第一次是模型的最佳猜測。第二次是你的。
當你按下 regenerate，你已經不再是在要「一首關於 夜間開車的歌」。你是在要「一首關於夜間開車的歌， 但比上一次再慢一點，副歌不要落在強拍上」。即使 你提示詞一個字都沒改，你的耳朵其實已經做完了 編輯——而下一次產生會透過你在曲風、節奏、氛圍 或歌詞草稿上的小調整，繼承那次編輯。
第一次產生的偏差
模型喜歡給你的是你提示詞所允許範圍的平均值。 如果你的提示詞允許十種速度，你會拿到中位數。 如果允許三種氛圍，你會拿到最容易預測的那一個。 第一次產生很少出錯，但也很少令人驚喜，因為驚喜 住在提示詞的邊緣，模型卻被訓練成往中間走。
把第一次當作問題，不是答案
把第一次產生當作一個問句而不是一個答案。問題是： 「這就是我想讓這首歌待的位置嗎？」幾乎所有時候 答案都是「接近，但是——」而那個但是，是整段 工作流程裡最有用的一條資訊。修改一個對應到那個 但是的參數，再 regenerate。
停在第三次
三次通常就夠了。到第四次以後，你已經不是在打磨 這首歌，你是在賭模型會給你比現有版本更好的東西。 它不會，因為提示詞並沒有改。如果第三次還沒到 你要的位置，需要動的是提示詞本身，而不是再丟一次 骰子。