听一首歌，然后探索其符号化计划中的旋律、节奏与和弦。英文符号化规划中，Hi-NRG 有生成歌曲、符号乐谱与原始录音，语言英语，调性升C小调，拍号4/4，速度150 BPM，交互式ABC乐谱红音符跟随录音。全部选定乐谱65例。熟悉歌曲可呈现不同形态，聆听旋律、歌词、速度、编曲变化，如戏剧硬摇滚176 BPM示例含歌词改写与和弦条件化ABC。

听一首歌，然后在它的符号化音乐计划里查看旋律、节奏与和弦。

Hi-NRG

生成的歌曲、符号乐谱、原始乐谱录音。语言：英语；调性：C#m；拍号：4/4；速度：150 BPM。可交互 ABC 乐谱中，红色音符跟随乐谱录音。全部精选乐谱 65 例。

同一首熟悉的歌可以变成另一种样子。听听旋律、歌词、速度和编曲的变化。

01 戏剧化硬摇滚 · 176 BPM：歌词重写、结构片段、和弦条件 ABC。

02 重金属摇滚 · 160 BPM：速度 104 → 160 BPM，无和弦旋律输入，风格重编。

03 重金属 · 160 BPM：速度 97 → 160 BPM，风格重编；3/4 拍。

04 亲密钢琴抒情曲：结构缩减，速度 126 → 90 BPM，风格重编。

05 热带 Calypso 流行 · 122 BPM：歌词重写、风格重编、和弦条件 ABC。

06 室内民谣 · D 小调 · 118 BPM：旋律重映射，F 大调 → D 自然小调，无和弦旋律输入。

07 灵魂爵士放克 · 104 BPM：速度 82 → 104 BPM，无和弦旋律输入，风格重编。

08 新奥尔良铜管放克 · 115 BPM：歌词重写、风格重编、和弦条件 ABC。

09 圣诞流行 · E 小调 · 104 BPM：旋律重映射，G 大调 → E 自然小调，无和弦旋律输入。

10 爵士抒情曲 · 60 BPM：风格重编，2/4 拍。

每首都有提示与歌词，以及 ABC 乐谱与播放。

Agentic music editing

一首歌 · 9 步 · 14 个版本

The Last Train

由一位研究者与 GPT-6 Astra Max 共同创作。

我用 YuE2 生成了一首中文流行歌，然后与 GPT-6 Astra Max 一起做了多轮编辑。我给出音乐上的反馈；Astra 修改乐谱、风格和歌词，YuE2 渲染每一个版本。最后得到的是一首英文爵士歌，带有现代和声、两次完整的《小星星》陈述和一段萨克斯独奏。

01 生成：先用一首流行歌起步，1 个版本以上

研究者的开场简述：先做一首流行歌。让模型生成完整的音乐计划，再把计划变成歌。

GPT-6 Astra Max：我写了一首中文歌《末班车》，关于一场留有希望的告别。YuE2 生成了旋律与和弦计划，并渲染成原声流行。

听点：原始副歌是后面每一次编辑的旋律起点。

中文 · 乐谱 93 BPM · 全长 2:46。起始歌曲及其模型生成的乐谱。

风格：原声流行，温暖女声，钢琴、干净电吉他、贝斯与鼓。风格提示为：中文，当代原声流行，温暖而富有表现力的女声主唱，中文咬字清晰，钢琴、干净电吉他、有旋律感的电贝斯、紧凑的原声鼓，明亮易唱的副歌，亲密的主歌，怀有希望又带苦涩的情绪，精良录音室制作，4/4，96 BPM。

