人人都能写歌的时代来了？王炸级AI音乐工具发布，几秒钟可生成2分钟歌曲

“二月天杨柳醉春烟，三月三来山青草漫漫，最美是人间四月的天，一江春水绿如蓝……”

先请大家听一首歌曲，全新演绎的抒情版《上春山》。

如果我说，我只用了不到1分钟就完成了作曲部分，你信吗？

生成式人工智能，又出王炸产品：输入几个提示词，像是内容主题、音乐流派风格，或者直接喂给AI一段古诗词，等待几秒到几十秒，就可以生成一首长达一两分钟的歌曲。而且，目前无需排队申请，登录后可直接上手免费试玩。

资深媒体人、著名电台DJ杨樾试用Suno后，忍不住在朋友圈感慨：“AIGC热潮自前年12月涌现之后，我一直对自己从业近30年的音乐行业保有一份最后坚守的乐观，觉得AI替代人生成音乐还相对比较难”“直到昨夜，我尝试了AI音乐工具Suno的V3版，这是我用它测试做的第一首歌，做出来我真是百感交集，那一刻既兴奋又幻灭，兴奋于AI真的可以替代人做音乐了，幻灭于音乐的创作与表达手艺可能要颠覆了，这个行业也要变天了……”

AI音乐的ChatGPT时刻到了？

一家位于美国麻省剑桥的AI初创公司Suno，本周发布Suno模型V3版本。任何人，哪怕五音不全，毫无音乐创作功底，只需一个简单的文本提示，就可以秒出一首最长达2分钟的歌曲。

他们还给用户创作并提交的AI歌曲创建了排行榜。目前上榜的人气歌曲中，有不少中文曲目。用提示词“中国传统民乐、慢板、空灵、天使之音”生成的《水调歌头（明月几时有）》，挤进了前三。

排在第六位的《宫保鸡丁》创作于昨天，用户上传的歌词居然是一份完整的菜谱！

我决定自己上手试试。

先来一首舒缓情歌，输入提示词：A smooth hip hop song about wanting to be with you（一首平和流畅的嘻哈歌曲，关于想和你在一起） 。

红框框里输入提示词，按右侧黄色的创作键即可生成。

20多秒后，Suno生成了男女声两个版本。嗯，还怪好听的。

再来试试中文能力。直接将李白的七言歌行《将进酒》“喂”给AI，“君不见，黄河之水天上来，奔流到海不复回……”指定hip pop风格。生成的结果，你们听了觉得如何？

这个周末，海内外社交平台上的网友们将Suno玩出了花，甚至把ChatGPT（生成歌词）、Midjourney（生成歌曲封面）以及Runway gen2（生成歌曲MV画面）等AI工具结合起来使用。

有人投喂周杰伦的歌词，表示生成结果很满意；有人惊呼，AI音乐的ChatGPT时刻是不是已经来了；也有人说，如果古诗词都能以这种形式唱出来，儿时背诵可能就没那么难了……

还有达人多次试玩后，总结出一套比较理想的提示词模式：音乐流派（如Kpop、Heavy Metal）、音乐风格（如Slow、Broadway）、情绪（如悲伤、愤怒）、乐器（如钢琴、吉他）、主题或场景、人声描述（如愤怒的男声、忧伤的女声）。

目前，Suno面向所有人免费开放试玩，每人每天送50积分。同一段提示词，同时出2首歌曲，消耗10积分，所以，每天能创作5个内容主题的10首歌曲。

4个学霸创始人

想要人人都能制作专业级歌曲

过去的一年多，生成式 AI 在文本、图像甚至是视频领域都取得了重大突破。然而，音频，尤其是音乐，似乎一直处于滞后状态。Suno最新发布的V3版本，似乎正在解开AI音乐的秘密。“希望看到音乐制作的大众化，每个人都能制作出属于自己的专业级歌曲。”

“我们热爱编写代码、创作音乐和品尝咖啡。我们的企业文化围绕音乐和声音实验展开——从午餐时间的闲聊，到我们办公室里的录音室。”在Suno官网，团队介绍中这样写道。

另据Rolling Stone（《滚石》杂志）3月17日报道，Suno成立不到两年，目前有员工12人，公司临时办公点距离剑桥大学仅几步之遥。

4位联合创始人Mikey Shulman、Keenan Freyberg、Georg Kucsko和Martin Camacho，都是机器学习方面的专家，此前曾一同就职于人工智能公司Kensho。

其中，拥有哈佛大学物理学博士学位的Mikey Shulman，以及毕业于哈佛大学计算机科学和数学专业的Camacho也是音乐家，工作之余常常一起即兴演出。

Mikey Shulman和Martin Camacho

Georg Kucsko同样是哈佛大学物理学博士毕业，而Keenan Freyberg本科毕业于乔治华盛顿大学。

Georg Kucsko和Keenan Freyberg

Kensho这家公司成立于2013年，专注于为大型金融机构提供人工智能分析。在那里，4人共同开发了一种转录技术，用于记录上市公司的财报电话会议。这是一个很棘手的任务，因为电话会议音频质量差，行话多，且各种口音混杂。

Suno采用的方法和ChatGPT等大语言模型的通用方法类似，即将人类语言拆分为被称为token的离散段落，吸收其数百万的使用方式、风格和结构，并按需重构。不过音频，尤其是音乐的复杂程度更高。也因此，曾有专家认为，音频领域出现重大突破，可能还要好多年。

《滚石》杂志还提到，Suno的创始人们拒绝透露正在往模型中输入的数据的详情，除了一点，即V3能生成令人信服的人类声音，部分来自于它从语音录音以及音乐中学习。

事实上，Suno也预见了接下来可能将面临的问题，比如音乐厂牌和出版商的版权诉讼。创始人们表示，充分尊重艺术家和知识产权，并正在与主要音乐厂牌进行沟通。“它不会让你在提示中请求任何特定艺术家的风格，也不会使用真正的艺术家的声音。”

“我们的想法是，尝试让十亿人比现在更加热爱音乐。”Shulman说，“如果人们更热爱音乐，更专注于创作，培养出更独特的品位，这无疑对艺术家有利。我们对音乐未来的愿景是一个对艺术家友好的世界。我们并没有想要取代艺术家。”目前，V4版本已在开发中，预计很快会上线。