AI音乐周刊 W.A 032

AI音乐周刊 W.A 032 AI音乐周刊 W.A 032 Modified June 15 6 月 11 日，法国流媒体巨头 Deezer 宣布推出一款面向大众的 AI 音乐检测工具。通过与歌单迁移服务 Tune My Music 合作，该工具允许用户从 Spotify 等竞争平台导入曲库，并精准计算出其中 AI 生成歌曲的百分比得分（AI Score）。 核心数据与行业现状 • AI 泛滥成灾： Deezer 官方透露，目前平台每天能识别出至少 7.5 万首 完全由机器制作的上传歌曲。 • 近半数曲库中招： 数据显示，从其他平台迁移至 Deezer 的新用户中，多达 43% 的人其歌单里包含 AI 音乐。同时，数据证实虚假欺诈流量正助推着这些 AI 歌曲的播放量。 Deezer 的强硬治理政策 Deezer 首席执行官 Alexis Lanternier 表示，此工具旨在为全球听众揭开虚假流量的真相。在平台治理上，一旦歌曲被系统检测为 AI 作品，Deezer 将自动将其从算法推荐和官方编辑歌单中彻底移除，以此捍卫纯人类创作者的生态。 毫秒级即兴合奏！索尼 CSL 等团队发布实时 AI 伴奏系统 LiveBand （视频演示请跳转至文章观看） 6 月 11 日，索尼计算机科学实验室（Sony CSL）巴黎团队联合伦敦玛丽女王大学等机构，正式发布了首个能与人类音乐家进行实时、鲁棒性即兴合奏（Jamming）的 AI 音频生成工具——LiveBand。该系统支持在 Mac 等消费级硬件上完全本地运行，为现场演出和即兴练习带来了颠覆性的交互体验。 技术突破与核心亮点： • 零预测、真因果实时流： 严格遵守因果约束，在无需预见未来音频帧的前提下，仅凭当前输入的现场混音上下文，即可实现高保真音乐伴奏的自回归实时流式生成。 • 多模态直观引导： 乐手不仅能通过自身的即兴演奏实时动态触发 AI，还能通过音频参考或纯文本提示词（Text Prompts）来精细引导伴奏的风格走向。 • 彻底根除曝光偏差： 创新性地在预训练因果自编码器的连续潜在空间中训练因果 Transformer，使其训练与推理计算在设计上完全匹配，消除了传统模型对“教师迫导（Teacher Forcing）”的依赖。 在一项多乐器伴奏基准测试中，LiveBand 在音频质量、节拍对齐以及混音契合度等客观指标上均显著超越前人工作，目前其研究论文与音频样本已正式公开发布。 论文：https://arxiv.org/abs/2606.03803 样例：https://sonycslparis.github.io/liveband companion/ Suno 上线“高级音轨分离”功能：支持精准拆分近百种乐器 6 月 12 日，Suno 更新了 高级音轨分离 功能，能以比以往更精准、更干净的效果将歌曲进行拆解。目前已向 Pro 与 Premier 订阅用户开放使用。 Auto Split（自动拆分）：通过分析你的曲目，并将其最多拆分为 12 个分轨——包括鼓、贝斯、吉他、键盘、木管乐器等。自动拆分每次提取（共 12 个分轨）需要消耗 50 个点数。 Split from Mix（混音分离）：该功能允许你从歌曲中提取单一的乐器或人声——比如，如果你只想把歌曲中的贝斯线、人声或吉他部分单独分离出来。与此同时，你还会得到一个与该分轨互补的另一个音轨，其中包含除提取分轨之外的其余所有内容。混音分离每次提取消耗 10 个点数（由于会生成两个分轨，总共消耗 20 个点数）。 Advanced Split（高级拆分）：该功能让你自己决定将曲目拆分成什么音轨。你可以从包含近 100 种乐器（实际统计为98个）的列表中进行选择，并根据你的曲目定制专属分轨。高级拆分中每个分轨每次提取消耗 10 个点数（生成的两个分轨总共消耗 20 个点数）。 官方提及的使用场景 • 自动拆分：快速分离歌曲的各个音轨，以便在 Studio 中进行混音 • 混音分离：分离特定的分轨以用于表演曲目；例如，歌手想要制作一个用于现场表演的纯伴奏带 • 在分轨中快速搜索并进行分离，从而获得更高效的工作流程 如何在 Suno 上使用高级音轨分离 （视频演示请跳转至文章观看） 对话秒变MV！