技術(shù)革命讓AI助力產(chǎn)業(yè)發(fā)展，而不是搶走創(chuàng )作者的飯碗
回顧過(guò)去一年，ChatGPT在人工智能研發(fā)領(lǐng)域的亮眼表現，尤其是其撰寫(xiě)代碼的能力，讓人震撼。盡管ChatGPT主要用于自然語(yǔ)言處理，但其在音樂(lè )創(chuàng )作上的嘗試也顯示出了一定的潛力。然而，真正讓人工智能在音樂(lè )領(lǐng)域大放異彩的是2024年涌現出的大量實(shí)際生成音樂(lè )的系統，如Suno、Udio等，這些AIGC模型從最初的粗制濫造發(fā)展到如今已經(jīng)在一定范圍內達到了完美。
正如一個(gè)多世紀前照相技術(shù)的誕生對繪畫(huà)領(lǐng)域造成了沖擊，當下人們對AI的“抗拒”實(shí)則是對新變革的傳統反應。然而，美術(shù)作品依然保持著(zhù)其不可替代的價(jià)值，攝影作品也已開(kāi)辟了獨特的藝術(shù)領(lǐng)域。將此視角轉向當前AI生成音樂(lè )與人工創(chuàng )作音樂(lè )的競爭，可以預見(jiàn)，未來(lái)AI生成音樂(lè )或將同樣開(kāi)辟出一條嶄新的道路。
在創(chuàng )作與生產(chǎn)層面，AI作曲家能夠根據用戶(hù)偏好創(chuàng )作個(gè)性化音樂(lè )，極大地豐富了音樂(lè )多樣性，同時(shí)AI技術(shù)也使音樂(lè )制作更加高效精細，實(shí)現了藝術(shù)與技術(shù)的完美融合。在傳播與消費方面，智能算法精準推薦音樂(lè )內容，增強了音樂(lè )的傳播力與影響力，智能化的消費體驗也讓音樂(lè )更加觸手可及。
李小瑩
在2024年中國數字音樂(lè )產(chǎn)業(yè)大會(huì )上，“人工智能賦能數字音樂(lè )產(chǎn)業(yè)創(chuàng )新發(fā)展論壇”成功舉辦，本次分論壇由中國傳媒大學(xué)音樂(lè )與錄音藝術(shù)學(xué)院主辦，中國傳媒大學(xué)音樂(lè )與錄音藝術(shù)學(xué)院教授、音樂(lè )傳播教研室主任李小瑩擔任主持人。
“然而，面對技術(shù)的雙刃劍，我們也需要審慎前行，保護音樂(lè )創(chuàng )作者的權利，維護創(chuàng )作生態(tài)的健康發(fā)展，確保AI音樂(lè )創(chuàng )作符合倫理規范，促進(jìn)文化多樣性和智能化浪潮中堅守音樂(lè )人的文化精神與藝術(shù)價(jià)值，是我們共同的責任與使命。”李小瑩在分論壇開(kāi)場(chǎng)時(shí)表示，大家共同探索音樂(lè )產(chǎn)業(yè)轉型升級的新路徑與新模式，堅信通過(guò)共同努力，數字音樂(lè )產(chǎn)業(yè)將在數字時(shí)代綻放更耀眼光芒，讓音樂(lè )成為連接心靈、傳承文化的橋梁。
實(shí)際上，眾多音樂(lè )行業(yè)從業(yè)者已開(kāi)始與AI和諧共存，他們清晰界定了AI的角色，視其為輔助創(chuàng )作的得力工具，顯著(zhù)提升了工作效率。在此基礎上，他們不斷探索并擴展AI的界限，對其功能與訓練提出更高要求，旨在讓AI真正成為推動(dòng)行業(yè)發(fā)展的強大動(dòng)力。面對AI不可阻擋地融入音樂(lè )行業(yè)的現狀，如何將AI轉變?yōu)橐环N積極有益的存在，成為一個(gè)值得深思的問(wèn)題。
