
与其它行业一样,在音乐行业,AI技术能够实现服务自动化、发现大量数据集中的模式与见解、并提高执行效率。
AI推动音乐产业的迅猛发展
企业正逐步被技术重塑,音乐行业同样不例外。麦肯锡报告显示,到2030年,将有70%的公司至少采用一种AI技术。AI可以用作补充并增强人类的工作能力、业务效率。利用AI带来的见解与支持,我们将能够更高效地做出更好的选择,并借此推动增长与创新。在AI技术的影响之下,创作流程可能也将发生变化。
Scott Cohen是音乐行业的一位意见领袖,他看到了技术对于音乐行业未来前景的潜在影响。他对数字音乐时代下发行厂商的运营构思,最终发展成为The Orchard公司——2015年被索尼以2亿美元收购。在Eurosonic Nooderslag大会的主题演讲当中,他表示“每过十年,都会出现一些给音乐行业带来深远影响的事物。了解到这一点,我们还有理由对科技界的动向漠不关心吗?”
他解释称,目前每天有2万首新曲目被上传至Spotify,AI技术则能够快速对这些曲目进行分类,并根据听众以往的喜好为其提供推荐内容。在Cohen看来,AI与大数据的出现令“音乐风格”变得不再适用;因为AI所生成的播放列表不再基于风格流派,而更关注音乐本身的质量。此外,他还提到,我们当前拥有无限选择空间的模式将被打破,并推荐了一个新的可信推荐模型。区块链等技术能够让人们不再需要通过中间商与音乐作品建立联系。音乐演出行业也应该考虑如何将增强与虚拟现实融入音乐会体验当中。
AI创作音乐
早在1951年,英国计算机科学家阿兰·图灵就已经开始利用几乎塞满整层楼的机器记录计算机生成的音乐。近年来,新西兰研究人员在65年之后重新恢复了这些录音。如今,AI或者利用AI技术创作音乐的尝试仍在继续。AI在创作音乐作品之前,首先会分析来自不同作品的数据。通过强化学习,算法能够学习到哪些特征与模式更能创造出令人愉快或者朗朗上口的音乐旋律。AI模型还能够以独特的方式将各种元素组合起来,从而组合成创新的音乐数字。
科技企业正在投资未来,希望利用AI技术创作或协助音乐家创作音乐。谷歌的Magenta项目是一套开源平台,AI与索尼借此共同编写出的Flow Machines系统已经发行了第一首AI原创作品“Daddy’s Car”。
音乐行业的音乐家以及专业人士也需要尽快掌握技术技能,以充分利用AI工具的力量帮助他们更好地完成工作。
Jukedeck 以及 Amper Music等其它AI服务也在帮助业余音乐家在AI技术的支持下编写自己的音乐作品。
利用AI进行音频控制
音频母带制作过程当中,AI也能够针对任意设备进行聆听体验优化。基于AI技术的母带制作服务(例如LANDR)为音乐家们提供了一种成本远低于人类母带制作服务的替代性方案。截至目前,已经有超过200万音乐家利用它制作出超过1000万首歌曲。虽然音频母带制作仍然涉及一些创意性元素,也有不少人更倾向于选择人类合作者,但AI技术确实帮助更多不具备音频调整技能的艺术家们解决了这个大难题。
AI、音乐营销与发现下一位大明星
听众们将如何发掘出新的艺术家,消费者又该如何判断试听谁的作品?在这方面,AI技术同样能够帮上大忙。根据BuzzAngle Music发布的2018年年终报告,单在这一年当中美国的音频流点击量就高达5346亿次。帮助新艺术家们进行自我营销无疑会带来高昂的成本,而如果无法有效完成营销,大量才华横溢的艺术家都有可能遭到埋没。AI技术能够帮助确定哪些粉丝会喜欢上哪些艺术家的作品。同样,以Spotify的Discovery Weekly为代表的AI支持型功能可以为每位听众提供精选作品铺,帮助粉丝们对音乐资源进行快速分类,以找到能够真正吸引他们的新作品。
人工智能还通过A&R(艺术家与曲目)发现给音乐行业带来巨大助力。以往,梳理音乐作品并寻找有潜力的未签约艺术家一直是项极为困难的工作;在如今这个流媒体音乐泛滥的时代下,问题的严重性又更上一层楼。华纳音乐集团去年就收购了一家科技初创企业,该公司利用算法审查社交、流媒体与巡演数据,用以寻找有前途的人才。苹果公司也收购了一家专门从事音乐分析的初创企业,负责支持其A&R流程。
总而言之,AI技术正在幕后悄悄改变着我们聆听音乐的方式。
好文章,需要你的鼓励
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。
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。
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。