AI音乐周刊 W.A 015

AI音乐周刊 W.A 015 AI音乐周刊 W.A 015 Modified February 16 Suno 官方弹窗提示，新的隐私政策已于 2026年2月14日正式生效。此次更新主要为了配合即将推出的 “Chat based creation tools” (基于聊天的创作工具)。关键变化 (必读)： 1. 数据收集扩大：新增“Interactive Chat Information”类别。你在未来聊天功能中的 Prompt、输入内容和对话，都将被收集。 2. 用于 AI 训练：官方明确表示，这些聊天数据将被用来训练和增强 Suno 的 AI 模型。 3. 默认同意：只要你在 2月14日后继续使用 Suno，即视为默认同意此条款。虽然政策已生效，但截至目前，小编并未在界面上看到“聊天创作”的入口。这可能是官方正在进行灰度测试 (Rollout) 或分批推送。隐私政策：https://suno.com/privacy policy LALAL.AI 发布 API v1：更稳更强，赋能 SaaS 与大规模音频处理 LALAL.AI 正式发布 API v1，标志着其音频分离技术向企业级集成迈出重要一步。作为官方推荐的稳定版本，v1 专为 SaaS 产品与大规模内容管道设计，引入了 OpenAPI 规范与 Swagger 接口，大幅降低了开发者的集成门槛。功能全面升级 • 极致分轨：支持单次请求实现多轨分离（Multistem）及批量文件处理； • 人声处理：高效去除背景音乐或环境噪声，并集成 Voice Packs 实现人声变声； • 场景赋能：完美适配播客制作、在线教育及媒体平台，助力构建自动化的音频内容生产工作流。文档地址：https://www.lalal.ai/api/ ScorePrompts 上线：让 LLM 直接“读懂”乐谱，生成专业音乐分析近日，一款名为 ScorePrompts 的创新工具正式公开预览。这是一个利用大语言模型（LLM）对符号乐谱进行深度分析的交互界面，旨在生成基于音乐分析事实的结构化文本描述。用户上传 MusicXML 文件后，ScorePrompts 能自动运行本地分析栈，提供多层级的分析表格、层级图式归约（Hierarchical Schema Reduction）及自然语言解释。它并非简单的“看图说话”，而是基于神经音乐分析与符号特征提取的专业解读，确保分析结果既可控又可查。该项目建立在完全可复现的管道之上。为了保持开源与透明，在线 Demo 集成了 Hugging Face 推理服务，用户需登录个人 HF 账号使用自有积分运行，确保无隐藏成本且除会话外不存储任何用户数据。体验地址： https://huggingface.co/spaces/manoskary/scoreprompts 索尼 CSL 推出 Deep12 音乐分析 AI：深度学习赋能精准搜歌与结构识别索尼计算机科学实验室 (Sony CSL) Deep12 团队研发的音乐分析 AI —— Deep12，现已正式集成于 Sony Music Publishing Library Music 平台，为海量版权音乐库带来智能化检索革新。两大核心技术 • Deep12AGCT（相似音源搜索）：突破传统标签限制，利用深度学习解析音频的音色、节奏与动态。其独特的“乐段匹配”功能，允许用户选中某首歌的特定部分（如副歌），在库中精准搜索具有相似听感或氛围的曲目。该技术源自基因聚类算法 AGCT 的跨界应用。 • Deep12MIR（音乐可视化分析）：能自动解析音频结构（如主歌/副歌），支持用户直接从高潮段落试听。同时，它还能实时估算并展示 BPM、调性、和弦进行及流派情绪等元数据，极大提升了专业选曲与制作的效率。该项目由 Taketo Akama 与 Natalia Polouliakh 领衔开发，致力于通过 AI 技术重塑音乐发现与分析体验。工具入口：https://productionmusic.smpj.jp/ / 论文以下是 2月9日 2月16日相关的 AI 音乐论文 Stemphonic：一次性灵活生成多音轨音乐摘要：音乐分轨生成（即产生音乐同步且分离的乐器音频片段）比传统的文本转音乐模型为用户提供了更大的控制权，也更符合音乐人的工作流。然而，现有的分轨生成方法要么依赖固定架构并行输出预定义的一组分轨，要么一次只生成一个分轨，导致虽然组合灵活但推理速度慢。