AI帶來(lái)新的商業(yè)模式和增長(cháng)點(diǎn)
面臨版權保護和倫理道德的挑戰
“人工智能技術(shù)在音樂(lè )創(chuàng )作、制作、分發(fā)和消費等領(lǐng)域的廣泛應用，不僅極大地豐富了音樂(lè )的形式與內容，還為音樂(lè )產(chǎn)業(yè)帶來(lái)了新的商業(yè)模式和增長(cháng)點(diǎn)。從人工智能作曲、智能編曲到虛擬歌手、音樂(lè )推薦系統，這些新興應用展示了AI的巨大潛力。” 中國傳媒大學(xué)音樂(lè )與錄音藝術(shù)學(xué)院院長(cháng)付龍教授表示，隨著(zhù)5G、大數據、云計算等技術(shù)的快速發(fā)展，正推動(dòng)數字音樂(lè )平臺向智能化、個(gè)性化、社交化方向演進(jìn)，為用戶(hù)提供更豐富的音樂(lè )體驗。
付龍
然而，在享受人工智能帶來(lái)的便利的同時(shí)，行業(yè)也面臨著(zhù)版權保護、數據安全、倫理道德等一系列新問(wèn)題。從初級的人工智能作曲到如今大火的Suno程序，人工智能在音樂(lè )創(chuàng )作上的能力不斷顛覆人們的認知，付龍提出了一系列的問(wèn)題，譬如，如何在保護創(chuàng )作者權益的同時(shí)促進(jìn)音樂(lè )作品的廣泛傳播？如何在確保數據安全的前提下實(shí)現音樂(lè )產(chǎn)業(yè)的數字化轉型？如何在尊重藝術(shù)、創(chuàng )作規律的基礎上發(fā)揮人工智能的創(chuàng )新潛力？這些難題都需要行業(yè)共同面對和解決。
中央音樂(lè )學(xué)院音樂(lè )人工智能與音樂(lè )信息科技系教師、青年作曲家鞏子晗回應道，從技術(shù)方面分析，人工智能系統已經(jīng)學(xué)會(huì )了抓住動(dòng)機發(fā)展音樂(lè )這樣一種專(zhuān)業(yè)作曲手段，使得生成的音樂(lè )更加統一和成熟。人工智能還能根據古文等不同類(lèi)型的輸入生成音樂(lè )，顯示出其強大的適應性和創(chuàng )造力。
“Suno在把握材料、風(fēng)格統一，和弦的配置方面基本正確，因素結合較為到位，段落過(guò)于套路化，反而是它的弱點(diǎn)，從來(lái)不遵循任何套路，都是作曲家自由的發(fā)揮。”鞏子晗在現場(chǎng)播放了一段人工智能生成的純音樂(lè )作品，這段音樂(lè )中，增音程的進(jìn)行方式被巧妙地運用，使得音樂(lè )效果獨特且引人入勝。
鞏子晗
鞏子晗在現場(chǎng)又展示了另一次有趣的嘗試——用古文來(lái)測試音樂(lè )人工智能。在播放了根據古文生成的音樂(lè )后，大家發(fā)現這段音樂(lè )具有很強的套路感，從輕柔的伴奏開(kāi)始，逐漸加入低音和鼓點(diǎn)，與ChatGPT的生成方式類(lèi)似。然而，中文的念白在這段音樂(lè )中顯得不太自然，這主要是因為人工智能的數據庫中英文內容更多，中文內容相對較少。這一嘗試不僅展示了人工智能的多樣性，也揭示了其在處理不同語(yǔ)言和文化背景時(shí)可能面臨的挑戰。
人工智能生成的音樂(lè )也存在一些問(wèn)題，如段落過(guò)于套路化等，在處理中文等特定語(yǔ)言時(shí)仍存在一定的局限性。鞏子晗總結道，雖然人工智能會(huì )取代相當一部分藝術(shù)工作的從業(yè)人員，但完全取代人類(lèi)尚需要時(shí)間，不必害怕人工智能，而是應該將其融入到專(zhuān)業(yè)創(chuàng )作中。