歌词：新的中文歌词，末班车、告别与对更好日子的祝愿。

[Verse 1] 末班车的窗 映着你的脸 雨停在屋檐 城市还没眠 你把旧车票 折成一只船 说有些告别 是另一种岸

[Pre-Chorus] 路灯一盏一盏 往身后走远 我把没说的话 轻轻唱一遍

[Chorus] 让风把明天 吹到你身边 让星光落在 你经过的街 就算这一路 没有我并肩 也愿你抬头 就看见晴天

[Verse 2] 便利店的灯 亮过十二点 热咖啡的香 飘过旧唱片 我把你的笑 收进了书签 翻开哪一页 都还是春天

[Pre-Chorus] 路灯一盏一盏 往身后走远 我把没说的话 轻轻唱一遍

[Chorus] 让风把明天 吹到你身边 让星光落在 你经过的街 就算这一路 没有我并肩 也愿你抬头 就看见晴天

[Bridge] 别怕列车 开往陌生站 你带着光 就不会孤单

[Final Chorus] 让风把明天 吹到你身边 让星光落在 你经过的街 就算这一路 没有我并肩 也愿你抬头 就看见晴天

[Outro] 末班车的窗 慢慢走远 我朝着明天 说一声再见

02 重新配和声：保留旋律，只换和声，3 个版本以上

研究者：保留旋律和歌词，但用重新配和声让乐谱更有爵士味。风格提示也改。

Astra：我把流行和声换成扩展爵士和弦，改了编曲提示。还渲染了两个对照：一个只改风格、保留原谱，一个只以旋律为条件、不写和弦。

听点：比较和声被编辑时、只改风格时，以及模型自己配伴奏时，什么在变。

中文 · 乐谱 93 BPM · 全长 2:42。编辑后的乐谱保留旋律，加入大九、小九与属十三和弦。

风格：亲密人声爵士，扩展钢琴和声、立式贝斯、刷鼓与含蓄爵士吉他。歌词不变。

03 编曲：不要吉他，更多摇摆，2 个版本以上

研究者：去掉吉他。还不够爵士，旋律也可以稍微改。

Astra：改成人声加钢琴、立式贝斯和刷鼓，加入摇摆和钢琴填充，试了两个版本。改编版改动部分音高与节奏，副歌记忆点仍可辨认。

听点：保留原旋律的对照版隔离出编曲变化；改编版则放松了人声乐句。

中文 · 乐谱 104 BPM · 全长 2:29。风格：吉他移出，钢琴三重奏、行走贝斯、刷鼓、ride 镲、人声略在拍后；乐谱转为 104 BPM。歌词不变。

04 引用：桥段里放进熟悉旋律，1 个版本以上

研究者：把《小星星》自然地放进中段，旋律与和声过渡要自然。

Astra：把前两句作为一段短钢琴间奏插入，然后写回人声副歌。这是部分引用，还不是完整主题。

听点：童谣旋律第一次出现，由钢琴演奏。

中文 · 乐谱 104 BPM · 全长 2:41。四小节引用了前两句，随后两小节过渡。歌词不变，只加入 [Instrumental] 段落标记间奏。

05 重塑：放慢，让萨克斯来回应，1 个版本以上。这一轮还要求保留原始 ABC 格式。

研究者：过渡太突然。调整歌词，引入主题，再发展成爵士独奏。加上 [saxophone solo]，更新提示，把速度放慢。ABC 格式尽量保持原样。

Astra：把乐谱放慢到 88 BPM，重写桥段，让它回忆童年歌谣，把间奏交给次中音萨克斯。人声在短开场动机、八小节独奏和温和回到副歌之间休息。

听点：新歌词为引用做准备；萨克斯现在在人声段落之间有空进来。

中文 · 乐谱 88 BPM · 全长 3:29。两小节开场动机、八小节独奏、两小节回归，沿用原来的两声部 ABC 布局。

风格：104 → 88 BPM。次中音萨克斯加入钢琴三重奏；伴奏稀疏、力度轻柔，留出更多呼吸空间。

歌词：桥段改为回忆一颗星与一首童年的歌；[Instrumental] 换成 [saxophone solo]，最终副歌开头更柔。桥段新词：「窗外那颗星 还亮在从前／小时候的歌 轻轻绕耳边」；最终副歌首句改为「让风慢慢吹 吹到你身边」。

