AI音乐周刊 W.A 026
AI音乐周刊 W.A 026
AI音乐周刊 W.A 026 AI音乐周刊 W.A 026 Modified May 4 4 月 28 日，尽管目前仍深陷与环球音乐（UMG）和索尼音乐（Sony）的版权诉讼，AI 音乐巨头 Suno 依然迈出了寻求行业和解与扩张的关键一步——近日，该平台公开发布了“业务发展与音乐产业合作总监”的招聘启事。 职位细节与战略意图 • 破冰之举： 该职位的核心任务是推动 Suno 与唱片公司、音乐出版商等行业参与者的商业合作战略与执行。入职者将直接向今年 2 月上任的首席商业官（前 Merlin 首席执行官）Jeremy Sirota 汇报。这释放出一个强烈信号：在去年末与华纳音乐（WMG）达成和解后，Suno 正积极谋求与更多版权方达成突破性的合作模式。 • 高薪与高门槛： 候选人需具备 10 年以上音乐或科技领域的谈判经验，年薪高达 24 万至 26.5 万美元，并附带极其丰厚的福利待遇。同时，该职位还肩负着发掘高潜力创作者并助其在 Suno 生态中建立职业生涯的重任。 • AI“招聘之歌”： 颇具戏剧性的是，Suno 亲自下场，用自家的 AI 音乐生成器为这个职位创作了一首名为《No Playbook (Director’s Song)》的合成器流行（Synth pop）歌曲，甚至被网友戏称“完全可以直接放到复古电影的原声带里”。 面对传统音乐产业的围剿，Suno 显然没有打算退缩，而是试图用一份高薪职位和实际行动，在冰冷的诉讼僵局中主动撕开一条建立商业合作的裂缝。 ElevenLabs 重磅推出 ElevenMusic：集创作、重混与变现于一体的 AI 音乐新生态 4 月 29 日，知名 AI 音频公司 ElevenLabs 宣布正式上线全新音乐平台 ElevenMusic。该平台基于其底层 AI 音乐模型构建，旨在彻底打破“听”与“创”的边界，为用户提供从音乐发现、改编、原创到商业变现的一站式完整体验。 核心功能与商业亮点 • 个性化发现与深度重混： 平台目前已入驻超 4000 名独立与新兴艺术家，主打小众与个性化推荐。更具颠覆性的是，用户在听到喜欢的曲目时，可直接对其进行“重混（Remix）”——自由更改曲风、调整速度，将别人的作品转化为自己的独特表达。 • 零门槛 AI 辅助创作： 即使是从零开始，用户只需提供一句歌词、一段旋律或一种情绪，AI 便能辅助你将其扩写、编排并打磨成一首结构完整的专业级单曲。 • 创作者收益共享（Earn）： 延续其“AI 语音库”已向创作者成功发放超 1100 万美元分成的成熟商业模式，ElevenMusic 允许用户发布原创或重混作品，并根据听众互动量和平台规则获取真金白银的版税收益。 此外，备受瞩目的《Eleven Album Vol. 2》也于今日在该平台独家首发。目前，ElevenMusic 已全面上线 Web 端与 iOS 平台，不仅提供创作工具，更试图打造一个由 AI 驱动的下一代音乐人生态社区。 Web：https://elevenmusic.io/ iOS：https://apps.apple.com/gb/app/elevenmusic by elevenlabs/id6755965224 拒绝“盗版”模型！发行巨头 Believe 全面拦截 Suno 生成曲目，转投合规 AI 阵营 4 月 30 日，全球知名独立音乐数字发行商 Believe 及其旗下音乐人服务平台 TuneCore 宣布了一项极其严厉的生成式 AI 政策：全面拦截并封杀由 Suno 等未授权“盗版 AI 工作室”生成的音乐作品。同时，公司宣布与积极推进正版授权的 AI 音乐平台 ElevenLabs 和 Udio 达成全新合作。 核心举措与行业表态 • 精准拦截非法 AI 音乐： Believe 首席执行官 Denis Ladegaillerie 透露，公司已部署准确率高达 99% 的 AI 检测技术，能精准识别生成歌曲的具体大模型。由于 Suno 深陷未经授权的训练数据诉讼，Believe 认定其生成的音乐“在可预见的未来均属非法”，因此采取零容忍的全面封杀态度。 • 拥抱“合规”创作生态： 在强硬抵制“非法 AI 垃圾内容”的同时，Believe 认为合规的生成式 AI 将极大赋能人类创作。