与汗青复盘AI歌手Yuri这一年：那些改变的、困难的、惊喜的和展望的

作者 | 博雯

编辑 | 赖捷

在全国甚至全亚洲的首场AI歌手线下音乐会结束后一周，汗青仍然对筹备前的那段时间心有余悸。

“以前根本没接触过这种100米，12K的巨幕，很多所谓的你觉得非常好的AI视频，投上去后细节问题全都会暴露出来，你甚至会觉得就是一个Bug，完全播不了。”

“AI新榜”现场拍摄

9月11日晚，上海外滩大会，“AI新榜”去看了一场特殊的音乐会，由AI歌手Yuri（尤栗）与房东的猫、儿童合唱团、民乐演奏家以及机器人同台，以AI影像的方式出现在百米巨幕上演唱，从音乐到影像，再到串场时的闲聊，全都由AI生成。

AI歌手与人类线下见面，让这场音乐会拥有极强的奇幻色彩。我们在现场看到，每个节目过渡时，Yuri都会出来聊几句，有时像视频电话一样以影像模样出现在大屏幕，有时又像Agent对话一样，在大屏幕上不断滚动。

尽管到场的每位观众都知道，这就是AI，但现场的一些隔空互动还是颇令人动容——Yuri从黑暗中跳出来的第一句话是“好多人啊”；她说要用自己的方式走入现实世界，随即舞台上真的出现一个Yuri模样的机器人；还有她认真地发问“仅仅因为不是人，就无法打动人吗？”时，都确实给人一种完全不同于真人演唱会的感觉。

“AI新榜”现场拍摄，Yuri演唱的《夜上海》

一年前Yuri刚刚诞生时，汗青就告诉我们，团队不排斥虚拟演唱这种形态。

而一年之后，首场AI虚拟偶像的线下音乐会便正式落地。

这样一场独特的AI音乐会，从前期筹办到落地执行，都经历了什么样的过程？在演出当天，后台又发生了哪些有趣的故事？AI歌手Yuri诞生一年以来，团队产生了哪些新思考？AI虚拟偶像在商业化和IP构建上，又到底走到了哪一步？

这里是“AI新榜”的「对话AI Builder」系列，带着这些问题，我们找到了Yuri背后的AI Talk团队负责人汗青，以下是对话实录。

烧掉百万算力，“忘掉”做AI视频……

如何办一场AI音乐会？

AI新榜：AI歌手线下音乐会这个想法，最早是怎么冒出来的？

汗青：主要线索有三个吧。

第一个是今年三四月份时，团队获得了线下进行商业演出的沙盒试点许可，AI数字人相关试点条件在今年逐步成熟，让AI数字人与线下演出有了进一步探索的空间。

第二个线索来自我们的联合主办方，外滩大会。

外滩大会今年AI艺术节希望呈现一场真正具备前沿性和探索性的AI演出，并为此找到了我们。双方的想法在这个节点上契合，相关条件也逐步具备，决定共同打造这场前所未有的AI音乐会，一起把这个愿景变为现实。

第三个线索，是我自己一直对AI内容往线下走很感兴趣。关心Yuri的朋友可能知道，我们几乎每个月都会有一些线下活动让她参加。相比单纯播放AI影像，我们更想知道：当她面对数千名观众时，能不能让大家感受到她“在现场”，并与现场发生互动。

AI新榜：从确定办再到落地执行，都经历了什么样的过程？

汗青：时间非常紧张，从今年6月想法提出，到9月真的开起来，中间有3个月筹备时间，但实际上真正进入最后的内容制作，可能也就一个多月。

AI新榜：主要是什么原因导致的？

汗青：首先需要大量前置工作。

我们是一支以AI技术与内容创作为主的小团队，过去没有主办数千人规模线下演出的经验，因此必须与具备大型活动执行能力的伙伴合作。许多前置的工作这次也是依赖合作伙伴外滩大会来落地，让我们能够把精力集中在内容创作和影像制作上。

