- +1
AI音樂好不好聽,70/80/90/00后們怎么說?
你聽過懶羊羊唱的《Love Story》嗎?
或是孫燕姿唱的《發如雪》?

“AI翻唱”正在成為B站音樂區的熱門節目。
如今,人工智能在越來越多的領域開展拳腳,音樂也不例外。
許多AI音樂軟件,如Suno、MusicFX、Stable Audio等等,都可以根據用戶給的關鍵詞生成符合要求的AI音樂。
可如果將AI音樂與人類創作音樂放在一起,你能聽出來嗎?不妨來試一試:
第一首音樂片段,和第二首音樂頻段,哪一個是AI創作的?
如果做不出決定,可以再聽一遍,仔細感受每個音符和節奏的細微差別。
好,現在讓我們揭曉答案:
第二個音樂片段是由AI創作的,而第一個則是首真實存在的歌曲《un-unnoticed》。
超六成人無法區分AI音樂和人類音樂
這個實驗不僅是為了測試大家的耳朵,更為了引出一個重要的問題——在音樂領域,AI創作是否已經達到了難以識別的程度?
為了回答這一點,我們制作了一些AI音樂,并完成了一次211位用戶參與的小實驗,來了解公眾對AI音樂的識別能力與接受度。
結果顯示,超過60%的受訪者在聆聽多段音樂后,無法正確判斷哪些是由AI生成,而哪些又是由人類藝術家創作。僅有不到40%的參與者,能夠準確辨別兩者之間的差異。

這說明AI音樂已經和人類音樂很相像了!
當下的AI技術通過大數據挖掘與深度學習,能夠模仿并生成與人類音樂高度相近的作品,而我們聽眾幾乎難以察覺其中的細微區別。
00后最熟悉AI音樂,90后至70后的了解逐代變少
不過,不同年齡的被調查者對于AI音樂的了解程度存在較大差異。
00后中,有48%表示“聽過AI音樂”,這一比例遠遠大于其他年齡段。00后也是唯一一個年齡群體,“聽過AI音樂”的比例超過了“知道但沒聽過”?!熬W絡原住民”對于新興技術表示了濃厚的探索興趣。
而90后和80后,則分別有49%和34%表示“完全不知道”,70后中有56%表示“知道AI音樂但沒聽過”。事實上,三個群體,都有超過70%的受訪者沒有聽過AI音樂,只停留在“完全不知道”或“只是聽說”的階段。

“完全不知道AI音樂”的比例,70后竟然低于80后和90后。這或許是因為,年輕一代影響了自己70后的父母?;蛟S是飯桌上的一次科普,或許是一個相關視頻的轉發,總之,70后高達56%的了解率,讓我們丟棄了一些“年紀大就跟不上社會潮流”的刻板印象。
調查結果還顯示,不同年齡層對于AI音樂的識別能力呈現特定規律——AI音樂識別能力,隨著年紀增長逐步下降。
將近70%的00后,能夠準確識別由AI生成的音樂作品,他們對于人工智能音樂表現出了較高的接受度和識別度;然而,僅有大約52%的90后和37%的80后能夠正確辨別AI音樂;在70后群體中,只有25%的被調查者能夠正確識別AI音樂——盡管有所耳聞,但大部分人也沒有真正聽過一首AI音樂,要識別出來,對他們來說還是太難了。
越了解,越反感AI音樂?
除了性別上的差異,不同年齡段對AI音樂的總體喜好程度也顯現出有趣的規律。
00后似乎對AI音樂尤其“苛刻”,打出了3.33的平均分(5分滿意),剛剛及格。
而有接近一半的人表示“從未聽說過AI音樂”的90后,對待AI音樂這個新鮮產品似乎還相當喜歡,打出了4.46的高分,差距顯著。
在焦點訪談中,我們也能觀察出許多00后受訪者對專業歌曲屬性的期許,比如“呼吸感”、“即興感”、“情感傳達”等,看來,00后對音樂的要求似乎不止是“旋律好聽”,而是要了解音樂創作背后是否是真誠的、自然的。
因此,我們發現,在對AI音樂的了解程度上,呈現出的規律是:00后>70后>80后>90后;而對AI音樂的喜好程度,卻呈現出:00后<70后<80后<90后。恰好相反。
AI音樂就像大家說的:“你越了解一個人,可能就越不喜歡一個人”。

