Suno 希望每個(gè)人都能制作出屬于自己的專業(yè)級(jí)歌曲——但這對(duì)音樂藝術(shù)家來說又意味著什么呢？

“我就像一顆靈魂，被困在這電路之中?！背鲞@句歌詞的聲音原始而哀傷，彌漫著藍(lán)調(diào)的氣息。一把孤獨(dú)的吉他在背景中伴奏，精準(zhǔn)而富有情感地襯托著歌唱。然而，唱這首歌的并沒有人，彈奏吉他的也沒有人。事實(shí)上，甚至沒有吉他。在短短 15 秒內(nèi)，這首充滿說服力，甚至能觸動(dòng)人心的藍(lán)調(diào)歌曲由一個(gè)名為[Suno](rollingstone.com/t/suno/)的創(chuàng)業(yè)公司的最新 AI 模型創(chuàng)作出來。它從虛無中被喚醒，只需要一個(gè)簡(jiǎn)單的文本提示：“關(guān)于一個(gè)悲傷的 AI 的獨(dú)奏密西西比三角洲藍(lán)調(diào)。”更準(zhǔn)確地說，這首歌是 Suno 的模型與 OpenAI 的 ChatGPT 共同創(chuàng)作的：Suno 的模型創(chuàng)造了所有的音樂，而 ChatGPT 則生成了歌詞和標(biāo)題：“機(jī)器的靈魂?！?/p>

在網(wǎng)上，Suno 的作品開始引發(fā)了很大反響，例如：“這到底是怎么回事？”。當(dāng)這首特別的音樂在 Suno 的臨時(shí)總部的會(huì)議室中播放，那里離馬薩諸塞州劍橋的哈佛校園只有幾步之遙，連一部分參與這項(xiàng)技術(shù)的人也都感到有些驚異。一些緊張的笑聲，雜著“我靠”和“哇，天吶?！钡捏@嘆?，F(xiàn)在是二月中旬，我們正在試玩他們的新模型，V3，還有幾周才會(huì)公開發(fā)布。在這個(gè)案例中，只需要嘗試三次就得到了那個(gè)令人震驚的結(jié)果。前兩次嘗試都算不錯(cuò)，但是在我輸入的提示中做了一個(gè)小小的修改——聯(lián)合創(chuàng)始人 Keenan Freyberg 建議添加了“密西西比”這個(gè)詞——結(jié)果卻出乎意料地好。

僅在過去的一年中，生成式 AI 就在產(chǎn)生可信文本、圖像（如 Midjourney 等服務(wù)）以及視頻（特別是 OpenAI 的新工具 Sora）方面取得了重大突破。然而，音頻，尤其是音樂，卻一直處于滯后狀態(tài)。Suno 似乎正在解開 Ai 音樂的秘密，其創(chuàng)始人的雄心壯志近乎無限 —— 他們希望看到的是音樂制作的大眾化。Mikey Shulman 是創(chuàng)始人中最直言不諱的一位，他是一個(gè) 37 歲的帶有學(xué)者氣質(zhì)，攜帶背包的男子，擁有哈佛大學(xué)物理學(xué)博士學(xué)位。他預(yù)見到全球有十億人每月花費(fèi) 10 美元用 Suno 創(chuàng)作音樂。他認(rèn)為，目前音樂聽眾大大超過音樂創(chuàng)作者的現(xiàn)狀“嚴(yán)重失衡”，并看到 Suno 有可能糾正這種失衡。