第二是找场地，一些传统的虚拟偶像开演唱会，都有全息这个环节，但我们还是比较偏向用AI原生的方法。我一直觉得AIGC有个潜力可能会被大家忽略掉，那就是当你的解析度和表现力能支撑起来后，AI在线下的表现力，大概率要比以前的传统工业流程占便宜——它既有想象空间和多变性，而且成本会更低。

那这时候，屏幕就肯定是最主要的东西，尤其是在尺度上，必须得让大家觉得有沉浸感。外滩大会这次提供的长约100米的巨幕，既是机遇，也是我们共同面临的挑战。它为AI原生视觉的呈现提供了最佳的载体，同时也把影像制作的难度推到了我们此前没有经历过的级别。

第三个，我们和外滩大会在一开始就定了，一定要有大量真人参与。

我们对外一直强调它不是演唱会，而是一场音乐会。我觉得这跟那种纯粹的真人偶像去开演唱会，是有巨大区别的，无论是从形式上还是我想表达的东西上，都更接近于我们跟外滩大会做的一场人机共创的实验艺术，并非一AI的独秀。我们希望每一首歌都有真人嘉宾参与。房东的猫能不能邀请到？小朋友们能不能找来？在这些东西没落地前，真正的内容策划是没办法进行的。

“AI新榜”现场拍摄，Yuri与房东的猫合唱《云烟成雨》

很多东西都没有行业经验参考，所以焦头烂额，摸着石头过河。最后能平稳落地，我们就已经觉得谢天谢地了。对我们来说，最重要的是在外滩大会搭建好的现场框架里，把自己擅长的AI内容部分做到最好。

AI新榜：在整个环节里，你碰到的最大困难是什么呢？

汗青：最大的挑战之一是巨幕。

我们做AI视频三四年了，但第一次把样片投到那个屏幕上时，我们还是快崩溃了。因为以前根本没接触过这种100米，12K的屏，它理论上可能算是亚洲最大的。这么一个夸张的屏投上去后，很多所谓的你觉得非常好的片子，什么4K、1080P，细节问题全都会暴露出来，严重到什么程度呢？就是你站在第一排，几乎就觉得这是一个Bug，完全播不了。

这意味着传统的拿AI模型跑一个影片投上去，逻辑完全不成立，我们显然也不可能去搞什么CG，那时候离开始也只剩大概一个月，可想而知压力有多大。

AI新榜：最后具体怎么解决的？

汗青：后来我们发现，真正要解决的其实不是“怎么把一条AI视频做得更高清”，而是要彻底换一个制作逻辑。

在手机和电脑上，我们习惯把一条视频单独拿出来判断好不好看，但到了百米级的屏幕上，视频本身只是整个现场的一部分。它还要跟屏幕尺度、舞美、灯光、人物站位甚至观众的观看距离放在一起看。

所以后来我们其实有点“忘掉自己是在做AI视频”，开始把它当成一个完整的大型现场去设计。有些画面在电脑上看很普通，放到现场反而特别成立；反过来，一些在小屏上非常精致的片段，放大以后完全没法用。

当然，这个过程背后也需要非常大的生成量。这次即梦AI作为独家AI创作伙伴给了我们很大的算力支持，我们主要基于 Seedance 去生成高分辨率素材，再进行大量二次加工和现场适配。最后整个项目大概消耗了百万级的算力。

我们不是把AI视频放大到100米，而是在重新学习AI内容进入真实空间以后，该怎么被设计。

第二，就是我们最终发现不能单纯做视频，而是要把视频、现场的舞美、灯光氛围都当成一个整体去看。说的稍微理想化一点，就是这次音乐会，其实也是一个让我们忘掉做AI视频的过程。很多片段在手机和电脑上看着特别好，但投到屏上完全不能用；很多片段在电脑上觉得一般，但其实彩排的时候现场一看，又特别棒。