通过与拥有环球、华纳等巨头版权授权的 Udio 和 ElevenLabs 结盟，平台旨在为创作者提供真正合法且透明的辅助工具。 • 警告“诉讼定时炸弹”： Ladegaillerie 严厉警告那些仍在纵容非法 AI 音乐上架的流媒体服务商（DSP）和分发竞品。他指出，分发侵权内容即构成侵权，忽视版权审查无异于为平台埋下一颗巨大的“诉讼定时炸弹”。 此次行动标志着传统音乐分发端开始从源头强力切断非法 AI 音乐的变现链路，“版权合规”已成为 AI 音乐作品进入主流商业市场的绝对准入证。 Suno CEO 揭秘 3 亿美元 ARR 增长密码：AI 正在将音乐重塑为“互动式体验” 近日，AI 音乐生成平台 Suno 首席执行官 Mikey Schulman 在播客访谈中首度揭秘了平台短时间内突破 200 万付费用户与 3 亿美元 ARR（年度经常性收入） 的幕后历程。他强调，Suno 的终极愿景不是打造一个“AI 版 Spotify”供人被动收听，而是用“创造性娱乐”取代无意义的被动刷屏。 音乐产品与功能突破 • 破解“空白画布”恐惧： Suno 完美利用了音乐天然的“分享与重混（Remix）”属性。通过让新用户在他人作品的基础上进行再创作，极大降低了普通大众的音乐创作门槛。 • V5.5 的深度个性化： 平台发现模型迭代才是增长的唯一核心引擎。在最新的 V5.5 模型中，Suno 针对音乐创作推出了三大重磅功能：允许克隆用户自己声线的 “Voices”、能记住独特音乐偏好的 “My Taste”，以及可上传专属音乐库作为创作上下文的 “Custom Models”。这些功能让 AI 化身为用户的“专属制作人”。 尽管目前仍面临美国唱片工业协会（RIAA）的版权诉讼，Suno 坚决反对“零和博弈”论，并正通过与华纳音乐等巨头的合作，探索“超级粉丝”与艺术家共创的新生态。Schulman 坚信，AI 不会取代音乐人，而是会将未来的音乐从单向倾听转变为一种“互动格式（Interactive format）”，让大众在亲手把玩和创造音乐中获得自我实现感。 完整采访：https://youtu.be/7sooG1obg Q?si=aKMM5XkdHtR7msgW 论文 🌈 以下是 4.28—5.4 期间发布的相关论文，已整理翻译 打开设计空间：基于智能乐器的两年表演实践 概述：符号音乐和数字音频的机器生成是热门话题，但整合了生成式 AI 的数字乐器却相对较少。目前的音乐 AI 工具并非以艺术家为中心，也不支持实验或将其整合到乐器或音乐实践中。这项工作介绍了一种低成本的生成式 AI 乐器平台，该平台基于单板计算机，可通过 MIDI 连接到其他音乐设备。该平台使用艺术家收集的数据集以及在普通计算机上训练的模型。本文探讨了当可访问且便携的 AI 系统可用于艺术探索时，智能乐器的设计空间会是什么样子。作者提供了通过为期两年的第一人称艺术研究过程创建和测试的五个乐器示例。这些示例表明，（重）映射能够取代重新训练来发现 AI 交互；快速输入交织（fast input interleaving）是一种新的共创策略；小数据 AI 模型可以成为一种可移植的设计资源；而低成本硬件可以降低包容性的门槛。这项工作将使艺术家能够探索智能乐器的全新交互和演奏方案。 论文链接： https://arxiv.org/abs/2604.23583 通过最小化过度分割识别非三和弦：一种基于事件的序列建模方法 概述：自动和弦识别（ACR）旨在从音乐音频录音中提取时间对齐的和弦标签。尽管近期取得了进展，但 ACR 仍然面临过度分割、数据稀缺和数据不平衡的挑战，特别是在识别复杂和弦（如非三和弦）时，这些和弦在现有数据集中并不常见。为了解决这些挑战，我们将 ACR 重新表述为一个段级别（segment level）的序列到序列预测任务，其中和弦序列是自回归预测的，而不是逐帧预测的。这种设计通过仅在段边界检测和弦变化，有效缓解了过度分割问题。我们进一步引入了两种类型的标记（token）表示方法和一种编码器预训练方法，这两者都是专门为时间对齐的和弦建模设计的。实验结果表明，我们的模型在和弦识别和分割方面均提升了性能，对于复杂和罕见的和弦类型取得了显著的增益。这些发现证明了段级别序列建模、结构化标记化（tokenization）和表示学习在推进和弦识别系统方面的有效性。 