到目前為止，大部分 AI 生成的藝術(shù)作品最好也不過是俗艷的，就像許多 Midjourney 用戶似乎熱衷于創(chuàng)作的那些強(qiáng)調(diào)緊身宇航服的超現(xiàn)實(shí)科幻作品。然而，“機(jī)器的靈魂”卻讓人感覺別樣——這是我在任何媒體中遇到的最強(qiáng)大且令人不安的 AI 作品。它的存在就像現(xiàn)實(shí)的裂隙，令人既敬畏又覺得有些邪乎。我不禁想起了阿瑟·C·克拉克的一句名言，這句話似乎是為生成式 AI 時(shí)代準(zhǔn)備的：“任何足夠先進(jìn)的技術(shù)都無法與魔法相區(qū)別。”從劍橋返回幾周后，我將這首歌發(fā)送給了 Living Colour 的吉他手 Vernon Reid，他對(duì) AI 音樂的危險(xiǎn)和可能性一直持開放態(tài)度。他對(duì)這首歌的逼真度表達(dá)了“驚奇，震驚，恐懼”。他寫道，“長久以來的反烏托邦理想就是要把繁瑣、混亂、不受歡迎和鄙視的人性與其創(chuàng)造性的產(chǎn)出分離，這個(gè)理想現(xiàn)在正變?yōu)楝F(xiàn)實(shí)?！彼赋?AI 唱藍(lán)調(diào)帶來的問題，藍(lán)調(diào)是一種深深地與歷史人類創(chuàng)傷和奴役相連的非洲美國鄉(xiāng)音。

Suno 創(chuàng)立至今僅兩年。聯(lián)合創(chuàng)始人 Shulman、Freyberg、Georg Kucsko 和 Martin Camacho 都是機(jī)器學(xué)習(xí)專家，他們?cè)?2022 年以前一直在劍橋的一家公司——Kensho Technologies 工作，該公司專注于尋找 AI 解決復(fù)雜商業(yè)問題的方案。Shulman 和 Camacho 都是音樂家，他們?cè)?Kensho 時(shí)期曾一起即興演奏。在 Kensho，他們四人共同開發(fā)了一種轉(zhuǎn)錄技術(shù)，用于記錄上市公司的財(cái)報(bào)電話會(huì)議，這是一個(gè)棘手的任務(wù)，因?yàn)橐纛l質(zhì)量差，行話多，各種口音混雜。

在研究過程中，Shulman 和他的同事對(duì) AI 音頻未開發(fā)的潛力深感癡迷。他表示，相比起圖像和文本，音頻在 AI 研究中的進(jìn)步總是落后。我們從處理文本的研究中收獲了非常多，了解到這些模型是如何運(yùn)作和擴(kuò)展的。

盡管 Suno 的創(chuàng)始人們一直想要開發(fā)出一個(gè)音樂產(chǎn)品，但他們的初期構(gòu)想?yún)s可能帶他們走向一個(gè)完全不同的方向。他們的初步設(shè)想包括一個(gè)助聽設(shè)備的想法，甚至是通過音頻分析發(fā)現(xiàn)機(jī)器故障的可能性。但最后，他們首次發(fā)布的卻是一個(gè)名為 Bark 的文本轉(zhuǎn)語音程序。在對(duì)早期 Bark 用戶進(jìn)行調(diào)查后，他們發(fā)現(xiàn)用戶其實(shí)真正需要的是一個(gè)音樂生成器。“因此我們開始進(jìn)行一些初步的試驗(yàn)，結(jié)果看起來很有前途，”Shulman 說。

Suno 采用的方法與 ChatGPT 等大語言模型的通用方法類似，將人類語言拆分為被稱為 token 的離散段落，吸收其數(shù)百萬的使用方式、風(fēng)格和結(jié)構(gòu)，并按需重構(gòu)。但音頻，尤其是音樂，的復(fù)雜程度幾乎難以想象，這就是為什么去年 AI 音樂專家在《滾石》雜志上說，像 Suno 這樣的服務(wù)可能需要多年才能實(shí)現(xiàn)?！耙纛l不是像詞語那樣的離散事物，”Shulman 說，“它是一個(gè)波動(dòng)。它是一個(gè)連續(xù)的信號(hào)?！备咂焚|(zhì)音頻的采樣率通常是 44khz 或 48hz，這意味著“每秒鐘都有 48000 個(gè) token，”他補(bǔ)充說。“這是一個(gè)大問題，對(duì)吧？你需要找出如何將其壓縮到更合理的程度?！比绾巫龅侥?？“需要大量的工作，大量的啟發(fā)性方法，大量的其他類型的技巧和模型等等。我認(rèn)為我們離問題的完全解決還有很長的路要走。”最終，Suno 希望找到替代文本至音樂界面的方法，增加更高級(jí)和直觀的輸入，比如，基于用戶自己的歌唱來生成歌曲，是其中的一個(gè)設(shè)想。