音视频一体化智能体 Tunee Agent 迎来重磅升级 6 月 12 日，AI音乐创作平台 Tunee 宣布正式升级 Tunee Agent，打造全新的音视频一体化创作智能体。延续对话式创作核心，此次更新重磅引入无限画布与全新视频剪辑台，实现了从灵感、做歌到 MV 生成与成片精修的全流程闭环。 核心亮点： • 对话驱动全闭环： 用户只需在同项目内通过简单对话或“@”角色，即可轻松“聊”出歌曲和 MV 故事板，全新剪辑台更支持分镜、歌词微调与成片剪辑。 • 多路径并行与移动端适配： 摆脱单一路线限制，支持多创意并行展开与随时回退；全面适配手机浏览器，让移动端二次编辑更轻量。 • 高阶全能音乐助手： 新增抖音创意热点抓取与选题分析、同项目多创意并发生成，以及作品智能鉴赏评分等深度辅助功能。 论文 🌈 以下是 6.9—6.15 期间发布的相关论文，已整理翻译 FXplorer：一种基于地图的探索性音频效果器设计界面 概述：音频效果器（FX）在当代音乐实践中塑造着声音。然而，大多数界面将它们呈现为离散的模块和参数，这更倾向于针对性的调整，而非探索性的聆听。这种分离使得用户很难对更广泛的可能转换空间建立直观的认知，也难以在“搜索”和“精修”之间流转。我们推出了 FXplorer，这是一个在符合感知规律的 2D 空间内组织音频效果器的界面，允许用户将声音转换视为连续的景观进行浏览，而不是孤立的预设。通过将成熟的空间交互方法、可解释的 DAW（数字音频工作站）风格控制，与近期基于嵌入的机器学习相似度及语义搜索方法相结合，该系统将“探索”与“参数精修”整合到了同一个工作空间中。FXplorer 通过允许用户交互式地编辑效果器预设并在其间进行插值，来支持作曲、制作或现场表演。 论文链接：https://arxiv.org/abs/2606.08286 大语言模型能理解 LilyPond 吗？一个用于符号音乐生成与理解的基准测试 概述：大语言模型的符号音乐评估在表示方法、数据集和评估指标方面仍处于碎片化状态。我们推出了 LilyBench，这是一个基于 LilyPond 的基准测试，可在同一系列开源权重大语言模型（LLM）上联合评估符号音乐生成与音乐理解能力。该基准包括一个包含 200 个提示词的生成套件，以及从 ABC Eval 改编的十个理解任务，涵盖语法、元数据预测、结构序列化和音乐识别。生成质量通过编译率、通过 Jensen Shannon 相似度衡量的 MusPy 描述符分布，以及基于 LilyBERT 的 Fréchet 音乐距离（FMD）来进行评估。在四款开源模型上的实验表明，在零样本（zero shot）设置下是可以实现生成可执行的 LilyPond 代码的，尽管模型在作曲家和流派识别上表现强劲，但结构理解任务仍然充满挑战。我们的实验还解密了基于描述符的指标与基于嵌入的指标之间存在系统性分歧，这表明符号音乐评估能从指标三角测量（多指标综合交叉验证）中获益，而非依赖单一分数排名。我们发布了该基准测试、提示词库和评估代码，以支持未来在符号音乐生成与理解领域的研究。 论文链接：https://arxiv.org/abs/2606.08722 实时语言模型即兴合奏：现场音乐伴奏生成的案例研究 概述：语言模型（LM）已成为现代生成式建模中最杰出的范式之一。虽然提高模型速度一直是实时部署的核心焦点，但仅靠速度还远远不够。许多现实世界的应用（如同步翻译和语音合成）还要求生成内容与外部信号在“内容”和“时序”上实现精确对齐。我们将这一问题称为“帧同步流式推理（frame synchronous streaming inference）”。为了解决该问题，我们推出了 StreamMUSE，这是一个在客户端 服务器（C/S）架构下响应外部信号流执行语言模型生成的推理系统。客户端根据最新的输入持续发送高频推理请求，并接收与外部时钟同步的输出，而服务器则执行模型推理。我们通过一个现场音乐伴奏任务演示了该框架，展示了如何在具有不同往返延迟（RTT）的多元化部署环境中实现实时同步。我们进一步对系统超参数与往返延迟之间的关系进行了建模，并评估了不同环境如何影响实现实时性能的最佳配置。实验结果表明，系统的实时性能与音乐质量之间存在高度的一致性，证明了所提框架的有效性。该项目已开源。 论文链接：https://arxiv.org/abs/2606.11886 吸附至关重要：用于自动音乐转录的上下文感知音符起始点精修方法 概述：精确的音符级标注对于训练自动音乐转录（AMT）系统至关重要，特别是作为近期许多 AMT 系统核心组件的音符起始点（note onset）标签。