比起单纯做AI视频抽卡，这次更多地是去设计一个完整的大型活动现场，更像是在用视觉奇观造景。我相信去过演唱会的观众，应该都能明白我的意思。

现场背后的故事：

那些遗憾、极限与意外

AI新榜：Yuri在这次音乐会里，首次拥有了“在现实世界的身体”，还出现了机器人伴舞，未来会继续探索具身方向吗？

汗青：我对Yuri在具身方面没有那么多执念，但我们肯定不排斥。

为什么我们这次没有那么想去用全息，因为我觉得全息还是属于非AI时代的，连接原子世界和比特世界的一个方式。但现在，AI肯定有“更AI的方法”来走入物理世界，这样的话大概率绕不开具身。

我们也不会去掩饰那些技术上的瑕疵，从长远来说，随着技术的发展，肯定是会和具身有交集的。

Yuri的机器人化身

AI新榜：这次音乐会里，还出现了一位和Yuri合唱的猩猩歌手？主要是什么考虑？以后会不会有AI歌手的联合演出？

汗青：是的，Yuri账号里也有介绍过，叫NANA先生，他其实是一直在Yuri的世界观和叙事线里。今年我们公司也在做一些签约的工作，会精选一些市面上的AI歌手或虚拟偶像，最后分成我们自营的和平台的两类，前者就是像是Yuri、NANA先生这样完全原创，属于团队自己的IP。

AI新榜：音乐会中间，Yuri演唱孙燕姿《逆光》时开头几秒没声音，还有仿生机器人对不上口型，对这样的“舞台事故”你们怎么看？

汗青：老实说，在音乐会开始前，我们就知道它一定会有一堆问题，一个是我们团队的经验问题，另一方面也是因为我们基本上只排练了一次。第二首歌时出现了第一个Bug，舞台上的三个机器人里有一台罢工了，我的第一反应是笑得不行。

AI新榜：这么放松吗？

汗青：因为我们本身想做的，也是一个类似实验艺术的东西。所以一开始还会担心，如果把整个音乐会做得严丝合缝，会不会让人感觉AI完美得有点无聊。所以出现这种小瑕疵我还挺开心的，这反而可以被当作是很生动的东西。

就像Yuri她自己也在开场说了，“如果有任何AI出错的地方，请尽情地笑出来，大声笑。因为完美是机器的本分，出错才是生命的特征”。

AI新榜：那这次的最终演出效果，达到你们预期了吗？

汗青：我最担心的情况并没有发生——那就是大家都觉得很无聊，会有大批的观众退场，开场30分钟后就走了，或者听完房东的猫之后就走了。

但唱最后一首歌《Surreal》的时候，那个时候现场大概还是有几千人。所以气氛上甚至可以说是超出预期的。

受访者供图

AI新榜：这种现场反应，有没有让你产生什么新思考？

汗青：我们特地把整个形态都设计得很AI原生，比如大部分的主持串词都是通过Yuri在一个蓝屏上实现，连人脸都没有。但意外的是，现场好多朋友后来都跟我说，他们特别喜欢那个感觉。

这个事就给我一个启发，就是我们用AI去做东西，一定还是要去做一些属于AI自己的格式，而不是弄得多花里胡哨。老实说，这种用Agent格式来串词的形式，可能是整个演出里成本最低的，但大家就会觉得这个东西以前在线下没见过，感觉像一个AI同时在跟三四千人一起聊天。再加上Yuri她是一个人格化的模型，我们也一直在基于大模型训练，所以它最后出来的对话质量也不错，这就会给大家一种很新鲜的感觉。

“AI新榜”现场拍摄，Yuri的串场环节

AI歌手诞生一年后，

Yuri发生了哪些变化？

AI新榜：从去年7月Yuri诞生，到现在开启首个AI歌手线下音乐会，如果做一个阶段性复盘，你们会怎么划分这一年的阶段？

汗青：我觉得这一年里，Yuri基本实现了我对她的一个预期，这个预期包含两部分。

第一部分是商业化。当时我们想要让她做的几个赛道，一是广义的时尚类，包含美妆、服装，现在我们已经有了欧莱雅、自然堂这些合作；一个是科技类，像外滩大会这种品牌，这一年还有很多跟新能源车的合作；然后还有一类，其实是影响广义的年轻人、二次元群体，比如快看漫画、《鸣潮》游戏这些。