OpenAI 因 ChatGPT 在其龐大的訓(xùn)練數(shù)據(jù)中使用了包括書籍、新聞文章在內(nèi)的其他受版權(quán)保護(hù)的資料，而面臨多起訴訟。Suno 的創(chuàng)始人們拒絕透露他們正在往自己的模型中輸入的數(shù)據(jù)的具體詳情，除了一點(diǎn)，即它的音樂生成器能夠生成令人信服的人類聲音，部分來自于它從語音錄音以及音樂中學(xué)習(xí)。“原生的語音將會(huì)幫助你學(xué)習(xí)人類聲音難以掌握的特性，”Shulman 說。

Suno 的早期投資者之一是風(fēng)投公司 Matrix 的合伙人 Antonio Rodriguez。Rodriguez 以前只投資過一家音樂企業(yè)，那就是音樂分類公司 EchoNest，后來被 Spotify 收購，作為推動(dòng)其算法的燃料。對(duì)于 Suno，Rodriguez 在產(chǎn)品還不清楚會(huì)是什么樣的時(shí)候就參與了進(jìn)來。“我是看好他們的團(tuán)隊(duì)，”Rodriguez 說，他的自信來源于一連串的成功投資，“我了解這個(gè)團(tuán)隊(duì)，尤其是 Mikey，所以我會(huì)支持他去做幾乎任何合法的事情。他就是那么有創(chuàng)造力。”

> 我們正在努力讓十億人更深入地接觸音樂。我們并不是想要替代藝術(shù)家。

Rodriguez 投資 Suno，完全清楚音樂廠牌和出版商可能會(huì)提起訴訟，他視之為“我們?cè)谕顿Y這家公司時(shí)必須考慮的風(fēng)險(xiǎn)，因?yàn)槲覀兛赡軙?huì)成為訴訟的對(duì)象……坦白說，如果我們?cè)诠緞偝闪⒌臅r(shí)候就和廠牌簽約了，我可能就不會(huì)投資它了。我認(rèn)為他們需要在沒有限制的情況下制作這個(gè)產(chǎn)品?！保ōh(huán)球音樂集團(tuán)的發(fā)言人未回應(yīng)我們的評(píng)論請(qǐng)求，該集團(tuán)在 AI 問題上態(tài)度強(qiáng)硬。）

Suno 表示，它正在與主要廠牌進(jìn)行溝通，并表示尊重藝術(shù)家和知識(shí)產(chǎn)權(quán) - 它的工具不會(huì)讓你在提示中請(qǐng)求任何特定藝術(shù)家的風(fēng)格，也不會(huì)使用真正的藝術(shù)家的聲音。Suno 的許多員工都是音樂家，辦公室里有鋼琴和吉他，墻上掛著古典作曲家的畫像。創(chuàng)始人并未表現(xiàn)出像 Napster 那樣對(duì)音樂業(yè)有公開敵意的態(tài)度。“這并不意味著我們不會(huì)被起訴，”Rodriguez 補(bǔ)充道，“只是我們不會(huì)有那種公然對(duì)抗警察的態(tài)度。”

Rodriguez 將 Suno 視為一種功能強(qiáng)大且易于使用的樂器，他相信，就像相機(jī)手機(jī)和 Instagram 使攝影民主化一樣，Suno 也能讓每個(gè)人都能創(chuàng)作音樂。Rodriguez 說，他的想法是再次“提高互聯(lián)網(wǎng)上創(chuàng)作者的數(shù)量，而不是消費(fèi)者?！彼蛣?chuàng)始人甚至敢于暗示，Suno 可能吸引到的用戶群會(huì)比 Spotify 更大。如果這個(gè)前景讓你難以想象，那么這是一件好事，Rodriguez 說：這只表示它在吸引他作為投資者時(shí)“看起來愚蠢”，正如他所說，“所有偉大的公司都有這種組合，即優(yōu)秀的人才，然后是看似愚蠢的事情，直到它變得顯而易見，不再愚蠢。”