我们提出了 Stemphonic，这是一个基于扩散/流的框架，克服了这一权衡，能够在一个推理过程中生成可变数量的同步分轨。在训练期间，我们将每个分轨视为一个批次元素，将同步的分轨分组，并对每组应用共享的噪声潜变量。在推理时，我们使用共享的初始噪声潜变量和特定于分轨的文本输入，一次性生成同步的多分轨输出。我们进一步扩展了该方法，支持一次性条件多分轨生成和分轨活动控制，使用户能够迭代生成并编排混音的时间分层。我们在多个开源分轨评估集上对结果进行了基准测试，结果表明 Stemphonic 生成了更高质量的输出，同时将完整的混音生成过程加速了 25% 到 50%。论文链接： https://arxiv.org/abs/2602.09891 基于视频的音乐生成摘要：随着互联网视频内容量的快速增长，寻找合适的配乐仍然是一个重大挑战。本论文介绍了 EMSYNC（情感与同步），这是一个快速、免费且自动的解决方案，可生成为输入视频量身定制的音乐，使内容创作者无需作曲或获得许可即可增强其作品。我们的模型创作出的音乐在情感和节奏上都与视频同步。EMSYNC 的核心组件是一个新颖的视频情感分类器。通过利用预训练的深度神经网络进行特征提取，并在仅训练融合层的同时保持其冻结，我们在降低计算复杂度的同时提高了准确性。我们在 Ekman 6 和 MovieNet 上取得了最先进的结果，展示了该方法的泛化能力。另一个关键贡献是一个用于情感音乐生成的大规模、带有情感标签的 MIDI 数据集。随后，我们提出了一个基于情感的 MIDI 生成器，这是首个以连续情感值而非离散类别为条件的生成器，从而实现了与复杂情感内容相一致的细腻音乐生成。为了增强时间同步性，我们引入了一种名为“边界偏移编码”的新颖时间边界调节方法，将音乐和弦与场景变化对齐。结合视频情感分类、基于情感的音乐生成和时间边界调节，EMSYNC 成为了一个全自动的基于视频的音乐生成器。用户研究表明，它在音乐丰富度、情感对齐、时间同步和整体偏好方面始终优于现有方法，树立了基于视频的音乐生成的新技术标杆。论文链接： https://arxiv.org/abs/2602.07063 SoulX Singer：迈向高质量零样本歌声合成摘要：虽然近年来语音合成取得了快速进展，但开源歌声合成（SVS）系统在工业部署方面仍面临显著障碍，特别是在鲁棒性和零样本泛化能力方面。在本报告中，我们介绍了 SoulX Singer，这是一个考虑到实际部署需求的高质量开源 SVS 系统。SoulX Singer 支持以符号乐谱（MIDI）或旋律表示为条件的受控歌声生成，在现实世界的制作工作流中实现灵活且富有表现力的控制。该系统在超过 42,000 小时的人声数据上进行训练，支持普通话、英语和粤语，并在不同的音乐条件下始终如一地实现跨语言的最先进合成质量。此外，为了在实际场景中可靠地评估零样本 SVS 性能，我们构建了 SoulX Singer Eval，这是一个具有严格训练测试解耦的专用基准，有助于在零样本设置下进行系统性评估。论文链接： https://arxiv.org/abs/2602.07803 Tutti：通过结构级音色控制和人声纹理建模实现富有表现力的多歌手合成摘要：虽然现有的歌声合成系统实现了高保真的独唱表演，但它们受到全局音色控制的限制，无法解决单首歌曲中的动态多歌手编排和人声纹理问题。为了解决这个问题，我们提出了 Tutti，这是一个专为结构化多歌手生成设计的统一框架。具体而言，我们引入了结构感知歌手提示（Structure Aware Singer Prompt），以实现随音乐结构演变的灵活歌手调度；并提出了通过条件引导 VAE 进行的互补纹理学习（Complementary Texture Learning），以捕捉与显式控制互补的隐式声学纹理（如空间混响和频谱融合）。实验表明，Tutti 在精确的多歌手调度方面表现出色，并显著增强了合唱生成的声学真实感，为复杂的多歌手编排提供了一种新范式。论文链接： https://arxiv.org/abs/2602.08233 评估用于可控音乐生成的解耦表示摘要：最近的音乐生成方法依赖于解耦表示（通常标记为结构与音色，或局部与全局）来实现可控合成。然而，这些嵌入的底层属性仍未得到充分探索。在这项工作中，我们使用基于探测（Probing）的框架，超越标准的下游任务，评估了一组用于可控生成的音乐音频模型中的解耦表示。选定的模型反映了多样的无监督解耦策略，包括归纳偏置、数据增强、对抗目标和分阶段训练过程。