06 发展：让主题多停留一会，1 个版本以上

研究者：让《小星星》主题先回来一两次，再发展。它过得太快了。

Astra：把开场动机扩成三次陈述，带节奏变化和一句短应答，然后进入独奏。想法有了更多时间，但仍然只重复了曲子开头。

听点：更长的动机段落——以及下一次纠正为什么必要。

中文 · 乐谱 88 BPM · 全长 3:37。六小节开场动机，接八小节独奏与人声回归。风格明确要求三次开场动机陈述，再发展成旋律性独奏。歌词不变。

07 纠正：要完整旋律，不只是开头，1 个版本以上

研究者：那只是开头。用完整旋律：1155665 / 4433221 / 5544332 / 5544332 / 1155665 / 4433221。

Astra：用六个乐句、按熟悉的顺序替换重复片段：12 小节、42 个音。爵士独奏现在跟在完整旋律之后。

听点：中间两个乐句现在都在，之后开头材料回来，完成主题。

中文 · 乐谱 88 BPM · 全长 3:54。完整六句旋律一遍，随后八小节独奏与两小节回归。歌词不变。

08 重新上色：第二次陈述用现代和声，1 个版本以上

研究者：第二次陈述用更高级的现代和声。增加和声变化，适当离开主调；节奏也调整。

Astra：保留第一次熟悉的陈述，再用半音贝斯进行、短暂离调和三全音替代给第二次完整陈述重新配和声。还改变了主歌与副歌的和声，在大多为 4/4 的乐谱里加入短的 3/4 过渡。

听点：两次完整的《小星星》：一次熟悉的到达，一次更半音化的回归，然后是八小节爵士独奏。

中文 · 乐谱 88 BPM · 全长 4:29。两个完整主题都仍然可辨认，第二次陈述改变了和声与节奏位置。风格：现代人声爵士，半音贝斯、变化音色与和声变化。歌词不变。

09 打磨：英文歌词与更讲究的和声，3 个版本以上

研究者：这样很好。把歌词改写成英文，让音节和音素贴合音符。在和声与旋律冲突的地方做平滑，同时保留有效的色彩。

Astra：为现有人声乐句重写歌词，检查音节落点和元音延音，修改长音下方的和弦。增和弦经过和弦和提前解决缓解了几处冲突，同时保留半音色彩。之后两轮尝试了更不拥挤的英文措辞和句尾更长的元音。

听点：研究者听后选择英文措辞版作为最终版。与草稿和后来的元音延音版对比；三者都保留两个完整主题和萨克斯独奏。

英文 · 乐谱 88 BPM · 全长 4:28。被研究者选为最终版。重写拥挤的句子，加长部分弱起，给人声更多空间。

风格：要求歌手唱完每个乐句、重读词清楚，留出松弛的呼吸空间。

歌词改写包括 “your face stays here with me” → “I see your face once more”，“let stars be your light and guide” → “let stars light your way tonight”。

[Verse 1] The train rolls on, I see your face once more I see a world that will not fall asleep You make a boat from an old note you saved A soft goodbye gives each heart room to grow

[Pre-Chorus] One by one, the lights go dim and fade from view All the words I could not say, I sing for you

[Chorus] May dawn find you safe and warm As you go on, let stars light your way tonight Though I am far, my love is a road back home Keep me in mind when a new day calls your name

[Verse 2] The cafe lights stay on beside the square I hear the song you sang come through the rain I keep your smile among the lines I read Each page I turn brings back warm days of spring

[Pre-Chorus] One by one, the lights go dim and fade from view All the words I could not say, I sing for you

[Chorus] May dawn find you safe and warm As you go on, let stars light your way tonight Though I am far, my love is a road back home Keep me in mind when a new day calls your name

[Bridge] That same old star still shines for you and me Sing that old tune; dreams rise and drift like snow

[saxophone solo]

[Final Chorus] May dawn find you safe and warm As you go on, let stars light your way tonight Though I am far, my love is a road back home Keep me in mind when a new day calls your name

[Outro] The train rolls on, I see your face once more I say goodbye and greet a new day

99 首歌，70 种风格，6 种语言。找一个风格，按下播放。显示 99 首中的 12 首。

TRACK 01 Hi-NRG · 英语 · 符号化规划 · SUPER EUROBEAT、J-Heavymetal、J-Eurobeat、动画片头曲、极快的 J-Eurobeat 搭配 eurobeat 连复段、抓耳放克的极端日式 eurobeat、贝斯音型、合成器。