然而，现实世界录音的高质量标注非常稀缺。诸如动态时间规整（DTW）等序列级“乐谱 音频”对齐方法仅能提供粗粒度的对应关系，因此局部的精修步骤必不可少。这一被称为“吸附对齐（snapping）”的精修步骤利用神经网络起始点后验图（posteriorgram）中的峰值来调整对齐的乐谱起始点，它往往决定了弱对齐的“乐谱 音频”对能否转化为可用的训练数据。尽管其具有重要的实际意义，但对齐通常被视为一种简单的后处理启发式方法，并通过贪婪的局部决策来实现。我们对用于训练通用乐器转录器的对齐策略进行了系统分析，证明了吸附对齐是从弱对齐数据中学习的关键。在此基础上，我们将吸附对齐建模为逐音高的指派问题，并通过二部图匹配（bipartite graph matching）进行求解，从而在重叠的精修窗口和不确定的初始对齐下，实现上下文感知的起始点决策。在钢琴、室内乐 and 管弦乐录音上进行的大量跨数据集实验表明，该方法比贪婪吸附对齐带来了更好的起始点对齐和转录准确度，且在吸附窗口更宽、初始对齐更粗糙时，提升幅度更加显著。 论文链接：https://arxiv.org/abs/2606.11903 AudioX Turbo：一种用于高效任意模态转音频生成的统一框架 概述：基于灵活多模态控制信号的音频与音乐生成是一个具有广泛应用前景的主题，其面临以下核心挑战：1) 统一的多模态建模框架；2) 大规模、高质量的训练数据；3) 多步扩散采样导致的极高推理成本。因此，我们在本文中提出了 AudioX Turbo，这是一个统一且高效的“任意模态转音频（anything to audio）”生成框架，集成了多样化的多模态条件（即文本、视频和音频信号）。AudioX Turbo 遵循教师 学生范式。教师模型 AudioX Base 基于多模态扩散 Transformer（Multimodal DiT）构建，配备多模态自适应融合模块，可对准多样化的多模态输入以进行高保真合成；随后，通过适应于流匹配（flow matching）的分布匹配蒸馏（Distribution Matching Distillation）技术，将其蒸馏为仅需少数几步采样的学生模型 AudioX Turbo，并辅以基于扩散的判别器以确保高质量的少步生成。为了支持 AudioX Turbo 的训练，我们构建了一个大规模、高质量的数据集 IF caps Pro，包含通过两阶段数据收集和标注流水线精心策划的约 920 万个样本。我们在广泛的任务上对 AudioX Turbo 进行了基准测试，发现我们的模型取得了卓越的性能，特别是在文本转音频 and 文本转音乐生成上，同时仅需 4 步采样，其函数求值次数（NFE）比多步基线模型减少了约 25 倍。这些结果表明，我们的方法能够在灵活的多模态控制下进行音频生成，展现出高效且强大的指令遵循能力。 论文链接：https://arxiv.org/abs/2606.12555 巴赫风格符号音乐的生成式建模：自回归、隐变量和对抗方法的比较研究 概述：我们使用共享的 MIDI 语料库和三种模型家族，对巴赫风格符号钢琴音乐的生成式建模进行了研究。这三种模型分别是：带有注意力机制的自回归 LSTM、包含循环 VAE（变分自编码器）和向量量化 VAE（VQ VAE）在内的隐变量模型，以及生成对抗网络（GAN）。我们对比了它们在建模多声部音符序列、学习有用的潜在表示以及生成风格连贯的乐曲方面的能力。我们的实验表明，带有注意力机制的自回归 LSTM 产生了最具音乐连贯性的样本，而向量量化（vector quantization）有助于缓解后验塌陷（posterior collapse），并且比传统的循环 VAE 产生更具结构性的输出。对抗方法能够捕获局部的音高模式，但依然难以训练，且在向巴赫风格泛化时的可靠性较低。这些结果突出了自回归、隐变量和对抗方法在符号音乐生成中的相对优势和失效模式。 6 月 11 日，法国流媒体巨头 Deezer 宣布推出一款面向大众的 AI 音乐检测工具。通过与歌单迁移服务 Tune My Music 合作，该工具允许用户从 Spotify 等竞争平台导入曲库，并精准计算出其中 AI 生成歌曲的百分比得分（AI Score）。 