00后與AI共生共長,對于AI音樂具有更高的敏感度和理解能力。而年齡較長的群體,對于新興科技的理解力逐漸降低,這與教育背景、社會環境、數字素養等都有著密不可分的關系。
雖然對于不同的人群和不同的音樂類型,AI音樂的被識別率存在差異,但我們仍然可以這么說:AI音樂已經幾乎做到了“以假亂真”。
流行與藍調音樂更容易識別,說唱音樂識別度低
調查中使用的AI音樂是由Suno軟件生成的。根據較為普遍的分類方式,我們將音樂分為八類,并在Suno軟件中根據相同的提示詞生成對應的AI音樂。
流行音樂提示詞(Prompt)包括:現代流行音樂類型歌曲、具備流行音樂的典型特征、英文歌詞。
我們發現,不同類型的AI音樂,被識別度差異很大。
盡管我們說,有的音樂類型,AI非常擅長、“以假亂真”。而有些時候,AI模仿效果稍顯拙劣。這是因為,音樂類型具有不同的特征和音樂屬性,而AI模仿這些音樂各個特征和屬性的能力存在差異。
調查結果發現,八類音樂中,流行(Pop)音樂的猜測正確率最高,達到了53%;其次是藍調(Blues)音樂,達到了44%。而說唱(Hiphop)音樂識別度最低,只有12%。
猜測時一共有3個選項,受訪者是在1首AI音樂和2首人類音樂中作選擇,因此嘻哈音樂的12%正確率與爵士音樂的16%,已經低于了“猜對”的平均正確率即33%,這表明在特定音樂類型上,AI音樂給聽眾帶來了相當大的混淆。
而流行音樂,大部分人都聽,接觸最多,也最了解。因此,這場“知己知彼”的對抗,讓流行歌曲獲得了最高的正確率。

識別不同音樂類型,為什么會有難易之分?
我們從問卷受訪者中隨機選取了五人進行焦點訪談。
我們再次使用Suno分別生成五段流行、藍調和說唱類型的AI音樂(指定關鍵詞相同),將生成的AI音樂播放給受訪者,并詳細記錄他們在聆聽這些音樂時的感想與體會,以及他們是通過什么正確判斷出AI音樂的。
由于五位受訪者猜對的音樂類型不同,所以針對不同問題我們選擇了相應的受訪者記錄他們的回答。
對于流行音樂(Pop),共有4位受訪者成功猜對,他們認為這些AI音樂在節奏上過于規律,缺乏自然的波動和變化,并且AI音樂聽起來像是缺乏靈魂,顯得過于邏輯化,且在和聲的使用方面過于單一。

對于藍調音樂(Blues),共有4位受訪者成功猜對,他們認為這些AI音樂缺乏情感表達,缺乏旋律復雜性且缺乏節奏連貫性,并且缺乏呼吸感。

對于說唱音樂(Hip-hop),共有3位受訪者猜錯,總結原因,他們認為這些AI音樂節奏精準,押韻復雜,語言處理能力強,很難判斷。

AI音樂,男性總體更喜歡
還記得你開頭聽的那首AI音樂嗎?你覺得好聽嗎?
在我們的問卷測試中,無論受訪者是否猜對了AI音樂,我們最終都向他們呈現了答案,并請他們再次聆聽后選擇自己對這首歌曲的喜愛程度。
音樂的偏好總是眾口難調的,有人喜歡平和,有人喜歡熱烈;有人喜歡聽最熱歌單排行榜,有人將“小眾”作為自己的歌曲標簽……網易云集合大量數據為用戶提供“日推”、“猜你喜歡”、“專屬歌單”等功能,就是為了滿足千人千面的音樂喜好。
AI音樂雖然可以規定關鍵詞,但總有一套基于大數據的創作規則。而這條規則,聽眾是否買賬?
問卷中受訪者的打分結果(5為最喜歡,1為最不喜歡)告訴我們——從音樂類型上看,不同音樂類型受喜愛的程度存在較明顯的差異,其中“古典(Classical)”和 “嘻哈(Hiphop)”兩種音樂類型總體上最受聽眾喜愛,而男性尤其喜愛嘻哈音樂,女性尤其喜愛古典音樂。

