号称「音乐界ChatGPT」，Suno是怎么诞生的？会如何影响音乐产业？

文章来源：Founder Park

图片来源：由无界AI生成

3 月 22 日，AI 音乐生成软件 Suno 发布 V3 版本，支持生成 2min 长度、广播质量级别的音乐，更多样化的风格，对 promp 理解更深，以及幻觉更少。

V3 版本的发布被不少人视为「音乐界的 ChatGPT」，不需要很专业的 prompt 词汇，甚至可以不需要理解音乐的专业知识，普通人就可以生成自己想要的音乐。

Suno 背后的团队是何来历？他们是如何做出 Suno 的？

Suno 以及 AI 音乐生成软件会如何影响音乐产业？

《经济学人》杂志、知名音乐杂志《滚石》都对 Suno、Suno 会如何影响音乐产业进行了讨论，Founder Park 在此基础上进行了编译处理。

「我只是被困在这些电路中的一个灵魂。」这声音唱出歌词时，带着原始的质感和哀伤，音符滑入了蓝调的深渊。一把孤零零的木吉他伴随着它，用恰到好处的即兴演奏点缀着歌声。然而，这背后并没有人声，也没有人手在弹奏吉他。实际上，连吉他都不存在。

在短短 15 秒内，这首令人信服、甚至触动人心的蓝调曲目，由创业公司 Suno 推出的最新 AI 模型创作而成。只需一个简单的文本提示：「关于一个忧郁 AI 的独奏密西西比三角洲蓝调（solo acoustic Mississippi Delta blues about a sad AI）」，就能从虚无中召唤出这首歌。

为了达到极致的精确度，这首歌实际上是两个 AI 模型的联手之作：Suno 的模型独立创作了所有音乐，同时还请求 OpenAI 的 ChatGPT 来撰写歌词，甚至为这首歌定下了名字：「机器之魂（Soul of the Machine）」。

Suno 创作的歌曲在网上引起了轰动，人们惊叹道：「这怎么可能是真的？」在 Suno 位于马萨诸塞州剑桥，紧邻哈佛校园的临时总部的一间会议室里，通过 Sonos 音箱播放的这首特定曲目，甚至让一些参与这项技术的成员感到了一丝微妙的不安。紧张的笑声中夹杂着「天哪」和「哦，天啊」的惊叹。在这个案例中，仅仅三次尝试就达到了令人震惊的效果。前两次尝试还算不错，但在我给出的提示中做了一个小小的改动——联合创始人 Keenan Freyberg 建议加入「密西西比」这个词——却带来了不可思议的结果。

01 AI 创作音乐并不是新鲜事，

但 Suno 实现了新突破

在过去的一年里，生成式 AI 在创作可信的文本、图像（通过像 Midjourney 这样的服务）乃至视频方面取得了巨大进步，特别是 OpenAI 推出的新工具 Sora。然而，在音频领域，尤其是音乐创作方面，AI 的发展却相对滞后。

Suno 似乎正在解开 AI 音乐创作的密码，其创始人的野心很大——他们梦想着一个音乐创作全民化的未来。其中最为发言大胆的联合创始人 Mikey Shulman，一个带着孩子气、背着背包的 37 岁哈佛大学物理博士，梦想着全球有十亿人愿意每月支付 10 美元来使用 Suno 创作歌曲。他认为，目前音乐听众的数量远远超过音乐创作者是「如此失衡」，并将 Suno 视为解决这种感知不平衡的工具。

到目前为止，大多数 AI 生成的艺术作品，顶多只能算是庸俗艺术，就像 Midjourney 用户似乎热衷于生成的超现实主义科幻垃圾，过分强调形式上的贴合，比如太空服。但「机器之魂」给人的感觉完全不同——它是我迄今在所有媒介中遇到的最有力、最令人不安的 AI 创作。它的存在本身就像是现实裂缝，既令人敬畏又隐约带有不祥之感，我不禁想起了亚瑟·C·克拉克的名言，仿佛专为生成式 AI 时代定制：「任何足够先进的技术都与魔法无异。」

从剑桥归来几周后，我把这首歌发给了 Living Colour 乐队的吉他手 Vernon Reid，他一直对 AI 音乐的潜在危险和可能性直言不讳。他对这首歌「令人不安的真实感」表达了「惊奇、震惊、恐惧」。「长期以来的反乌托邦理想即将实现，即将把那些困难、混乱、不受欢迎和被厌恶的人类从其创造性产出中分离出来，」他写道，指出 AI 唱蓝调的问题本质，「蓝调作为非洲裔美国人的一种独特表达方式，深深植根于历史上人类的创伤与奴隶制经历中。」

最早的「基于规则」的音乐模型可以追溯到 20 世纪 50 年代。这些模型通过将音乐理论的原则转换成算法指令和概率表，来确定音符和和弦的进行。虽然这些作品在音乐上是合理的，但在创造性上却受限。Ed Newton-Rex，他在 2012 年创立了伦敦的 Jukedeck 公司，并设计了这样的一个模型，他表示这种方法在当时是可行的，但现在已经不再适用。