，让它先定词再出两版给我挑。
十、真正解决我痛点的，是配乐——四段，每段一分钟内交回
歌词是惊喜，但我真正要解决的痛点是配乐——店里背景乐和短视频配乐，一直是我最舍不得花钱又最容易踩版权雷区的地方。我用同一个音乐分身跑了四段：「桂花午后」纯音乐 0:30，59.2 秒生成，温暖的秋日咖啡馆，木吉他与轻柔钢琴，慵懒午后；「晴山·城西店午后」纯音乐 1:00，同一句「门店背景乐」一次出了两版对比，51.6 秒和 95.6 秒各一版，精品咖啡店午后背景乐，原声吉他与 Rhodes 电钢琴，轻爵士 Bossa Nova，温暖慵懒，适合门店循环播放，我挑了喜欢的一版留下；「桂花上新·短视频配乐」纯音乐 0:30，41 秒生成，小红书短视频配乐，轻快国风电子，古筝点缀，节奏明快有记忆点，15 秒内进副歌——正好是我发小红书最在意的那个「黄金三秒」后紧跟的记忆点。封面是同时画的，不用我再另外做一遍。算下来，四段完全属于「晴山」自己的配乐，生成时间全部加起来也没超过四分钟，比我以前找曲库翻半天还快。
音乐分身实录：林夏说「同一家店，还要一段配乐」，说明咖啡店午后，原声吉他加电钢琴，适合门店循环播放
十一、剪、调、换封面，我没一次就满意，但每一步都存成新的一首
说实话，「晴山·城西店午后」那一版配乐我第一次听觉得节奏偏慢了一点，不太适合午高峰。拿到歌或配乐之后，编辑在波形上拖一段，淡入淡出按秒调；效果有慢一点、快一点、降 2 个半音、升 2 个半音、混响、回声、低音加强、更明亮——每个效果存成新的一首，原曲不动，意味着我怎么试都不会把原版弄丢。下载支持 MP3／WAV，还能导出带封面、波形、逐句歌词的方形视频，正好拿去发小红书或视频号。接着创作可以换个风格再唱、写长一点再唱、用这些设置再来一版。分轨能力更细：伴奏／人声／鼓／贝斯／吉他／钢琴／其他，分开调音量、静音、独奏，再混回去——这一项需要连上自部署的音乐服务器。
十二、顺手把成片发出去，一个链接免登录就能听
改到满意的那版，我顺手公开分享了一下。公开分享默认只有自己看得到；打开后，拿到链接的人都能听，页底会带一句「用 Karma 做一首自己的」。切到「发现」，能按最新、最热、关注排序，支持点赞、播放数、评论、关注作者。喜欢别人的一首，一键就能拿它的设置做自己的版本。署名只显示我的名字，不露账号。
十三、回头算一笔账：这次上新我到底省了什么
从打开设计分身到配乐全部确认，我前后花的时间不到一个下午——物料四分钟出图，配乐四段加起来不到四分钟生成，中间的改稿、换版本、改歌词，都是点一下的事。换作以前，光是等设计师排期就要一周，配乐还得另外再找人、再等、再担心版权。更重要的是，这次做出来的海报、插卡、封面、横幅和四段音乐，调性是统一的、是「晴山」自己的，不是随便一套能套在任何店里的模板。
如果要把整条流程写成能复制的步骤，大概是这样：打开设计——发现 > 设计，说清品牌、卖给谁、调性、配色，或者直接点一套运行；挑、改——在画布上每件单独改，点一下标记、局部改、换比例、改字；打开音乐——发现 > 音乐，一句话写词，或者给一个画面配乐；挑一版——一次出两版对比，剪一剪、调一调，存成新的；用起来——图和歌进项目、进素材库，接着派给短视频和频道里的分身。
说一句，出一套图、一首歌；做完的东西接着有人用，而不是躺在某个文件夹里等下次上新才想起来。
对我来说，设计分身和音乐分身解决的从来不只是「做一张图」「写一首歌」这么简单的事，而是把一家小店上新时最耗精力、最容易拖进度的两件事——找人设计、找曲配乐——变成了自己一句话就能搞定的事。而且这两个分身也不是孤立的工具：和账房、法眼、拓客那些分身一样，它们的产出都落进同一个项目，图能直接拿给拓客组的分身发小红书，歌能直接配给画坊的其他分身剪视频。一句话换来的不是一张图或一首歌，是一整套能接着被用起来、还带着自己品牌调性的物料。如果你也在为小店的 AI 设计工具或者 AI 配乐发愁，这大概是我这半年试过最省心的一次。