核心数据与行业现状 • AI 泛滥成灾： Deezer 官方透露，目前平台每天能识别出至少 7.5 万首 完全由机器制作的上传歌曲。 • 近半数曲库中招： 数据显示，从其他平台迁移至 Deezer 的新用户中，多达 43% 的人其歌单里包含 AI 音乐。同时，数据证实虚假欺诈流量正助推着这些 AI 歌曲的播放量。 Deezer 的强硬治理政策 Deezer 首席执行官 Alexis Lanternier 表示，此工具旨在为全球听众揭开虚假流量的真相。在平台治理上，一旦歌曲被系统检测为 AI 作品，Deezer 将自动将其从算法推荐和官方编辑歌单中彻底移除，以此捍卫纯人类创作者的生态。 毫秒级即兴合奏！索尼 CSL 等团队发布实时 AI 伴奏系统 LiveBand （视频演示请跳转至文章观看） 6 月 11 日，索尼计算机科学实验室（Sony CSL）巴黎团队联合伦敦玛丽女王大学等机构，正式发布了首个能与人类音乐家进行实时、鲁棒性即兴合奏（Jamming）的 AI 音频生成工具——LiveBand。该系统支持在 Mac 等消费级硬件上完全本地运行，为现场演出和即兴练习带来了颠覆性的交互体验。 技术突破与核心亮点： • 零预测、真因果实时流： 严格遵守因果约束，在无需预见未来音频帧的前提下，仅凭当前输入的现场混音上下文，即可实现高保真音乐伴奏的自回归实时流式生成。 • 多模态直观引导： 乐手不仅能通过自身的即兴演奏实时动态触发 AI，还能通过音频参考或纯文本提示词（Text Prompts）来精细引导伴奏的风格走向。 • 彻底根除曝光偏差： 创新性地在预训练因果自编码器的连续潜在空间中训练因果 Transformer，使其训练与推理计算在设计上完全匹配，消除了传统模型对“教师迫导（Teacher Forcing）”的依赖。 在一项多乐器伴奏基准测试中，LiveBand 在音频质量、节拍对齐以及混音契合度等客观指标上均显著超越前人工作，目前其研究论文与音频样本已正式公开发布。 论文：https://arxiv.org/abs/2606.03803 样例：https://sonycslparis.github.io/liveband companion/ Suno 上线“高级音轨分离”功能：支持精准拆分近百种乐器 6 月 12 日，Suno 更新了 高级音轨分离 功能，能以比以往更精准、更干净的效果将歌曲进行拆解。目前已向 Pro 与 Premier 订阅用户开放使用。 Auto Split（自动拆分）：通过分析你的曲目，并将其最多拆分为 12 个分轨——包括鼓、贝斯、吉他、键盘、木管乐器等。自动拆分每次提取（共 12 个分轨）需要消耗 50 个点数。 Split from Mix（混音分离）：该功能允许你从歌曲中提取单一的乐器或人声——比如，如果你只想把歌曲中的贝斯线、人声或吉他部分单独分离出来。与此同时，你还会得到一个与该分轨互补的另一个音轨，其中包含除提取分轨之外的其余所有内容。混音分离每次提取消耗 10 个点数（由于会生成两个分轨，总共消耗 20 个点数）。 Advanced Split（高级拆分）：该功能让你自己决定将曲目拆分成什么音轨。你可以从包含近 100 种乐器（实际统计为98个）的列表中进行选择，并根据你的曲目定制专属分轨。高级拆分中每个分轨每次提取消耗 10 个点数（生成的两个分轨总共消耗 20 个点数）。 官方提及的使用场景 • 自动拆分：快速分离歌曲的各个音轨，以便在 Studio 中进行混音 • 混音分离：分离特定的分轨以用于表演曲目；例如，歌手想要制作一个用于现场表演的纯伴奏带 • 在分轨中快速搜索并进行分离，从而获得更高效的工作流程 如何在 Suno 上使用高级音轨分离 （视频演示请跳转至文章观看） 对话秒变MV！音视频一体化智能体 Tunee Agent 迎来重磅升级 6 月 12 日，AI音乐创作平台 Tunee 宣布正式升级 Tunee Agent，打造全新的音视频一体化创作智能体。延续对话式创作核心，此次更新重磅引入无限画布与全新视频剪辑台，实现了从灵感、做歌到 MV 生成与成片精修的全流程闭环。 核心亮点： • 对话驱动全闭环： 用户只需在同项目内通过简单对话或“@”角色，即可轻松“聊”出歌曲和 MV 故事板，全新剪辑台更支持分镜、歌词微调与成片剪辑。 • 多路径并行与移动端适配： 摆脱单一路线限制，支持多创意并行展开与随时回退；全面适配手机浏览器，让移动端二次编辑更轻量。 • 高阶全能音乐助手： 新增抖音创意热点抓取与选题分析、同项目多创意并发生成，以及作品智能鉴赏评分等深度辅助功能。 论文 🌈 以下是 6.9—6.15 期间发布的相关论文，已整理翻译 以下是 6.9—6.15 期间发布的相关论文，已整理翻译 FXplorer：一种基于地图的探索性音频效果器设计界面 概述：音频效果器（FX）在当代音乐实践中塑造着声音。然而，大多数界面将它们呈现为离散的模块和参数，这更倾向于针对性的调整，而非探索性的聆听。这种分离使得用户很难对更广泛的可能转换空间建立直观的认知，也难以在“搜索”和“精修”之间流转。我们推出了 FXplorer，这是一个在符合感知规律的 2D 空间内组织音频效果器的界面，允许用户将声音转换视为连续的景观进行浏览，而不是孤立的预设。通过将成熟的空间交互方法、可解释的 DAW（数字音频工作站）风格控制，与近期基于嵌入的机器学习相似度及语义搜索方法相结合，该系统将“探索”与“参数精修”整合到了同一个工作空间中。FXplorer 通过允许用户交互式地编辑效果器预设并在其间进行插值，来支持作曲、制作或现场表演。 论文链接：https://arxiv.org/abs/2606.08286 大语言模型能理解 LilyPond 吗？一个用于符号音乐生成与理解的基准测试 概述：大语言模型的符号音乐评估在表示方法、数据集和评估指标方面仍处于碎片化状态。我们推出了 LilyBench，这是一个基于 LilyPond 的基准测试，可在同一系列开源权重大语言模型（LLM）上联合评估符号音乐生成与音乐理解能力。该基准包括一个包含 200 个提示词的生成套件，以及从 ABC Eval 改编的十个理解任务，涵盖语法、元数据预测、结构序列化和音乐识别。生成质量通过编译率、通过 Jensen Shannon 相似度衡量的 MusPy 描述符分布，以及基于 LilyBERT 的 Fréchet 音乐距离（FMD）来进行评估。在四款开源模型上的实验表明，在零样本（zero shot）设置下是可以实现生成可执行的 LilyPond 代码的，尽管模型在作曲家和流派识别上表现强劲，但结构理解任务仍然充满挑战。我们的实验还解密了基于描述符的指标与基于嵌入的指标之间存在系统性分歧，这表明符号音乐评估能从指标三角测量（多指标综合交叉验证）中获益，而非依赖单一分数排名。我们发布了该基准测试、提示词库和评估代码，以支持未来在符号音乐生成与理解领域的研究。 论文链接：https://arxiv.org/abs/2606.08722 实时语言模型即兴合奏：现场音乐伴奏生成的案例研究 概述：语言模型（LM）已成为现代生成式建模中最杰出的范式之一。虽然提高模型速度一直是实时部署的核心焦点，但仅靠速度还远远不够。许多现实世界的应用（如同步翻译和语音合成）还要求生成内容与外部信号在“内容”和“时序”上实现精确对齐。我们将这一问题称为“帧同步流式推理（frame synchronous streaming inference）”。为了解决该问题，我们推出了 StreamMUSE，这是一个在客户端 服务器（C/S）架构下响应外部信号流执行语言模型生成的推理系统。客户端根据最新的输入持续发送高频推理请求，并接收与外部时钟同步的输出，而服务器则执行模型推理。我们通过一个现场音乐伴奏任务演示了该框架，展示了如何在具有不同往返延迟（RTT）的多元化部署环境中实现实时同步。我们进一步对系统超参数与往返延迟之间的关系进行了建模，并评估了不同环境如何影响实现实时性能的最佳配置。实验结果表明，系统的实时性能与音乐质量之间存在高度的一致性，证明了所提框架的有效性。该项目已开源。 论文链接：https://arxiv.org/abs/2606.11886 吸附至关重要：用于自动音乐转录的上下文感知音符起始点精修方法 概述：精确的音符级标注对于训练自动音乐转录（AMT）系统至关重要，特别是作为近期许多 AMT 系统核心组件的音符起始点（note onset）标签。然而，现实世界录音的高质量标注非常稀缺。诸如动态时间规整（DTW）等序列级“乐谱 音频”对齐方法仅能提供粗粒度的对应关系，因此局部的精修步骤必不可少。