一個音樂制作人的七年豪賭：做AI寫歌，也想搶救中國民樂

智東西
作者 畢偉豪
編輯｜漠影

“你要么腦子壞了，要么是騙子”。

智東西7月10日報道，這是2019年，龍勇寫完關(guān)于AI音樂的商業(yè)計劃書，存進(jìn)微信收藏夾，拿著它去找投資人時收到的答復(fù)。

當(dāng)時，ChatGPT還沒有橫空出世，一個音樂制作人跑來說要用AI寫歌，聽起來確實像是瘋了。

可龍勇沒放棄這個想法，他找了一些志同道合的人一起鉆研可行性，在ChatGPT公開亮相前三個月注冊了公司，四年后，這群人自研的音樂大模型上線，公司與字節(jié)跳動達(dá)成合作、AI音樂生成應(yīng)用做到了百萬用戶級。

杭州音律閃動人工智能科技有限公司，CEO龍勇，一個跨界做AI的彝族資深音樂制作人，參與過《中國有嘻哈》《中國好聲音》的制作。

前幾天，龍勇接受了智東西的采訪，我們從音律閃動的創(chuàng)立，說到歌歌AI、談及AI與傳統(tǒng)民樂、聊AI音樂的現(xiàn)狀與未來。他說：AI音樂時代，那些混日子的音樂裁縫就該消失；他說：做民樂大模型，是為了保存那些正在消失的傳統(tǒng)民間音樂。

他說：音律閃動的愿景，是讓“人人都是音樂家”。 除了采訪，我們還親手體驗了一下歌歌AI寫歌軟件，用它寫了幾首歌曲，當(dāng)了一次龍勇口中的“音樂家”。

一、曾經(jīng)被罵“騙子”的人，自研音樂大模型、搞出百萬用戶應(yīng)用

思考AI音樂生成這條路，龍勇比很多人要早得多。龍勇那一代音樂人是靠Pro Tools、Logic這些軟件做歌的，用他自己的話說：“上一代用硬件，樂隊一起進(jìn)棚，一個音錯了全部重來。我們這代靠電腦，一個人用鼠標(biāo)就能完成。”他一直在琢磨下一代是靠什么。

AI音樂真正爆火走進(jìn)大眾視野，行業(yè)呈現(xiàn)井噴的時候，是2024年，而龍勇在2019年就把歌歌AI的今天都寫進(jìn)了商業(yè)計劃書。當(dāng)時他拿著BP找投資人聊天，得到的反饋都是“天方夜譚，不可能，不是腦子壞了就是騙子。”

但彼時的龍勇，已然看到了未來的某個可能性，初音未來、雅馬哈自動伴奏這些都給了他很大的啟發(fā)，他堅信人工智能會是下一代音樂制作的創(chuàng)作形式。

2022年8月，音律閃動成立，四年后，全棧自研的十億級端到端AI音樂生成大模型，歌歌AI音樂大模型上線，從零開始完整預(yù)訓(xùn)練，沒有任何套殼開源模型或二次微調(diào)行為，是國內(nèi)深度貼合國人音樂審美的專業(yè)級AI音樂創(chuàng)作引擎。

不止模型，龍勇和他的團(tuán)隊，將歌歌AI寫歌這款軟件也做到了百萬用戶、十幾萬付費會員的程度，七年前那個藏在微信里的愿景，如今變成了現(xiàn)實。

智東西也成了這百萬用戶中的一份子，打開歌歌AI寫歌APP，一個非常簡潔的頁面映入眼簾，操作也不復(fù)雜，只需要在與歌歌AI的對話框里輸入需求就好了。如果沒有明確想法，那就像智東西一樣輸入提示詞“我想創(chuàng)作一首流行歌曲?！?/p>

歌歌AI會推薦不同的風(fēng)格路線、幫忙設(shè)計歌詞，我們在這里選擇了emo曲風(fēng)，并將主題設(shè)定為“人生迷?！?，很快，歌歌AI就生成了兩首歌，我們選了一首比較喜歡的進(jìn)行展示。

這首歌前奏抓耳，整體是非常經(jīng)典的華語流行風(fēng)格，主副歌銜接絲滑，副歌旋律很有感染力，甚至最后還設(shè)計了Bridge部分，整體聽感很好。

//oss.zhidx.com/uploads/2026/07/6a5066c83255e_6a5066c82bf91_6a5066c82bf62_迷茫的年紀(jì).mp3

這樣的音樂生成效果背后，是一個小而精的團(tuán)隊，公司CEO龍勇，在音樂行業(yè)深耕20年，是業(yè)內(nèi)資深的音樂制作人、音樂版權(quán)與商業(yè)化專家，操盤版權(quán)作品全網(wǎng)播放超300億，曾聯(lián)合主辦《中國有嘻哈》全國巡演，擁有頭部平臺、綜藝、藝人及演出全產(chǎn)業(yè)鏈資源。

