撰文 | 程書書
編輯 | 李信馬
題圖 | 豆包AI
曾幾何時，AI音樂還只是科技愛好者手中的新奇玩具——用戶只需輸入幾個關(guān)鍵詞，便能“開盲盒”式地生成一段旋律。然而，其結(jié)果往往充滿隨機與實驗色彩，難以真正步入專業(yè)音樂的殿堂。
但這一局面正在被快速打破。
近期，AI音樂初創(chuàng)公司Suno正以超過20億美元的估值尋求新一輪融資，較此前翻了兩番；據(jù)稱其年經(jīng)常性收入已突破1億美元，為這一新興賽道注入了堅實的商業(yè)信心。與此同時，流媒體巨頭Spotify宣布攜手三大唱片公司及行業(yè)組織，共同開發(fā)“負責(zé)任且以藝術(shù)家為中心”的AI音樂產(chǎn)品，標(biāo)志著傳統(tǒng)音樂產(chǎn)業(yè)正從觀望轉(zhuǎn)向積極合作。而AI語音領(lǐng)域的領(lǐng)軍者ElevenLabs獲得英偉達戰(zhàn)略投資、OpenAI被曝即將正式入局等消息，更意味著該領(lǐng)域吸引了頂級科技公司的關(guān)注。
這一系列密集的資本與產(chǎn)業(yè)動態(tài)，指向一個清晰的趨勢：在技術(shù)迭代、資本加持與產(chǎn)業(yè)協(xié)作的多重推動下，AI音樂已不再僅僅是實驗室中的Demo或網(wǎng)絡(luò)談資。它正以可感知的速度，融入從創(chuàng)作到消費的完整產(chǎn)業(yè)鏈，從昔日的酷炫“玩具”，加速成長為一門真正的“生意”。
01、從“開盲盒”到生產(chǎn)力
早期AI音樂的核心局限，在于“一次性生成”的“盲盒屬性”：輸入關(guān)鍵詞后得到的旋律往往是“一錘子買賣”，既無法修改調(diào)整，也難保證音質(zhì)與專業(yè)度，只能作為趣味體驗，難以切入正式創(chuàng)作場景。
而2025年以來，Udio、Suno等玩家密集推出的新一代工具，通過編輯功能升級、音質(zhì)突破與創(chuàng)作邏輯重構(gòu)，徹底打破這一困境，讓AI音樂進入“可循環(huán)修改、可精準(zhǔn)控制、可深度打磨”的“精雕細琢”階段。
首先，可視化編輯工具的落地，實現(xiàn)了“段落級精修”。
今年4月1日，由澳大利亞公司TopazLabs開發(fā)的AI音樂生成平臺Udio推出全新“UdioStyles”功能，允許用戶上傳自己擁有或控制的內(nèi)容，進而生成模仿現(xiàn)有曲目“聲音特征”的新音樂。與此同時，還發(fā)布了現(xiàn)有AI模型的更新版本v1.5Allegro，在不損失質(zhì)量和一致性的前提下，輸出速度提高了30%，大大提升創(chuàng)作效率，助力創(chuàng)作者更快將靈感轉(zhuǎn)化為音樂作品。
兩個月后，Udio又迅速推出可視化編輯工具Sessions，直接填補了AI音樂“難修改”的空白。該工具能自動從音頻波形中識別主歌、副歌、橋段等音樂結(jié)構(gòu)，創(chuàng)作者可以在其中移動、擴展或替換歌曲的不同部分。更關(guān)鍵的是，修改后的段落能與原有音樂在調(diào)性、節(jié)奏上自動適配，避免出現(xiàn)銜接斷裂的問題。
其次，高質(zhì)感模型與專業(yè)工作站結(jié)合，實現(xiàn)了“細節(jié)級可控”。
同樣在6月，美國AI音樂生成器初創(chuàng)公司Suno收購了AI音頻工作站W(wǎng)avTool，并在今年9月接連推出V5模型和自研的數(shù)字音樂工作站（DAW）SunoStudio。其中，V5模型帶來了音質(zhì)的飛躍，生成的音樂可以達到接近真人錄制的自然質(zhì)感；而自研的數(shù)字音頻工作站SunoStudio更是對傳統(tǒng)DAW的一次革命，“生成+編輯”的結(jié)合，也改變了以往AI一步生成不能編輯的模式。
圖源：SunoStudio官方教程截圖
一些沒有經(jīng)過音樂專業(yè)訓(xùn)練的用戶，只需要輸入音樂風(fēng)格、歌詞大意或者情感基調(diào)、具體指向性的提示詞或者參考片段，甚至哼唱一段旋律由手機錄音后上傳，SunoStudio可以在幾分鐘內(nèi)直接合成一個音樂成品，并同時生成每個樂器的分軌音頻，可通過在音軌的局部段落修改編輯指令，讓AI再次生成新的音樂段落。