王斌來(lái)自世界超高清視頻產(chǎn)業(yè)聯(lián)盟（UWA），擔任產(chǎn)業(yè)研究總監。據了解，UWA由央視總臺、華為、騰訊、愛(ài)奇藝、優(yōu)酷等知名企業(yè)及終端廠(chǎng)家共同組建，旨在推動(dòng)超高清視頻產(chǎn)業(yè)的做大做強，聯(lián)盟涵蓋國際與國內會(huì )員，致力于創(chuàng )新標準的制定，特別是在音頻領(lǐng)域，如三維聲Audio Vivid，以提升用戶(hù)的沉浸感和真實(shí)還原度。
“超高清產(chǎn)業(yè)的五個(gè)緯度中，音頻是其中重要一環(huán)，但目前在產(chǎn)業(yè)體驗上相對落后于視頻技術(shù)。”王斌表示，從石器時(shí)代，大家敲石頭發(fā)出聲音，到現在已經(jīng)進(jìn)入三維聲時(shí)代，在聲音技術(shù)的發(fā)展歷程中，三維聲相較于傳統聲音，提供了位置、方向和距離等動(dòng)態(tài)信息，為藝術(shù)創(chuàng )作者提供了更多表現緯度。
王斌
通過(guò)在現場(chǎng)播放三維聲的簡(jiǎn)單DEMO，王斌展示了三維聲的空間感、臨場(chǎng)感和現場(chǎng)感。三維聲標準體系的框架包括編碼、解碼和渲染等技術(shù)緯度，支持通用全碼率和無(wú)損編碼，并強調原數據的重要性，以真實(shí)還原聲音的位置、空間、距離和方向信息。
騰訊音樂(lè )娛樂(lè )集團推薦算法總監黃昕探討了音頻表征大模型在音樂(lè )推薦系統中的應用，特別是在A(yíng)I和大模型時(shí)代背景下，如何融合生成式大模型與傳統的推薦判別式模型，以?xún)?yōu)化用戶(hù)體驗和音樂(lè )人的分發(fā)效果。
在現場(chǎng)，黃昕回顧了推薦系統的技術(shù)迭代發(fā)展歷程，指出傳統方法（如基于用戶(hù)協(xié)同和深度學(xué)習）在描述和理解歌曲時(shí)，過(guò)度依賴(lài)用戶(hù)交互行為，導致新歌曲和中長(cháng)尾優(yōu)質(zhì)歌曲被低估。因此提出了利用音樂(lè )的音頻表征大模型來(lái)提取特征，以更全面地理解音樂(lè )和用戶(hù)偏好。
黃昕介紹了音頻表征模型的構建方法，包括監督/半監督方案、無(wú)監督方案（對比學(xué)習和自編碼）以及跨模態(tài)方案，并詳細解釋了自編碼方案的原理，即通過(guò)token化音頻并使用transformer結構進(jìn)行表征提取，再通過(guò)隨機掩碼和encoder還原的方式訓練模型。
黃昕
如何將音頻表征與推薦系統有效結合？黃昕表示，由于音頻特征和用戶(hù)行為空間的不對齊，直接將音頻特征輸入推薦模型可能導致性能下降。因此，技術(shù)團隊提出了在通用音頻表征基座模型基礎上，通過(guò)PPO和DPO等方法進(jìn)行微調，以對齊用戶(hù)反饋空間。兩種微調方法——歌曲與歌曲的對比學(xué)習和用戶(hù)到歌曲的交互微調，并發(fā)現用戶(hù)到歌曲的交互微調效果最佳。
“有了音頻表征之后，我們會(huì )去構造更多的特征輸入到我們的推薦模型里面，幫助我們去提升推薦模型的性能。特別是對于一些新歌中長(cháng)尾的歌曲，它的理解能力大大加強了，很自然地幫我們提升了這部分歌曲的分發(fā)量，并且同時(shí)給我們帶來(lái)了一些用戶(hù)體驗的正向的幫助。”黃昕表示，無(wú)論是歌曲的整體播放時(shí)長(cháng)還是收藏量都提升了一個(gè)點(diǎn)以上，在這個(gè)基礎上，一些新歌的中長(cháng)尾歌曲數據也提升了10%以上。
