今年以来，越来越多由AI参与创作的音乐作品频繁出现在公众视野。

今年1月，一位《原神》玩家将游戏台词加工成歌词，借助Suno进行谱曲的《奥奇坎竟是我自己》在B站爆火，至今已累积近640万播放量。“看看抖音上那些裁缝们费尽心思剪辑的所谓金曲，再看看这首完全由AI制作的编曲，我觉得这简直形成了降维打击。”一位网友发表评论道。

当时就有网友感慨：“AI给我的感觉就是：你只管天马行空构思灵感，剩下的交给AI来完成。”这个生动的比喻在不经意间引起了广泛共鸣。

今年3月，程序员Yapie利用DeepSeek和Make Best Music等工具，以“从暗恋到分手的七日心路历程”为核心创作主题，仅花费数小时就完成了《七天爱人》的词曲创作。这首歌登陆网易云音乐后，播放量迅速突破200万次，评论超过4600条，陆续登上飙升榜、赏音榜等主流榜单，与毛不易、陈奕迅等知名歌手的作品并列。

“普通音乐人呕心沥血创作的作品，在AI面前显得毫无招架之力。”当时有听众这样评价。更值得注意的是，《七天爱人》还实现了商业突破，最终版权以数万元成交，这为大众探索AI音乐变现途径带来了启发。

在不被刻意告知的情况下，如今人们已经很难分辨一首歌是否来自AI创作。今年7月，Spotify上每月收听人数超百万的迷幻摇滚乐队Velvet Sundown，被曝光其音乐实际上是通过Suno等生成式音乐工具制作完成的，这一消息让许多听众恍然大悟。

人类就在找bug和画龙点睛

“创作者对AI的态度已经发生了显著转变。”专注内容领域的AI创业公司火星电波创始人徐文健表示。

网友Chaosprint分享了他的心路历程：

“我大概在2017年左右开始接触AI音乐，那时候主要是被AlphaGo激发了兴趣。最初是研究机器听觉相关的内容，比如Nick Collins的一些前沿工作。我一直对AI能否实现实时音乐编程（live coding）特别好奇。2019年，我做了个项目叫RaveForce，算是个挺有意思的小实验。那时候GANsynth特别火，看起来很惊艳，但音质总觉得有些‘糊’。至于MIDI生成，我认为那算不上真正的‘音乐创作’。”

“现在，我对这些事的看法有了转变。或许音质问题会像当年的MP3一样，刚开始差强人意，后来却变成了‘足够好’的标准，扩散模型似乎正在推动这种趋势。而MIDI如果用得好，其实是个很有潜力的工具。人声合成和转换现在也特别酷，感觉就像‘插件’，但更高级、更实用。”

回顾2024年，大家曾担心被替代，对AI创作充满不屑和排斥；到了2024年年中，头部创作者开始将AI视为助手和灵感来源，发现了提升效率和突破创意的可能；时至今日，创作者们变得更加务实，大家不再争论‘用不用’，而是探讨‘怎么用好AI’。”

有报道称，截至2024年，AI已生成超过一亿首乐曲。有业内人士预计，AI音乐的市场收益将在2026年达到70亿美元；到2030年，AI音乐将占据50%的市场份额。

从艺术家的角度看，音乐之所以迷人，恰恰在于不同乐器在某一刻的和谐共鸣，无论是节奏、音调还是音色。另一方面，AI音乐也有一些偏商业用途的实用场景，比如广告配乐、短视频背景音乐等，这类内容更注重‘功能性’，只需要有点氛围感，人们也不想花费大量时间搞创作。在这类场景下，AI音乐是合适的。

“AI是执行者，是人类能力边界的延伸。人是老板，负责定义问题与目标，去指挥AI干活。”徐文健强调。

根据他的经验，当前创作者在创作环节中，主要需要定义“美”是什么，通过不断反馈迭代、个性化记忆、设置创作目标和边界来引导模型。此外，以技术为主、再编辑为辅。“把人类想象成总监，技术能解决80%的工作，人解决的是剩下10%的错漏和10%的画龙点睛。”

整体来看，AI当前在创作方面的核心价值是“补位”：帮普通人实现创作，无需花费几万、几年学乐理，仅需输入情感经历、个人感悟等，即可生成专属风格音乐等；对于专业创作者而言则是提升效率，而非替代其做产出。

对于此前讨论很多的AI致人类失业的问题，徐文健坦言，“工作被替代这种顾虑是现实存在的，但这和每次工业革命发生时的情形一致，AI在取代一些旧岗位的同时也在创造新机会，善于利用AI的人会获得前所未有的生产力。”

