plagiarism-checker

用途

Plagiarism Checker 是一个歌词查重技能，用于扫描歌词中可能无意间与已有歌曲雷同的短语。它定位为质量检查工具，而非法律工具——目的是在发布前尽早发现借用，让创作者有时间修改。它只能发现可能的借用，不能判定版权侵权，只有律师才能确定是否构成侵权。

主要能力

• 获取指定曲目的歌词（优先使用 streaming 歌词，避免 Suno 歌词中的音标拼写干扰搜索）。
• 通过 MCP 工具提取具有辨识度的 4-7 词短语（n-gram），按段落优先级排序，最多返回 15 条，并附带预格式化的搜索建议（带引号的短语 + "lyrics"）。
• 自动过滤约 75 个过于常见的陈词滥调短语（如 "break my heart"、"falling in love" 等），这些短语太普遍，不值得标记。
• 对排名靠前的短语进行网页搜索，查找与已知歌曲的匹配。
• 对搜索结果中指向具体歌曲的条目进行深度比对，判断匹配程度。
• 使用 LLM 训练知识独立扫描全部歌词行，标记与知名歌曲歌词高度相似的句子，并注明疑似来源歌曲与艺人，以及相似性属于用词、旋律钩子措辞还是概念层面。
• 生成结构化风险报告，包含风险等级、发现项、来源、建议和最终判定。

使用方式

调用形式为 /plagiarism-checker <目标>，例如：

• /plagiarism-checker dark-tide
• /plagiarism-checker dark-tide 03-the-wire

工作流程：

1. 获取歌词：使用 extract_section(album_slug, track_slug, "streaming") 获取 streaming 歌词；若为空，则回退到 extract_section(album_slug, track_slug, "lyrics") 获取 Suno 歌词；若直接提供了原始文本，则直接使用。
2. 提取辨识度短语：调用 extract_distinctive_phrases(text, max_phrases=15, include_raw_lines=False) MCP 工具。
3. 网页搜索：使用 WebSearch 搜索工具返回的前 10-15 条搜索建议；对于少于 100 词的短歌词，限制为 5-8 次搜索。跳过歌词聚合站（列出数百个匹配，过于宽泛）、词典/参考页面以及用户自己已发布的作品。
4. 深度比对：对搜索结果中指名具体歌曲的条目，用 WebFetch 获取歌词页面，与用户歌词比对。判断标准：连续 5 个以上完全相同的词为高风险；4 词部分重叠为中风险；仅主题相似为低风险。
5. LLM 知识检查：独立扫描全部歌词行，标记与知名歌曲歌词高度相似的句子，注明疑似来源歌曲与艺人，以及相似性类型。
6. 生成报告。

风险等级与判定

风险等级：

• HIGH（高）：与已知歌曲有 5 个以上连续匹配词，尤其是副歌/钩子部分。建议立即改写该行。
• MEDIUM（中）：与已知歌曲有 4 词匹配，或 LLM 标记的结构相似。建议审查并考虑改写。
• LOW（低）：常见措辞重叠，可能为巧合。仅记录知悉，无需处理。

最终判定：

• CLEAR（通过）：无高风险或中风险发现。
• NEEDS REVIEW（需审查）：存在任何中风险发现，或 1 个高风险发现。
• REWRITE REQUIRED（必须改写）：2 个或以上高风险发现。

输出格式

报告包含：专辑名、曲目名、扫描日期、搜索短语数、网页匹配数、LLM 标记数，以及逐条发现（风险等级、行号与段落、歌词内容、匹配来源、建议），最后是汇总统计与判定，并注明已过滤的常见短语数量。

适用场景

• 单曲发布前的歌词查重。
• 整张专辑的批量查重：当只给出专辑 slug 而未指定曲目时，通过 list_tracks(album_slug) 列出所有曲目，对状态为 "In Progress"、"Generated" 或 "Final" 的曲目逐一检查，跳过 "Not Started" 或 "Sources Pending" 的曲目，并将结果汇总为带各曲目分节的专辑级报告。

限制

• 不是法律工具，不能判定版权侵权。
• 优先使用 streaming 歌词；Suno 歌词含音标重拼（如用 "Seh-KYOOR-ih-tee" 表示 "security"），会产生无意义的搜索结果。
• 网页搜索可能失败；若 WebSearch 不可用或受限，则仅进行 LLM 知识检查，并在报告中注明该限制。
• 不适合作为生成前的门禁：该检查较慢（需网页搜索）且可靠性受搜索可用性影响，应在发布前运行，而非在 Suno 生成前运行。