幕后圈作為一家為音樂(lè )人提供服務(wù)的公司，十年來(lái)積累了豐富的經(jīng)驗和資源，逐漸將業(yè)務(wù)拓展至音樂(lè )教育領(lǐng)域。幕后圈創(chuàng )始人李泳彬在論壇上分享了《2024年中國音樂(lè )產(chǎn)業(yè)發(fā)展報告》的數據，指出雖然整體規模有所增長(cháng)，但數字音樂(lè )的增長(cháng)并未達到預期，且與美國等發(fā)達國家相比，仍有較大差距。特別是在音樂(lè )演出、音樂(lè )版權以及數字音樂(lè )規模等方面，中國仍有很大的提升空間。
中國的音樂(lè )教育培訓成為音樂(lè )產(chǎn)業(yè)中最大的細分市場(chǎng)，規模達1616億，占整體規模的三分之一。樂(lè )器市場(chǎng)出現下滑，尤其是傳統樂(lè )器下跌幅度較大（超過(guò)50%），而智能樂(lè )器則上漲40%以上，反映出消費者偏好的轉變和音樂(lè )教育方式的革新。在李泳彬看來(lái)，中國音樂(lè )教育市場(chǎng)規模超過(guò)美國，但樂(lè )器銷(xiāo)售下滑、版權收入不高、音樂(lè )人平均收入低（僅為世界同等收入的9%）以及人均音樂(lè )消費低（僅為世界平均水平的0.9%）等問(wèn)題凸顯。
李泳彬
李泳彬回顧個(gè)人在英國讀研究生的親身經(jīng)歷，對比了歐美和中國的音樂(lè )教育現狀，他發(fā)現歐美在2000年之前就已經(jīng)開(kāi)始音樂(lè )創(chuàng )編的普及教育，而中國在這方面仍顯滯后，“中國的琴童3000萬(wàn)人，但90%都在小學(xué)畢業(yè)之后放棄了。”
國家將“音樂(lè )創(chuàng )編”正式提到藝術(shù)課標里，這意味著(zhù)音樂(lè )產(chǎn)業(yè)和音樂(lè )教育正式開(kāi)始銜接的過(guò)程，當小朋友從一年級開(kāi)始就要學(xué)音樂(lè )創(chuàng )編，這可以幫助他們盡早與流行音樂(lè )接軌，與音樂(lè )產(chǎn)業(yè)接軌。李泳彬表示，AI音樂(lè )教育作為門(mén)檻更低、更有趣味性的教育方式，將成為未來(lái)音樂(lè )教育的重要方向，有望推動(dòng)音樂(lè )產(chǎn)業(yè)的結構優(yōu)化和發(fā)展。
浙江音樂(lè )學(xué)院教授、數字音樂(lè )智能處理技術(shù)文旅部重點(diǎn)實(shí)驗室主任謝秉元分享了交互音樂(lè )的多維媒介探索以及與人工智能結合的發(fā)展趨勢。
所謂交互音樂(lè )，即用戶(hù)或環(huán)境能夠實(shí)時(shí)影響或控制音樂(lè )的表現和生成，這種雙向的互動(dòng)體驗打破了傳統音樂(lè )聆聽(tīng)的單向模式，為用戶(hù)提供了更多的參與度和創(chuàng )造性。交互音樂(lè )的實(shí)現方式，包括實(shí)時(shí)生成、感應裝置和互動(dòng)軟件等關(guān)鍵要素。這些技術(shù)支撐了交互音樂(lè )的多樣性和靈活性，使得用戶(hù)能夠通過(guò)身體動(dòng)作、聲音輸入等多種方式與音樂(lè )進(jìn)行互動(dòng)。
謝秉元