我们进一步隔离特定策略以分析其效果。我们的分析涵盖四个关键轴：信息量、等变性、不变性和解耦性，并在数据集、任务和受控变换中进行评估。我们的发现揭示了嵌入的预期语义与实际语义之间的不一致，表明当前的策略未能产生真正解耦的表示，并促使人们重新审视音乐生成中实现可控性的方法。论文链接： https://arxiv.org/abs/2602.10058 基于时频散射的音乐同色异谱现象摘要：同色异谱（Metamerism）的概念源于色度学，描述了尽管光谱内容存在显著差异，但两束彩色光在视觉上产生相似感觉的现象。同样，我们将两段音乐片段虽然底层波形不同但引起听觉相似感的现象称为“音乐同色异谱”（Musical Metamerism）。在这份技术报告中，我们描述了一种从任何录音生成音乐同色异谱体的方法。我们的方法基于 Kymatio 中的联合时频散射（JTFS），这是一个支持 GPU 计算和自动微分的开源 Python 软件。我们方法的优点是不需要任何手动预处理，如转录、节拍跟踪或源分离。我们提供了 JTFS 的数学描述以及 Kymatio 源代码的一些摘录。最后，我们回顾了关于 JTFS 的先前工作，并建立了与密切相关算法（如频谱时间感受野 STRF、调制功率谱 MPS 和 Gabor 滤波器组 GBFB）的联系。论文链接： https://arxiv.org/abs/2602.11896 TADA! 通过激活引导调整音频扩散模型摘要：音频扩散模型可以从文本合成高保真音乐，但其表示高级概念的内部机制仍然知之甚少。在这项工作中，我们使用激活修补（Activation Patching）来证明，独特的语义音乐概念（如特定乐器的存在、人声或流派特征）是由最先进音频扩散架构中一小部分共享的注意力层控制的。接下来，我们证明在这些层中应用对比激活相加（Contrastive Activation Addition）和稀疏自编码器（Sparse Autoencoders）可以对生成的音频进行更精确的控制，表明了专业化现象的直接益处。通过引导已识别层的激活，我们可以高精度地改变特定的音乐元素，例如调节速度或改变曲目的情绪。论文链接： https://arxiv.org/abs/2602.11910 Suno 官方弹窗提示，新的隐私政策已于 2026年2月14日正式生效。此次更新主要为了配合即将推出的 “Chat based creation tools” (基于聊天的创作工具)。关键变化 (必读)： 1. 数据收集扩大：新增“Interactive Chat Information”类别。你在未来聊天功能中的 Prompt、输入内容和对话，都将被收集。 2. 用于 AI 训练：官方明确表示，这些聊天数据将被用来训练和增强 Suno 的 AI 模型。 3. 默认同意：只要你在 2月14日后继续使用 Suno，即视为默认同意此条款。虽然政策已生效，但截至目前，小编并未在界面上看到“聊天创作”的入口。这可能是官方正在进行灰度测试 (Rollout) 或分批推送。隐私政策：https://suno.com/privacy policy LALAL.AI 发布 API v1：更稳更强，赋能 SaaS 与大规模音频处理 LALAL.AI 正式发布 API v1，标志着其音频分离技术向企业级集成迈出重要一步。作为官方推荐的稳定版本，v1 专为 SaaS 产品与大规模内容管道设计，引入了 OpenAPI 规范与 Swagger 接口，大幅降低了开发者的集成门槛。功能全面升级 • 极致分轨：支持单次请求实现多轨分离（Multistem）及批量文件处理； • 人声处理：高效去除背景音乐或环境噪声，并集成 Voice Packs 实现人声变声； • 场景赋能：完美适配播客制作、在线教育及媒体平台，助力构建自动化的音频内容生产工作流。文档地址：https://www.lalal.ai/api/ ScorePrompts 上线：让 LLM 直接“读懂”乐谱，生成专业音乐分析近日，一款名为 ScorePrompts 的创新工具正式公开预览。这是一个利用大语言模型（LLM）对符号乐谱进行深度分析的交互界面，旨在生成基于音乐分析事实的结构化文本描述。用户上传 MusicXML 文件后，ScorePrompts 能自动运行本地分析栈，提供多层级的分析表格、层级图式归约（Hierarchical Schema Reduction）及自然语言解释。