文 | 青山資本
兩年前，ChatGPT橫空出世，顛覆世界認知。今年年初，文生視頻大模型Sora發(fā)布，全網刷屏。前不久，生成式AI音樂軟件Suno V3誕生，音樂創(chuàng)作迎來了“ChatGPT時刻”。
人工智能在以更快的速度闖進人類的世界，當AI的風吹向音樂圈，帶走了什么？又留下了什么？
作為投資人，同時也是音樂人，今天，來聊聊AI與音樂。
作為投資人，常被問到“AI音樂的商業(yè)模式怎么樣？”
我的答案是，有效但也有限
AI音樂不是一個新鮮的詞，除了現(xiàn)在說的生成式，其實還有一些輔助創(chuàng)作工具，例如人聲分離等。如果回歸到生成音樂本身，這個歷史也很久了。我上學的時候老師講現(xiàn)代音樂，就提到上世紀50年代美國教授用數(shù)學的形式隨機生成音樂，甚至還有貓踩鋼琴生成音樂，這是一個概率問題，所有生成技術的底層邏輯都是概率。
前幾年國內有一個生成音樂的商業(yè)模式。公司像是一個大廠房，格子間里的工作人員，每人一臺電腦，一個小的電琴，每人每天要創(chuàng)作幾首新歌上傳平臺，歌曲就像流水線上的商品按照固定的模式生產出來了。人工加水電，每首歌的生產成本幾百上千。緊接著的投放也有一套流程，例如一千首歌上傳到短視頻平臺，每個投10元，挑出表現(xiàn)好的繼續(xù)再投100，再挑再投，直到某一首歌被聽到和傳播了，獲得收益。流量倒入到音樂流媒體平臺，平臺跟工廠結版稅。他們不需要去辨別一首歌質量的高低，只要其中的某句歌詞、某個旋律觸動聽眾，得到傳播，不斷地循環(huán)，商業(yè)模式就是有效的。在這個模式下，大量的電子垃圾被生產出來，堆砌到互聯(lián)網上。AI音樂讓這類公司的成本進一步降低了，每首歌從幾百塊可以降到幾塊錢，財務模型確實會帶來大幅優(yōu)化。
當然，青山沒有投這樣的公司。第一，我們追求更高的天花板。從投資視角，我們希望一家企業(yè)有機會做的很大，而不僅僅是賺點錢；第二，我們要考慮商業(yè)或投資的社會意義。投資這么多年，結果上我們不能說沒有瑕疵，但在動機和出發(fā)點上，我們一直很在乎社會意義，也一定有除了賺錢以外的考量。
有些人可能會問，上面的商業(yè)模式里，AI降低了歌曲的生產成本，但是收入項會增加嗎？也就是說AI模仿和學習能力這么強，會更容易產生爆火的神曲嗎？這個要從“歌”和“火”兩件事看。我認為AI生成一些中國流行樂壇上的火歌是非常容易的事情，每天生成100萬、1000萬，一定是有一些滿足火的條件的，甚至現(xiàn)在就有，這還是概率問題。但是，火這個事很難做到，因為不會被聽見。很多人擔心AI會產生大量的歌，其實這個事已經持續(xù)很多年了。在流媒體平臺上，比如QQ音樂、網易云音樂、spotify，每天都有十萬以上的新歌被上傳。真正被人聽到的有幾首？可能1000首都不到，99%都被淹沒了。如果這個數(shù)字變成100萬，變成一億又怎么樣，也不會被人聽到，不會因為供給增多而拉高需求。
當然，還有另外一種to B的音樂，諸如罐頭音樂等，他們的存在不是為了吸引你的注意力，更多的是提供一種情緒氛圍。有大量的低成本的視覺內容，以及線下游樂園、商場和餐廳等有類似的需求，這類型的音樂有非常穩(wěn)定的交易市場和商業(yè)業(yè)態(tài)，它們也不需要精良的制作，我認為AI對這類型音樂的影響是非常直接和迅速的。