謝秉元在現場(chǎng)重點(diǎn)介紹了三種交互方式：物理交互、文本交互和沉浸式交互。物理交互通過(guò)身體、動(dòng)作等物理方式與設備或系統交流，文本交互則通過(guò)輸入文字或符號來(lái)控制音樂(lè )的生成和表現，而沉浸式交互則利用虛擬現實(shí)技術(shù)搭建特定空間內的三維音效環(huán)境與系統交互，為用戶(hù)提供身臨其境的體驗。
在現場(chǎng)，通過(guò)展示學(xué)生作品和實(shí)驗室項目，謝秉元幫助大家看到了交互音樂(lè )在實(shí)際應用中的豐富多樣性和創(chuàng )新性。譬如，名為《綠洲》的學(xué)生作品里面就用了很多類(lèi)型的傳感器，比如觸摸傳感器，包括超聲波測距等多種傳感器，跟植物進(jìn)行互動(dòng)然后產(chǎn)生視聽(tīng)和視覺(jué)效果，體驗人類(lèi)與自然的和諧共生。
謝秉元在現場(chǎng)還介紹了實(shí)驗室與浙江大學(xué)合作的一項由國家文化重大工程支持的數字化項目，通過(guò)虛擬現實(shí)引擎與游戲聲音引擎的雙輪驅動(dòng)，構建了一個(gè)沉浸式的音畫(huà)空間。作品時(shí)長(cháng)12分鐘，分為五幕，每一幕都通過(guò)精心設計的視覺(jué)效果、聲音效果以及物理特效，項目的核心在于其技術(shù)創(chuàng )新與多維度感官體驗的結合，利用32臺4K投影儀實(shí)現高分辨率的視覺(jué)呈現，結合空間成像技術(shù)，為觀(guān)眾講述了一個(gè)引人入勝的故事。
傳統影視配樂(lè )工作面臨著(zhù)音樂(lè )庫規模龐大、信息不對稱(chēng)、選取效率低下以及主觀(guān)理解差異等挑戰。為了克服這些難題，音樂(lè )行業(yè)引入了元數據系統，通過(guò)為每首曲目設定關(guān)鍵詞或標簽集合，提高了音樂(lè )檢索的效率。雅量音樂(lè )文化公司副總經(jīng)理李文松在現場(chǎng)講解了AI技術(shù)在數字音樂(lè )平臺中的應用，特別是在解決傳統影視作品配樂(lè )工作中的作用。
李文松表示，元數據系統仍存在局限性，如主觀(guān)理解差異、音樂(lè )專(zhuān)業(yè)詞匯掌握程度不一以及關(guān)鍵詞設定偏差等問(wèn)題。李文松表示，為了進(jìn)一步優(yōu)化背景音樂(lè )選取的工作流程，行業(yè)內提出了由專(zhuān)業(yè)音樂(lè )編輯配合影視制作用戶(hù)進(jìn)行音樂(lè )推薦的方案。盡管這種方式在一定程度上提高了選取效率和準確性，但仍存在溝通理解偏差和表達差異等挑戰。
李文松
隨著(zhù)人工智能技術(shù)的崛起，這些問(wèn)題迎來(lái)了新的解決方案。AI技術(shù)能夠理解自然語(yǔ)言描述，根據用戶(hù)的需求和描述在音樂(lè )庫中快速篩選出符合要求的曲目，大大提高了選取的效率和準確性，同時(shí)減少了溝通中的誤解和反復調整的時(shí)間成本。此外，AI技術(shù)還能夠通過(guò)分析圖片中的視覺(jué)元素來(lái)推薦合適的背景音樂(lè )，特別適用于那些難以用言語(yǔ)準確描述的場(chǎng)景。
李文松在現場(chǎng)借助視頻演示直觀(guān)地呈現了如何通過(guò)自然語(yǔ)言描述以及圖片分析來(lái)選取背景音樂(lè )的創(chuàng )新方法。