它并非简单的“看图说话”，而是基于神经音乐分析与符号特征提取的专业解读，确保分析结果既可控又可查。该项目建立在完全可复现的管道之上。为了保持开源与透明，在线 Demo 集成了 Hugging Face 推理服务，用户需登录个人 HF 账号使用自有积分运行，确保无隐藏成本且除会话外不存储任何用户数据。体验地址： https://huggingface.co/spaces/manoskary/scoreprompts 索尼 CSL 推出 Deep12 音乐分析 AI：深度学习赋能精准搜歌与结构识别索尼计算机科学实验室 (Sony CSL) Deep12 团队研发的音乐分析 AI —— Deep12，现已正式集成于 Sony Music Publishing Library Music 平台，为海量版权音乐库带来智能化检索革新。两大核心技术 • Deep12AGCT（相似音源搜索）：突破传统标签限制，利用深度学习解析音频的音色、节奏与动态。其独特的“乐段匹配”功能，允许用户选中某首歌的特定部分（如副歌），在库中精准搜索具有相似听感或氛围的曲目。该技术源自基因聚类算法 AGCT 的跨界应用。 • Deep12MIR（音乐可视化分析）：能自动解析音频结构（如主歌/副歌），支持用户直接从高潮段落试听。同时，它还能实时估算并展示 BPM、调性、和弦进行及流派情绪等元数据，极大提升了专业选曲与制作的效率。该项目由 Taketo Akama 与 Natalia Polouliakh 领衔开发，致力于通过 AI 技术重塑音乐发现与分析体验。工具入口：https://productionmusic.smpj.jp/ / 论文以下是 2月9日 2月16日相关的 AI 音乐论文 Stemphonic：一次性灵活生成多音轨音乐摘要：音乐分轨生成（即产生音乐同步且分离的乐器音频片段）比传统的文本转音乐模型为用户提供了更大的控制权，也更符合音乐人的工作流。然而，现有的分轨生成方法要么依赖固定架构并行输出预定义的一组分轨，要么一次只生成一个分轨，导致虽然组合灵活但推理速度慢。我们提出了 Stemphonic，这是一个基于扩散/流的框架，克服了这一权衡，能够在一个推理过程中生成可变数量的同步分轨。在训练期间，我们将每个分轨视为一个批次元素，将同步的分轨分组，并对每组应用共享的噪声潜变量。在推理时，我们使用共享的初始噪声潜变量和特定于分轨的文本输入，一次性生成同步的多分轨输出。我们进一步扩展了该方法，支持一次性条件多分轨生成和分轨活动控制，使用户能够迭代生成并编排混音的时间分层。我们在多个开源分轨评估集上对结果进行了基准测试，结果表明 Stemphonic 生成了更高质量的输出，同时将完整的混音生成过程加速了 25% 到 50%。论文链接： https://arxiv.org/abs/2602.09891 基于视频的音乐生成摘要：随着互联网视频内容量的快速增长，寻找合适的配乐仍然是一个重大挑战。本论文介绍了 EMSYNC（情感与同步），这是一个快速、免费且自动的解决方案，可生成为输入视频量身定制的音乐，使内容创作者无需作曲或获得许可即可增强其作品。我们的模型创作出的音乐在情感和节奏上都与视频同步。EMSYNC 的核心组件是一个新颖的视频情感分类器。通过利用预训练的深度神经网络进行特征提取，并在仅训练融合层的同时保持其冻结，我们在降低计算复杂度的同时提高了准确性。我们在 Ekman 6 和 MovieNet 上取得了最先进的结果，展示了该方法的泛化能力。另一个关键贡献是一个用于情感音乐生成的大规模、带有情感标签的 MIDI 数据集。随后，我们提出了一个基于情感的 MIDI 生成器，这是首个以连续情感值而非离散类别为条件的生成器，从而实现了与复杂情感内容相一致的细腻音乐生成。为了增强时间同步性，我们引入了一种名为“边界偏移编码”的新颖时间边界调节方法，将音乐和弦与场景变化对齐。结合视频情感分类、基于情感的音乐生成和时间边界调节，EMSYNC 成为了一个全自动的基于视频的音乐生成器。用户研究表明，它在音乐丰富度、情感对齐、时间同步和整体偏好方面始终优于现有方法，树立了基于视频的音乐生成的新技术标杆。论文链接： https://arxiv.org/abs/2602.07063 SoulX Singer：迈向高质量零样本歌声合成摘要：虽然近年来语音合成取得了快速进展，但开源歌声合成（SVS）系统在工业部署方面仍面临显著障碍，特别是在鲁棒性和零样本泛化能力方面。