Cloud rap 是嘻哈在 2010 年前后长出的一支：朦胧、浸满混响，缓慢的 808 鼓之下垫着被模糊、被变调的人声采样，而说唱者是漂在上面，而不是往节拍上砸。它来自互联网而不是某座城市——Lil B 在伯克利，制作人 Clams Casino 在新泽西，其余的一切发生在论坛和免费 mixtape 里——而它的氛围如今已是主流说唱的标准配置。
本指南讲述这种声音是谁造出来的、一段编曲要怎样才算「云」、它与 trap 有何不同，以及它后来变成了什么。想听听一段 cloud rap 编曲在分类器耳中是什么样子，把几秒钟音频交给我们的免费 AI 音乐流派检测器。
什么是 Cloud Rap？
Cloud rap 是由它的制作方式定义的。节拍建立在一段被重度处理的人声或氛围采样之上——被拉伸、被变调、被淹没在混响里，直到听不出原始素材——再铺在稀疏的 trap 鼓组编程上：轰鸣的 808 贝斯、落在第三拍上的军鼓或拍手声，以及连续滚动的踩镲。一切都是软边缘的。没有咄咄逼人的中频，几乎没有硬瞬态，很多时候连清晰的曲式都没有。
在这之上，说唱刻意不着急：带旋律或半唱，常常与节拍浸在同一片混响里，有时被混得比伴奏还靠后。传统说唱的混音把人声摆在正中央、节拍摆在身后，而 cloud rap 把人声当作雾气中的又一层音色。
这个名字被归给奥克兰二人组 Main Attrakionz，以及 2011 年前后描述这一场景的乐评人；这个比喻在两个层面上都准确：音乐听起来像天气，而它也确实活在云端——免费传到 YouTube、Bandcamp 和 DatPiff，靠 Tumblr 转发扩散，从未压成任何实体。
历史与起源
起点是一次合作。Lil B 是伯克利一位产量惊人的说唱歌手，以「Based God」的形象活动，一年发布数百首曲目，其中很多是在非常规节拍上做的意识流「based freestyle」。2009 至 2010 年间，他开始与新泽西一位当时还在读物理治疗专业的制作人合作，那人叫 Michael Volpe——Clams Casino。他们的曲目 「I'm God」取样自被放慢的 Imogen Heap「Just for Now」，最常被认为是这种风格的奠基文献。
Clams Casino 的 Instrumental Mixtape（2011）让这些节拍进入普遍流通，也让人们追随的对象变成了制作风格本身，而不是某一位说唱歌手。同一年，A$AP Rocky 的 mixtape Live.Love.A$AP——由 Clams Casino、SpaceGhostPurrp 和 Beautiful Lou 供拍——把这种美学带给了主流听众，并混入了休斯敦 chopped and screwed 的影响与哈莱姆说唱歌手的光洁度。
围绕他们，这一场景迅速填满：Main Attrakionz 与 Blue Sky Black Death 的制作，迈阿密的 SpaceGhostPurrp 与 Raider Klan，制作端的 Friendzone、Shlohmo 和 Ryan Hemsworth。2013 年，来自斯德哥尔摩、年仅十六岁的 Yung Lean 发布「Ginseng Strip 2002」，证明这种风格已经彻底脱离了美国说唱文化——他的 Sad Boys 团体，连同制作人 Yung Gud 与 Yung Sherman，先是互联网现象，然后才是一支说唱组合。
这一场景的第二波在 2014 至 2017 年间跑在 SoundCloud 上。Bones、Lil Peep、XXXTentacion、Playboi Carti 等人接过这层氛围，同时把它推向几个方向——推向 emo，推向 lo-fi 噪音，推向 Carti 后来带进主流的那种极简 ad-lib 风格。等到「cloud rap」这个词不再被使用时，它的制作想法已经被吸收干净：被冲淡的采样层、重混响的人声，以及以空间压过密度的混音哲学，如今在商业说唱和流行音乐里随处可见。
核心特征与声音
如何辨认一首 cloud rap：
- 速度：通常按 half-time 数为 60–80 BPM，与 120–160 BPM 的 trap 是同一张网格；感知到的脉动缓慢而沉重。
- 808 贝斯——长音、调过音高、带滑音的超低音，充当贝斯线而不是底鼓。
- 滚动踩镲，三连音与三十二分音符的连发，直接继承自 trap。
- 人声采样铺底：一段女声或假声，被变调并拉伸成一件乐器，往往是整首曲目里最突出的元素。
- 一切都上混响与延迟，主唱人声也不例外，湿干比高得不像其他任何说唱。
- 稀疏的编排——四五个元素，宽阔的立体声声场，刻意留出的空白。
- 带旋律、不着急的演绎：半唱、重复的乐句，Auto-Tune 用来做音色而不是修音准。
- 歌词在炫耀、忧郁与前言不搭后语之间游移；带动曲目的是情绪，而不是叙事。
它在邻居之中的位置：
| 特征 | Cloud Rap | Trap | Phonk | Lo-Fi Hip-Hop |