音樂人可以用專業(yè)的知識來“指揮”AI為其提供更多的創(chuàng)作素材，例如可在分軌音軌上根據(jù)自己的需求剪輯、疊加和重組素材，指令生成多個AI版本進行選擇或組合，以供創(chuàng)作者在瓶頸期捕獲靈感，大大縮短制作周期。
與此同時，極簡交互工具補位，實現(xiàn)了“需求級精準(zhǔn)”。
英國AI語音生成器公司ElevenLabs旗下的ElevenMusic更是降低了AI音樂生成的專業(yè)門檻降，其主界面僅保留一個輸入框，操作完全對話式，用戶只需輸入描述性的提示，如音樂風(fēng)格、情感氛圍、樂器配置等，系統(tǒng)便能據(jù)此生成各種類型的音樂。更令人驚嘆的是，用戶還可以選擇音樂中是否包含人聲、特定樂器等細節(jié)元素，極大地豐富了創(chuàng)作的自由度。目前，該AI已支持英語、西班牙語、德語、日語等多語種歌曲的生成。
工具的集體進化，使AI音樂生成的內(nèi)容變得可修改、可組合、可嵌入，可以真正成為創(chuàng)作者手中的生產(chǎn)力工具，而不只是炫技的Demo。
02、競逐“AI音樂”
隨著技術(shù)基座的初步成型，一場圍繞AI音樂的全球商業(yè)競速賽已全面打響。從科技巨頭到初創(chuàng)公司，從海外到國內(nèi)，各方力量正從技術(shù)、產(chǎn)品、生態(tài)等多個維度展開布局。
在國際賽場，競爭日趨白熱化。上文提到的技術(shù)驅(qū)動型初創(chuàng)公司，以“高質(zhì)感+強落地”鞏固頭部地位。
Suno與Udio作為賽道標(biāo)桿，已實現(xiàn)“技術(shù)突破-商業(yè)驗證”的閉環(huán)：Suno不僅以V5模型與SunoStudio構(gòu)建起“音質(zhì)+可控性”的技術(shù)護城河，更以年收入1.5億美元、三年增長4倍的業(yè)績，印證了訂閱制、企業(yè)級配樂等商業(yè)模式的可行性；Udio則通過Styles風(fēng)格庫與Sessions編輯工具，聚焦“專業(yè)創(chuàng)作效率提升”場景，成為短視頻創(chuàng)作者、獨立音樂人青睞的“快速Demo工具”，其商業(yè)化進度與用戶粘性持續(xù)領(lǐng)跑。
其次是跨界入局的科技巨頭們，以“資源整合+場景垂直”切入賽道。
谷歌在今年5月發(fā)布Lyria二代模型，避開“通用音樂生成”的紅海，轉(zhuǎn)而聚焦“廣告配樂”——依托自身廣告生態(tài)資源，Lyria二代可快速適配不同行業(yè)廣告的風(fēng)格需求，直接對接商業(yè)客戶的定制化需求。
OpenAI也被爆出內(nèi)部團隊已悄然啟動AI音樂生成技術(shù)的研發(fā)工作。為了給音樂生成模型提供高質(zhì)量的訓(xùn)練數(shù)據(jù)，OpenAI正與茱莉亞音樂學(xué)院的部分學(xué)生展開合作，由這些學(xué)生對音樂譜例進行專業(yè)標(biāo)注。
國內(nèi)市場同樣呈現(xiàn)出蓬勃的創(chuàng)新活力。當(dāng)前，國內(nèi)AI音樂大模型的玩家主要分為三類：
第一類是以字節(jié)、阿里為代表的“大廠派”。其中字節(jié)旗下的海綿音樂，是憑借免費策略和平臺生態(tài)快速獲取用戶；以及阿里通義實驗室發(fā)布的InspireMusic模型則是走“工具賦能”路徑，開源InspireMusic全鏈路工具包，向中小開發(fā)者與企業(yè)開放AI音樂生成能力，以“生態(tài)共建”方式搶占B端市場。
圖源：海綿音樂網(wǎng)頁截圖
第二類是以昆侖萬維旗下的天工SkyMusic為代表的“新興大模型廠商”。作為國內(nèi)首個音樂SOTA模型，天工SkyMusic依托“天工3.0”超級大模型的技術(shù)底座，主打“快速生成+多風(fēng)格適配”，重點切入“微短劇配樂”“游戲原聲片段”等高頻需求場景；其后續(xù)推出的MurekaO1模型更登頂行業(yè)SOTA榜單，以技術(shù)指標(biāo)優(yōu)勢吸引專業(yè)創(chuàng)作團隊合作，試圖在“專業(yè)級AI音樂”領(lǐng)域建立話語權(quán)。
