专访谱乐AI CTO吴杰：不做模型，做AI音乐的“水电站”

“AI音乐行业很难形成技术护城河。”

作者 /企鹅

谱乐AI最初只有两个人，从来没有融过资。创始人&CTO吴杰说，他们第一天就收费，收入是两块钱。这之后的十几个月，收入每月都在涨，团队就靠着盈利一路走到现在。

“我们不做单一模型，而是依托多模型架构，把市面上的AI创作能力整合在一个平台里。”他向「新物种」介绍。平台目前集成了Suno、Mureka、MiniMax等主流AI音乐生成模型，并结合了开源与自研技术。

谱乐AI做的，是把AI音乐从生成到上线的整条链路打通。包括写词、生成、优化音质、制作MV、发行到流媒体等全流程服务，吴杰将其定位为像“水电站”一样的“音乐创作基础设施”。

谱乐AI入场的时间节点也颇为精准。

2024年是AI音乐从技术演示变成真实产品的一年，Suno V3让普通用户第一次感受到输入几行文字、几秒钟内得到完整歌曲的体验。国内玩家也纷纷入场，字节跳动推出了海绵音乐、昆仑万维则推出了天工SkyMusic......谱乐AI正是在2024年4月成立的，当时全球录制音乐市场规模约为296亿美元。

到2025年，AI音乐开始渗入大众的日常生活。而生成式AI音乐这个子市场，预计未来十年年复合增速预计超过20%。

2025年至2035年全球生成式AI音乐市场的预测

彼时AI歌手“大头针”翻唱经典歌曲抖音单月涨粉超38万，甚至因其嗓音优越一度被误认为是真人；另一位AI歌手Xania Monet凭借一首火爆的单曲登上Billboard电台榜单，她也是首位登上该榜的AI艺术家。知名音乐厂牌Hallwood Media签下了Suno平台上播放量最高的创作者“imoliver”，这也是传统唱片业首次与毫无音乐背景、纯靠AI生成歌曲的创作者签订正式唱片合约。

乘着行业的东风，从2025年9月至2026年2月，谱乐AI的平台月访问量由2.7万一路飙升至近16万，短短半年内整体规模翻了5倍有余，月复合增长率近50%。

机会是真的，但混乱也是真的。

版权诉讼、平台封堵、艺人抗议，整个行业高速生长着也激烈博弈着。谱乐AI同在窗口期里，尝试着在无人跑通的链路上找到自己的位置。

“AI音乐行业比较特殊。”吴杰的判断是，这个赛道很难形成传统意义上的技术护城河。底层模型的技术壁垒最终会被填平，所以谱乐AI更押注流程。

至于生成式AI音乐能触达的边界在哪里，目前行业还没有清晰的答案。谱乐AI对此的态度是，不坐待潮退后再辨礁石。“我们先把能做的做好。待到版权等问题明确时，我们早已跑在前面了。”吴杰说道。

01.AI音乐，要做全链路

两年前，Suno推出V3后迅速成为全球最大的AI音乐生成平台，注册用户突破1亿。当时涌入在AI音乐赛道的资金，几乎都押在模型层。

但谱乐AI没有选择从众地死磕自研模型。

“模型层守不住的。”吴杰说。生成只是AI音乐链路上的一个节点，虽然Suno让生成这一步变得“物美价廉”，但链路其余部分几乎没有变化。创作只是第一步，还得让歌曲“流通”起来，进入Spotify或网易云等平台，再通过播放量等转化成版税收益，才形成一个完整的产业闭环。

这也是谱乐AI正在做的——“音乐创作基础设施”，更具体的叫法是“AI原生音乐内容生产与资产化平台”，即一条链路打通从创作到变现。

谱乐AI平台主要有三部分：

创作端：后端调用的是Suno、Mureka、Minimax等模型，文本/图片/视频多模态输入生成音乐、人声克隆、声音替换、AI母带处理、12分轨、MIDI导出、音乐转乐谱、局部编辑；

视觉端：MV制作（4K、10分钟、口型同步）、数字艺人形象生成与管理；

发行端：一键发行至全球100+平台（QQ音乐、网易云、Spotify、Apple Music等）、版税分成、署名权保障。

其中可控性，是平台底层逻辑的核心。

目前大多AI音乐工具，本质上类似"抽卡式”创作。模型根据用户的提示词生成音乐，如果用户不满意，模型就再“摇”一次。

吴杰告诉「新物种」，这种不确定性源于当下模型在可编辑性、长序列音乐性及音质上的局限，其中可编辑性的问题最为直接。

这也造成了AI生成的过程本身不可解释，创作者想调整也无从下手，能做的只有反复重新生成，而每次重新生成，人声音色和编曲风格都可能跟着漂移，上一版里偶然出现的细节，就此消失。