论文链接： https://arxiv.org/abs/2604.24386 SymphonyGen：具有可控和声骨架的 3D 层级管弦乐生成 概述：生成交响乐需要同时管理高级别的结构形式和密集的、多轨的管弦乐编配。现有的符号模型通常在“复杂性与控制力的失衡（complexity control imbalance）”中挣扎，扩展瓶颈限制了其长期的细粒度可控性。我们提出了 SymphonyGen，这是一个用于当代电影管弦乐配乐的 3D 层级框架。SymphonyGen 采用级联解码器架构，分解了小节（Bar）、音轨（Track）和事件（Event）轴，与传统的 1D 或 2D 模型相比，提高了计算效率和可扩展性。我们引入了通过节拍量化的多声部和声骨架进行的“缩编谱（short score）”控制，在保留织体多样性的同时实现了整体大纲控制。该模型使用具有跨模态音频感知奖励的群组相对策略优化（GRPO）进行进一步微调，使符号输出与现代声学期望保持一致。此外，我们实现了一种厌恶不协和（dissonance averse）的采样算法，以抑制推理过程中意外的音调冲突。客观评估表明，强化学习和厌恶不协和采样都能有效提高和声的纯净度，同时保持旋律表现力。主观评估表明，SymphonyGen 在管弦乐生成的音乐性和听众偏好度上均优于基线模型。 论文链接： https://arxiv.org/abs/2604.25498 SongBench：用于歌曲质量评估的细粒度多维度基准测试 概述：文本到歌曲（Text to Song）生成领域的最新进展实现了逼真的音乐内容制作，但现有的评估基准测试缺乏捕捉多维度审美细微差别的专业细粒度。在本文中，我们提出了 SongBench，这是一个用于细粒度歌曲评估的专业框架，涵盖七个关键维度：人声（Vocal）、乐器（Instrument）、旋律（Melody）、结构（Structure）、编曲（Arrangement）、混音（Mixing）和音乐性（Musicality）。利用该框架，我们构建了一个由音乐专业人士标注的专家级数据库，包含来自最先进（SOTA）模型的 11,717 个样本。大量的实验结果证明，SongBench 与专家评分具有高度相关性。通过揭示当前 SOTA 模型在细粒度性能上的差距，SongBench 作为一个诊断基准，将引导该领域向更专业、音乐连贯性更强的歌曲生成方向发展。 论文链接： https://arxiv.org/abs/2604.25937 GaMMA：迈向大型多模态模型中的联合全局 时间音乐理解 概述：在本文中，我们提出了 GaMMA，这是一个旨在实现全面音乐内容理解的业界领先（SoTA）的大型多模态模型（LMM）。GaMMA 继承了 LLaVA 精简的编码器 解码器设计，实现了音乐和语言之间有效的跨模态学习。通过以混合专家（MoE）的方式整合音频编码器，GaMMA 有效地将时间序列和非时间序列的音乐理解任务统一在一套参数中。我们的方法将大规模精心策划的数据集与渐进式训练流水线相结合，通过预训练、监督微调（SFT）和强化学习（RL）有效拓展了音乐理解的边界。为了全面评估音乐 LMM 的时间和非时间能力，我们引入了 MusicBench，这是目前最大的面向音乐的基准测试，包含 3,739 个由人工精选的多项选择题，涵盖了音乐理解的各个方面。大量实验表明，GaMMA 在音乐领域确立了新的 SoTA，在 MuchoMusic 上达到 79.1% 的准确率，在 MusicBench Temporal 上达到 79.3%，在 MusicBench Global 上达到 81.3%，表现一致优于以往的方法。 论文链接： https://arxiv.org/abs/2605.00371 参考资料 https://x.com/claudeai/status/2049143438281445811?s=20 https://developer.nvidia.com/blog/nvidia nemotron 3 nano omni powers multimodal agent reasoning in a single efficient open model?linkId=100000419734769 https://x.com/NVIDIAAI/status/2049159441870717428?s=20 