这一被称为“吸附对齐（snapping）”的精修步骤利用神经网络起始点后验图（posteriorgram）中的峰值来调整对齐的乐谱起始点，它往往决定了弱对齐的“乐谱 音频”对能否转化为可用的训练数据。尽管其具有重要的实际意义，但对齐通常被视为一种简单的后处理启发式方法，并通过贪婪的局部决策来实现。我们对用于训练通用乐器转录器的对齐策略进行了系统分析，证明了吸附对齐是从弱对齐数据中学习的关键。在此基础上，我们将吸附对齐建模为逐音高的指派问题，并通过二部图匹配（bipartite graph matching）进行求解，从而在重叠的精修窗口和不确定的初始对齐下，实现上下文感知的起始点决策。在钢琴、室内乐 and 管弦乐录音上进行的大量跨数据集实验表明，该方法比贪婪吸附对齐带来了更好的起始点对齐和转录准确度，且在吸附窗口更宽、初始对齐更粗糙时，提升幅度更加显著。 论文链接：https://arxiv.org/abs/2606.11903 AudioX Turbo：一种用于高效任意模态转音频生成的统一框架 概述：基于灵活多模态控制信号的音频与音乐生成是一个具有广泛应用前景的主题，其面临以下核心挑战：1) 统一的多模态建模框架；2) 大规模、高质量的训练数据；3) 多步扩散采样导致的极高推理成本。因此，我们在本文中提出了 AudioX Turbo，这是一个统一且高效的“任意模态转音频（anything to audio）”生成框架，集成了多样化的多模态条件（即文本、视频和音频信号）。AudioX Turbo 遵循教师 学生范式。教师模型 AudioX Base 基于多模态扩散 Transformer（Multimodal DiT）构建，配备多模态自适应融合模块，可对准多样化的多模态输入以进行高保真合成；随后，通过适应于流匹配（flow matching）的分布匹配蒸馏（Distribution Matching Distillation）技术，将其蒸馏为仅需少数几步采样的学生模型 AudioX Turbo，并辅以基于扩散的判别器以确保高质量的少步生成。为了支持 AudioX Turbo 的训练，我们构建了一个大规模、高质量的数据集 IF caps Pro，包含通过两阶段数据收集和标注流水线精心策划的约 920 万个样本。我们在广泛的任务上对 AudioX Turbo 进行了基准测试，发现我们的模型取得了卓越的性能，特别是在文本转音频 and 文本转音乐生成上，同时仅需 4 步采样，其函数求值次数（NFE）比多步基线模型减少了约 25 倍。这些结果表明，我们的方法能够在灵活的多模态控制下进行音频生成，展现出高效且强大的指令遵循能力。 论文链接：https://arxiv.org/abs/2606.12555 巴赫风格符号音乐的生成式建模：自回归、隐变量和对抗方法的比较研究 概述：我们使用共享的 MIDI 语料库和三种模型家族，对巴赫风格符号钢琴音乐的生成式建模进行了研究。这三种模型分别是：带有注意力机制的自回归 LSTM、包含循环 VAE（变分自编码器）和向量量化 VAE（VQ VAE）在内的隐变量模型，以及生成对抗网络（GAN）。我们对比了它们在建模多声部音符序列、学习有用的潜在表示以及生成风格连贯的乐曲方面的能力。我们的实验表明，带有注意力机制的自回归 LSTM 产生了最具音乐连贯性的样本，而向量量化（vector quantization）有助于缓解后验塌陷（posterior collapse），并且比传统的循环 VAE 产生更具结构性的输出。对抗方法能够捕获局部的音高模式，但依然难以训练，且在向巴赫风格泛化时的可靠性较低。这些结果突出了自回归、隐变量和对抗方法在符号音乐生成中的相对优势和失效模式。 