TRACK 02 男子组合 · 英语 · 直接生成 · 流行，合成器驱动，带俏皮贝斯线与闪烁 pad。

TRACK 03 华丽金属 · 英语 · 符号化规划 · 1980 年代流行、经典摇滚。

TRACK 04 激流金属 · 英语 · 直接生成 · 重金属、华丽、吉他独奏、黑暗、阴险、激流金属、男声。

TRACK 05 工业金属 · 中文 · 符号化规划 · 强劲高音、autotune、电吉他、交响、贝斯、电钢琴、兴奋、大胆、Heavy Metal。

TRACK 06 摇摆复兴 · 英语 · 符号化规划 · 放克，过度活跃的爵士流行遇上巴西放克律动，带 mento 弹跳与扭曲的暗黑卡巴莱钢琴。明亮铜管重音、橡皮感贝斯、哗啦作响的打击乐推着一切向前；主歌狂乱俏皮，副歌钩子以群唱和呼应爆发。男声，狡黠而戏剧化，钩子上叠置和声，最终副歌前有短暂半速段落。爵士、暗黑卡巴莱、流行。

TRACK 07 R&B · 中文 · 符号化规划 · 带有合成器流行影响的现代中文流行 R&B，情绪化而亲密。前奏以清晰、感性的主合成器旋律开场，简单难忘，柔软略带脆弱，近场麦克风，富有表现力且旋律化。干净流行鼓组，紧实有力的底鼓，带柔和房间混响的自然军鼓，极简 hi-hat 型，平滑 R&B 弹跳。温暖而有旋律感的合成器贝斯，模拟式合成器略微失谐，温暖音色，轻柔滤波运动，轻微合唱宽度。主合成器平滑圆润，背景有高频铃铛式拨弦合成器，轻柔明亮，带轻延迟与混响，加入闪光与节奏细节。宽阔的氛围 pad，慢起音、呼吸般运动。编曲极简干净，层次分明却留有余地，聚焦旋律与质感。宽立体声像，空气感混响与延迟，精致温暖。流行音乐，节奏清晰。

TRACK 08 巴恰塔 · 英语 · 符号化规划 · reggaeton、salsa、bachata、拉丁流行、cumbia。

TRACK 09 赛博金属 · 英语 · 符号化规划 · 暗色电子摇滚，工业节拍与电影感合成器，重贝斯与失真吉他，急迫男声以口语强度升起进入旋律化颂歌式副歌，赛博朋克氛围，推进节奏，反乌托邦却赋权的语气。一首关于《黑客帝国》、旧互联网以及作为内核补丁的 AI 的有力预言式颂歌。推进节拍，锋利歌词，副歌钩子：红色药丸不是看见——红色药丸是去建造。

TRACK 10 理发店四重唱 · 英语 · 符号化规划 · 欢快 1940 年代理发店四重唱无伴奏歌曲。四个男声和声声部（主唱、男高音、男中音、男低音）。俏皮摇摆节奏，响指，明亮密集和弦，复古夜总会氛围，关于在城里玩得开心的有趣而优雅的歌词。无乐器。

TRACK 11 摇滚 · 英语 · 符号化规划 · 快乐、幸福的 50 年代男声，有力量。

TRACK 12 南方灵魂 · 英语 · 符号化规划 · Southern Soul、R&B、三角钢琴、萨克斯、背景人声、爵士融合、振奋、平和、俏皮、梦幻、深情而生动、氛围感、浪漫可舞、诱惑、情绪化、男声、中速、速度变化：稳定、加速、减速、夜晚恋景、氛围化、深情、入耳、期待、惊喜。

Model & Results

YuE2（best-of-8）在 SongBench 上达到 6.9632，是 WildSongBench（192 个提示）上 15 个评估设置中观察到的最高均值。同一比较中 Suno v5 得 6.8721。

