AI的風還是吹到了音樂圈。繼「AI作曲家」Suno引爆討論之後，昆侖萬維成為國內第一家在音樂領域跟上的企業。4月2日，昆侖萬維AI音樂生成大模型「天工SkyMusic」開啟邀測，並計劃在4月17日隨「天工3.0」面向全社會免費開放。
從「AI孫燕姿」到「人人都是音樂制作人」，大模型用一次次升級展現了爆改音樂行業的實力。但或許就像網易CEO丁磊說過的，至少在音樂領域，人工智能永遠無法真正取代人。
「非主流」入局
4月2日，昆侖萬維放出了9首由「天工SkyMusic」生成的作品，時長在10秒到51秒之間，涵蓋說唱、古風等多種風格。
昆侖萬維介紹，「天工SkyMusic」具有五大特點，包括高質素AI音樂、人聲「以假亂真」、歌詞段落控制、多種音樂風格和音樂智能表達－歌唱技巧學習。
例如「天工SkyMusic」能夠生成80秒44100Hz取樣率雙聲道立體聲AI歌曲，AI人聲合成能夠達到業內頂尖的SOTA水平等。
在技術底座方面，昆侖萬維介紹稱，「天工SkyMusic」采用音樂音訊領域類Sora模型架構，Large-scale Transformer負責譜曲，來學習Music Patches的上下文依賴關系，同時完成音樂可控性；Diffusion Transformer負責演唱，透過LDM讓Music Patches被還原成高質素音訊。
在人工智能領域，昆侖萬維有點「非主流」。公開資料顯示，昆侖萬維以頁遊研發和全球發行業務起家，此後透過頻繁收購轉型成為一家互聯網平台型企業。
2023年4月，昆侖萬維釋出2022年年報。數據顯示，報告期內公司營收凈利雙雙下滑，實作營業收入47.36億元，同比下滑2.35%，歸母凈利潤為11.52億元，同比下降25.49%。據悉，論盈利規模，這是昆侖萬維2019年以來最差的財報。
但2023年，伴隨著OpenAI推出ChatGPT，人工智能新一輪浪潮襲來，昆侖萬維也有了新的轉型方向。也是在2023年4月，昆侖萬維釋出千億級大語言模型「天工」，2022年年報釋出後，昆侖萬維又明確了「All in AGI與AIGC」的發展路徑。
今年1月5日，昆侖萬維公布公司的全新使命：實作通用人工智能，讓每個人更好地塑造和表達自我。4月1日，昆侖萬維宣布，4月17日，在「天工」大模型一周年之際，「天工3.0」將正式開啟公測。
但昆侖萬維的人工智能轉型路徑也曾受過非議。據悉，2023年3月，昆侖萬維曾在互動易平台回復了大量關於公司AIGC業務的內容，因回復投資者咨詢時未能客觀、完整地介紹和反映公司相關業務的實際情況，公司還曾收到監管的關註函和監管函。
2023年6月，昆侖萬維再收深交所關註函，要求說明打造全球領先的AGI平台的可行性、是否存在迎合熱點炒作股價的情形等。
AI闖進音樂圈
對於「天工SkyMusic」，昆侖萬維稱，其基於昆侖萬維「天工3.0」超級大模型打造，「是目前國內唯一公開可用的AI音樂生成大模型」。
不久前，美國人工智能初創企業Suno釋出的Suno模型V3版本躥紅，使用者只需輸入幾句歌詞或者歌名，並自選音樂風格，便可得到兩首時長在兩分鐘內的歌曲。據悉，Suno V3呼叫的是OpenAI的ChatGPT生成歌詞及標題。
這種「傻瓜式」的操作以及效果還不錯的輸出歌曲，讓Suno一經推出便被冠以「音樂界ChatGPT」的稱號。當時，一首名為【水調歌頭（明月幾時有）】的歌曲就已引起不少關註，而此次昆侖萬維展示的歌曲片段中，也有一首同題歌曲【水調歌頭】，時長43秒。