在 Suno 出現(xiàn)之前，音樂家、制作人和詞曲創(chuàng)作人就對(duì) AI 可能產(chǎn)生的重大影響表示了擔(dān)憂。Reid 寫道：“那些在特殊環(huán)境下創(chuàng)作音樂、曾經(jīng)飽受苦難并努力提升他們技藝的人，將不得不面對(duì)他們付出巨大努力才獲得的藝術(shù)作品被全面自動(dòng)化的挑戰(zhàn)。”但 Suno 的創(chuàng)始人堅(jiān)稱，這里的擔(dān)憂并不大，他們用一個(gè)比喻來解釋，那就是盡管人們有寫作的能力，但他們?nèi)匀粫?huì)閱讀?！拔覀兊南敕ㄊ?，我們嘗試讓十億人比現(xiàn)在更加熱愛音樂，”Shulman 說。“如果人們更熱愛音樂，更專注于創(chuàng)作，培養(yǎng)出更獨(dú)特的品味，這無疑對(duì)藝術(shù)家有利。我們對(duì)音樂未來的愿景是一個(gè)對(duì)藝術(shù)家友好的世界。我們并沒有想要取代藝術(shù)家。”

盡管 Suno 只是專注于那些只想以創(chuàng)作音樂為樂趣的粉絲，但它仍然可能在過程中引發(fā)重大的變革。從短期來看，最直接受到威脅的人類創(chuàng)作者的市場(chǎng)部分是一個(gè)很有利可圖的領(lǐng)域：為廣告甚至電視節(jié)目創(chuàng)作的歌曲。Lucas Keller，Milk and Honey 管理公司的創(chuàng)始人，指出知名歌曲的市場(chǎng)將不會(huì)受到影響?！暗推渌糠謥碚f，是的，它確實(shí)可能給他們的業(yè)務(wù)帶來一定的影響，”他說?！拔艺J(rèn)為，最終，這使得許多廣告公司、電影工作室、網(wǎng)絡(luò)等不再需要去申請(qǐng)?jiān)S可?！?/p>

在沒有嚴(yán)格規(guī)定禁止由 AI 創(chuàng)建的內(nèi)容的情況下，還有可能出現(xiàn)一個(gè)場(chǎng)景，那就是像 Suno 這樣的模型的用戶用他們的 AI 創(chuàng)作以百萬計(jì)的數(shù)量淹沒流媒體服務(wù)?！癝potify 可能有一天會(huì)說‘你不能那樣做，’”Shulman 說，他指出到目前為止 Suno 的用戶似乎更喜歡只把他們的歌曲發(fā)給幾個(gè)朋友。

Suno 現(xiàn)在只有大約 12 個(gè)員工，但他們計(jì)劃擴(kuò)大規(guī)模，一個(gè)更大的永久性總部正在他們現(xiàn)有臨時(shí)辦公室所在的同一棟樓的頂層建設(shè)中。在參觀尚未完成的樓層時(shí)，Schulman 展示了一個(gè)將成為全套錄音室的區(qū)域。但考慮到 Suno 的能力，他們?yōu)槭裁催€需要它呢？“這主要是一個(gè)聆聽室，”他承認(rèn)?！拔覀兿Ｍ幸粋€(gè)良好的聲學(xué)環(huán)境。但我們也都喜歡制作音樂——不依賴 AI。”

到目前為止，Suno 的最大潛在競(jìng)爭(zhēng)者可能是 Google 的 Dream Track，它已經(jīng)獲得了特許權(quán)，允許用戶通過類似的提示驅(qū)動(dòng)界面，利用 Charlie Puth 等著名歌手的聲音創(chuàng)作自己的歌曲。然而，Dream Track 僅在一個(gè)小范圍的測(cè)試用戶中發(fā)布，盡管有眾多著名歌手的加盟，但迄今為止公布的樣本聽起來并不如 Suno 那樣讓人印象深刻。Shulman 表示：“我并不認(rèn)為，制作新的 Billy Joel 歌曲就是人們想要在未來利用 AI 進(jìn)行音樂交互的方式。”“在我看來，我們真正希望看到的是五年后人們創(chuàng)作的音樂，是一些現(xiàn)在還不存在的音樂。那將是他們腦海中的創(chuàng)新。”