AI音樂目前來看受益最大的還是平臺，很簡單的道理，平臺如果不需要每年支付大額的版權費給上游創(chuàng)作者，何樂而不為呢？平臺的邏輯簡單說是計算下游聽眾的收聽總時長，對應上游版權支付的成本。如果一部分被平臺自產的AI音樂替換，就相當于上游支付版權的成本降低了一大塊。當然，創(chuàng)作者是一定會反對有人用他們的音樂訓練大模型來取代他們，前提是得確切地知道。所以，在整個AI領域，推動訓練數(shù)據(jù)的公開透明化，去溯源和監(jiān)管訓練數(shù)據(jù)是必須要做的事。平臺也需要在這個里面扮演個歷史正面的角色。
上面提到了一些有效的商業(yè)模式，但我認為總體來看生成式AI在音樂領域的發(fā)展依然是有限的。
人工智能本質上就是輸入、計算和輸出三個環(huán)節(jié)。計算環(huán)節(jié)會隨著時間發(fā)展不斷進步，進步的邊界人類不一定能夠特別清楚的掌握，但但凡是文生，輸入環(huán)節(jié)就始終會受到人類語言的制約。人類大腦皮層70%都是由視覺處理的功能覆蓋的，語言誕生的時候就是通過視覺的同構來建立了人類的交流系統(tǒng)。相比視覺，人類語言和聽覺的同構性是很差的。而創(chuàng)作音樂是嘗試對沒有邊界和沒有格式的聲學環(huán)境做一個描述，人類語言很難精準表達。這就導致在輸入環(huán)節(jié)的效率非常低，無論是創(chuàng)作時還是修改時，人類的語言描述都很難將內心想要的東西正確傳達給計算機。只要是文生，這個顆粒度就無法降得很小。
所以，在計算環(huán)節(jié)同樣進步的情況下，文生圖片、文生視頻等文生視覺的進步速度會遠遠高于文生音樂，甚至文生音樂的天花板是極其明顯的，因為文對音樂的描述能力太過粗糙。
作為音樂人，常被問到“AI真的可以進行藝術創(chuàng)作嗎？”
我的答案是，除非有一天AI產生企圖和情感
不同音樂創(chuàng)作的流程是完全不同的。
我最早開始寫歌是在90年代，那時候組過搖滾樂隊。樂隊寫歌其實不是一個非常嚴謹?shù)膭?chuàng)作過程，更像是大家一起玩出一首歌來，情緒和靈感的碰撞，每個人貢獻其中一部分。
后來我學習古典音樂，音樂創(chuàng)作是相對嚴謹?shù)?。古典音樂的?chuàng)作通常是由一個人來完成，創(chuàng)作過程是作曲家自己以記錄、寫譜等視覺呈現(xiàn)出來，樂團的演奏是與其明確對應的，一個周期下來要半年、一年甚至更長。
現(xiàn)在做電子樂，電子音樂的創(chuàng)作又是另外一套流程。電子樂的創(chuàng)作可以是一個人，也可以是幾個人，但基本可以完全用軟件來創(chuàng)作，當然也可以用硬件來做輔助。整個音樂所具備的要素，無論是旋律、音色、節(jié)奏和各種樂器，都被拆解成了一個個可輸入和可編輯的最小單元。
進入到電子音樂時代，當音樂被拆解成一個個數(shù)字單元，智能音樂、生成音樂就具備了基礎。在計算編排方面的能力到了一定程度后，音樂創(chuàng)作自然就會被順勢覆蓋。
但是AI創(chuàng)作的音樂可以被稱作藝術嗎？不止是音樂，AI生成的畫作、文學、設計等等，這些能被稱作是藝術嗎？又該怎樣定義藝術呢？
首先，藝術是人類特有的內容形式，其次，一切藝術都該有兩個層面，技巧層和內核層。在這兩個層面里，內核層是必要條件，技巧層是充分條件。
把音排列組合成旋律和和聲，編排上樂器，模擬出人的嗓音，這些是技巧層。
