Quasi tutti i tutorial Suno hanno lo stesso difetto: ti danno 100 trucchi sparsi senza dire in che ordine o quanti combinarli. Più il prompt si allunga, più la hit rate cala.

Questo post fornisce una metodologia ripetibile in 7 passi — non una raccolta di trucchi, ma una pipeline. Ogni passo corrisponde a uno strato semantico del prompt. La distanza tra amatore e pro sta esattamente in questi 7 passi. Tutti verificabili in SunoMV — supporta 8+ modelli AI musica (Suno V5, V5.5, Lyria 3 Pro, MiniMax Music 2.6), quindi lo stesso prompt può essere A/B testato cross-modello.

Metodologia vs raccolta di trucchi

Trucchi	Metodologia
50 regole da sfogliare	7 passi ordinati
Difficile da memorizzare	Framework, un’azione per passo
Riscrivere tutto il prompt	Ogni passo si regola indipendentemente
Difficile debuggare “quale passo”	Localizzare il passo che fallisce

7 passi per “strato semantico” — Step 1 fissa direzione, Step 7 solo dettaglio. Niente skip.

Relazione col post di ieri

Il Suno V5.5 Advanced Prompt Engineering di ieri = deep-dive tecniche. Oggi = metodologia (ordine). Complementari.

Step 1: scegli reference song (5 min, decide 80%)

Più grande errore di prompt: descrivere lo stile a memoria. “Lofi hip hop with mellow vibe” = 1000 timbri diversi in 1000 teste.

Mossa giusta: trova un vero reference song su Spotify / Apple Music / YouTube — per nome e artista. Cita direttamente:

Style reference: similar to "Snowman" by Sia, but slower BPM

Suno V5.5 riconosce nomi reali di brani + artisti con alta fedeltà. Un ordine di grandezza più chiaro di “mellow lofi”.

Step 2: scomponi Vocal + Style + Instrument

[Vocal] Female lead, breathy, mid-range, slight whisper texture
[Style] Indie pop, 2020s production, mellow synth pad
[Instrument] Soft piano, brushed drums, subtle electric bass

Il modello è più sensibile a descrizioni mono-dimensionali che a frasi composte. Bonus: Step 7 può scambiare uno strato senza toccare gli altri.

Step 3: struttura ABA — script temporale

[Structure]
0:00-0:08  Intro: piano only, soft
0:08-0:32  Verse A: vocal in, drums enter at 0:20
0:32-1:00  Chorus B: full instrument, vocal melody peaks
1:00-1:24  Verse A2: same as A but with subtle synth
1:24-1:52  Chorus B2: same as B but vocal ad-libs
1:52-2:00  Outro: piano only, fade out

Il modello è molto sensibile ai marker timeline, specialmente V5.5+.

Step 4: aggiungi ad-libs

Ad-libs = esclamazioni improvvisate fuori melodia (“yeah”, “oh”, respiri, hum). Massimo gap amatore/pro.

[Verse 1]
Walking through the city lights
[ad-lib: oh yeah]
Everything feels so right tonight
[ad-lib: mmm, hmm]

Riconoscimento Suno di [ad-lib: ...] quest’anno migliorato molto. MiniMax Music 2.6 forte su ad-libs mandarini.

Step 5: controlla BPM e Key

Mood	BPM	Key
Calmo, triste	60-80	A/D minor
Caldo, rilassato	80-100	C/G major
Eccitato, energico	100-130	D/E major
Dance, anthemic	128-140	A major / B minor

[BPM] 92
[Key] C major

Passo che il 90% salta. Senza BPM/Key, lo “stile” deriva tra rigenerazioni.

Step 6: marker dinamici — curva di energia

[Structure with Dynamics]
0:00-0:08  Intro: pp
0:08-0:32  Verse A: p → mp
0:32-1:00  Chorus B: f
1:00-1:24  Verse A2: mp
1:24-1:52  Chorus B2: ff
1:52-2:00  Outro: p → pp

pp/p/mp/mf/f/ff = notazione musicale soft→loud. V5.5 e Lyria 3 Pro entrambi riconoscono. Dopo questo il brano respira.

Step 7: itera via lyrics edit

Ultimo passo: dopo v1 non rigenerare subito. Apri campo Lyrics, cambia solo la riga problematica, rigenera.

Esempio: v1 secondo verse “Walking through the city lights” mood sbagliato. Cambia in “Drifting through the empty streets”, altre sezioni intatte, rigenera.

Un ordine di grandezza più efficiente di “riscrivere tutto e rilanciare” — localizzi il problema.

L’editor canzone SunoMV (/song/[id]) supporta rigenerazione per sezione nativamente.

Esempio prompt completo 7 passi

Circa 200 parole — 5x più lungo di una frase, ma hit rate sale da 30% a 80%.

A/B su 8 modelli

AI Song Generator di SunoMV offre 8+ modelli — Suno V5 / V5.5, Lyria 3 Pro, MiniMax Music 2.6, ACE-Step. Dopo il prompt 7 passi, A/B cross-modello è la via più rapida per “il miglior modello per questo brano”.

FAQ

D1: Funziona per tutti i generi? Sì. Ma brani strumentali possono saltare Step 4, ambient può semplificare Step 3.

D2: Risparmiare con solo 3 passi? Possibile ma resa crolla (80% → 50% → 25%).

D3: Senza background musicale, come trovare BPM/Key? Strumento inverso tunebat.com — incolla URL reference, 3 secondi BPM e Key.

D4: 200 parole ogni volta è pesante. Costruire libreria di template — 5–10 per genere, prossima volta solo [Reference] e [Lyrics] cambiano.

D5: Differenza dal post V5.5 di ieri? Ieri: deep-dive tecniche. Oggi: metodologia (ordine).

D6: Basta “AI Create” auto-prompt SunoMV? Auto = generico = amatore. 7 passi = pro.

D7: Quante iterazioni fino a stabile? Metodo 7 passi: v3 in media. Senza metodologia, ancora a v12.

Correlati

Esegui una volta

Apri suno.bi, scrivi un prompt seguendo tutti i 7 passi, genera su due modelli diversi. Confrontato col tuo vecchio prompt “a sentimento”, la differenza è immediata.

SunoMV Team