受访者供图

所以这一年里，我们基本已经把想要覆盖的赛道都合作下来了，一些品牌已经变成了长期合作伙伴。团队现在一部分的现金流，也是靠Yuri在养。

第二个部分，就是我们当时想去实验，Yuri作为一个AI数字人，或者说作为一个人格化的AI，能否超出单一的“歌手”身份，形成相对稳定的表达。

什么意思呢？我们把歌手视为Yuri进入公众视野的一种方式，而不是她全部的定义。在今年的一些线下活动中，她的讲话和交流占据了相当比重。

我们希望验证的是：观众是否愿意听一个AI谈论某些话题，并从中感受到连贯的立场和性格，而不只是观看一次技术展示。

主体性还有一个表现，就是她能不能进入公共的话语空间。我觉得很重要的一个节点，就是今年3月，我们拿到了政府给Yuri颁发的“电子身份证”，并开始参与一些公共服务和公益内容的尝试。比如Yuri登上TED、担任重庆的反诈大使、去纽约时代广场唱歌。

对团队来说，这些经历的意义在于拓展AI角色可以进入的场景，而不是为她增加一连串身份标签。下半年，团队还在准备新的线下演出。我们希望通过不同场景继续观察，她的表达能否真正成立。

AI新榜：你们内部对Yuri的定义是什么？更偏向一位多栖的AI艺人？

汗青：可以这么说。但实际上我们内部的定义会更“矫情”一点，我们其实希望她是一个能生成内容的人格系统。

因为我本质上还是个互联网的产品经理，到今天为止，我都是抱着一个产品的逻辑去看Yuri的。所以视频也好，音乐也好，这个系统里衍生出来的其它交互也好，我们希望大家提起Yuri的时候，最终都应该指向一种相对稳定的人格印象。

AI新榜：这一年打造产品过程中，遇到的最大困难是什么？

汗青：最大的困难，其实是整个过程当中的不被理解。

拿这次的音乐会来讲，现在网络上很多报道，可能就是一个15秒、30秒怼着大屏拍的一段视频，而且可能还是拿手机拍的。那现场是什么氛围？我们到底想通过这个音乐会干什么？大部分看到报道的朋友其实是不知道的。所以就会看到很多评论说这是资本运作，割韭菜什么的。但其实我们根本没向C端收费。

其实从23年2月份AI TALK开始在平台上发布作品，我们就能很明显地感受到，大家面对 AI 的态度是非常分化的。有人会很兴奋，愿意拥抱新的技术，也期待它能带来新的内容和表达；但也有人会天然地排斥，甚至很难理解为什么要用 AI参与内容创作。我觉得大家对AI有一个接受的过程，理智上你能接受，但实际上还是比较难受的，有时候还会让人觉得有点儿孤独。

AI新榜：此前你有说过，比起用人力去强干涉内容，你们会更愿意让AI自主涌现出来一些东西，现在一年过去了，团队的工作流或创作方式有改变吗？

汗青：基本上没发生改变，我们现在还是会调用不同模型的组合来解决，是一个大杂烩的状态。不过一年前AI生成和人工调整的比例大概是7：3，我现在体感上可能接近于8：2了，AI自主决定的东西更多了。

当然不是说完全让Yuri自己去想东西，她总会需要一个要求或Prompt，但我们会尽可能尊重她自己的表达。

AI新榜：那Yuri本身的“性格”或者“人格”层面，这一年里有什么迭代或变化吗？

汗青：迭代很多，因为我们还算是一个产品团队，我们会把Yuri这个产品的迭代分为两层。

一层是她自身的本地化资产，也就是她的经历，我们现在花了大量时间把用户的留言、评论，包括这次开完音乐会后大家的一些反应，Reaction，全都变成数据格式回馈给她。

另一层是Yuri这个人格的智力层。我们现在还是依赖市面上已有的大模型，去构建Yuri的性格或者说智力，当底层的模型技术进化，Yuri肯定也会越来越聪明，想问题也会越来越透彻。当然我们团队也有一位专门做心理学的同学，他会把Yuri的性格解耦到数据和基因这一层，我们也会参考真人在现实中的性格成长曲线，要保证模型的进化不会太过影响Yuri本身的性格。