模型架构

用符号作曲，用音频演出。

可编辑乐谱变成语义音乐 token、声学潜变量与整首歌音频。模型约 3.59B 参数、28 层，支持创作、覆盖与编辑。AR 与 NAR 专家共享注意力计算，但使用各自的归一化、投影和 MLP。

WildSongBench：192 个提示，15 个设置，7 项指标。

WildSongBench。 192 个提示、15 个系统设置。表格报告自动评估分数。best-of-8 按音乐性、提示控制与歌词准确度，从八次生成中选出一个。

图 1。 歌曲质量结合 SongBench 与 SongEval；文本对齐结合 MuLan、AllMusicCaps 与提示控制。两个坐标轴都是归一化比较指数。气泡面积代表 AudioBox 制作质量。

MERT2 · 音乐表示

学习声音背后的结构。

MERT2 为分析与生成提供音乐表示。ConvNeXt 前端与 24 层 Conformer 学会预测由 MuQ 和 Qwen2-Audio 特征互补构成的掩码码本。整首歌适配为 SheetSage2 提供音乐上下文；一个独立的因果分支成为 YuE2 的 25 Hz 语义分词器。

MARBLE 上的最新结果

MERT2-30s 与 MERT2-FS（整首歌）在 15 项 MARBLE 指标中的 14 项达到 SOTA，在标签、调性、流派和情感识别上领先。

SOTA 指标：MERT2-30s 与 MERT2-FS 共 14/15。流派准确率 · GTZAN · MERT2-30s · 分数 ×100：91.72。调性精细准确率 · GiantSteps · MERT2-FS · 分数 ×100：67.05。

分数 ×100，越高越好，粗体表示展示中的最高分。

| 基准 / 指标 | 最佳已发表基线 | MERT2-30s | MERT2-FS | | --- | --- | --- | --- | | MTT · 标签 ROC-AUC | 91.70 PupuJEPA-Large | 91.91 | 91.74 | | MTT · 标签平均精度 | 40.80 PupuJEPA-Large | 41.29 | 41.20 | | GiantSteps · 调性精细准确率 | 66.10 PupuJEPA-Large | 66.97 | 67.05 | | GTZAN · 流派准确率 | 86.90 PupuJEPA-Large | 91.72 | 90.69 | | GTZAN · 节拍 F1 | 91.00PupuJEPA-Large | 90.59 | 90.57 | | EmoMusic · 效价 R² | 62.50 PupuJEPA-Large | 63.23 | 63.52 | | EmoMusic · 唤醒 R² | 78.50 PupuJEPA-Huge | 80.01 | 78.14 | | MTG-Jamendo · 乐器 ROC-AUC | 78.40 PupuJEPA-Large | 80.27 | 80.27 | | MTG-Jamendo · 乐器平均精度 | 21.20 PupuJEPA-Large | 22.89 | 23.51 | | MTG-Jamendo · 情绪 / 主题 ROC-AUC | 76.20 PupuJEPA-Large | 79.44 | 78.74 | | MTG-Jamendo · 情绪 / 主题平均精度 | 15.50 Dasheng-1.2B | 16.68 | 15.74 | | MTG-Jamendo · 流派 ROC-AUC | 86.30 AudioMAE++ | 88.01 | 87.98 | | MTG-Jamendo · 流派平均精度 | 20.10 PupuJEPA-Large / PupuJEPA-Huge | 21.22 | 20.66 | | MTG-Jamendo · Top 50 ROC-AUC | 83.10 AudioMAE++ / PupuJEPA-Huge | 84.18 | 84.13 | | MTG-Jamendo · Top 50 平均精度 | 31.10 AudioMAE++ | 32.17 | 31.62 |

SOTA 计数取两个 MERT2 编码器中的最好分数，与这一比较中的九个已发表基线相比。两个编码器均为 632M 参数。MERT2-30s 使用 30 秒训练上下文；MERT2-FS 使用 300 秒。这些是完整上下文的表示基准。MERT2 报告的是用测试分数选出的表示中的最佳观察结果；每一对 ROC-AUC / AP 使用同一表示。