從性別上,我們明顯能看到男女對于AI音樂的偏好差異。
男性總體上為AI音樂打出更高的分數(約4.1分,滿分5分),而女性的平均分數為3.6分。更多女性將AI創作的音樂與“平淡”、“重復”等詞相關聯,因此,對AI音樂不太感冒。
除此以外,在“爵士(Jazz)”音樂上,男女雙方有些分歧——男性相當喜歡,而女性卻打出了2.91的低分。以及,男性對“嘻哈(HipHop)”音樂表達了很高的喜愛程度,評分來到4.8分。
AI音樂從何而來?用戶需要UGC內容
從口口相傳到樂譜記載、從錄音復制到網絡傳輸,“音樂”已走過很長的路。
20世紀的音樂世界屬于黑膠唱片、磁帶、CD等實體媒介;21世紀則成了數字音樂和流媒體音樂的天下。每一次技術革新都徹底改變著音樂陪伴人類的方式。

數據來源:RIAA(美國唱片業協會)
上述產業,一直在為人類帶來更便捷、更豐富的音樂享受,但有一個模塊是音樂產業始終不太觸及的——用戶生成內容(User Generated Content,簡稱UGC)。
互聯網的創作門檻不斷降低,文字、圖片、視頻的UGC催生了網文、社媒、短視頻平臺等。但音樂作為情感傳達的方式之一,其UGC內容仍處于萌芽階段,但不意味著,用戶沒有音樂UGC的需求。
在最受年輕群體歡迎的視頻平臺Bilibili上,翻唱、改編歌曲的視頻熱度居高不下,就能夠驗證音樂UGC需求的存在。
AI制作的以孫燕姿的聲音翻唱的《發如雪》,截至2024年6月18日B站播放量已超333萬次。
許多彈幕諸如“這個尾音完全就是本人”、“轉音真假音都很流暢”、“連呼吸也模仿了” 等,都體現聽眾對AI制作的翻唱音樂,感到驚喜和喜愛。

圖源B站UP主
平臺用戶也會基于熱點事件或特定事件進行AI歌曲創作,比如針對國足的《窮開擺》填詞創作,截至2024年6月18日B站播放量已超1752萬次。
每個人都有自己的音樂偏好。正是UGC偏好,催生了AI在音樂領域嶄露頭角。
用戶使用相關軟件,就可以創作自己喜歡的風格、旋律和段落,甚至加入和聲等元素,制作的不是一個簡短的片段,而是具有相當高完整度的“自己的歌曲”。
比如,用AI歌曲的形式吐槽國足、吐槽電競、做華語天后孫燕姿的鬼畜歌曲串燒……雖然AI技術尚未完全成熟,但絲毫沒影響用戶用自己的方式表達情緒,也為大家帶來快樂。
AI音樂的未來,需注意潛在隱患
AI音樂,剛剛起步,但已在各類廣告和品牌宣傳片中投入使用。
在社交媒體平臺上,許多博主也開始嘗試使用AI音樂作為其背景音樂。
然而,有待商榷的是,這樣的技術所創作的AI音樂,其旋律和節奏上可能涉及到版權問題。
如果說AI音樂能夠被生產出來的前提,是人工智能提取數據和模仿已有音樂的能力,那么,AI音樂的原創性又該如何被證明?虛擬藝術家的作品是否能超越人類?我們又如何能確保AI音樂技術不被用于不道德目的,如深度偽造技術在音樂領域的濫用?……
看起來,AI音樂的興起將關于技術倫理的爭論再次強調。蓬勃的技術浪潮下, AI音樂最終會去向何方,我們仍未可知。
但可以期許的是,AI音樂的未來,不會剝奪人類的創造力,而是與人類共同推動跨領域融合,實現人機共創。
下面兩首歌,你更喜歡哪首?在評論區說出你的選擇吧。
(上:流行AI音樂 下:說唱AI音樂)
特約作者:丁彤彤;蔣佳芮
指導老師:趙鹿鳴
編輯:張鈴媛
海報設計:王亞賽
本文為上海外國語大學新聞傳播學院《數據可視化》(本科)課程作品





- 報料熱線: 021-962866
- 報料郵箱: news@thepaper.cn
互聯網新聞信息服務許可證:31120170006
增值電信業務經營許可證:滬B2-2017116
? 2014-2025 上海東方報業有限公司