最近是真的忙，各种事情搞得我完全没有写公众号的“闲情逸致”了。

写公众号本来是个很轻松的事情，是信息输入之后经过大脑思考后的自然流畅的一种观点输出，但如果用嘴输出太多，手就不想动了。

前面那两周几篇烂尾的文章暂时不打算继续了，想写点新的内容，还是再聊聊AI吧。

AI已经深度介入了很多领域，与我们普通人相关的，除了文本大模型，还有多模态大模型。

所谓“多模态”一般就是将图像、文本、声音、视频同时包含在一个模型内，它能够同时处理用户不同的需求。

多模态的大模型现在有很多，我也都已经尝试过了，生图、生视频、生音频、生音乐的大模型都了解了不少。

们平常使用比较多的是生图、生视频，大家都很熟悉，我就不多说了，这篇文章我就想聊聊生音乐的大模型。

我最早接触的能生成音乐的大模型是SUNO，那应该是2024年了吧，当时尝试了之后觉得还是很有前景的。

我是一个喜欢听音乐的人，但是老实说，近几年全世界范围内的创作质量都在下降，想听点好音乐是越来越难。

尤其是中国市场，基本上“良币”已经被各种劣币驱逐干净了，听众们的鉴赏水平也在往低劣化的方向发展。

很多人连歌唱技巧以及编曲水平都无法分辨，各种乱七八糟的口水歌和除了脸啥也没有的歌手占领了整个华语音乐圈。

也没人告诉过我，不在经济上行期，连娱乐都开始低质化了。

所以，这些年更愿意在网易云上听听小众的欧美歌曲、韩剧ost，以及各种各样的纯音乐，感觉自己的耳朵才没有被破坏掉。

有了suno这类生音乐的大模型，我当时就在想，是不是从此可以不用被商业和资本绑架我的音乐品味了？

当然了，大模型这个东西就是这样，由于它的学习方式以及自升级的规律，最初生成的音乐可以听，但远没达到替代人类的地步。

我总结2024-2025年时期的生音乐大模型的缺点主要有几个，我不是音乐专业的，只能尽量描述清楚我的感受。

一个是生成的旋律普遍比较“平”，不知道是训练素材的问题还是生成的问题，总之我觉得还是很像口水歌。

二是几乎无法生成纯音乐，大模型更多地集中在给AI歌词，然后AI自主生成旋律并区分主歌副歌等。

三是那时候AI生音乐对重复小节的控制不强，经常一个小节重复好几遍，听得我脚趾能抠个三室一厅出来。

四是生成的歌曲音色机械感比较强，虽然也是合成的人声，但是就能让人一下子听出来是假的人在唱歌。

五是有些大模型对完整旋律的控制很差，也就是说，很多大模型支持设定整首歌的时长，但它会在达到规定时长后“戛然而止”，让人觉得莫名其妙。

当然了，以上的问题其实到了2026年也仍然不同程度地存在着，但相比以前确实有了质的飞跃。

我用过在线的生音乐模型，也用过本地部署的，从生成音乐的速度和质量来讲，其实差不太多，区别只在于细微处。

比如我用网易天音生音乐，时长就比较随机，即使提示词说清楚，但可能生成的音乐还是与预期的时长有差距。

我用本地部署的大模型生成音乐，速度倒是快到飞起，一个5分钟左右的音乐段落在我16G显卡上只需要跑几十秒，但生成的音乐质量就比较“随意”，好听的也真有，但难听的也是真难听。

目前为止，我在网易天音上用AI“创作”了228首音乐及歌曲，但只有52首是正式上线的。

网易天音在国内的AI生音乐市场已经算是稳居第一梯队，但从我个人非专业的鉴赏角度来看，可用的比例也只有22%而已。

造成这个比例的原因我觉得也有几点。

一个是我主要用网易天音生成纯音乐，所以对旋律的变化要求更敏感一些，而这是大模型的弱项。

二是我经常用它来生成吉他指弹音乐，但网易天音的训练数据或者说当今的指弹流行趋势掺杂了太多的我不喜欢的元素。

比如我年轻时吉他老师反复强调不许做的“扣弦”和“打板”手法，这些民谣流行歌曲中的演奏方法生搬到吉他指弹中就会显得非常嘈杂。

三是网易天音每次生成结果都是两首，虽然旋律略有区别，但是很多时候因为风格一致但都不喜欢，只好两首都放弃，慢慢积累起来数量也就越来越多。

四是因为我音乐专业知识有限，生音乐的提示词基本只能依靠DeepSeek，所以很多时候这个提示词其实并不是特别精确，也导致生成的音乐并不完全符合我的要求，只能放弃。

总体感受上来说，网易天音生成的音乐质量在年初时好于现在，特别是纯音乐，我觉得后来不太行的原因可能还是因为训练数据被污染了。

要知道，整个世界的音乐创作水平都是在下降的，训练数据越多，平均质量就越差，不知道网易天音的技术人员有没有意识到这点。

甚至还可以说，技术团队越年轻化，以后的AI生成音乐质量可能就会越差，因为他们很可能“细糠”吃得不够，会把大量近期低质音乐塞进模型中。

说到这个，还不得不提起另一个话题，就是对AI生成音乐的态度。

网易云上对AI生成的音乐抵制态度几乎是一边倒了，那就是只要是AI生成的就不听，就好像只有那些人为创造的口水歌才是有价值的。

当然了，我也从不觉得AI就该完全取代用心做音乐的人，相反工具越泛滥，越该支持那些肯下真功夫、把音乐当回事的人类创作者。

不过我是觉得音乐这种东西本质是个娱乐商品，它就像用狗尾巴草编小动物，小动物像不像和好不好玩才是重点，争论用草编还是用钢丝编真的有意义吗？

狗尾巴草本身也是良莠不齐的，可能编出来的形象还不如粗细一致的钢丝美观，我觉得还是应该把关注度放到结果上，好音乐才是关键。