要委託一首歌，最有效的做法不是丟一首參考曲說「做得像這首」，而是把那首歌拆成四層——能量、編曲、音色、人聲——一次只指一層。「整首」是最模糊也最貴的講法：它讓來回猜三輪，成品還可能踩到著作權的邊。
為什麼「整首」是最貴的講法
貴在兩個地方。一個是時間：「像這首」沒有指出你要的是哪一部分，製作端只能猜，猜錯就是一輪修改。另一個是風險：照著整首做，可能觸及實質近似（substantial similarity）的問題。
這裡值得把界線講清楚，因為兩邊都容易被講得太滿。單純「聽起來像」本身不必然構成侵權——調性、速度、節奏型、曲風這些都屬於不受保護的元素，法院看的是有沒有複製受保護的實質元素，判準是一般聽者的感受加上接觸可能性。所以「指方向」是安全的，「複製整首」才是把風險買進來。
你把需求描述得越像「一個動作」而不是「某一首歌」，交付回來的東西就越安全。
第一層：能量——說它怎麼走，不是它是什麼
能量講的是動態：整首歌怎麼推起來、哪裡收、哪裡放。
「前面很空，副歌一次全開」是我能直接執行的指令；「做得像這首」不是。前者描述的是走向，後者描述的是一個成品。這一層通常也是客戶心裡真正想要、卻最少講出口的東西。
第二層：編曲——指到「哪一段」加了什麼
「編曲豐富一點」幾乎沒有資訊量。「第二次副歌加了弦樂」有——它同時指定了位置和樂器。
參考曲在這一層最好用：與其讓製作人整首聽，不如直接說「1 分 12 秒那邊」。指到秒數比形容詞有用一百倍。
第三層：人聲——說唱法，不要說人
這一層最常出事。「唱得像某某歌手」學不來，商業用途下還可能有法律風險：具辨識度且廣為人知的嗓音在美國屬於形象權（right of publicity）的保護客體，加州民法第 3344 條明列 voice；Midler v. Ford（第九巡迴法院，1988）認定模仿具辨識度的嗓音構成侵害，Waits v. Frito-Lay 後續也判賠。田納西州的 ELVIS Act 更明文擴及未經授權的 AI 嗓音模仿。
換個講法就都解決了：說動作，不說人。「氣音、貼耳、句尾往下收」——真人進棚就做得出來，而且做出來的是你的版本，不是某個人的仿製品。
第四層：音色——這一層留給棚裡
音色是整體質地：暖或冷、乾或濕、厚或薄。它最難用文字描述，也最不需要你描述——這是混音與母帶階段的判斷，講方向就夠了。
為什麼值得先花五分鐘想清楚
同一個邏輯不只用在委託真人製作。寫 AI prompt 一直不對，多半也是因為只寫了形容詞——把感覺翻成功能、先講動態起伏，命中率才會上來。挑現成配樂時也一樣，先對齊能量而不是先挑曲風。
差別其實只有一句話：「做得像這首」是把別人的歌當終點；「我要副歌那種一次全開的能量」是把方向講清楚，讓這首歌長成你自己的。前者買到的可能是一個風險，後者買到的是一個能商用、能改、真正屬於你的作品。
下次要給參考曲之前，先問自己一句：我要的到底是哪一層？想清楚再開口，剩下的交給我們。