潮头之上 最知潮汐｜ 聊聊AI音乐

以 ChatGPT 为代表的AI大模型，热热闹闹了整个 2023年，去年也被普遍视为「生成式 AI 元年」。
而对于AI 音乐来说，堪比ChatGPT时刻的里程碑事件来得晚了一些，直到今年 3 月——Suno V3的横空出世。



不需要懂音乐，不需要明乐理，只需键入主题，一分钟内音乐大模型就完成作词、作曲以及演唱，关键它还有模有样。
Suno 一鸣惊人短短 20 天后，号称“强过 10 倍的” Udio 席卷而来，与Suno使用方式几乎一致，用户只需输入简单的提示词，比如音乐风格、音乐流派、歌词内容、音色等，等待几秒就能快速生成带有歌词和节拍的音乐片段。



轮番上线的音乐大模型，在 2024 年的春天，疯狂挑战着传统音乐制作。
已经被抖音式神曲冲击地七零八落的现代音乐，再迎严峻挑战。
AI 音乐们是降低了音乐创作的门槛，让普通人也能体验音乐创作的乐趣，还是来抢音乐人饭碗来了？
时间的河流奔腾不息，站在更高的山丘上，方见千浪脚下过。
嗨翻屋 HIFIVE，作为深耕音乐行业多年、在音乐技术和版权内容拥有相当竞争力的科技企业，我们回望近几个月的 AI 音乐热潮，审度当下、展望前路。
毕竟，站在潮头之上的，才最知潮汐。
Verse / 主歌
井喷的 AI工具，良莠不齐的AI歌曲
AI 音乐大模型的发展，遵循着精英创企打头阵，大厂紧随其后的路数。
去年Meta、谷歌Lyria已在音乐大模型中排兵布阵；Suno掀起热潮后，天工SkyMusic、网易天音、腾讯TME Studio也先后上线大模型或开设AI频道。
AI 井喷，素人们的创作热情达到顶峰。
在深度体验了多款 AI 音乐产品后，曲多多音乐内容部门的同事们态度倾向于“对于音乐爱好者、缺少理论知识的创作者来说，Suno是个很好的工具，可以提供开拓旋律、和声、配器等很多方面的思路。但对于职业音乐人来说，AI作曲用处不大。”

 
AIGC or HUMAN GC ？
AIGC（生成式人工智能 artificial intelligence generated content）
HUMAN GC （生造意译词 人类创作）
我们试着对比了一下 AI 音乐与传统制作的音乐，并尝试通过技术分析体现结果：大多数AI 音乐差在哪里？
AI生成音乐评测
1.声音模糊不清晰、声音偏薄、某些频段缺失
清晰度比较低，比较“糊”，声音较为干瘪、机械感重、没有质感，第一耳朵就能听出“合成”的感觉。与用心制作且经过混音、母带的音乐天差地别。
2.人声演唱/器乐演奏不真实
在生成的大部分流行音乐中，编曲相对比较成熟，但是对于一些器乐的演奏会显得比较生疏或“稚嫩”。这与比较成熟的编曲产生了较大的割裂感，尤其体现在原声器乐的演奏上。
3.演奏/演唱动态较差（演奏力度、情绪较为单一）
演奏/演唱的动态是表现情绪、起伏的一大元素，而AI音乐大部分的演奏力度都较为单一、很平，像是没有情感投入的机械式演奏。
4.演唱/演奏旋律单一，旋律编写较为模板化
这点尤其体现在演唱上，AI对于旋律的创作大部分情况下较为单一，对于字句、Flow的处理方式并不丰富，对于不同歌曲的处理都高度一致。
5.咬字发音奇怪（特别是中文歌词）
马can到什么，是run决定的。大家应该明白什么意思吧。
「编者注：魔性“商务殷语”出自热映的电影《封神第一部》，片中费翔饰演的商王“in show”（殷寿）凭借“迷之发音”被网友热炒」
6.没有气口/换气
众所周知，人不出气会被憋死。在许多AI生成的音乐中是缺少气口的，一口气唱到尾不换气。
在一般情况下的音乐后期中，不大会将气口全部剪掉（特殊情况除外）。但就算将气口剪掉，真人演唱的气息感还是会存在。
7.不确定性&不可自定义修改
这也是目前AI音乐最大的问题，无论你描述地有多详尽，AI生成的结果很难在第一时间给到你满意的结果，可能需要尝试无数次，更有可能完全达不到你想要的。就像刮刮乐一样。
不可修改其实也是一样，用户并不知道AI的创作动机，你无法针对性的对某一点进行修改。就算开放了部分修改，修改的结果也和上述的问题一样，可能需要尝试无数次，也可能达不到预期。
听多了音乐大模型的产品，用户们很快会对这类缺少灵魂的套路感到厌倦。短暂的兴奋后，AI音乐迎来更理性的目光审视。那么，被大多数人诟病的 AI 味儿，到底是什么味儿？
AI 味儿其实可以用三个字概括：不耐听。 口水歌、大白嗓，旋律简单，缺乏抑扬顿挫和起承转合，工业糖精味浓。