论文链接：https://arxiv.org/abs/2606.13626 参考资料 https://www.europesays.com/ai/68142/ https://moises.ai/blog/latest/fender studio pro moises daw integration/ https://www.wmg.com/news/warner music group acquires sureel ai https://www.linkedin.com/posts/petermadigan warner just bought the company that decides share 7470757173489201152 TCDt/?utm source=share&utm medium=member desktop&rcm=ACoAAEf4sYcB 7kwpHm7WTW6ML5ECD H8EXZk8c https://www.linkedin.com/posts/rorykenny aiaudio musictech aimusic share 7470128109300891648 ht8c/?utm source=share&utm medium=member desktop&rcm=ACoAAEf4sYcB 7kwpHm7WTW6ML5ECD H8EXZk8c https://x.com/EditorJanes/status/2066297151525683273?s=20 https://www.digitalmusicnews.com/2026/06/11/deezer ai playlist detector/?mc cid=0bde17bd36&mc eid=caf2b1450e https://x.com/deeplearnmusic/status/2065064004712911178?s=20 https://suno.com/release notes https://discord.com/channels/1069381916492562582/1159295652531019777/1514761075151868044 https://www.tunee.ai/zh CN/home/ai music agent 🏆 本文作者：Keen 链接：https://mp.weixin.qq.com/s/TMPByVpH20 ZeLMwMSn2lg 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/TMPByVpH20 ZeLMwMSn2lg 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 ⚖️ 谷歌回应 Lyria 侵权诉讼：抛出用户服务条款，直指 YouTube 允许 AI 训练 🎸 Fender 推出 Studio Pro 8.1：全球首款原生集成 Moises AI 工作流的专业 DAW 💰 华纳战略收购 Sureel AI：建立精准指纹比对技术，掌控 AI 时代版税“计量器” 🎛️ Loudly 重磅上线 AI 母带：自动匹配主流响度标准，实现全流程一站式闭环 📊 Deezer 推出 AI 检测工具：新用户曲库藏有 43% AI 音乐，平台坚持全量移除 🕒 索尼等团队发布 LiveBand：消费级硬件完全本地运行，实现毫秒级即兴合奏 ✂️ Suno 升级高级音轨分离：支持精准拆分近百种乐器，随心定制专属分轨 📲 Tunee Agent 迎来重磅升级：引入无限画布与视频剪辑台，打造音视频一体化创作 本周 AI 音乐资讯速览 ⚖️ 谷歌回应 Lyria 侵权诉讼：抛出用户服务条款，直指 YouTube 允许 AI 训练 🎸 Fender 推出 Studio Pro 8.1：全球首款原生集成 Moises AI 工作流的专业 DAW 💰 华纳战略收购 Sureel AI：建立精准指纹比对技术，掌控 AI 时代版税“计量器” 🎛️ Loudly 重磅上线 AI 母带：自动匹配主流响度标准，实现全流程一站式闭环 📊 Deezer 推出 AI 检测工具：新用户曲库藏有 43% AI 音乐，平台坚持全量移除 🕒 索尼等团队发布 LiveBand：消费级硬件完全本地运行，实现毫秒级即兴合奏 ✂️ Suno 升级高级音轨分离：支持精准拆分近百种乐器，随心定制专属分轨 📲 Tunee Agent 迎来重磅升级：引入无限画布与视频剪辑台，打造音视频一体化创作 用户协议成“免死金牌”？谷歌回应侵权诉讼：YouTube 条款允许 AI 训练 6 月 9 日，针对独立音乐人联合起诉谷歌 AI 音乐模型 Lyria 3 涉嫌侵权一案，谷歌正式向法院申请驳回诉讼。与 Suno、Udio 等同行普遍依赖的“合理使用”辩护不同，谷歌此次直接亮出了无可匹敌的“平台所有者特权”。 