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