https://www.digitalmusicnews.com/2026/04/28/suno music industry partnerships job listing/?utm source=Daily+Snapshot&utm campaign=ef6aa517c8 Daily Snapshot October 21st 2025 COPY 03&utm medium=email&utm term=0 77cac1fdfd 21335637&mc cid=ef6aa517c8&mc eid=caf2b1450e https://x.com/ElevenLabs/status/2049493164902187301?s=20 https://www.musicbusinessworldwide.com/believe and tunecore blocking suno elevenlabs and udio/ https://www.linkedin.com/posts/philgcarter 100m people have used ai to create their ugcPost 7455638726292103168 uEm2?utm source=share&utm medium=member desktop&rcm=ACoAAEf4sYcB 7kwpHm7WTW6ML5ECD H8EXZk8c 4 月 28 日，尽管目前仍深陷与环球音乐（UMG）和索尼音乐（Sony）的版权诉讼，AI 音乐巨头 Suno 依然迈出了寻求行业和解与扩张的关键一步——近日，该平台公开发布了“业务发展与音乐产业合作总监”的招聘启事。 职位细节与战略意图 • 破冰之举： 该职位的核心任务是推动 Suno 与唱片公司、音乐出版商等行业参与者的商业合作战略与执行。入职者将直接向今年 2 月上任的首席商业官（前 Merlin 首席执行官）Jeremy Sirota 汇报。这释放出一个强烈信号：在去年末与华纳音乐（WMG）达成和解后，Suno 正积极谋求与更多版权方达成突破性的合作模式。 • 高薪与高门槛： 候选人需具备 10 年以上音乐或科技领域的谈判经验，年薪高达 24 万至 26.5 万美元，并附带极其丰厚的福利待遇。同时，该职位还肩负着发掘高潜力创作者并助其在 Suno 生态中建立职业生涯的重任。 • AI“招聘之歌”： 颇具戏剧性的是，Suno 亲自下场，用自家的 AI 音乐生成器为这个职位创作了一首名为《No Playbook (Director’s Song)》的合成器流行（Synth pop）歌曲，甚至被网友戏称“完全可以直接放到复古电影的原声带里”。 面对传统音乐产业的围剿，Suno 显然没有打算退缩，而是试图用一份高薪职位和实际行动，在冰冷的诉讼僵局中主动撕开一条建立商业合作的裂缝。 ElevenLabs 重磅推出 ElevenMusic：集创作、重混与变现于一体的 AI 音乐新生态 4 月 29 日，知名 AI 音频公司 ElevenLabs 宣布正式上线全新音乐平台 ElevenMusic。该平台基于其底层 AI 音乐模型构建，旨在彻底打破“听”与“创”的边界，为用户提供从音乐发现、改编、原创到商业变现的一站式完整体验。 核心功能与商业亮点 • 个性化发现与深度重混： 平台目前已入驻超 4000 名独立与新兴艺术家，主打小众与个性化推荐。更具颠覆性的是，用户在听到喜欢的曲目时，可直接对其进行“重混（Remix）”——自由更改曲风、调整速度，将别人的作品转化为自己的独特表达。 • 零门槛 AI 辅助创作： 即使是从零开始，用户只需提供一句歌词、一段旋律或一种情绪，AI 便能辅助你将其扩写、编排并打磨成一首结构完整的专业级单曲。 • 创作者收益共享（Earn）： 延续其“AI 语音库”已向创作者成功发放超 1100 万美元分成的成熟商业模式，ElevenMusic 允许用户发布原创或重混作品，并根据听众互动量和平台规则获取真金白银的版税收益。 此外，备受瞩目的《Eleven Album Vol. 2》也于今日在该平台独家首发。目前，ElevenMusic 已全面上线 Web 端与 iOS 平台，不仅提供创作工具，更试图打造一个由 AI 驱动的下一代音乐人生态社区。 