谱乐AI的分轨导出、局部编辑与声音替换，对准的正是这个问题。

局部编辑功能让创作者拖拽波形或点击歌词，锁定某一句，单独重新生成，生成时保留原有音色与情绪，完成后无缝衔接整曲。不满意副歌某一句，只改那一句，其余部分纹丝不动。

与此同时，平台支持将一首歌拆分成人声、鼓点、贝斯等独立音轨，分别处理，再导入12轨混音台重新合并，也可以直接导出MIDI，送进Ableton或Logic等专业DAW继续加工。这套工具链走完，生成的那首歌从一个不可拆解的音频文件，变成了一套可以逐层操作的制作素材。

在模型选择上，吴杰的策略是多模型并行。

平台同时接入Suno、Mureka、Minimax和ACE Step等模型。通常新模型刚上线，谱乐AI便会在第一时间接入。创作者通过同一账号及统一的积分体系，即可在不同模型间直接切换，无需分别购买会员或在多个平台间跳转。

吴杰解释道：“这套产品逻辑是我们‘从AI产品视角想出来的’，是跑到音乐工作室和传统创作者那里，一个环节一个环节听出来的。”借助谱乐AI的平台，即使没有任何专业背景的人，也能以"音乐人"的身份出现在流媒体平台上，拥有自己的歌手页面，甚至从播放量中获得收益。

谱乐AI接下来想做的，是建立AI音乐领域的第三方Benchmark。

“大语言模型有MMLU，图像生成有CLIP Score，但AI音乐没有一套被市场认可的评测标准。”各家厂商发布新模型时各自出测评，他曾问某家厂商怎么测的，对方说请了十几位音乐专家打分。“这太主观了。应该是市场说了算，不是专家说了算。”吴杰说道。

他的构想是用统一的prompt驱动多个模型生成同类作品，再通过盲测，邀请平台C端用户在一定周期内打分。但这套机制成立的前提，是平台要有足够体量的用户。

吴杰认为谱乐AI已经接近那个规模了。

而且一旦做成，他们在业内的角色也根本性地改变。从一家做音乐工具的公司，变成定义AI音乐质量标准的机构。在模型公司正在向平台层扩张的竞争格局里，这或许是他们能找到的、最难被直接复制的位置。

02.“一边起诉，一边合作”

吴杰表示，目前AI音乐能做的事，已经走到了边界。

行业面临的难题超出了技术层面，是在版权层。模型用什么数据训练、生成的作品发行到平台能不能分成等，都还没有定论。“现在的情况和1999年时很像：新技术冲进音乐赛道时，首先迎来的是官司。”他分享道。

1999年，音乐行业在峰值遇见了Napster。

当时全球录制音乐市场规模约222亿美元，环球、华纳、索尼三大唱片公司垄断了绝大部分版权。同年夏天，美国东北大学学生Shawn Fanning上线了他做的P2P音乐共享软件Napster，一经发布便迅速走红，最高峰时Napster网络有8000万的注册用户。

这不可避免地触及到了唱片公司的蛋糕，毕竟用户在Napster上免费听到的每一首歌，都是本该卖出去的一张CD。于是到2001年，在RIAA的诉讼和Metallica、Dr. Dre等艺人的公开施压下，Napster被迫关闭。

虽然Napster倒下了，但数字音乐却站起来了。

Kazaa、LimeWire接连涌现，iTunes随后以合法下载的方式收编了这股需求，2008年Spotify用流媒体订阅模式重新定义了整个行业。

“同样的节奏，也正在AI音乐起步时上演。”吴杰说道。

2024年Suno V3发布三个月后，RIAA代表环球、索尼、华纳，分别在波士顿和纽约联邦法院对Suno和Udio提起诉讼，指控两家公司未经授权、大规模复制受版权保护的录音用于训练模型。依据美国版权法，每首被侵权作品最高可索赔15万美元。但两家公司均以"合理使用"为由进行抗辩。

一年后，三家在修订诉状中追加了新指控：Suno通过"stream-ripping"（流媒体盗录）技术，绕过YouTube的“rolling cipher”（滚动密码），非法下载版权录音作为训练数据。Suno的回应是，这一做法不违反《数字千年版权法》。

“实际上，三大唱片公司一边起诉，一边私下谈合作。他们很清楚技术的脚步是不可能被阻挡的。”吴杰对这段“往事”评论道。

2025年底，Suno宣布与华纳音乐集团完成和解，双方建立合作关系。此时Suno刚完成2.5亿美元C轮融资，估值24.5亿美元。Udio此前也相继与环球、华纳达成协议。索尼至今未与任何一方和解，环球对Suno的诉讼亦未结。

版权框架正在形成，但还没有完成。“我们有从生成到发行的链路，但这条路能不能走通，取决于流媒体平台愿不愿意收和怎么接收AI音乐。”吴杰无奈地表示，“这不在我们的控制范围内。”

