AI 音樂(lè)最近火到發(fā)燙。

首先是三月下旬，美國(guó) AI 初創(chuàng)公司 Suno 發(fā)布 V3 音樂(lè)生成模型，該模型能夠在幾秒鐘內(nèi)根據(jù)輸入的提示詞生成兩分鐘的高質(zhì)量音頻，驚艷的效果讓行業(yè)相信 AI 音樂(lè)已經(jīng)迎來(lái)了自己的「ChatGPT 時(shí)刻」。

緊接著，一個(gè)月后，國(guó)內(nèi)的昆侖萬(wàn)維宣布推出「天工SkyMusic」音樂(lè)生成大模型，其評(píng)分超越 Suno V3，成為 AI 音樂(lè)生成模型最新 SOTA（State of the Art，指當(dāng)前技術(shù)在本領(lǐng)域技術(shù)指標(biāo)全球第一）。這引起了極客公園的好奇。

客觀來(lái)說(shuō)，今天中美在 AI 大模型的基礎(chǔ)研發(fā)上還存在著一定差距。

即使細(xì)分領(lǐng)域的垂直模型，如此自信地宣稱全球領(lǐng)先的團(tuán)隊(duì)并不多見(jiàn)。此外，音樂(lè)作為多模態(tài)領(lǐng)域中的重要組成部分，有著不菲的產(chǎn)業(yè)價(jià)值。

全球錄制音樂(lè)市場(chǎng)一年的總收入近 300 億美元，而相關(guān)的演唱會(huì)、BGM、KTV 和線上的短視頻、K 歌平臺(tái)等更是每年數(shù)千億美元的市場(chǎng)規(guī)模。

AI 的介入必然帶來(lái)生產(chǎn)側(cè)和消費(fèi)側(cè)的全面革新，其潛在影響不會(huì)亞于數(shù)字音樂(lè)和流媒體的興起。因此在 4 月 17 日「天工SkyMusic」正式上線后，我們第一時(shí)間下載并體驗(yàn)了這款軟件。

以下是我們的體驗(yàn)感受，以及對(duì) AI 音樂(lè)未來(lái)發(fā)展的一點(diǎn)想法。

01

「天工SkyMusic」：

一段歌詞，幾秒生成

三首不同風(fēng)格的歌曲

從產(chǎn)品設(shè)計(jì)角度來(lái)看，「天工SkyMusic」與「Suno V3」在多個(gè)方面相似，但在一些關(guān)鍵細(xì)節(jié)上還是有明顯的不同。

使用「天工SkyMusic」生成音樂(lè)，需要輸入歌名、歌詞，同時(shí)可以通過(guò)添加段落信息，比如「主歌」、「副歌」、「前奏」等進(jìn)行微調(diào)——這些都與 Suno 的操作相似。

上為 Suno 界面，下為天工SkyMusic 界面

兩者最大的不同在于：Suno 要求用戶輸入歌曲風(fēng)格，如流行、爵士或說(shuō)唱；而「天工SkyMusic」則允許選擇參考曲目，可以來(lái)自其他用戶上傳過(guò)的歌曲，也支持自己上傳。

這個(gè)功能非常有用。一方面，相比于泛泛的「風(fēng)格」，「曲目」提供了更精確的定向，這更有助于生成自己想要的音樂(lè)。

從實(shí)際使用體驗(yàn)來(lái)看，如果缺少專業(yè)樂(lè)理訓(xùn)練，普通用戶很難精準(zhǔn)描述歌曲風(fēng)格——想象一下，該用什么語(yǔ)言描述《夜的第七章》？

因此，像「天工SkyMusic」這樣能夠在瀏覽并傾聽(tīng)原音樂(lè)時(shí)找到與自己歌詞契合的風(fēng)格，這比使用自然語(yǔ)言描述能夠更好地表達(dá)音樂(lè)需求，也更契合普通用戶的音樂(lè)創(chuàng)作的場(chǎng)景。

輸入歌詞、歌名和參考曲目以后，就可以直接生成音樂(lè)?！柑旃kyMusic」會(huì)一次性生成三首風(fēng)格、唱腔略有不同的歌曲——這是一個(gè)很實(shí)用的產(chǎn)品設(shè)計(jì)。

不論是「Suno V3」還是「天工SkyMusic」，盡管今天 AI 音樂(lè)雖然已經(jīng)能生成出一定水準(zhǔn)的音樂(lè)，但穩(wěn)定性還有待提升，三首里往往只有一首還算不錯(cuò)，而想要得到更好的音樂(lè)，除了需要做好歌詞分段等微調(diào)，更需要反復(fù)嘗試。

