AI音乐：从玩具到生意

撰文 | 程书书

编辑 | 李信马

题图 | 豆包AI

曾几何时，AI音乐还只是科技爱好者手中的新奇玩具——用户只需输入几个关键词，便能“开盲盒”式地生成一段旋律。然而，其结果往往充满随机与实验色彩，难以真正步入专业音乐的殿堂。

但这一局面正在被快速打破。

近期，AI音乐初创公司Suno正以超过20亿美元的估值寻求新一轮融资，较此前翻了两番；据称其年经常性收入已突破1亿美元，为这一新兴赛道注入了坚实的商业信心。与此同时，流媒体巨头Spotify宣布携手三大唱片公司及行业组织，共同开发“负责任且以艺术家为中心”的AI音乐产品，标志着传统音乐产业正从观望转向积极合作。而AI语音领域的领军者ElevenLabs获得英伟达战略投资、OpenAI被曝即将正式入局等消息，更意味着该领域吸引了顶级科技公司的关注。

这一系列密集的资本与产业动态，指向一个清晰的趋势：在技术迭代、资本加持与产业协作的多重推动下，AI音乐已不再仅仅是实验室中的Demo或网络谈资。它正以可感知的速度，融入从创作到消费的完整产业链，从昔日的酷炫“玩具”，加速成长为一门真正的“生意”。

01、从“开盲盒”到生产力

早期AI音乐的核心局限，在于“一次性生成”的“盲盒属性”：输入关键词后得到的旋律往往是“一锤子买卖”，既无法修改调整，也难保证音质与专业度，只能作为趣味体验，难以切入正式创作场景。

而2025年以来，Udio、Suno等玩家密集推出的新一代工具，通过编辑功能升级、音质突破与创作逻辑重构，彻底打破这一困境，让AI音乐进入“可循环修改、可精准控制、可深度打磨”的“精雕细琢”阶段。

首先，可视化编辑工具的落地，实现了“段落级精修”。

今年4月1日，由澳大利亚公司TopazLabs开发的AI音乐生成平台Udio推出全新“UdioStyles”功能，允许用户上传自己拥有或控制的内容，进而生成模仿现有曲目“声音特征”的新音乐。与此同时，还发布了现有AI模型的更新版本v1.5Allegro，在不损失质量和一致性的前提下，输出速度提高了30%，大大提升创作效率，助力创作者更快将灵感转化为音乐作品。

两个月后，Udio又迅速推出可视化编辑工具Sessions，直接填补了AI音乐“难修改”的空白。该工具能自动从音频波形中识别主歌、副歌、桥段等音乐结构，创作者可以在其中移动、扩展或替换歌曲的不同部分。更关键的是，修改后的段落能与原有音乐在调性、节奏上自动适配，避免出现衔接断裂的问题。

其次，高质感模型与专业工作站结合，实现了“细节级可控”。

同样在6月，美国AI音乐生成器初创公司Suno收购了AI音频工作站WavTool，并在今年9月接连推出V5模型和自研的数字音乐工作站（DAW）SunoStudio。其中，V5模型带来了音质的飞跃，生成的音乐可以达到接近真人录制的自然质感；而自研的数字音频工作站SunoStudio更是对传统DAW的一次革命，“生成+编辑”的结合，也改变了以往AI一步生成不能编辑的模式。

图源：SunoStudio官方教程截图

一些没有经过音乐专业训练的用户，只需要输入音乐风格、歌词大意或者情感基调、具体指向性的提示词或者参考片段，甚至哼唱一段旋律由手机录音后上传，SunoStudio可以在几分钟内直接合成一个音乐成品，并同时生成每个乐器的分轨音频，可通过在音轨的局部段落修改编辑指令，让AI再次生成新的音乐段落。

音乐人可以用专业的知识来“指挥”AI为其提供更多的创作素材，例如可在分轨音轨上根据自己的需求剪辑、叠加和重组素材，指令生成多个AI版本进行选择或组合，以供创作者在瓶颈期捕获灵感，大大缩短制作周期。

与此同时，极简交互工具补位，实现了“需求级精准”。

英国AI语音生成器公司ElevenLabs旗下的ElevenMusic更是降低了AI音乐生成的专业门槛降，其主界面仅保留一个输入框，操作完全对话式，用户只需输入描述性的提示，如音乐风格、情感氛围、乐器配置等，系统便能据此生成各种类型的音乐。更令人惊叹的是，用户还可以选择音乐中是否包含人声、特定乐器等细节元素，极大地丰富了创作的自由度。目前，该AI已支持英语、西班牙语、德语、日语等多语种歌曲的生成。

工具的集体进化，使AI音乐生成的内容变得可修改、可组合、可嵌入，可以真正成为创作者手中的生产力工具，而不只是炫技的Demo。

02、竞逐“AI音乐”