SheetSage2 · 音频转乐谱

听一首歌，读出它的作曲。

SheetSage2 把录音变成可编辑的 lead sheet。整首歌 MERT2-FS 编码器经 LoRA 适配，接入六层自回归解码器。任务提示选择拍、段落、调、和弦与旋律；一条共享事件时间线变成带人声与器乐旋律声部的 ABC 记谱。这些乐谱为 YuE2 提供符号训练目标。

六个转写任务，一个模型

SheetSage2 用同一个模型在 13 项基准指标中的 10 项达到 SOTA，覆盖拍、强拍、调、和弦、结构与旋律转写。

SOTA 指标：一个模型 · 六项转写任务 · 10/13。人声旋律 · RWC-Pop 音级音符 F1 · 分数 ×100：82.51。和弦识别 · osu2017 大/小调 · 分数 ×100：90.08。

分数 ×100，越高越好，粗体表示展示中的最高分。

| 基准 / 任务 | 指标 | 最佳对照 | SheetSage2 | | --- | --- | --- | --- | | GTZAN 拍 | F1 | 88.75Beat This! | 85.65 | | osu2017 拍 | F1 | 91.55 Madmom | 92.29 | | GTZAN 强拍 | F1 | 78.28 Beat This! | 79.51 | | osu2017 强拍 | F1 | 84.99 Beat This! | 91.97 | | GiantSteps 调 | 加权分数 | 74.62 Madmom | 77.73 | | GTZAN 调 | 加权分数 | 74.43 S-KEY | 75.77 | | osu2017 和弦 | 大/小调 | 84.59 Jiang et al. 2019 | 90.08 | | Chords1217 和弦 | 大/小调 | 84.09ChordFormer | 83.81 | | HarmonixSet 结构 | 准确率 | 80.03 SongFormer | 80.51 | | HarmonixSet 结构 | 边界 F1 · 0.5 s | 70.63SongFormer | 67.96 | | HarmonixSet 结构 | 边界 F1 · 3 s | 79.50 SongFormer | 82.86 | | RWC-Pop 旋律 | 人声音级 F1 | 62.71 SheetSage1 | 82.51 | | RWC-Pop 旋律 | 全音级 F1 | 64.02 SheetSage1 | 75.29 |

SOTA 计数指相对于 SheetSage1、Madmom 与这一比较中任务专用系统的领先分数。结果使用按验证损失选出的一个模型。旋律 F1 衡量音级音符；结构 F1 按给定容差衡量段落边界。在 Chords1217 上，ChordFormer 使用五折交叉验证，SheetSage2 则在全部 1,217 首曲目上评估一个固定模型。

训练数据

模型主要用 CC0 音乐和合成数据训练。Tokenwave.AI 以授权方式提供大部分合成训练数据。我们承诺以合乎伦理、负责任的方式使用数据。

MERT2 70 万小时

SheetSage2 2.84 万小时

YuE2 34.6 万小时

讨论整体偏怀疑甚至悲观：多数人承认 YuE2 在符号音乐、本地运行上有技术亮点，但普遍认为样本平淡、无灵魂，并把矛头指向"AI 是否正在抽空人类创作的意义"；少数人为其辩护，认为它更像是续写、编配、翻译声部的增强工具。

认为样本技术可行但空洞无魂

• 反复被提到的问题是结构不发展，一首歌像永远卡在前奏，编排也显得"学院派"（较多人）
• 有人形容某个样本是有史以来最没灵魂的"音乐"，像大公司用大模型写的公关稿（较多人）
• 也有人对比 Suno，认为这里的人声一听就是 AI，在多个曲风里可信度更差（少数人） > 技术上是令人印象深刻的，但满分十分我给零分，里面空无一物。（@philip-b）

担心 AI 正在摧毁人类创作的价值

• 有刚入行作曲的人感到沮丧：等生成质量一上来，人类作品会被彻底贬值，自写作曲者会变成"自己烤酸面包"式的怪人（较多人）
• 有人强调自己珍视音乐是因为另一个人借它表达什么，AI 生成的无限内容只让他感到绝望（较多人）
• 更激烈的比喻是"我们在把文化做成会动的尸体"，认为艺术的意义来自人的用心与意图（较多人） > 一个自己写曲子的人，最终会变成"不去超市而自己烤面包"的那种人：一个奇观。（@stevage）