核心辩护逻辑 • 条款暗藏乾坤： 谷歌律师指出，根据 YouTube 服务条款（ToS），用户一旦向平台上传音乐，即视为自动授予谷歌“全球性、免版税、可转让且可分许可”的广泛权利，允许其在业务中制作衍生作品。谷歌据此认为，使用这些独立音乐人上传的曲目进行 AI 训练完全合法合规。 • 大厂特例免疫： 需要注意的是，这一“霸王条款”主要针对直接上传内容的用户和独立艺术家。环球（UMG）、华纳等主流唱片大厂与 YouTube 签署了单独的授权协议，并筑有专门的 AI 专属防御屏障。 此案如果谷歌胜诉，将意味着流媒体平台可以合法将用户上传的内容转化为 AI 训练的免费燃料，或将彻底改写平台内容所有权的游戏规则。 Fender 发布 Studio Pro 8.1：首款原生集成 Moises AI 工作流的 DAW 6 月 9 日，Fender 宣布推出全新数字音频工作站 Fender Studio Pro 8.1，成为全球首款原生集成 Moises 智能工作流的 DAW。此次深度融合打破了传统插件的格式壁垒，真正让 AI 成为音乐人触手可及的创作画布。 核心一体化功能： • 高清分轨分离： 宿主内可直接将成品混音一键拆解为人声、吉他、鼓组等独立音轨，音质达到专业工作室级别，极大加速采样与二创。 • 自适应分轨生成： 创作者可通过文本提示、流派选择或参考音频，让 AI 自动生成完美贴合原曲编排、自带动态加花的自适应伴奏（如贝斯、皮鼓）。 • 合规人声工作室： 支持高保真 AI 人声音色转换，在丰富和声层次的同时，严格保障原版权艺人获得合理报酬。 该系统彻底解决了传统 AI 插件需“实时重听”的割裂体验。所有算法均基于 100% 正版授权数据训练，用户拥有完全的输出版权，完美实现了“移动端随时捕捉灵感，DAW 宿主内一站式精修”的无缝闭环。 链接：https://moises.ai/products/integrations/fender studio pro/ 掌控AI版税“计量器”！华纳音乐战略收购追踪平台 Sureel AI 6 月 10 日，华纳音乐集团（WMG）宣布收购 AI 版权确权初创公司 Sureel AI。在索尼和环球音乐仍深陷侵权诉讼泥潭之际，华纳已悄然转变策略，通过将 AI 时代的版权变现“计量器”收入囊中，直接开始制定游戏规则。 “AI DNA”与精准分账 Sureel AI 拥有多项核心专利。其技术能将音乐曲库拆解为微观“指纹”，并与 AI 的训练数据集及生成结果进行比对，为每件作品生成“AI DNA”。系统会根据底层音乐对 AI 输出的贡献度进行精确打分，以此决定版税的分成比例（例如：30% 的特征影响度直接对应 30% 的版税收益）。此外，它还能严密追踪声音克隆、AI 虚拟化身及艺术风格的复制。 保持独立与确立标准 收购后，Sureel 将依托华纳的资源与战略支持保持独立运营，服务整个音乐与 AI 生态。华纳此举不仅极大强化了对旗下艺人声音、肖像（NIL）及知识产权的保护与货币化能力，更率先在行业内确立了 AI 时代利益分配的底层技术标准。 一站式闭环！Loudly 音频引擎升级，重磅上线 AI 母带处理功能 6 月 10 日，Loudly 宣布在其核心音频引擎中正式引入 AI 母带处理（AI Mastering）功能。至此，该平台已实现“创作、重混、分轨、母带、分发”五大核心能力的全面闭环，为独立音乐人、厂牌及曲库所有者提供全流程一站式服务。 核心亮点： • 适配主流流媒体： 能够自动匹配 Spotify（ 14 LUFS）、Apple Music（ 16 LUFS）及 YouTube（ 14 LUFS）等主流平台的响度标准，并将真峰值（True Peak）控制在 1 dBTP 或更低，确保音频在编解码转换时免遭失真。 • 流派自适应与参考匹配： 引擎可自动识别音轨的流派特征进行针对性优化，并支持用户通过上传喜爱的参考曲目，直接引导最终的音色、温暖度与空间感走向。 • 数据安全与高性价比： 官方承诺绝不使用用户上传的文件训练其 AI 模型。该功能直接包含在订阅套餐中，不收取单次下载或修改费用，且支持在下载前进行实时 A/B 对比预览。 链接：https://www.loudly.com/ai song mastering 惊人数据！Deezer 推出歌单 AI 检测工具：43% 新用户曲库藏有 AI 音乐