第三類是以趣丸科技旗下天譜樂為代表的“垂直賽道獨角獸”。作為全球首個多模態(tài)配樂大模型，天譜樂不僅支持文生音樂、音頻生音樂，更首創(chuàng)圖片生音樂、視頻生音樂功能，且比國際頭部的Suno早3個月落地。從上線起，天譜樂就全面接入趣丸旗下的唱鴨App，直接觸達千萬級音樂愛好者用戶，實現(xiàn)“產(chǎn)品-場景-用戶”的深度綁定，快速完成用戶與數(shù)據(jù)積累。
03、估值狂飆與版權(quán)暗礁
行業(yè)發(fā)展的如火如荼之際，隱藏的問題也悄然浮出水面。
AI音樂模型的核心能力，依賴于對海量音樂作品的學(xué)習(xí)與模仿，可這些訓(xùn)練數(shù)據(jù)中，絕大多數(shù)是受版權(quán)保護的商業(yè)作品（如唱片公司發(fā)行的歌曲、獨立音樂人的原創(chuàng)作品）。目前行業(yè)普遍存在“數(shù)據(jù)來源不透明”的問題：多數(shù)AI音樂公司并未公開訓(xùn)練數(shù)據(jù)的授權(quán)情況，也未向原創(chuàng)作家支付相應(yīng)的版權(quán)費用。
圖源：豆包AI
這種“無授權(quán)訓(xùn)練”的模式，已引發(fā)全球版權(quán)方的警惕——德國音樂版權(quán)協(xié)會曾公開質(zhì)疑Suno的訓(xùn)練數(shù)據(jù)合法性，稱“未經(jīng)授權(quán)使用受版權(quán)保護的音樂訓(xùn)練AI，本質(zhì)是對創(chuàng)作者勞動成果的侵占”。
更復(fù)雜的是創(chuàng)作主體的界定。傳統(tǒng)音樂創(chuàng)作中，“創(chuàng)作者即版權(quán)所有者”的邏輯清晰明確，但AI音樂卻無法遵循這一邏輯：一位用戶通過SunoStudio輸入歌詞與情緒提示，AI自動生成包含人聲、鼓點、貝斯線的完整歌曲；另一位創(chuàng)作者則上傳自己哼唱的旋律片段，由ElevenMusic擴展為交響樂版本。這些作品中，創(chuàng)意來自人類，執(zhí)行由算法完成，素材源于訓(xùn)練數(shù)據(jù)——那么版權(quán)應(yīng)歸屬于用戶、平臺，還是那些從未被署名的原始音樂人？
目前，無論是模型訓(xùn)練環(huán)節(jié)的“數(shù)據(jù)侵權(quán)”，還是生成作品的“歸屬模糊”，都尚未形成全球統(tǒng)一的解決方案。
面對版權(quán)困局，一些頭部玩家開始主動搭建版權(quán)合作生態(tài)。Spotify與三大唱片公司、Merlin、Believe的合作，核心是建立“AI音樂版權(quán)分配機制”：AI生成作品若使用了版權(quán)方的授權(quán)數(shù)據(jù)，將按流量向原創(chuàng)作家支付分成；ElevenLabs則提前與獨立音樂組織Merlin、版權(quán)商Kobalt達成協(xié)議，確保訓(xùn)練數(shù)據(jù)的合規(guī)性，并計劃推出“AI音樂版權(quán)追溯系統(tǒng)”，通過技術(shù)手段記錄作品的訓(xùn)練數(shù)據(jù)來源，實現(xiàn)“透明分成”。
行業(yè)政策與標(biāo)準(zhǔn)的制定也在加速。歐盟《人工智能法案》已將“AI生成內(nèi)容的版權(quán)標(biāo)注”納入監(jiān)管要求，明確AI公司需公開生成作品的訓(xùn)練數(shù)據(jù)來源；中國國家網(wǎng)信辦在AI模型備案中，也將“訓(xùn)練數(shù)據(jù)合規(guī)性”作為核心審核指標(biāo)。
對于AI音樂行業(yè)來說，合規(guī)不是終點，而是下一輪創(chuàng)新的起點。當(dāng)技術(shù)突破與版權(quán)規(guī)范實現(xiàn)協(xié)同進化，當(dāng)資本熱情與法律框架找到平衡點，AI音樂才能真正完成從“玩具”到“生意”的蛻變。