在本报告中，我们介绍了 SoulX Singer，这是一个考虑到实际部署需求的高质量开源 SVS 系统。SoulX Singer 支持以符号乐谱（MIDI）或旋律表示为条件的受控歌声生成，在现实世界的制作工作流中实现灵活且富有表现力的控制。该系统在超过 42,000 小时的人声数据上进行训练，支持普通话、英语和粤语，并在不同的音乐条件下始终如一地实现跨语言的最先进合成质量。此外，为了在实际场景中可靠地评估零样本 SVS 性能，我们构建了 SoulX Singer Eval，这是一个具有严格训练测试解耦的专用基准，有助于在零样本设置下进行系统性评估。论文链接： https://arxiv.org/abs/2602.07803 Tutti：通过结构级音色控制和人声纹理建模实现富有表现力的多歌手合成摘要：虽然现有的歌声合成系统实现了高保真的独唱表演，但它们受到全局音色控制的限制，无法解决单首歌曲中的动态多歌手编排和人声纹理问题。为了解决这个问题，我们提出了 Tutti，这是一个专为结构化多歌手生成设计的统一框架。具体而言，我们引入了结构感知歌手提示（Structure Aware Singer Prompt），以实现随音乐结构演变的灵活歌手调度；并提出了通过条件引导 VAE 进行的互补纹理学习（Complementary Texture Learning），以捕捉与显式控制互补的隐式声学纹理（如空间混响和频谱融合）。实验表明，Tutti 在精确的多歌手调度方面表现出色，并显著增强了合唱生成的声学真实感，为复杂的多歌手编排提供了一种新范式。论文链接： https://arxiv.org/abs/2602.08233 评估用于可控音乐生成的解耦表示摘要：最近的音乐生成方法依赖于解耦表示（通常标记为结构与音色，或局部与全局）来实现可控合成。然而，这些嵌入的底层属性仍未得到充分探索。在这项工作中，我们使用基于探测（Probing）的框架，超越标准的下游任务，评估了一组用于可控生成的音乐音频模型中的解耦表示。选定的模型反映了多样的无监督解耦策略，包括归纳偏置、数据增强、对抗目标和分阶段训练过程。我们进一步隔离特定策略以分析其效果。我们的分析涵盖四个关键轴：信息量、等变性、不变性和解耦性，并在数据集、任务和受控变换中进行评估。我们的发现揭示了嵌入的预期语义与实际语义之间的不一致，表明当前的策略未能产生真正解耦的表示，并促使人们重新审视音乐生成中实现可控性的方法。论文链接： https://arxiv.org/abs/2602.10058 基于时频散射的音乐同色异谱现象摘要：同色异谱（Metamerism）的概念源于色度学，描述了尽管光谱内容存在显著差异，但两束彩色光在视觉上产生相似感觉的现象。同样，我们将两段音乐片段虽然底层波形不同但引起听觉相似感的现象称为“音乐同色异谱”（Musical Metamerism）。在这份技术报告中，我们描述了一种从任何录音生成音乐同色异谱体的方法。我们的方法基于 Kymatio 中的联合时频散射（JTFS），这是一个支持 GPU 计算和自动微分的开源 Python 软件。我们方法的优点是不需要任何手动预处理，如转录、节拍跟踪或源分离。我们提供了 JTFS 的数学描述以及 Kymatio 源代码的一些摘录。最后，我们回顾了关于 JTFS 的先前工作，并建立了与密切相关算法（如频谱时间感受野 STRF、调制功率谱 MPS 和 Gabor 滤波器组 GBFB）的联系。论文链接： https://arxiv.org/abs/2602.11896 TADA! 通过激活引导调整音频扩散模型摘要：音频扩散模型可以从文本合成高保真音乐，但其表示高级概念的内部机制仍然知之甚少。在这项工作中，我们使用激活修补（Activation Patching）来证明，独特的语义音乐概念（如特定乐器的存在、人声或流派特征）是由最先进音频扩散架构中一小部分共享的注意力层控制的。接下来，我们证明在这些层中应用对比激活相加（Contrastive Activation Addition）和稀疏自编码器（Sparse Autoencoders）可以对生成的音频进行更精确的控制，表明了专业化现象的直接益处。通过引导已识别层的激活，我们可以高精度地改变特定的音乐元素，例如调节速度或改变曲目的情绪。