如今，AI音乐的体量已经大到让全球平台都不得不表态。2025年11月Deezer数据显示，每天涌入该平台的AI生成音乐有五万首左右。

Spotify的回应是“设门槛”：克隆真人歌手声音的作品须获当事人授权，去年同期还集中清理了数量庞大的低质内容，但AI音乐本身并未被列为禁区；独立平台Bandcamp的选择截然相反，今年1月直接宣布不接受AI生成内容，并呼吁用户举报；广播平台iHeart的立场同样明确，合成人声模仿真人这条线不能碰。

国内流媒体平台也上演了同样的“拉锯战”。

AI音乐大量涌入之后，QQ音乐、酷狗音乐等既不允许AI音乐作者签约也没有分成；网易云音乐虽然可以签约，但AI作品同样拿不到收益。创作者随即想出各种规避的法子，比如把AI音乐逆向到DAW伪装成原创，或者把歌曲拆成人声轨、钢琴轨、吉他轨分别上传以证明"原创性"。而平台随即升级规则，要求用手机录下本人演唱才算数。“这场博弈持续了相当一段时间。”吴杰说。

随着这些合作或官司的推进，行业规则也越来越清晰了。“对创业公司来说，现在更重要的是抓住这个窗口期，把产品和业务真正跑出来。”他补充道。

03.没有真人IP的生意

普罗大众对AI音乐的态度更为两极分化：要么抵制，要么接受，几乎没有中间带。

2025年10月，Deezer对8国9000名用户进行的盲听三首曲目的测试显示，97%的人已无法分辨AI与真人音乐的差异。可以说，如今的AI在音乐、图像和视频等领域都已达到了以假乱真的地步，但也正是这种“真假难辨”，唤醒了大众心中的不安和抵触。

同年，《好莱坞报道》联合迈阿密大学对2244人进行了对AI音乐接受度的调研，结果同样也是泾渭分明的态度。超过半数的受访者明确表示对AI音乐不感兴趣，哪怕这些音乐是由他们最喜欢的歌手“演唱”的。Luminate的追踪数据也显示，2025年9月，对AI音乐兴趣下降的美国消费者比例达到了44%，而兴趣上升的仅占24%。令人意外的是，兴趣下滑最明显的，竟是Z世代和Alpha世代——这两个本该对新技术最不抵触的年轻群体。

但仔细探究会发现，其中很多人并不排斥AI音乐本身。高达80%的受访者要求平台对AI生成内容进行明确标注。归根结底，人们只是想清楚地知道，自己听的是什么。

他也常被问到：“既然AI毫无感情，那它写出来的东西怎么能引发共鸣？”对此吴杰并不急于给出定论，而是会向对方确认：“你为什么要听歌？”

他进一步剖析道：“假设一首歌让你感动到落泪，但此时有人告诉你，歌其实是AI写的，你会觉得刚才的感动是假的、眼泪是假的吗？答案显然不是。”

吴杰认为，人们对音乐的期待分为两种。一类人听得是情绪共鸣，旋律与词句能否恰好落在某段隐秘的心境上。至于曲目背后承载着怎样的人事物，他们并不萦怀。还有广告配乐、影视背景音这类功能性音乐需求，AI已然能应对得游刃有余。

另一类人更在意“血肉感”。他们需要感知到作品真实的生命力，音乐有来路，故事有重量。歌曲只是一个切口，那个会痛、会笑、有着真实人生轨迹的创作者或演绎者，才是音乐的本体。“核心是人和人之间的情感链接，这个gap现阶段AI还无法跨越，甚至可能永远都不会消失。”

那乐理学习的必要性会不会被prompt取代？

他的答案是不会。“乐理是理解音乐结构的能力，prompt是一种沟通工具，两者不是替代关系。”吴杰举了一个例子：副歌生成完感觉不够抓人，不懂乐理的人只能反复重新生成，等待碰运气。懂乐理的人能判断是旋律张力的问题还是和声节奏的问题，然后针对性地调整。前者是运气，后者是能力。“对于需要长期深耕的创作者来说，理解音乐结构和情绪逻辑依然非常必要。”

吴杰毕业于西南大学计算机系。大三时因为成绩不错，他被推荐到澳大利亚迪肯大学继续深造。“我不懂乐理，是纯粹的理工科专业出身。”因为清楚自身的不足，所以吴杰并没有陷入“拿着锤子找钉子”的技术自嗨，而是选择是深入行业，去倾听传统创作者和工作室的真实痛点。

面对充满博弈、非标且快速裂变的市场，谱乐AI的生存哲学可以总结为四个字：顺势而为。毕竟在技术颠覆规则的前夜，相比盲目崇拜算法，或许顺应真实的人性与市场需求，是更务实的破局思路。

排版运营 /Teagan

- End -