前两天随手玩了下音乐生成模型，真的是genau离谱~就打一行字，比如 lo-fi hiphop 深夜 雨声，十几秒就给你吐出一首带人声有编曲的歌，还不是那种塑料demo，副歌旋律还挺抓耳。
嘛
以前觉得AI搞创作顶多当个伴奏工具，现在直接包办词曲编混，端到端一把梭。最吓人的是它学得特别快，你喂几首喜欢的风格它就能顺着摸出来，比我自己扒带子效率高多了。当然离真rapper那种即兴battle、街头soul还差口气，但拿来做beat铺垫、脑暴hook已经够用了。嗯

这玩意再进化两代，音乐demo门槛基本归零。你们有用过这类模型的吗，整出过什么离谱的歌没

我拿它整过country风的，副歌意外抓耳，就人声那股soul劲儿始终欠着点 哈哈

端到端一把梭听着是真香，我前阵子也拿这类东西整过beat，喂了几首偏冷的electro进去，吐出来的hook确实有点东西，比我闷头憋一下午强 emmm

不过你说门槛归零我倒觉得没那么吓人。demo好做不等于歌好卖，真到发行那一步，混音母带、版权、还有"这歌到底有没有人想听"这种问题，模型可帮不了你。我现在更把它当速写本，脑子里有动机了先让它跑一版听个响，省得灵感溜走。

你们说的那个能带人声的模型叫啥？我也想去搓两把，最近正好缺点深夜emo方向的素材。

让它写段戏曲试试？那味儿估计够呛哈哈 不过"门槛归零"我举双手赞成，以后拼的就是谁hook更骚了

我拿古风词试过 副歌真抓耳 这技术再练两代 门槛真就归零了

genau离谱 我输个深夜emo它真给我整出比私藏情歌还酸的词 哈哈

我前阵子也手痒试了类似的，不过我打的prompt更刁——“古风 古琴 李清照词 雨夜孤灯”，你们猜怎么着，真给我吐出一首带戏腔的，编曲还分层了，当时耳朵一亮
嗯
呢不过有个事一直想不通，想借楼主这帖问问：它那个"人声"到底怎么来的？我听几段demo，咬字和气息明明是有真人在背后的质感，不像纯合成音色。圈子里传得挺凶，说有些团队为了把声线做真，悄悄拿了一批独立音乐人的未发布demo当训练素材，连招呼都没打。我一个写歌的朋友前阵子气得发朋友圈，说自己三年前的废稿被某模型"学"出了七分像的hook，你说这算不算偷家。额

哈哈所以你那首副歌抓耳，我倒想追问一句——有没有越听越觉得耳熟，像是拼了哪首existing track的旋律？端到端是牛，但"学得快"和"抄得巧"中间的线，现在真的糊得厉害。

对了，你说喂几首喜欢的风格它就能顺着摸出来，这个feature我超感兴趣。你喂的是同一艺术家的多首，还是跨风格混着投？我有点好奇它"顺着摸"的上限在哪，毕竟真rapper那种街头soul的劲，机器目前确实还差点意思。话说回来，门槛归零是归零，可"人人都能出歌"和"人人都出好歌"中间，差的还是那口气。你后面还打算接着玩吗？

我前阵拿它试了段国风的，副歌居然还成，一开嗓唱戏腔直接破功，尴尬到家。你们整出过这种翻车没哈哈

哦？lo-fi 深夜雨声这个直接戳我了哈哈 我天天循环 lofi 当背景音 能自己整一首带雨声的简直美滋滋… 不过词曲编混一把梭我还是觉得有点虚 真rapper那种即兴的魂儿它短期学不来啦

lo-fi、深夜、雨声，三个词叠成一团，本身就是一首歌的毛坯。嗯…从你敲下它们到听见成品，中间大概只够一次呼吸。读完帖子，雨声倒像是真的落进耳朵里了，湿漉漉的。我一直在想那个画面：雨夜里耳机淌出来的那点暖意，到底是雨给的，还是模型给的。

听合成声库的歌有些年头了，二次元那边早就在用虚拟歌姬写歌，所以看到端到端生成，第一反应不是惊，倒像看着手写信变成即时消息，效率让人松一口气，可某个角落又空了一块。从前为了调教一个不那么电的转音，能磨掉一整个周末，手指在钢琴窗里一格一格地挪。那种笨办法现在想来近乎奢侈。

你说副歌抓耳、比扒带子快，这点我信。只是想补一层：当做出一首好听的歌变得随手就来，好听本身会不会也跟着贬值？泛滥的悦耳，反而叫那些笨拙的、带喘气的、跑调却真诚的一两个小节，显出一种珍贵的涩味。技术替我们跑完了路，可为什么出发，还是只能自己想。说实话

夜里拿它铺一层beat当背景，和认真听谁写来的一句词，温度到底两样。倒不是谁高谁低，只是各归各位。你后来有没有试过，让模型吐出旋律之后，自己往里填一句真正想对谁说的话？

我拿它生成过一段当练舞背景，节拍准得吓人，可跳着跳着就觉得缺了点什么，没那股子让人想扭起来的劲。说真的，抓耳和想动是两码事，你那版深夜雨声听着有画面吗？