在近期于上海成功举办的2024中国生成式AI大会（上海站）上，一场关于AI音乐创新的精彩演讲吸引了众多目光。此次大会由智东西与智猩猩携手主办，汇聚了众多行业精英与前沿技术探索者。在大会首日的主论坛环节，趣丸科技副总裁贾朔带来了题为《AI音乐：技术平权下的创新实践》的主题演讲，深入探讨了AI在音乐创作领域的突破性进展。
贾朔指出，2024年堪称AIGC音乐的元年，这一年内，人工智能技术的飞速发展极大地降低了音乐创作的门槛，使得普通用户也能轻松体验到创作的乐趣，音乐创作领域终于迎来了“创作平权”的新时代。在此之前，文字、图片、视频等内容的创作平权问题已在移动互联网时代得到了有效解决，但音乐创作却一直是这一时代中的“漏网之鱼”。
他进一步分析，音乐之所以成为最后一种被LLM浪潮覆盖的模态，主要源于其独特的性质：时间序列性、多层次结构、情感一致性和评估的主观模糊性。这些特性使得音乐生成技术面临诸多挑战。然而，随着Diffusion in Transformer（DiT）成为主流技术路线，国产AI音乐的歌声自然度已经突破了人耳识别的阈值，效果与美国头部模型不相上下。
贾朔还分享了AI与音乐交互形式的演变过程，从文生音乐到三键成曲，再到哼唱成曲，每一次创新都极大地丰富了用户的创作体验。今年7月，天谱乐全球首发多模态音乐生成模型，用户只需上传视频或图片，即可一键生成完整的音乐作品。这一功能不仅简化了创作流程，还为用户提供了更多元化的创作灵感。
在演讲中，贾朔还首次预告了天谱乐即将推出的新功能——MidiRender。这一功能类似于文生图领域的Control Net，用户可以输入自己的音乐构想，然后让天谱乐AI根据这个原创音乐片段填充歌词、完成编曲。这标志着AI音乐创作将进入一个更加可控、更加精准的新阶段。
贾朔强调，尽管AI音乐技术已经取得了显著进展，但技术的最终目的是服务于人，而不是取代人类的工作。他认为，AI大模型应该作为工具来辅助艺术家进行创作，而不是抢夺创作的主导权。翻开人类历史，人类最擅长的两件事是犯重复的错误和制造工具。每一次新工具的出现，都标志着人类能力的拓展和延伸。因此，AI音乐技术的出现不是为了取代人类作曲家，而是为了帮助他们创造更美丽的音乐作品。
贾朔还提到，在与音乐人的交流中，他发现人声的自然度问题是阻碍AI音乐工具普及的关键因素之一。为了解决这一问题，天谱乐团队进行了大量实验和调整，最终取得了令人瞩目的成果。在盲测中，天谱乐AI最新版本的中文人声唱词已经达到了新的天花板水平，歌声自然度超越了人耳的识别阈值。
在演讲的结尾部分，贾朔展示了MidiRender功能的演示视频。视频中，一段由人类作曲家创作的动机旋律经过天谱乐AI的扩展和编排，最终变成了一首完整的音乐作品。这一功能不仅展示了AI音乐技术的强大潜力，也再次强调了技术服务于人的理念。