Web：https://elevenmusic.io/ iOS：https://apps.apple.com/gb/app/elevenmusic by elevenlabs/id6755965224 拒绝“盗版”模型！发行巨头 Believe 全面拦截 Suno 生成曲目，转投合规 AI 阵营 4 月 30 日，全球知名独立音乐数字发行商 Believe 及其旗下音乐人服务平台 TuneCore 宣布了一项极其严厉的生成式 AI 政策：全面拦截并封杀由 Suno 等未授权“盗版 AI 工作室”生成的音乐作品。同时，公司宣布与积极推进正版授权的 AI 音乐平台 ElevenLabs 和 Udio 达成全新合作。 核心举措与行业表态 • 精准拦截非法 AI 音乐： Believe 首席执行官 Denis Ladegaillerie 透露，公司已部署准确率高达 99% 的 AI 检测技术，能精准识别生成歌曲的具体大模型。由于 Suno 深陷未经授权的训练数据诉讼，Believe 认定其生成的音乐“在可预见的未来均属非法”，因此采取零容忍的全面封杀态度。 • 拥抱“合规”创作生态： 在强硬抵制“非法 AI 垃圾内容”的同时，Believe 认为合规的生成式 AI 将极大赋能人类创作。通过与拥有环球、华纳等巨头版权授权的 Udio 和 ElevenLabs 结盟，平台旨在为创作者提供真正合法且透明的辅助工具。 • 警告“诉讼定时炸弹”： Ladegaillerie 严厉警告那些仍在纵容非法 AI 音乐上架的流媒体服务商（DSP）和分发竞品。他指出，分发侵权内容即构成侵权，忽视版权审查无异于为平台埋下一颗巨大的“诉讼定时炸弹”。 此次行动标志着传统音乐分发端开始从源头强力切断非法 AI 音乐的变现链路，“版权合规”已成为 AI 音乐作品进入主流商业市场的绝对准入证。 Suno CEO 揭秘 3 亿美元 ARR 增长密码：AI 正在将音乐重塑为“互动式体验” 近日，AI 音乐生成平台 Suno 首席执行官 Mikey Schulman 在播客访谈中首度揭秘了平台短时间内突破 200 万付费用户与 3 亿美元 ARR（年度经常性收入） 的幕后历程。他强调，Suno 的终极愿景不是打造一个“AI 版 Spotify”供人被动收听，而是用“创造性娱乐”取代无意义的被动刷屏。 音乐产品与功能突破 • 破解“空白画布”恐惧： Suno 完美利用了音乐天然的“分享与重混（Remix）”属性。通过让新用户在他人作品的基础上进行再创作，极大降低了普通大众的音乐创作门槛。 • V5.5 的深度个性化： 平台发现模型迭代才是增长的唯一核心引擎。在最新的 V5.5 模型中，Suno 针对音乐创作推出了三大重磅功能：允许克隆用户自己声线的 “Voices”、能记住独特音乐偏好的 “My Taste”，以及可上传专属音乐库作为创作上下文的 “Custom Models”。这些功能让 AI 化身为用户的“专属制作人”。 尽管目前仍面临美国唱片工业协会（RIAA）的版权诉讼，Suno 坚决反对“零和博弈”论，并正通过与华纳音乐等巨头的合作，探索“超级粉丝”与艺术家共创的新生态。Schulman 坚信，AI 不会取代音乐人，而是会将未来的音乐从单向倾听转变为一种“互动格式（Interactive format）”，让大众在亲手把玩和创造音乐中获得自我实现感。 完整采访：https://youtu.be/7sooG1obg Q?si=aKMM5XkdHtR7msgW 论文 🌈 以下是 4.28—5.4 期间发布的相关论文，已整理翻译 以下是 4.28—5.4 期间发布的相关论文，已整理翻译 打开设计空间：基于智能乐器的两年表演实践 概述：符号音乐和数字音频的机器生成是热门话题，但整合了生成式 AI 的数字乐器却相对较少。目前的音乐 AI 工具并非以艺术家为中心，也不支持实验或将其整合到乐器或音乐实践中。这项工作介绍了一种低成本的生成式 AI 乐器平台，该平台基于单板计算机，可通过 MIDI 连接到其他音乐设备。该平台使用艺术家收集的数据集以及在普通计算机上训练的模型。本文探讨了当可访问且便携的 AI 系统可用于艺术探索时，智能乐器的设计空间会是什么样子。作者提供了通过为期两年的第一人称艺术研究过程创建和测试的五个乐器示例。