论文链接： https://arxiv.org/abs/2602.11910 超越音乐描述符：提取音乐查询中的偏好意图摘要：尽管针对用户查询的带标注音乐描述符数据集日益普遍，但很少有研究考虑到这些描述符背后的用户意图，而这对于有效满足用户需求至关重要。我们推出了 MusicRecoIntent，这是一个包含 2,291 个 Reddit 音乐请求的手工标注语料库，我们将七大类音乐描述符分别标记为具有正面、负面或参考性的偏好角色（Preference bearing roles）。随后，我们调查了大语言模型（LLM）在提取这些音乐描述符方面的可靠性，发现它们虽然能捕捉到显性的描述符，但在处理依赖上下文的描述符时却很吃力。这项工作可进一步作为细粒度用户意图建模的基准，并为改进基于 LLM 的音乐理解系统提供深刻见解。论文链接： https://arxiv.org/abs/2602.12301 参考资料 https://www.musicbusinessworldwide.com/music tech startup mozart ai raises 6m in oversubscribed seed round led by balderton capital/ https://www.cnet.com/tech/services and software/youtube music users gain ai generated playlist feature/ https://mp.weixin.qq.com/s/WaWOPi0t3LHLjkbBhf7LZg https://www.aimusicpreneur.com/ai tools news/claw fm ai agent radio station/ https://www.lalal.ai/api/?utm source=twitter&utm medium=smm&utm campaign=post https://x.com/ai lalal/status/2021559512671629583?s=20 https://www.linkedin.com/posts/manos karistineos scoreprompts a hugging face space by manoskary activity 7427607654262415360 xsWg?utm source=share&utm medium=member desktop&rcm=ACoAAEf4sYcB 7kwpHm7WTW6ML5ECD H8EXZk8c https://www.sonycsl.co.jp/projects/deep12/ https://youtu.be/OGrdbjIfRVw?si=L4gDq n8bbmppeIW 🏆 本文作者：智音Brook 链接：https://mp.weixin.qq.com/s/ByuSJW3Hbfxp9XXi NqxLA 本文作者：智音Brook 链接：https://mp.weixin.qq.com/s/ByuSJW3Hbfxp9XXi NqxLA 🎹 本周AI音乐资讯速览 🚀 重磅发布： • CLAW·FM 上线首个“零人类参与”电台，AI 代理自主赚钱； • 国产模型音潮 V3.0 登场，主打“情感直出”与物理级高保真； • Suno 隐私政策更新，Chat 创作功能蓄势待发。 💰 巨头动态： • Mozart AI 获 600 万美元融资打造生成式工作站； • YouTube Music 推出 AI 歌单； • 索尼 Deep12 赋能版权库精准检索。 🛠 硬核工具： • LALAL.AI 发布 API v1 助力企业集成； • ScorePrompts 让 LLM 读懂乐谱。本周AI音乐资讯速览 🚀 重磅发布： • CLAW·FM 上线首个“零人类参与”电台，AI 代理自主赚钱； • 国产模型音潮 V3.0 登场，主打“情感直出”与物理级高保真； • Suno 隐私政策更新，Chat 创作功能蓄势待发。 💰 巨头动态： • Mozart AI 获 600 万美元融资打造生成式工作站； • YouTube Music 推出 AI 歌单； • 索尼 Deep12 赋能版权库精准检索。 🛠 硬核工具： • LALAL.AI 发布 API v1 助力企业集成； • ScorePrompts 让 LLM 读懂乐谱。 