輸入歌名「夏天的風(fēng)」以及第一句「夏天的風(fēng)我永遠(yuǎn)記得」，由「AI 寫(xiě)詞」完成創(chuàng)作的歌曲

除了寫(xiě)好歌詞生成歌曲以外，「天工SkyMusic」也支持 AI 寫(xiě)詞。

如上所示，上面這首《夏天的風(fēng)》就是我們用「AI 寫(xiě)詞」和「生成歌曲」完成創(chuàng)作的歌曲。

這首歌的旋律還不錯(cuò)，但由于沒(méi)有給歌詞分段，整首歌聽(tīng)下來(lái)缺少了一點(diǎn)音調(diào)變化。

我嘗試在蘇軾的《水調(diào)歌頭》里加上分段，這次生成的歌曲就有了明顯的情感變化，尤其是唱到「人有悲歡離合，月有陰晴圓缺」這樣的副歌高潮段落時(shí)，感染力十足。

如果生成了滿意的歌曲，用戶還可以選擇「投稿」發(fā)布到「天工SkyMusic」平臺(tái)，以及支持分享到其他社交媒體平臺(tái)。

在首頁(yè)，我聽(tīng)了一些點(diǎn)贊比較多的熱門(mén)生成音樂(lè)，其中不乏一些質(zhì)量上乘的作品，乍一聽(tīng)?zhēng)缀鯚o(wú)法辨別其為 AI 生成——當(dāng)然仔細(xì)分辨的話，還是能在一些細(xì)節(jié)處理上看到與專業(yè)作品的差距。

事實(shí)上，許多專業(yè)音樂(lè)人對(duì)「天工SkyMusic」也有不低的評(píng)價(jià)。

例如，B 站 UP 主 @Metalion，一名職業(yè)音樂(lè)人，他嘗試了用自己的舊歌詞生成，并試聽(tīng)了主頁(yè)其他人發(fā)布的熱門(mén) AI 歌曲，其中有好幾首都給出了「還不錯(cuò)」、「像是一首完整的歌曲」這種不低的評(píng)價(jià)。

B 站 UP 主@Metalion 發(fā)布的視頻 | 來(lái)源：B 站截圖

整體體驗(yàn)下來(lái)，我感覺(jué)「天工SkyMusic」的音樂(lè)生成能力至少在音樂(lè)初學(xué)者以上，但生成速度遠(yuǎn)不是人類可比，而且大量的音樂(lè)作品中不乏一些相對(duì)完整甚至局部驚艷的優(yōu)秀作品。

當(dāng)然，目前 AI 音樂(lè)模型的能力還無(wú)法實(shí)現(xiàn)整首歌曲從頭到尾都保持穩(wěn)定品質(zhì)，也無(wú)法像真正的音樂(lè)人那樣細(xì)致打磨作品。

然而，就目前的技術(shù)水平而言，「天工SkyMusic」已是一款能為用戶帶來(lái)實(shí)際價(jià)值的優(yōu)秀產(chǎn)品。

通過(guò)降低音樂(lè)創(chuàng)作門(mén)檻，如「模仿曲目」、「一次生成三首」和「選擇發(fā)布」這些細(xì)節(jié)設(shè)計(jì)，大模型已經(jīng)可以讓普通人也能夠輕松享受創(chuàng)造音樂(lè)、分享音樂(lè)的快樂(lè)，人人都能以歌明志。

而隨著大模型繼續(xù)迭代，產(chǎn)品和功能繼續(xù)豐富，未來(lái)一兩年，AI 音樂(lè)還有更多的可能性。

02

AI 音樂(lè)，會(huì)走向何方

談完對(duì)產(chǎn)品的體驗(yàn)，最后我們來(lái)聊聊基于這次體驗(yàn)，我們可以看到的一些對(duì) AI 音樂(lè)行業(yè)未來(lái)發(fā)展的觀察。

在「天工 3.0」和「天工SkyMusic」的媒體溝通會(huì)上，昆侖萬(wàn)維董事長(zhǎng)兼 CEO 方漢在接受媒體采訪時(shí)說(shuō)，他認(rèn)為 AI 音樂(lè)創(chuàng)作工具未來(lái)會(huì)有兩個(gè)分化：面向 PGC 和面向小白的 UGC 用戶。

UGC 基本上是一鍵生成，方便為主；PGC 就相對(duì)復(fù)雜，「天工SkyMusic」也會(huì)在后續(xù)加入曲調(diào)調(diào)整等更專業(yè)的音樂(lè)工具。