这些示例表明，（重）映射能够取代重新训练来发现 AI 交互；快速输入交织（fast input interleaving）是一种新的共创策略；小数据 AI 模型可以成为一种可移植的设计资源；而低成本硬件可以降低包容性的门槛。这项工作将使艺术家能够探索智能乐器的全新交互和演奏方案。 论文链接： https://arxiv.org/abs/2604.23583 通过最小化过度分割识别非三和弦：一种基于事件的序列建模方法 概述：自动和弦识别（ACR）旨在从音乐音频录音中提取时间对齐的和弦标签。尽管近期取得了进展，但 ACR 仍然面临过度分割、数据稀缺和数据不平衡的挑战，特别是在识别复杂和弦（如非三和弦）时，这些和弦在现有数据集中并不常见。为了解决这些挑战，我们将 ACR 重新表述为一个段级别（segment level）的序列到序列预测任务，其中和弦序列是自回归预测的，而不是逐帧预测的。这种设计通过仅在段边界检测和弦变化，有效缓解了过度分割问题。我们进一步引入了两种类型的标记（token）表示方法和一种编码器预训练方法，这两者都是专门为时间对齐的和弦建模设计的。实验结果表明，我们的模型在和弦识别和分割方面均提升了性能，对于复杂和罕见的和弦类型取得了显著的增益。这些发现证明了段级别序列建模、结构化标记化（tokenization）和表示学习在推进和弦识别系统方面的有效性。 论文链接： https://arxiv.org/abs/2604.24386 SymphonyGen：具有可控和声骨架的 3D 层级管弦乐生成 概述：生成交响乐需要同时管理高级别的结构形式和密集的、多轨的管弦乐编配。现有的符号模型通常在“复杂性与控制力的失衡（complexity control imbalance）”中挣扎，扩展瓶颈限制了其长期的细粒度可控性。我们提出了 SymphonyGen，这是一个用于当代电影管弦乐配乐的 3D 层级框架。SymphonyGen 采用级联解码器架构，分解了小节（Bar）、音轨（Track）和事件（Event）轴，与传统的 1D 或 2D 模型相比，提高了计算效率和可扩展性。我们引入了通过节拍量化的多声部和声骨架进行的“缩编谱（short score）”控制，在保留织体多样性的同时实现了整体大纲控制。该模型使用具有跨模态音频感知奖励的群组相对策略优化（GRPO）进行进一步微调，使符号输出与现代声学期望保持一致。此外，我们实现了一种厌恶不协和（dissonance averse）的采样算法，以抑制推理过程中意外的音调冲突。客观评估表明，强化学习和厌恶不协和采样都能有效提高和声的纯净度，同时保持旋律表现力。主观评估表明，SymphonyGen 在管弦乐生成的音乐性和听众偏好度上均优于基线模型。 论文链接： https://arxiv.org/abs/2604.25498 SongBench：用于歌曲质量评估的细粒度多维度基准测试 概述：文本到歌曲（Text to Song）生成领域的最新进展实现了逼真的音乐内容制作，但现有的评估基准测试缺乏捕捉多维度审美细微差别的专业细粒度。在本文中，我们提出了 SongBench，这是一个用于细粒度歌曲评估的专业框架，涵盖七个关键维度：人声（Vocal）、乐器（Instrument）、旋律（Melody）、结构（Structure）、编曲（Arrangement）、混音（Mixing）和音乐性（Musicality）。利用该框架，我们构建了一个由音乐专业人士标注的专家级数据库，包含来自最先进（SOTA）模型的 11,717 个样本。大量的实验结果证明，SongBench 与专家评分具有高度相关性。通过揭示当前 SOTA 模型在细粒度性能上的差距，SongBench 作为一个诊断基准，将引导该领域向更专业、音乐连贯性更强的歌曲生成方向发展。 论文链接： https://arxiv.org/abs/2604.25937 GaMMA：迈向大型多模态模型中的联合全局 时间音乐理解 概述：在本文中，我们提出了 GaMMA，这是一个旨在实现全面音乐内容理解的业界领先（SoTA）的大型多模态模型（LMM）。GaMMA 继承了 LLaVA 精简的编码器 解码器设计，实现了音乐和语言之间有效的跨模态学习。通过以混合专家（MoE）的方式整合音频编码器，GaMMA 有效地将时间序列和非时间序列的音乐理解任务统一在一套参数中。