随着技术基座的初步成型，一场围绕AI音乐的全球商业竞速赛已全面打响。从科技巨头到初创公司，从海外到国内，各方力量正从技术、产品、生态等多个维度展开布局。

在国际赛场，竞争日趋白热化。上文提到的技术驱动型初创公司，以“高质感+强落地”巩固头部地位。

Suno与Udio作为赛道标杆，已实现“技术突破-商业验证”的闭环：Suno不仅以V5模型与SunoStudio构建起“音质+可控性”的技术护城河，更以年收入1.5亿美元、三年增长4倍的业绩，印证了订阅制、企业级配乐等商业模式的可行性；Udio则通过Styles风格库与Sessions编辑工具，聚焦“专业创作效率提升”场景，成为短视频创作者、独立音乐人青睐的“快速Demo工具”，其商业化进度与用户粘性持续领跑。

其次是跨界入局的科技巨头们，以“资源整合+场景垂直”切入赛道。

谷歌在今年5月发布Lyria二代模型，避开“通用音乐生成”的红海，转而聚焦“广告配乐”——依托自身广告生态资源，Lyria二代可快速适配不同行业广告的风格需求，直接对接商业客户的定制化需求。

OpenAI也被爆出内部团队已悄然启动AI音乐生成技术的研发工作。为了给音乐生成模型提供高质量的训练数据，OpenAI正与茱莉亚音乐学院的部分学生展开合作，由这些学生对音乐谱例进行专业标注。

国内市场同样呈现出蓬勃的创新活力。当前，国内AI音乐大模型的玩家主要分为三类：

第一类是以字节、阿里为代表的“大厂派”。其中字节旗下的海绵音乐，是凭借免费策略和平台生态快速获取用户；以及阿里通义实验室发布的InspireMusic模型则是走“工具赋能”路径，开源InspireMusic全链路工具包，向中小开发者与企业开放AI音乐生成能力，以“生态共建”方式抢占B端市场。

图源：海绵音乐网页截图

第二类是以昆仑万维旗下的天工SkyMusic为代表的“新兴大模型厂商”。作为国内首个音乐SOTA模型，天工SkyMusic依托“天工3.0”超级大模型的技术底座，主打“快速生成+多风格适配”，重点切入“微短剧配乐”“游戏原声片段”等高频需求场景；其后续推出的MurekaO1模型更登顶行业SOTA榜单，以技术指标优势吸引专业创作团队合作，试图在“专业级AI音乐”领域建立话语权。

第三类是以趣丸科技旗下天谱乐为代表的“垂直赛道独角兽”。作为全球首个多模态配乐大模型，天谱乐不仅支持文生音乐、音频生音乐，更首创图片生音乐、视频生音乐功能，且比国际头部的Suno早3个月落地。从上线起，天谱乐就全面接入趣丸旗下的唱鸭App，直接触达千万级音乐爱好者用户，实现“产品-场景-用户”的深度绑定，快速完成用户与数据积累。

03、估值狂飙与版权暗礁

行业发展的如火如荼之际，隐藏的问题也悄然浮出水面。

AI音乐模型的核心能力，依赖于对海量音乐作品的学习与模仿，可这些训练数据中，绝大多数是受版权保护的商业作品（如唱片公司发行的歌曲、独立音乐人的原创作品）。目前行业普遍存在“数据来源不透明”的问题：多数AI音乐公司并未公开训练数据的授权情况，也未向原创作家支付相应的版权费用。

图源：豆包AI

这种“无授权训练”的模式，已引发全球版权方的警惕——德国音乐版权协会曾公开质疑Suno的训练数据合法性，称“未经授权使用受版权保护的音乐训练AI，本质是对创作者劳动成果的侵占”。

更复杂的是创作主体的界定。传统音乐创作中，“创作者即版权所有者”的逻辑清晰明确，但AI音乐却无法遵循这一逻辑：一位用户通过SunoStudio输入歌词与情绪提示，AI自动生成包含人声、鼓点、贝斯线的完整歌曲；另一位创作者则上传自己哼唱的旋律片段，由ElevenMusic扩展为交响乐版本。这些作品中，创意来自人类，执行由算法完成，素材源于训练数据——那么版权应归属于用户、平台，还是那些从未被署名的原始音乐人？

目前，无论是模型训练环节的“数据侵权”，还是生成作品的“归属模糊”，都尚未形成全球统一的解决方案。

面对版权困局，一些头部玩家开始主动搭建版权合作生态。Spotify与三大唱片公司、Merlin、Believe的合作，核心是建立“AI音乐版权分配机制”：AI生成作品若使用了版权方的授权数据，将按流量向原创作家支付分成；ElevenLabs则提前与独立音乐组织Merlin、版权商Kobalt达成协议，确保训练数据的合规性，并计划推出“AI音乐版权追溯系统”，通过技术手段记录作品的训练数据来源，实现“透明分成”。

行业政策与标准的制定也在加速。欧盟《人工智能法案》已将“AI生成内容的版权标注”纳入监管要求，明确AI公司需公开生成作品的训练数据来源；中国国家网信办在AI模型备案中，也将“训练数据合规性”作为核心审核指标。

对于AI音乐行业来说，合规不是终点，而是下一轮创新的起点。当技术突破与版权规范实现协同进化，当资本热情与法律框架找到平衡点，AI音乐才能真正完成从“玩具”到“生意”的蜕变。