AI如何通過(guò)自然語(yǔ)言描述進(jìn)行背景音樂(lè )的選??？用戶(hù)只需在搜索框內直接輸入對目標音樂(lè )的想法和需求，AI技術(shù)便能理解這些描述，并在龐大的音樂(lè )庫中迅速篩選出符合要求的曲目。AI如何通過(guò)對圖片的理解來(lái)選取背景音樂(lè )？用戶(hù)可以通過(guò)上傳視頻截圖或相關(guān)參考圖片，AI會(huì )分析圖像中的視覺(jué)元素，如色彩、構圖、主題等，并根據這些信息推薦與圖片情感和氛圍相匹配的背景音樂(lè )。李文松表示，目前正在對這兩項技術(shù)進(jìn)行測試和改進(jìn)，將為用戶(hù)提供更加準確、高效的背景音樂(lè )選取體驗。
圓桌對話(huà)
抵制洗稿，讓AI助力數字音樂(lè )產(chǎn)業(yè)更好地發(fā)展
生成式AI改變了制作音樂(lè )的方式，無(wú)論是用文字對話(huà)還是圖片輸入，都可以制作歌曲。創(chuàng )作的門(mén)檻降低使得越來(lái)越多的人參與到音樂(lè )之中，每天都有十幾萬(wàn)首新歌涌現出來(lái)。人工智能的飛速發(fā)展對音樂(lè )行業(yè)的多方面多維度都產(chǎn)生了大大小小的沖擊，同時(shí)也帶來(lái)全新的可能性與挑戰。
騰訊音樂(lè )研究院秘書(shū)長(cháng)王優(yōu)酉認為，AI音樂(lè )對行業(yè)的最大影響是可能會(huì )把行業(yè)撕裂為兩個(gè)分行業(yè)：一個(gè)是原來(lái)的音樂(lè )，一個(gè)是產(chǎn)生音樂(lè )的工業(yè)機制。“大家如果去故宮看皇帝的龍袍，那個(gè)是非常精美的工藝品，我們看到商場(chǎng)里賣(mài)的東西就是工藝品。這是兩個(gè)產(chǎn)業(yè)。”
王優(yōu)酉
看見(jiàn)音樂(lè )吉印通創(chuàng )始人鄒小曼提到了AI音樂(lè )出現的積極之處。生成式AI應用的本質(zhì)是生產(chǎn)工具的變革，然而，生產(chǎn)工具隨著(zhù)技術(shù)發(fā)展一直處在變革的進(jìn)程中，創(chuàng )作量的變化并不是AI出現才有改變。生產(chǎn)關(guān)系也隨之發(fā)生了改變——只要能有創(chuàng )作熱情，做出音樂(lè )作品，任何人都可以成為音樂(lè )人。
鄒小曼則從實(shí)際應用的角度闡述了AI的價(jià)值。她表示，AI的出現有效提升了音樂(lè )內容資產(chǎn)管理、歌曲審核入庫以及版稅結算機制的效率，與看見(jiàn)音樂(lè )成立時(shí)追求的“效率”高度一致。AI解放了生產(chǎn)力，使人力可以投入到更具創(chuàng )造性的工作中去。
鄒小曼
人工智能音樂(lè )的出現伴隨著(zhù)不可忽視的憂(yōu)患。出人意料的是，最令人擔心的不是作品的質(zhì)量，而是作品的數量爆炸增長(cháng)，在這種情況下，能否沿用原來(lái)的價(jià)值判斷、藝術(shù)判斷和美學(xué)判斷都有待商榷。
就AI和創(chuàng )作人之間的關(guān)系，科大訊飛研究院副院長(cháng)、訊飛音樂(lè )首席科學(xué)家江源進(jìn)行了更進(jìn)一步的探討，他認為AI需要和創(chuàng )作人做深度的綁定和深入的互動(dòng)，走端到端的路線(xiàn)。隨著(zhù)語(yǔ)義大模型的不斷進(jìn)化，AI與創(chuàng )作人之間能夠形成更有效的合作模式，例如對話(huà)、漸進(jìn)式的評判甚至是圍繞創(chuàng )作的思路命題進(jìn)行討論，AI可以成為一個(gè)創(chuàng )作助理、創(chuàng )作制作人或引導者的角色。“AI工具并不是危險的，相反，若是運用得當，它也可以成為一把創(chuàng )作利器。”
