小时候去上学，需要走20多公里的山路；当大货车司机的时候，也走过了无数的坎坷……现在，我始终 都保有这份行路的心态——慢慢行、步步稳，终会和观众一起看到霞光。 （作者为四川省成都市文联副主席、音乐人） 我出生于四川凉山甘洛县的一个彝族家庭，小时候，父亲闲暇时会在院坝里拨月琴、吹口弦，一两个简 单的曲调都很有感染力。逢年过节、婚丧嫁娶，村子里也会响起各种音乐旋律，大家唱歌跳舞，表达内 心的情感。父亲说任何乐器的旋律都是有故事、有情感的。这也吸引我去了解这些旋律，试着挖掘旋律 背后的故事。 走上音乐道路后，我喜欢去采风，大量搜集资料、发掘优秀作品，并努力将民族音乐元素与现代流行风 格相融合。我以为，传承民族乐器、音乐，不能只依靠博物馆式的保护，要让它们活在当下，与年轻人 同频共振，与互联网有机融合。一方面让民族特色元素与更多人碰撞、分享，一方面也要汲取民间养 分、拓展自己的音乐形式。 音乐是心灵的表达、生活的抒情。古今中外，人们总会以"咏歌之""足之蹈之"等来抒发情感。生活是创 作不竭的源泉，音乐必须保持与生活的密切联系。只有深入火热生活，采撷大千世界的甘露，思考体悟 提炼，灵感才能汩汩而出。还记得创作《我想你了 ...

6 月 16 日，腾讯 AI Lab 推出并开源 SongGeneration 音乐生成大模型，专注解决音乐 AIGC 中 音质、音乐性与生成速度 这三大共性难题，基于 LLM-DiT 的融合架 构，模型在保持 生成速度 的同时，显著提升了 音质表现 ，生成歌曲的准确度相较部分商业闭源模型表现出相当甚至更优的质量，同时在 整体表现、旋律、伴 奏、音质与结构 等维度也优于现有多数开源模型。 此外，SongGeneration 模型还支持 文本控制、多轨合成 与 风格跟随 等功能，既满足面向 C 端创作者的可玩性，又兼具 B 端的稳定性与拓展性，构建出面向未来 的音乐 AI 生产力工具。 图 1 商业模型主观评测结果 图 2 开源模型主观评测结果 相较于传统基于规则或小型模型的方式，基于大模型的音乐生成模型在旋律的长程连贯性、潜在风格迁移能力以及音色建模的表达维度上，展现出更强的泛化能 力和生成潜力。AI 音乐创作正从过去的 "辅助工具" 迈向 "智能共创" 的新阶段，被广泛应用于短视频配乐、游戏音效、虚拟人演出、商业广告以及个人音乐创作 等场景。 当前主流音乐生成大模型虽已初步实现 "文本到音乐" 的生成能力， ...

当传统音乐制作仍被繁复的乐理知识与高昂的录音成本筑起高墙，一群理想主义者正用 AI 重新书写规则。从乐队主唱到 AI 音乐创业者，郭靖（ Joe ）的 十年探索， 恰是音乐行业从 " 精英创作 " 向 " 全民表达 " 演进的时代缩影 —— 他曾因工具掣肘埋没作品，却在自学编程的硅谷岁月里顿悟：技术不该是 艺术的门槛，而应是创作者的翅膀 。 2019 年，他带着 " 去工具化 " 的执念创立 ACE Studio ，让歌声合成从专业录音棚走向每个人的桌面，更在监管风暴 后完成从娱乐应用向生产力工具的惊险一跃。当多数 AI 音乐产品仍在比拼 " 一键成曲 " 的炫技时，这支团队为何坚信 "Human-in-the-Loop" 才是颠覆行业 的正解？ 从 5 万美元 / 月到 80 万美元 / 月的收入飞跃，背后是一场 " 肉身出海 " 的孤注一掷。 2023 年的 ACE Studio 曾困于国内市场的天花板，却在 NAMM 音乐 展上与 15 位格莱美得主的偶遇中，窥见全球专业创作者未被满足的刚需：用 AI 解决童声难寻、多语言合唱、即时修改的行业痛点，替代的不是软件，而 是 " 每小时 500 美元 " 的 ...