AI 音乐，会不会诞生下一个「抖音」？

文章来源：极客公园

音乐创作从此触手可及。

作者 | 连冉编辑 | 郑玄

AI 音乐最近火到发烫。首先是三月下旬，美国 AI 初创公司 Suno 发布 V3 音乐生成模型，该模型能够在几秒钟内根据输入的提示词生成两分钟的高质量音频，惊艳的效果让行业相信 AI 音乐已经迎来了自己的「ChatGPT 时刻」。

紧接着，一个月后，国内的昆仑万维宣布推出「天工SkyMusic」音乐生成大模型，其评分超越 Suno V3，成为 AI 音乐生成模型最新 SOTA（State of the Art，指当前技术在本领域技术指标全球第一）。

这引起了极客公园的好奇。客观来说，今天中美在 AI 大模型的基础研发上还存在着一定差距。即使细分领域的垂直模型，如此自信地宣称全球领先的团队并不多见。

此外，音乐作为多模态领域中的重要组成部分，有着不菲的产业价值。全球录制音乐市场一年的总收入近 300 亿美元，而相关的演唱会、BGM、KTV 和线上的短视频、K 歌平台等更是每年数千亿美元的市场规模。AI 的介入必然带来生产侧和消费侧的全面革新，其潜在影响不会亚于数字音乐和流媒体的兴起。

因此在 4 月 17 日「天工SkyMusic」正式上线后，我们第一时间下载并体验了这款软件。以下是我们的体验感受，以及对 AI 音乐未来发展的一点想法。

从产品设计角度来看，「天工SkyMusic」与「Suno V3」在多个方面相似，但在一些关键细节上还是有明显的不同。

使用「天工SkyMusic」生成音乐，需要输入歌名、歌词，同时可以通过添加段落信息，比如「主歌」、「副歌」、「前奏」等进行微调——这些都与 Suno 的操作相似。

两者最大的不同在于：Suno 要求用户输入歌曲风格，如流行、爵士或说唱；而「天工SkyMusic」则允许选择参考曲目，可以来自其他用户上传过的歌曲，也支持自己上传。

这个功能非常有用。一方面，相比于泛泛的「风格」，「曲目」提供了更精确的定向，这更有助于生成自己想要的音乐。

从实际使用体验来看，如果缺少专业乐理训练，普通用户很难精准描述歌曲风格——想象一下，该用什么语言描述《夜的第七章》？因此，像「天工SkyMusic」这样能够在浏览并倾听原音乐时找到与自己歌词契合的风格，这比使用自然语言描述能够更好地表达音乐需求，也更契合普通用户的音乐创作的场景。

输入歌词、歌名和参考曲目以后，就可以直接生成音乐。「天工SkyMusic」会一次性生成三首风格、唱腔略有不同的歌曲——这是一个很实用的产品设计。不论是「Suno V3」还是「天工SkyMusic」，尽管今天 AI 音乐虽然已经能生成出一定水准的音乐，但稳定性还有待提升，三首里往往只有一首还算不错，而想要得到更好的音乐，除了需要做好歌词分段等微调，更需要反复尝试。

除了写好歌词生成歌曲以外，「天工SkyMusic」也支持 AI 写词。如上所示，上面这首《夏天的风》就是我们用「AI 写词」和「生成歌曲」完成创作的歌曲。这首歌的旋律还不错，但由于没有给歌词分段，整首歌听下来缺少了一点音调变化。

我尝试在苏轼的《水调歌头》里加上分段，这次生成的歌曲就有了明显的情感变化，尤其是唱到「人有悲欢离合，月有阴晴圆缺」这样的副歌高潮段落时，感染力十足。

如果生成了满意的歌曲，用户还可以选择「投稿」发布到「天工SkyMusic」平台，以及支持分享到其他社交媒体平台。在首页，我听了一些点赞比较多的热门生成音乐，其中不乏一些质量上乘的作品，乍一听几乎无法辨别其为 AI 生成——当然仔细分辨的话，还是能在一些细节处理上看到与专业作品的差距。

事实上，许多专业音乐人对「天工SkyMusic」也有不低的评价。例如，B 站 UP 主 @Metalion，一名职业音乐人，他尝试了用自己的旧歌词生成，并试听了主页其他人发布的热门 AI 歌曲，其中有好几首都给出了「还不错」、「像是一首完整的歌曲」这种不低的评价。