把線條、色彩排列組合成人類喜歡的樣子，這是技巧層。
把古文的詞匯按規(guī)律組合成七言五言，這是技巧層。
內核層是什么？是人類的企圖與情感。任何一個藝術作品，都能找到這兩種元素。而AI目前，沒有企圖與情感。
怎樣看待AI可能帶來的大量“電子垃圾”？
創(chuàng)作者、分發(fā)者和受眾，到底誰應該為電子垃圾負責，這是一個爭論不休的話題。
首先，我認為受眾是沒有錯的。雖然很多人批判觀眾審美差，所以內容差，但我認為這種說法是站不住腳的?；仡^看人類歷史發(fā)展的各個階段，絕大部分的人都不知道自己要什么。藝術造詣或深或淺的時代、地區(qū)，受眾都是一樣的結構。
其次，我認為分發(fā)環(huán)節(jié)只能遵從客觀。從經銷商的門店到流媒體，分發(fā)渠道發(fā)生了劇烈的變化。很多人將過錯歸于分發(fā)環(huán)節(jié)，批判分發(fā)公司不負責任，什么都推。這種質疑也是站不住腳的。試想如果分發(fā)公司設置了價值標準，那是不是更加錯誤？我們不應該要求分發(fā)環(huán)節(jié)去判斷，而應該要求它客觀公正。按受眾結構匹配分發(fā)不是過錯。
我認為，問題產生的源頭在創(chuàng)作環(huán)節(jié)，這是一個非常主觀的并且有明確標準的環(huán)節(jié)。對于創(chuàng)作者，你要盡你所能，創(chuàng)作精益求精的作品，無關乎硬件和環(huán)境，你都要去精雕細琢，不斷嘗試，這也就是所謂的匠人精神。如果是這樣的創(chuàng)作生態(tài)，再加上客觀公平的分配機制，我相信結果會不一樣。
歸根到底，工具是為人所用的。職業(yè)音樂人是把AI用于收集素材和靈感，還是會把AI簡單生成的歌作為自己的歌發(fā)行，這是自己的選擇。
最后，聊聊AI音樂的未來。
一百多年前拍照是一個很專業(yè)的事情，門檻很高。甚至五十年前，拍照依然要學會使用專業(yè)的相機，調整光圈等。后來出現(xiàn)了傻瓜相機，再后來智能手機實現(xiàn)了拍照平權，拍照融入了日常生活，每個人都可以隨時隨地拍照上傳社交媒體。這個世界每天產生幾十億甚至上百億的圖片，但結構是非常典型的冪次結構。極少數(shù)的明星和網紅花了很多時間和心思拍攝的精修圖能夠被很多人看到，絕大多數(shù)的普通人隨手一拍發(fā)在社交媒體上的被幾個幾十個熟人看到。
未來的AI內容仍然遵循這一結構。
未來可能每個人都可以用AI生成音樂表達自己的心情，通過終端分享到平臺，但是結構不會改變，依然是那些花費更多時間和擁有更多額外條件的人，他們的音樂會被更多人聽到，絕大多數(shù)人的音樂還是只會在小范圍傳播，但也挺好，AI給了我們更多選擇。
無論是投資人還是音樂人的生活，AI都在帶來翻天覆地的變化。人總還是懷舊的，看著一代人有一代人的音樂，感謝音樂代替我們表達一代又一代人的叛逆。
從純自然聲響到電聲進入音樂領域，再到麥克風讓耳語能被聽到，又來到數(shù)字時代的電子音樂，音樂范式的變革推動音樂核心內容的變化，窮盡一個范式會助推下一個范式的到來，電子音樂時代的AI正扮演著加速器的角色。
至于下一個范式是什么？什么時候到來？
我們無從知曉。
風起時，我們只能聽著吹動的響，看揚起的沙，
期待加速到來的明天。
快報
根據(jù)《網絡安全法》實名制要求，請綁定手機號后發(fā)表評論