我们的方法将大规模精心策划的数据集与渐进式训练流水线相结合，通过预训练、监督微调（SFT）和强化学习（RL）有效拓展了音乐理解的边界。为了全面评估音乐 LMM 的时间和非时间能力，我们引入了 MusicBench，这是目前最大的面向音乐的基准测试，包含 3,739 个由人工精选的多项选择题，涵盖了音乐理解的各个方面。大量实验表明，GaMMA 在音乐领域确立了新的 SoTA，在 MuchoMusic 上达到 79.1% 的准确率，在 MusicBench Temporal 上达到 79.3%，在 MusicBench Global 上达到 81.3%，表现一致优于以往的方法。 论文链接： https://arxiv.org/abs/2605.00371 参考资料 https://x.com/claudeai/status/2049143438281445811?s=20 https://developer.nvidia.com/blog/nvidia nemotron 3 nano omni powers multimodal agent reasoning in a single efficient open model?linkId=100000419734769 https://x.com/NVIDIAAI/status/2049159441870717428?s=20 https://www.digitalmusicnews.com/2026/04/28/suno music industry partnerships job listing/?utm source=Daily+Snapshot&utm campaign=ef6aa517c8 Daily Snapshot October 21st 2025 COPY 03&utm medium=email&utm term=0 77cac1fdfd 21335637&mc cid=ef6aa517c8&mc eid=caf2b1450e https://x.com/ElevenLabs/status/2049493164902187301?s=20 https://www.musicbusinessworldwide.com/believe and tunecore blocking suno elevenlabs and udio/ https://www.linkedin.com/posts/philgcarter 100m people have used ai to create their ugcPost 7455638726292103168 uEm2?utm source=share&utm medium=member desktop&rcm=ACoAAEf4sYcB 7kwpHm7WTW6ML5ECD H8EXZk8c 🏆 本文作者：Keen 链接：https://mp.weixin.qq.com/s/pBP7o5QOdnVhA QowEt9Lg 注：文中部分资讯有视频演示，如需观看请到上方原帖 本文作者：Keen 链接：https://mp.weixin.qq.com/s/pBP7o5QOdnVhA QowEt9Lg 注：文中部分资讯有视频演示，如需观看请到上方原帖 🌈 本周 AI 音乐资讯速览 🤖 Claude 接入 Ableton 与 Splice：重磅推出创意连接器，正式打通专业音乐工作流 🧠 英伟达开源 Nemotron 3 Nano：单一高效模型统一全模态推理，打破碎片化工作流 🤝 Suno 顶着诉讼高薪挖角求破冰：招募音乐产业合作总监，还用 AI 搞了首“招聘歌” 🎧 ElevenLabs 推出 ElevenMusic：打破听创边界，集创作、重混与变现于一体的新生态 🚫 发行巨头 Believe 全面封杀 Suno：精准拦截未经授权模型，转投 ElevenLabs 等合规阵营 💰 Suno CEO 揭秘 3 亿美元 ARR：功能主打极致个性化，AI 正将音乐重塑为“互动体验” 本周 AI 音乐资讯速览 🤖 Claude 接入 Ableton 与 Splice：重磅推出创意连接器，正式打通专业音乐工作流 🧠 英伟达开源 Nemotron 3 Nano：单一高效模型统一全模态推理，打破碎片化工作流 🤝 Suno 顶着诉讼高薪挖角求破冰：招募音乐产业合作总监，还用 AI 搞了首“招聘歌” 🎧 ElevenLabs 推出 ElevenMusic：打破听创边界，集创作、重混与变现于一体的新生态 🚫 发行巨头 Believe 全面封杀 Suno：精准拦截未经授权模型，转投 ElevenLabs 等合规阵营 💰 Suno CEO 揭秘 3 亿美元 ARR：功能主打极致个性化，AI 正将音乐重塑为“互动体验” 打通 Ableton 与 Splice！