江源
盡管生成式AI在音樂(lè )制作層面對各級別的音樂(lè )人都產(chǎn)生了沖擊，但我們也應看到其帶來(lái)的機遇。江源對生成式AI的未來(lái)創(chuàng )新趨勢持樂(lè )觀(guān)態(tài)度。他認為，AI的生產(chǎn)力比人高出十倍百倍，短期缺陷也很明顯，AI沒(méi)有溫暖人心的力量，“如果通過(guò)AI廣闊的想象空間，去提升AI作品的實(shí)驗性和先鋒性，也許可以打破眼下模仿抄襲、隨大流的局面。”
新鼎博成音樂(lè )吉印通董事長(cháng)丁博表示，“我個(gè)人覺(jué)得在這個(gè)階段AI對音樂(lè )產(chǎn)業(yè)的沖擊比大家想象的還嚴重，只不過(guò)沒(méi)有表現出來(lái)，在孕育很強的勢能。”生成式AI音樂(lè )“沒(méi)有靈魂”的缺點(diǎn)時(shí)常為人詬病，然而處在當下信息化時(shí)代的洪流中，多數網(wǎng)絡(luò )熱歌也存在著(zhù)這種“沒(méi)有靈魂”的問(wèn)題，目前看來(lái)，這樣的作品越堆越多，問(wèn)題也就越來(lái)越大。
丁博
那么，音樂(lè )的價(jià)值來(lái)自哪兒？如丁博所言，源自音樂(lè )人對世界的獨特見(jiàn)解、情感的抒發(fā)以及價(jià)值觀(guān)的傳遞。它不僅是技術(shù)與藝術(shù)的結合，更是情感與情感的橋梁。然而，當AI遇上數字音樂(lè )，如何在追求流量的同時(shí)保持音樂(lè )的情感與初心，成為了一個(gè)亟待解決的問(wèn)題。若是丟棄了音樂(lè )的情感，不能回歸初心，AI在音樂(lè )制作的其他技術(shù)層面又有著(zhù)超越性的創(chuàng )作效率，產(chǎn)出的作品就會(huì )真正“失去高光”。
對于未來(lái)AI音樂(lè )平臺是否會(huì )取代現有音樂(lè )平臺的問(wèn)題，丁博分析道，這并非一個(gè)簡(jiǎn)單的替代關(guān)系，而是行業(yè)結構隨著(zhù)技術(shù)和社會(huì )進(jìn)步所做的適應性調整。在反壟斷政策的指引下，平臺放棄了獨家版權合作模式，轉而發(fā)展藝人經(jīng)紀業(yè)務(wù)，以此作為適應行業(yè)變化的一種策略。這一轉變表明，現在音樂(lè )平臺也正在積極調整自身業(yè)務(wù)模式，以應對AI技術(shù)帶來(lái)的挑戰。
中國傳媒大學(xué)作曲系馮金碩教授則深入剖析了生成式AI對作曲人或音樂(lè )制作人的沖擊，將這一群體分為初、中、高三個(gè)層次。對于初級作曲人或新入行的學(xué)生而言，AI的興起無(wú)疑是一個(gè)巨大的挑戰，它改變了傳統音樂(lè )創(chuàng )作的基礎，從音樂(lè )理論轉向了以提示詞為起點(diǎn)的創(chuàng )作模式，大大降低了創(chuàng )作門(mén)檻，但同時(shí)使得正在學(xué)習樂(lè )理、和聲、配器等高難度知識的學(xué)生感到困惑和挫敗。
馮金碩