「天工SkyMusic」這樣的產(chǎn)品，今天對(duì) UGC 和 PGC 而言都有一定的價(jià)值，并在可預(yù)見(jiàn)的未來(lái)，技術(shù)會(huì)向兩個(gè)不同的方向持續(xù)迭代。

對(duì)于普通 UGC 用戶，AI 音樂(lè)生成主要提供的還是娛樂(lè)價(jià)值。音樂(lè)創(chuàng)作是情感表達(dá)的一種形式，即使是非專業(yè)人士也有創(chuàng)作的需求。

以往，技術(shù)門(mén)檻如詞曲創(chuàng)作和音樂(lè)理論是主要障礙，而 AI 技術(shù)的引入，相當(dāng)于為他們提供了一個(gè)強(qiáng)大的「音樂(lè)創(chuàng)作外骨骼」，使得任何人都能創(chuàng)作出心中所想的音樂(lè)并通過(guò)社交媒體進(jìn)行分享。

當(dāng)然，當(dāng)前 AI 音樂(lè)平臺(tái)操作依然復(fù)雜，用戶需手動(dòng)進(jìn)行歌詞分段和微調(diào)，且生成的音質(zhì)不夠穩(wěn)定。

而隨著技術(shù)的持續(xù)迭代，這些問(wèn)題相信很快就會(huì)得到解決。正如微博和抖音在文章和視頻創(chuàng)作領(lǐng)域所引發(fā)的革命一樣，一個(gè)去中心化的音樂(lè)創(chuàng)作平臺(tái)可能將徹底改變?nèi)藗兊囊魳?lè)創(chuàng)作和消費(fèi)方式。

對(duì)于專業(yè)人士的 PGC 用戶而言，盡管今天的 AI 音樂(lè)工具尚不能完全替代人類創(chuàng)作者，但已經(jīng)開(kāi)始成為一個(gè)極具價(jià)值的輔助工具。首先是創(chuàng)意激發(fā)。

目前 AI 音樂(lè)大模型創(chuàng)作穩(wěn)定性還不夠，但是速度快，對(duì)于陷入瓶頸的創(chuàng)作者，AI 可以成為一個(gè)很好的創(chuàng)意啟發(fā)工具。

方漢也列舉了一個(gè)技術(shù)團(tuán)隊(duì)與專業(yè)創(chuàng)作者溝通后的場(chǎng)景，他們認(rèn)為「天工SkyMusic」有一個(gè)特別有價(jià)值的地方：就是跨區(qū)域風(fēng)格靈感激發(fā)。

例如，中國(guó)音樂(lè)人通常對(duì)非洲和拉美音樂(lè)不甚了解，但通過(guò)使用「天工SkyMusic」，他們可以輕松探索并融合這些異域文化的曲調(diào)，從而在創(chuàng)作中獲得新的靈感。

還有一個(gè)很有價(jià)值的場(chǎng)景在于小樣。在很多商務(wù)創(chuàng)作的溝通場(chǎng)合，尤其是一些音樂(lè)人和非音樂(lè)人的溝通（比如做廣告 BGM 時(shí)，編曲和廣告主溝通），很大的麻煩在于如何對(duì)齊雙方對(duì)作品方向的理解。

而有了 AI 之后，可以很容易地生成一個(gè)相對(duì)精準(zhǔn)地小樣兒，這能節(jié)省大量的溝通時(shí)間以及降低后續(xù)返工的風(fēng)險(xiǎn)。

從實(shí)用性的角度來(lái)看，今天需要用到音樂(lè)的行業(yè)非常多，比較典型的就是短視頻、影視和游戲制作，而傳統(tǒng)音樂(lè)創(chuàng)作不僅成本高昂還費(fèi)時(shí)費(fèi)力，把 AI 引入到這些行業(yè)的音樂(lè)生產(chǎn)流程，任何效率的提升都有可能帶來(lái)巨大的產(chǎn)業(yè)價(jià)值。

在內(nèi)容創(chuàng)作領(lǐng)域，誰(shuí)能最快適應(yīng)技術(shù)變革，誰(shuí)就可能獲得最大的利益，這一點(diǎn)在短視頻領(lǐng)域已經(jīng)有過(guò)驗(yàn)證。

隨著手機(jī)攝像頭、5G、以及視頻剪輯 APP 的崛起，視頻拍攝制作門(mén)檻不斷降低，最終伴隨著抖音的全球走紅，短視頻賽道全面崛起，拉開(kāi)一場(chǎng)新時(shí)代的大幕。而今天，在 AI 音樂(lè)乃至所有 AIGC 平臺(tái)上，歷史可能再次重演。