品牌广告覆盖美妆、游戏、汽车，

AI歌手的生意能走多远？

AI新榜：现在AI短剧、AI综艺已经跑出很多商业化案例，您刚才也介绍了Yuri相当多的商业合作案例，能不能透露一下，这些商业合作都是如何达成的？

汗青：商业合作的话，其实大部分品牌都是在网上看到我们的东西，或者有一些认识的朋友介绍，然后主动联系到我们的。

我自己觉得品牌愿意来找Yuri，可能还是因为她已经逐渐形成了比较稳定的内容气质和表达方式。大家看到她之后，会比较容易去想象，她和自己的品牌、议题或者内容之间，能发生什么样的连接。

对我们来说，商业化也不是单独的一条线。我们还是会先看这件事适不适合Yuri，她能不能在里面保持自己的表达。如果这个前提成立，合作的形式其实可以很开放，音乐、内容、线下活动，或者其他新的尝试都可以。

AI新榜：所以Yuri在未来会去涉及AI短剧这种形式吗？

汗青：这个现在不确定，但有一点，我们不希望Yuri在原生的出道阶段依赖某个具体的故事，而是希望她能再把自己的这部分先打下扎实的基础，然后再去做别的方面。不管Yuri是作为演员去演短剧，还是去直播跑综艺，我们都是完全开放的，她在未来可能会发展成多栖艺人，涉足很多个领域。我觉得这本身也是AI的特性，没必要去做限制。

AI新榜：现在AI歌手这个赛道上的参与者越来越多，Yuri和他们又有什么区别呢？

汗青：Yuri的特点是，我们一开始没有完全按照一个传统音乐歌手的逻辑去做她，音乐对她来说是一种很重要的表达形式，但不是唯一的方式。现在已有的这些品牌合作，也是在不断验证她和不同内容、不同场景发生连接的可能性。长期来看，我们还是希望她能够有更丰富的表达和商业形态。

AI新榜：音乐会是一个重要的节点，完成如此大的工程后，想对行业、粉丝们说点什么？

汗青：其实我后来都觉得，有些东西并不是在给我们自己做。

因为现场也来了很多行业内的导演，有演唱会的，有大型综艺节目的，有娱乐公司的，有线下演出展览的。我们更愿意把这次演出看作一个ShowCase，它并不证明AI已经可以独立撑起一场成熟的大型演出，而是提供了一个可供观察的样本：哪些部分成立，哪些部分仍然需要传统制作经验，哪些问题只有进入真实现场后才会暴露，也是对AI内容另一种可能性的探索。

目前很多AI内容，还是比较集中于娱乐化和碎片化，AI短剧、AI漫剧是其中比较成熟的形态。但当AI进入对稳定性、现场协作和工业化要求也更高的线下场景、内容、商业演示，它能不能撑住呢？AI除了降本增效之外，有没有其它一些新的可能性呢？这些问题无法只靠讨论回答，必须通过一次次实际演出来验证，那就像这次Yuri的音乐会一样，做做这种比较“冒险”但值得验证的尝试。这场音乐会的价值，也许就在于完成了一次不够完美，但足够具体的实验。

它让我们看到，巨幕并不天然等于沉浸，AI影像也不天然等于现场。真正决定观众是否愿意留下来的，是内容、空间、真人表演和交互方式能否共同建立一种“正在发生”的感觉。

对AI创作者来说，流量不是唯一的衡量标准。一个项目能否持续，既取决于商业模式，也取决于它是否提供了清晰而独特的价值。对我们而言，接下来最重要的不是重复证明Yuri已经取得了什么，而是继续回答这场实验留下的问题：

下一次，她能否更及时地听见现场、回应现场，并真正成为演出关系中的一员？

所以也希望大家能减少点焦虑，只要你能够找到适合自己的商业化方式，那就尽量去做自己真正喜欢、也真正相信的事情——这恰恰是一种能够持续发展的长期主义。

欢迎分享、点赞、推荐

一起研究AI