“需要统一的创作平台”

在早期，AI创作规则简单、输出粗糙，依赖大量人工筛选和后期处理。如今，大模型基于文本就能深刻理解情感与语义关系，并生成完整的音乐作品。

“目前AI音频很大程度上已经可以替代中低端和标准化需求的传统音频制作。”徐文健说道，“但在情感叙事、高端真人感、互动和实时上还有优化空间。”

“音乐生成和文本生成差异很大。”Suno联合创始人兼CEO Mikey Shulman表示，文本、代码等的生成，解决的是客观问题，比如提高SOTA分数、优化基准测试成绩，但音乐完全是主观的。因此，Shulman认为，音乐生成领域的模型会保持相对小巧，但需要用其他技术来让模型具备“好品味”。

Suno采用了Transformer架构，但Shulman称其竞争优势不在于模型架构创新，而在于音频表征创新。比如，音频该如何“分词”（tokenize）并没有标准答案，但如能借鉴开源社区里的经验，就能找到很好的方法。

对于Suno这类工具来说，生成速度是重要指标，确保用户创作第一首歌时就能有惊艳体验非常重要。“我们试过在产品里做一些‘人工延迟’，发现用户的好感度会下降。虽然有时候‘加载中’的提示会让人觉得‘正在生成有价值的东西’，但10秒就是比8秒差。”

创作过程中，虽然单个AI工具很强，但创作者通常需要将不同工具串联成整体的工作流程，比如用DeepSeek、ChatGPT作词，Suno、Udio作曲等。在徐文健看来，未来一定会出现“AI创作操作系统”或者全能平台，这类平台有两个特征：

统一创作者的工作空间。比如在一个界面内无缝切换文本、图像、音频、视频的创作，素材和数据可以自由流转，无需在不同软件间导入导出。

有全局的理解和任务协作。系统自动理解用户指令，然后调用内部的各种Agent来协同完成任务。

徐文健指出，当前AI创作工具链中，每个环节都很重要，结合在一起真正核心就是：Agent构成的自工作流。

此外，业内也有资深专家表示，用户需求越来越多元，AI创作工具需提供低时延的多元能力，包括图片、视频、音乐生成，长视频生成等。因此，集成业界优质AI能力，优化工具流与工作流、降低成本，让创作流程简单高效，对工具提供商来说是十分重要的。

GPU开销通常是AI创作工具的一大支出项，虽然厂商们希望GPU价格能降下来，但大概只会用更多GPU，因为大家仍在持续做高质量研究实验，不停做技术迭代。

人类创作者壁垒在“道”

AI很快能掌握“爆款公式”，但真正打动人心的作品，往往来自个体的情感偏差。

徐文健表示，“人类创作者的壁垒在‘道’，而不在‘术’。技法都将变得没那么重要，人类怎么去理解这个世界、怎么去解构和定义一个问提，怎么去把真实生活中属于自己份的感悟表达出会将是人类的壁垒。”

Shulman也提到，未来音乐创作的趋势是“品味比技能更重要”。“AI让创作大量内容变得容易，而能从海量内容中筛选出好作品、用耳朵判断出谁好谁庸的人，会越来越受认可。”

“未来的音乐创作者，可能不会弹钢琴、不会弹吉他，但需要能Suno生成的内容中选出符合预期的作品。”他认为这个趋势一直在加速，比如之前有人靠“做歌单”成名，他们只是“有好品味”，把别人的歌整理起来，就能吸引听众。

Shulman认为，让模型契合人类品味是很难的，当前他们用的技术和 “基于人类反馈的强化学习（RLHF）” 类似，但他并不确定这就是未来的方向。“让音乐模型契合人类品味，不一定能用和大型模型一样的方法。”

当前，对普通人而言，AI创作工具已能生成“60分水平”的合格作品，保证有个人特色、能满足基础创作需求。对专业人来说，则需优化AI音乐Agent能力，学习全网优秀曲风、词曲设计表达习惯。AI还难以实现创新性词曲创造、复杂多曲风节拍设计等，未来这些难点需要突破，以便提供更高的价值。

“我真正想看到的，是AI能从底层真正‘理解’音乐。比如，机器能自己学会合成器参数是怎么影响声音的，那时我们就能像深度强化学习打破8bit游戏那样，创造出全新的音乐形式，而不是像现在这样，拿一堆有版权的音乐去训来练去，再卖出去，这种方式太廉价了。”Chaosprint说道。