Suno之前，上一個在AI生成音訊領域引發廣泛關註的是「AI孫燕姿」事件。公開資訊顯示，支撐「AI歌手」的主要是「SO-VITS-SVC」模型，該模型需要海量的訓練數據，並高度依賴人們對語料數據的文本標記，套用門檻很高。
「‘AI歌手’更像是語音複制，而Suno則是生成歌詞，匹配音樂和人聲，但這些曲目都是隨機的，也註定了它的不可控性。」在接受北京商報記者采訪時，「蓋總AI」營運者沈觀楷如此說道。
從時間線上看，相較於AI在生成文本、影像和影片的套用，AI生成音樂領域的發展似乎相對落後。Suno聯合創始人Shulman曾解釋稱，音訊不像文字那樣是離散的形態，聲音是一串波型的連續訊號，高質素音訊的取樣率通常為44khz或48Khz，這意味著每秒48000個token。
沈觀楷曾接到過音樂制作人在「AI扒譜」方面的需求，但沈觀楷也發現，AI對於音訊處理的能力並沒有那麽優秀。
天使投資人、資深人工智能專家郭濤也對北京商報記者提到，音訊數據的處理要復雜得多，因為它涉及到時間序列的建模以及聲音的波形、頻率、節奏等多種內容的綜合處理。
「此外，音訊生成模型需要能夠捕捉到音樂的創造性和情感表達，這在技術上是一個更高的要求」，郭濤稱。
沈觀楷也提到，音樂創作更多靠的是一種感覺，讓AI學習創作，首先要把「感覺」轉換為機器聽得懂的語言，這個過程就需要懂音樂與懂AI的人進行專業的配合，也自然有一定的難度。
真顛覆還早
昆侖萬維要在音樂大模型上搶先卡位，瞄準的是市場前景。2023年10月，丁磊就曾提到，人工智能在未來1－2年內大概率會成為音樂行業的標配。
上個月，網易釋出2023年四季度及全年財報。從業務板塊看，網易雲音樂年營收79億元，首次實作年度扭虧為盈。財報後的電話會議上，丁磊稱，網易正積極準備迎接這一輪AI技術浪潮，特別是在遊戲、音樂等領域。
北京市社會科學院副研究員王鵬對北京商報記者提到，文生音訊有望在多個領域實作廣泛套用，如音樂創作、語音合成、虛擬角色、遊戲音效等。此外，隨著人們對於個人化音訊內容的需求不斷增長，文生音訊技術也能夠滿足這一需求，提供客製化的音訊體驗。
掌如研究院院長何基永也對北京商報記者提到，在教育、娛樂、廣告、醫療等領域，音訊生成技術都有著廣泛的套用前景。
但從產業發展角度，AI生成音樂或許也有要邁過的障礙，版權就是其中之一。對於訓練數據來源以及版權風險方面的問題，北京商報記者分別聯系了昆侖萬維和Suno，但截至發稿未收到回復。
知名戰略定位專家、福建華策品牌定位咨詢創始人詹軍豪對北京商報記者提到，與傳統的人類創作不同，AI生成的音訊作品涉及到技術的參與和數據的使用，因此需要更加謹慎地處理版權問題。
此外，詹軍豪稱，在技術成熟度、數據私密、道德和倫理等方面，AI生成音樂也會面臨相應的問題，比如作品可能會引發關於創作主體、作品歸屬和道德責任的討論，需要制定相應的法規和倫理準則來規範其發展。
傳播星球App聯合創始人由曦也提到，AI生成的音訊作品如何界定版權歸屬尚無明確法律規定。
至於音樂人，或許並不需要太擔心來自AI的沖擊。沈觀楷稱，在音樂創作領域，作詞相對來說並不難，真正難的是給詞配曲。
但他接觸過的一些音樂制作人曾提到，AI的聲音比較怪異，編曲的跳躍性也比較強，「就像是剛推出時候的Midjourney，生成的隨機性很強，即便外行人看起來像模像樣，有點新奇，但其實並沒有真正的實用性」。
談及AI生成音樂，一位原創作詞的說唱愛好者只用了兩個字，「難評」。
他對北京商報記者說：「旋律太平，詞看著還行，但沒有作者的真情實感就沒有意義」，「用AI寫詞還不如不寫」。
北京商報記者 楊月涵