整体体验下来，我感觉「天工SkyMusic」的音乐生成能力至少在音乐初学者以上，但生成速度远不是人类可比，而且大量的音乐作品中不乏一些相对完整甚至局部惊艳的优秀作品。当然，目前 AI 音乐模型的能力还无法实现整首歌曲从头到尾都保持稳定品质，也无法像真正的音乐人那样细致打磨作品。

然而，就目前的技术水平而言，「天工SkyMusic」已是一款能为用户带来实际价值的优秀产品。通过降低音乐创作门槛，如「模仿曲目」、「一次生成三首」和「选择发布」这些细节设计，大模型已经可以让普通人也能够轻松享受创造音乐、分享音乐的快乐，人人都能以歌明志。

而随着大模型继续迭代，产品和功能继续丰富，未来一两年，AI 音乐还有更多的可能性。

谈完对产品的体验，最后我们来聊聊基于这次体验，我们可以看到的一些对 AI 音乐行业未来发展的观察。

在「天工 3.0」和「天工SkyMusic」的媒体沟通会上，昆仑万维董事长兼 CEO 方汉在接受媒体采访时说，他认为 AI 音乐创作工具未来会有两个分化：面向 PGC 和面向小白的 UGC 用户。UGC 基本上是一键生成，方便为主；PGC 就相对复杂，「天工SkyMusic」也会在后续加入曲调调整等更专业的音乐工具。

「天工SkyMusic」这样的产品，今天对 UGC 和 PGC 而言都有一定的价值，并在可预见的未来，技术会向两个不同的方向持续迭代。

对于普通 UGC 用户，AI 音乐生成主要提供的还是娱乐价值。音乐创作是情感表达的一种形式，即使是非专业人士也有创作的需求。以往，技术门槛如词曲创作和音乐理论是主要障碍，而 AI 技术的引入，相当于为他们提供了一个强大的「音乐创作外骨骼」，使得任何人都能创作出心中所想的音乐并通过社交媒体进行分享。

当然，当前 AI 音乐平台操作依然复杂，用户需手动进行歌词分段和微调，且生成的音质不够稳定。而随着技术的持续迭代，这些问题相信很快就会得到解决。正如微博和抖音在文章和视频创作领域所引发的革命一样，一个去中心化的音乐创作平台可能将彻底改变人们的音乐创作和消费方式。

对于专业人士的 PGC 用户而言，尽管今天的 AI 音乐工具尚不能完全替代人类创作者，但已经开始成为一个极具价值的辅助工具。

首先是创意激发。目前 AI 音乐大模型创作稳定性还不够，但是速度快，对于陷入瓶颈的创作者，AI 可以成为一个很好的创意启发工具。方汉也列举了一个技术团队与专业创作者沟通后的场景，他们认为「天工SkyMusic」有一个特别有价值的地方：就是跨区域风格灵感激发。例如，中国音乐人通常对非洲和拉美音乐不甚了解，但通过使用「天工SkyMusic」，他们可以轻松探索并融合这些异域文化的曲调，从而在创作中获得新的灵感。

还有一个很有价值的场景在于小样。在很多商务创作的沟通场合，尤其是一些音乐人和非音乐人的沟通（比如做广告 BGM 时，编曲和广告主沟通），很大的麻烦在于如何对齐双方对作品方向的理解。而有了 AI 之后，可以很容易地生成一个相对精准地小样儿，这能节省大量的沟通时间以及降低后续返工的风险。

从实用性的角度来看，今天需要用到音乐的行业非常多，比较典型的就是短视频、影视和游戏制作，而传统音乐创作不仅成本高昂还费时费力，把 AI 引入到这些行业的音乐生产流程，任何效率的提升都有可能带来巨大的产业价值。

在内容创作领域，谁能最快适应技术变革，谁就可能获得最大的利益，这一点在短视频领域已经有过验证。随着手机摄像头、5G、以及视频剪辑 APP 的崛起，视频拍摄制作门槛不断降低，最终伴随着抖音的全球走红，短视频赛道全面崛起，拉开一场新时代的大幕。

而今天，在 AI 音乐乃至所有 AIGC 平台上，历史可能再次重演。