對于中級層次的音樂(lè )人，如職業(yè)作曲家，AI的影響雖然相對較小，但也帶來(lái)了新的挑戰。盡管AI在音樂(lè )創(chuàng )作上展現出了一定的能力，但在處理復雜音樂(lè )結構時(shí)仍顯不足。然而，AI的普及使得音樂(lè )圖文化程度加深，給音樂(lè )人帶來(lái)了新的難題，如“洗稿”問(wèn)題，即利用AI生成與已有音樂(lè )相似但又不構成侵權的新作品。
至于高級作曲家，他們目前受到AI的影響較小。這是因為他們不僅具備出色的音樂(lè )才華，還擅長(cháng)調控人心，掌握音樂(lè )的情緒與人類(lèi)的情感。然而，隨著(zhù)AI技術(shù)的不斷進(jìn)步，特別是大模型對人類(lèi)心理和情感的探測與掌控能力的增強，未來(lái)AI可能會(huì )對高級作曲家也產(chǎn)生較大的影響。
從培養產(chǎn)業(yè)人才出發(fā)，作曲家無(wú)可避免會(huì )受到AI的沖擊，但音樂(lè )創(chuàng )作這個(gè)行業(yè)始終會(huì )存在，如何與AI共同發(fā)展，在不得已要換新賽道的時(shí)候，能夠繼續掌握主動(dòng)權，去建設新賽道，而不是被迫兼容，這很重要。馮金碩感嘆道：“中國傳媒大學(xué)從去年開(kāi)始也在轉型，從課程的建設到人才培養上，各個(gè)學(xué)科都在擁抱AI，為迎接更大的人工智能時(shí)代做好準備。”
8月1日，歐盟的《人工智能法案》正式開(kāi)始實(shí)行，體現了歐盟對AI的態(tài)度。江源和鄒小曼則強調了版權保護的重要性。他們認為，在A(yíng)I浪潮下，對數字音樂(lè )的版權保護需要以國家立法為基石，在行業(yè)規范層面上做高層次的指導，去規范具體的行為。同時(shí)，他們也表達了對現有版權保護機制的擔憂(yōu)，認為AI生成的音樂(lè )使得抄襲、洗稿的判定更加困難。
最后，丁博呼吁大家將技術(shù)的發(fā)展用在行業(yè)的進(jìn)步上，而不是沖擊創(chuàng )作者。他強調，通過(guò)AI和區塊鏈技術(shù)來(lái)公開(kāi)、公平、公正地統計音樂(lè )數據，遠比簡(jiǎn)單地利用這些技術(shù)制作大量歌曲來(lái)得更直接、更明顯、更快速。只有這樣，音樂(lè )行業(yè)才能在A(yíng)I的助力下更好地發(fā)展下去。
小結
讓AI更多服務(wù)于行業(yè)發(fā)展
總的來(lái)說(shuō)，面對洗稿抄襲難以界定、大量作品爆發(fā)式增長(cháng)沖擊創(chuàng )作者群體、音樂(lè )人才培養體系發(fā)生變化以及AI沖擊現在的音樂(lè )流媒體商業(yè)模式等。這些都是AI帶來(lái)的問(wèn)題，為了音樂(lè )產(chǎn)業(yè)的健康發(fā)展，與會(huì )嘉賓們紛紛呼吁在技術(shù)上采取實(shí)際行動(dòng)，抵制洗稿，保護版權。
AI平臺是否會(huì )替代或迫使現有音樂(lè )平臺轉型？這個(gè)疑問(wèn)目前看來(lái)也并非易事。關(guān)鍵在于A(yíng)I為核心的數字平臺能否形成明確且有效的商業(yè)變現模式。只有當AI平臺能夠在商業(yè)上展現出足夠的吸引力和可行性時(shí)，才可能對傳統音樂(lè )平臺構成實(shí)質(zhì)性的挑戰。
然而，無(wú)論是學(xué)界還是業(yè)界的分享，我們可以看到，盡管AI工具和技術(shù)目前應用在創(chuàng )作、音樂(lè )分發(fā)、曲庫管理以及音頻體驗等方面起到了重要作用，但在應用層面尚未得到足夠多的探索和展示，商業(yè)變現模式也仍在摸索中。