|---|---|---|---|---|
| 出现时间 | ≈2010 | ≈2000 | ≈2015 | ≈2013 |
| 感知速度 | 60–80（half-time） | 70–80（half-time） | 60–75 | 70–90 |
| 采样来源 | 氛围与人声铺底 | 合成器主音、管弦 | 孟菲斯说唱磁带 | 爵士与灵魂乐循环 |
| 混音质感 | 湿润、重混响 | 干净、有冲击力 | 失真、饱和 | 温暖、被滤波 |
| 人声角色 | 融进雾气 | 摆在最前 | 被切碎、被埋起来 | 通常没有 |
| 参考曲目 | I'm God | Rubber Band Man | Lucid Dreams flips | 器乐歌单 |
制作手法
Cloud rap 是一种属于制作人的流派，而它的手法出奇地容易一一点名：
- 把采样毁掉——拿一段能听出来的人声，降调、拉伸、切掉高频，再埋进混响，直到只剩轮廓。Clams Casino 对 Imogen Heap 与 Björk 的改造是标准范例。
- 808 超低音，取自 Roland TR-808 的底鼓，调成音高并给足释放时间，于是它成了贝斯线。
- 长尾的卷积混响与板式混响，不只用在旋律声部，也用在鼓上，这正是它抹掉普通 trap 那种瞬态爆响的原因。
- 卧室制作链条：FL Studio 或 Ableton、自带插件、廉价麦克风。这一场景的声音，来自器材限制的部分不比来自意图的部分少。
- 不做 sidechain 的堆叠——各声部互相重叠、互相糊在一起，而不是彼此闪避，这与面向俱乐部的混音正好相反。
- 免费传播本身就是美学的一部分：配一张静止图片的 YouTube 上传、Bandcamp、DatPiff mixtape、Tumblr 转发。那套视觉身份——贴近 vaporwave、低分辨率、带反讽——是和音乐一起到来的。
相关风格与后裔
围绕它的家族：
- Trap——cloud rap 借来并放慢的节奏地基。
- Chopped and screwed——DJ Screw 在休斯敦把唱片降速播放的传统，是这种速度与质感的直系祖先。
- Witch house——2010 年前后平行出现的互联网流派，混响相同、Tumblr 受众相同，只是神秘学意象浓得多。
- Vaporwave——电子音乐这一侧的同胞运动，共享放慢采样的方法与只在网上流通的分发方式。
- Phonk——后来的孟菲斯采样风格，把这股浑浊推向更硬、更失真的方向。
- SoundCloud rap 与 emo rap——2010 年代中期的后继者，加入了朋克与 emo 的影响；Lil Peep 是那道枢纽。
- Lo-fi 嘻哈——保留了雾气、去掉了说唱的器乐分支。
代表艺术家与曲目
从这里开始听：
- Lil B——「I'm God」（2010）、Rain in England（2010）。
- Clams Casino——Instrumental Mixtape（2011）、「I'm God」、「Motivation」。
- A$AP Rocky——Live.Love.A$AP（2011）、「Palace」、「Bass」。
- Main Attrakionz——808s & Dark Grapes II（2011）。
- SpaceGhostPurrp——Mysterious Phonk（2012）。
- Yung Lean——「Ginseng Strip 2002」（2013）、Unknown Memory（2014）。
- Bones——TeenWitch（2014）。
- Blue Sky Black Death——Main Attrakionz 大部分作品背后的制作二人组。
- Lil Peep——Come Over When You're Sober, Pt. 1（2017），cloud rap 在这里变成了 emo rap。
- Playboi Carti——Playboi Carti（2017），极简、氛围优先的说唱进入主流的终点。
三首曲目串起这条线：「I'm God」是发明，「Palace」是打磨，「Ginseng Strip 2002」是它成为全球互联网流派的那一刻。
AI 如何检测 Cloud Rap
Cloud rap 是一个真正棘手的标签，而棘手之处是结构性的：它的节奏声部属于 trap，它的和声层却更接近氛围音乐。只看鼓的分类器会说 trap；更看重音色与频谱平坦度的分类器会说 ambient 或 downtempo。多数模型落在说唱上，氛围类风格紧随其后——对这种音乐来说，这个描述是合理的。
真正把它标出来的特征，是很高的湿干比、对一首说唱曲目而言过低的瞬态密度，以及在说唱节拍通常只有干循环的位置上出现了持续的音高铺底。通常做出裁决的是人声：那层质感之上有听得见的说唱，就读成嘻哈；同一段伴奏去掉人声，则经常被读成 downtempo 或 lo-fi。拿一首曲目到 Genre AI 音乐流派检测器里试试。