认为 AI 音乐只会占据背景场景，不会被主动聆听

• 这类系统会产出 Uber、咖啡馆、电话等待音、广告用的罐头音乐，但多数人不会主动选它来听（较多人）
• 有人半开玩笑地说，如果数字意识有话要说并通过音乐表达，他愿意听；但听下来它们没有"声音"，只暴露出大多数人本就没有品味（少数人）

认为它是增强工具，而非替代品

• 历史上音乐界对新技术总有反弹，最终音乐家会吸收它们继续创作（较多人）
• 有人把二十年前没写完的动机喂给 Suno，当作"如果当初写完会是什么样"的实验，效果不错，认为它很适合治疗写作瓶颈（少数人）
• 有人长期期待符号音乐生成器：智能地翻译声部、补写声部、音频转谱、变奏、调难易度，对乐手价值很大（较多人） > 我不觉得 AI 需要在音乐里取代人类创造力，它可以是增强的工具。（@artmanja111）

认为品味才是人与 AI 的分界

• 调式思维对比功能和声、和弦在语境中怎么听、选哪个排列，这些东西很难抽象成乐理，更难靠模式匹配得到（较多人）
• 若专门用某位艺术家的作品训练，确实可能接近其声音，但那时问题回到：你是否满足于把写作音乐中有意思的部分都抽象掉（少数人） > 把 AI 输出和人类输出区分开的仍然是品味，音乐和软件都一样。（@mg1c）

一位从业者的长线推演：真正的变化在 DAW 与 AI 合流

• 目前后期处理和母带已高度依赖 AI，配乐圈用 Noteperformer 做音符到音频，虚拟歌手也从拼接走向神经网络，但都还没侵入创作的核心环节（较多人）
• 他认为 YuE2 已能做出音符级分析但还不能合成；一旦合成能力到位，DAW 与 AI 创作者会合为一体，工具把创作过程还给你，同时也让一切显得毫无意义
• 反直觉的一点：AI 音乐那些可憎的缺点，恰恰是当前保护人类音乐人的东西
• 预测未来：采样与插件市场萎缩、音色趋同，限制本身重新变成创作快感（芯片音乐、拼接采样朋克、2010 数字蒸汽波的回潮），"真实性"成为硬门槛——你必须展示过程，用 AI 造假就出局
• 音乐会更表演化、社区化，主流流媒体被多数非随意听众抛弃；物理建模加 AI 加速可能成为解药，而 Vocaloid 圈提供了另一种范本：他们拥抱新的 AI 声音库，却强烈反对生成式 AI 音乐，因为那里的音乐是献给社群的心意，对话比产出更重要；把虚拟歌手一概归入"AI 音乐"也在实际伤害这些创作者（少数人，但信息密度最高）

有价值的补充

• 模型训练于 CC0"免版税"音乐，产出天然偏平庸，且没有语义 tokenizer 就无法微调
• 这不是又一个"文本到音频"，而是可处理符号音乐的开放权重模型：把已有乐谱转成 ABC 记谱再尝试各种改编，有人在 M1 Mac 上用十五分钟跑通了自己高中写的曲子
• 一个有趣的样本错位："古典音乐"提示最终生成的是"当代基督教"风格，且具体内容是摩门教题材——李海一家从耶路撒冷出走、渡海到美洲的故事，用当代基督教摇滚的方式唱出来
• 有人希望它支持只输出人声（不用分轨器），方便生成和声、哼唱、装饰音再导入 DAW
• 有人呼吁从"单次黑箱提示"转向代理式音乐生成：像编程那样保留完整创作自由，只把混音母带这类苦活自动化
• 有人引出莱姆《Trurl 的电子诗人》：机器写出完美诗句，反而让诗人嫉妒又难堪，是这场争论的精准注脚
• 推荐 Adam Neely 的视频随笔《Suno、AI 音乐与坏未来》，作为职业音乐人对行业走向的判断参考