微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 中国网络音乐圈的“正版收费时代”即将到来

中国网络音乐圈的“正版收费时代”即将到来

2015-07-10 18:24
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-07-10 18:24 CNET科技资讯网

今日上午,一条名叫#未经授权音乐全部下线#的关键词悄悄爬上了微博实时热搜榜的前十位,音乐真的不能在网上“随便”下载了么?

中国音乐圈的“正版收费时代”即将到来

这要从国家版权局的一则通知说起,以下为《关于责令网络音乐服务商停止未经授权传播音乐作品的通》全文。

各网络音乐服务商:

为加强对音乐作品著作权人权利的保护,规范网络传播音乐作品版权秩序,依据《中华人民共和国著作权法》、《信息网络传播权保护条例》及《著作权行政处罚实施办法》等相关规定,以及“剑网2015”专项行动有关工作部署,通知如下:

自2015年7月起,国家版权局启动规范网络音乐版权专项整治行动,加强对网络音乐服务商的版权执法监管力度,推动建立良好的网络音乐版权秩序和运营生态。

基于网络音乐服务商未经授权传播音乐作品比较严重的情况,现责令各网络音乐服务商停止未经授权传播音乐作品,并于2015年7月31日前将未经授权传播的音乐作品全部下线。

对于在2015年7月31日以后仍继续传播未经授权音乐作品的网络音乐服务商,国家版权局将依法从严查处。

从全球来看,数字音乐的收益正在节节攀升,但在中国,付费音乐可以说是刚刚起步。而属于音乐圈的维护版权运动正在进行中。

加强音乐版权保护究竟有哪些好处?其一,给了更多歌手/原创者们创作的动力;其二,加强国际合作,让音乐作品相关权利人在世界范围内得到更好保护;其三,让用户得到更为贴心的服务,音乐的品质更佳。(整理于互联网)

值得一提的是,属于“音乐版权”的战争也刚刚打响,就如视频网站的战争一样,谁能拥有更多的音乐资源,才能圈到更大的领土。

网友们,你更看好谁家的音乐服务呢?

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-