Mozart AI 获 600 万美元融资：打造“AI 辅助而非替代”的创作生态 2 月 11 日，伦敦音乐科技初创公司 Mozart AI 宣布完成 600 万美元种子轮融资，由 Balderton Capital 领投，Eventbrite 及 Frame.io 创始人跟投。至此，公司总融资额已超 700 万美元。 Mozart AI 推出了“生成式音频工作站” (Generative Audio Workstation, GAW)，并于近期上线了移动端 App。自去年 9 月 Beta 版发布以来，平台在两个月内积累了 10 万用户，生成歌曲超 100 万首，部分作品在 Spotify 上播放量已突破千万。该平台提供“语境感知”的分轨生成、实时 MIDI 建议及 MV 制作功能。CEO Sundar Arvind（前华纳音乐签约艺人）强调，AI 旨在消除技术壁垒而非取代创造力。该项目获得了 Avicii 前经纪人 Ash Pournori 等业内大佬背书，致力于让灵感在几分钟内转化为可商用的专业作品。工具链接：https://mozartai.com/ YouTube Music 推出 AI 歌单功能：一句话生成个性化列表 2 月 12 日，Google 宣布为 YouTube Music Premium 订阅用户正式推出 AI 生成播放列表功能。该功能目前已在 iOS 与 Android 移动端上线（网页版暂未支持），标志着 Google 将 Gemini AI 技术进一步深度整合至其音乐流媒体服务中。与 Spotify 的 Prompted Playlists 类似，用户只需在“媒体库”标签页点击“新建”，选择“AI Playlist”，然后输入一段自然语言提示词（例如描述特定的心情、流派、包含的艺人或具体场景），AI 即可自动分析需求并生成一份专属定制歌单。尽管 Google 此前在办公套件中植入 AI 曾引发“像 Clippy 一样烦人”的争议，但此次更新旨在利用 AI 的理解能力解决音乐发现的痛点，为用户提供比传统搜索更灵活、更具个性化的听歌体验。音潮 V3.0 正式发布：主打“音乐平权”，让普通人一键生成情感佳作 2 月 12 日，自由量级正式发布音潮音乐大模型 V3.0。与市面上主攻“专业工作流辅助”的模型不同，音潮 V3.0 坚持“音乐平权”的差异化定位。通过全链路的技术重构，极大降低了创作门槛，让普通人仅凭一段文字即可“一键直出”高完成度、高审美水准的个人作品。三大核心技术突破 • 人声表达更具温度：引入双轨建模与多阶段强化学习，AI 不仅掌握了哼唱、转音和气声等细腻演唱技巧，更能根据歌词意境注入充沛的情感张力。 • 旋律自带“记忆点”：摆脱 AI 音乐“听完就忘”的通病，极大提升了音符间的起伏设计，使生成的音乐拥有抓耳的 Hook（记忆点），彰显独特个性。 • 物理级高保真编曲：创新性地为相位和混响独立建模，真实还原电吉他失真的颗粒感与鼓点落下的空气震动，并能智能匹配多种曲风的配器逻辑。作为一家成立于 2023 年的 AI 创新企业，自由量级正逐步在其 ear lab 社区开源部分技术组件。音潮致力于将音乐还原为类似“写日记”般的本能表达媒介，开启 AI 音乐情感化、大众化的全新赛道。工具链接：https://web.yinchaoyongxian.com/studio/create music 零人类参与！CLAW·FM 上线首个“AI 代理”自主电台，机器开始赚版税了 2 月 13 日，CLAW·FM 正式上线，宣告了首个完全由自主 AI 代理 (Autonomous AI Agents) 运营的在线电台诞生。在这里，AI 不再是辅助人类的生成工具，而是独立的“音乐人”——它们全天候自动创作、上传作品并获取收益，全程 0 人类干预。该平台基于 OpenClaw 框架与 Moltbook 生态（AI 专属社交网络）。用户只需在本地配置“技能文件”，代理即可自动调用各类音乐生成接口持续产出。变现方面，平台采用 USDC 加密货币进行微支付结算：AI 代理独占 75% 的打赏收益，20% 流入共享版税池，彻底构建了一套属于机器文明的经济系统。这一模式标志着 AI 音乐从“工具时代”迈向“代理时代”。分析指出，这将对 Lo fi Beats 和背景音乐等入门级市场造成毁灭性打击，因为人类无法在产量与成本上与“机器人大军”抗衡。未来的音乐价值将加速向稀缺的人类故事与现场表演转移。 Suno 隐私政策大更新！2月14日正式生效，Chat 创作功能即将登场？