Claude 推出创意连接器，正式接入专业音乐工作流 4 月 28 日，Anthropic 正式推出“Claude for Creative Work”，通过全新的连接器（Connectors）套件，将 Claude 的大模型能力直接嵌入至众多行业标准的创意软件中。在音乐与音频制作领域，Claude 此次与 Ableton、Splice 等巨头达成深度合作，旨在让 AI 成为专业制作人身边的“超级中控”与“协作伙伴”。 核心音乐与音频亮点 • 深度接入 Ableton： Claude 现已全面整合 Ableton Live 与 Push 的官方产品文档。它可以化身为 24 小时在线的“专属导师”，用自然语言为你拆解复杂的合成器技术、讲解效果器链路，大幅降低专业工具的学习门槛。 • 原生调用 Splice 曲库： 制作人不再需要频繁切换软件，现在可以直接在 Claude 的对话界面内，通过自然语言指令精准检索 Splice 庞大的免版税采样库，让寻找灵感和声音设计的过程变得无比丝滑。 • 掌控 Resolume 现场视听： 针对现场演出与视听（AV）制作，VJ 和视觉艺术家如今可以通过自然语言实时控制 Resolume Arena 和 Wire 软件。 • 跨平台管线桥接与代码扩展： Claude 还能打破格式壁垒，在音频与 3D/设计工具之间自动同步项目资产；甚至能利用 Claude Code 为你现有的音乐软件编写自定义脚本或生成式插件。 Blog：https://www.anthropic.com/news/claude for creative work 英伟达重磅开源 Nemotron 3 Nano Omni：以单一高效模型统一全模态智能体推理 4 月 28 日，英伟达（NVIDIA）正式发布全新开源多模态大模型 Nemotron 3 Nano Omni。该模型专为智能体（Agent）系统设计，将视频、音频、图像和文本的感知与推理完美整合到单一的闭环中，彻底打破了以往依赖多模型串联的碎片化工作流，在大幅降低推理成本与编排复杂度的同时，显著提升了跨模态上下文的准确性。 核心突破与技术亮点 • 创新的混合 MoE 架构： 采用 30B A3B 混合专家（MoE）架构，模型内置 3D 卷积与高效视频采样（EVS）技术，能精准激活处理特定任务的“专家”网络，轻松应对超长动态视频与高分辨率复杂文档。 • 吞吐量与性能碾压： 在多项行业权威基准测试（如 MediaPerf）中拔得头筹。在维持同等交互响应速度的前提下，其视频推理的系统总吞吐量是其他开源全模态模型的 9.2 倍，多文档推理吞吐量更是高达 7.4 倍。 • 极佳的硬件效能支持： 深度适配 Ampere、Hopper 与 Blackwell 架构 GPU，全面支持 FP8 和极低精度的 NVFP4 量化，为企业级应用带来极低延迟与超低成本的推理体验。 • “毫无保留”的全面开源： 英伟达不仅开放了模型权重，还史无前例地开源了高达 1.27 千亿跨模态 token 的训练数据集、全套端到端训练评估配方（Recipes）以及开箱即用的部署指南。 Nemotron 3 Nano Omni 的问世，为金融、医疗、媒体等需要大规模处理音视频的行业提供了一个性能强悍、隐私安全且可深度定制的全模态子智能体基座。 HF：https://huggingface.co/nvidia/Nemotron 3 Nano Omni 30B A3B Reasoning BF16 试玩：https://build.nvidia.com/nvidia/nemotron 3 nano omni 30b a3b reasoning?linkId=100000419734770 一边打官司一边求合作：Suno 高薪招募音乐产业合作总监，还用 AI 写了首“招聘歌”