研發(fā)團(tuán)隊由兩位業(yè)內(nèi)精英牽頭，CTO王樞沛，曾是網(wǎng)易天音發(fā)起人以及初代產(chǎn)品負(fù)責(zé)人，從零操盤網(wǎng)易天音全生命周期研發(fā)與商業(yè)化，深耕AI音頻、數(shù)字音樂制作、商用音樂生態(tài)多年。

首席科學(xué)家鄧俊琪，香港大學(xué)計算機(jī)工程博士，曾任天譜樂AI音樂大模型算法負(fù)責(zé)人、蝦米音樂探樂實驗室算法負(fù)責(zé)人，在ISMIR、ICASSP、ACM TOMM等國際頂級會議及期刊發(fā)表多篇論文，并長期擔(dān)任國際學(xué)術(shù)會議及期刊審稿人。

一個資深音樂制作人、兩個在音樂行業(yè)沉浸多年的工程師，把當(dāng)年很多人覺得不可能的事情，變成了現(xiàn)實，團(tuán)隊雖然很小，但就像龍勇在采訪時說的，技術(shù)核心就那幾個人，領(lǐng)頭的一兩個厲害最關(guān)鍵。

二、實測寫歌，硬核說唱、華語流行、國風(fēng)歌曲樣樣精通

前面第一首歌的效果，其實已經(jīng)有些超出我們的預(yù)期。但問題在于，如果不斷提高難度，歌歌AI還能不能保持同樣的水準(zhǔn)。

歌歌AI音樂大模型號稱可以徹底擺脫傳統(tǒng) AI人聲的機(jī)械感、精準(zhǔn)拿捏多種細(xì)膩情緒，并擁有超強(qiáng)的專業(yè)級歌曲制作能力。

帶著這樣的預(yù)期，智東西連續(xù)設(shè)計了多組測試，從繞口令歌詞結(jié)合說唱、情緒起伏極大的情歌，到中國風(fēng)歌曲，對歌歌AI音樂大模型進(jìn)行了全面體驗，值得一提的是，每次生成時，歌歌AI都會同時輸出兩首歌曲，本文展示的是智東西試聽后選擇的一首。

首先我們對人聲和咬字進(jìn)行了測試，而且難度非常極限，選擇了硬核說唱加繞口令的方式來給歌歌AI上壓力，輸入提示詞：

請創(chuàng)作一首硬核說唱歌曲，融合繞口令元素，保證旋律自然流暢，同時要求Verse和Hook部分都能保持中文咬字清晰，不能為了繞口令而犧牲音樂性。

很快，歌歌AI創(chuàng)作出了歌曲，出乎意料的是，歌曲采用了男Verse女Hook的形式，歌詞上結(jié)合了繞口令，F(xiàn)low編排非常絲滑，有點像早期周杰倫的說唱風(fēng)格，女聲的Hook部分很有力量感，整首歌節(jié)奏明快，人聲的擬真性很好，咬字也很清晰。

//oss.zhidx.com/uploads/2026/07/6a50676297ba1_6a50676293614_6a506762935cd_硬核繞口令說唱.mp3

接下來，我們重點測試了歌歌AI在情緒處理上的能力，要求它創(chuàng)作一首情緒起伏非常大的華語流行歌曲，輸入提示詞：

創(chuàng)作一首關(guān)于分手后重逢的華語流行情歌。主歌采用低聲傾訴的方式，情緒克制，像是在講述故事；副歌則徹底釋放壓抑已久的情緒，旋律要有明顯張力，能夠表達(dá)遺憾、思念和不甘；橋段（Bridge）加入短暫的平靜與釋懷，最后回到副歌完成情緒高潮。整體要具有專業(yè)流行音樂制作水準(zhǔn)，歌詞真實細(xì)膩，避免網(wǎng)絡(luò)口水歌風(fēng)格。

很快，我們得到了兩首非常好聽的歌曲，其中一首《重逢的咖啡香》我非常喜歡，特別是其中的一句歌詞：“為什么重逢比分手更痛，為什么微笑比眼淚更重?！鼻榫w和節(jié)奏上，從主歌的淡淡敘事感，進(jìn)入導(dǎo)歌的部分，情緒逐漸遞進(jìn)，到副歌徹底爆發(fā)，整體情緒銜接很流流暢，而且歌曲在旋律上非常抓耳。

//oss.zhidx.com/uploads/2026/07/6a50677ff1834_6a50677fe723d_6a50677fe71ff_重逢的咖啡香.mp3

人聲和情緒兩個部分測試過后，智東西選擇了一個難度非常大并且市場熱度爆棚的角度：中國風(fēng)歌曲。我們要求歌歌AI創(chuàng)作一首中國風(fēng)歌曲，并且給定了主題“昭君出塞”，并添加戲腔，輸入提示詞：

請創(chuàng)作一首中國風(fēng)歌曲《昭君出塞》。要求兼顧現(xiàn)代流行審美與傳統(tǒng)民族音樂特色，歌詞引用邊塞、明月、雁陣、胡笳等具有代表性的中國古典意象，但避免空泛堆砌。歌曲需要體現(xiàn)從離鄉(xiāng)時的不舍、途中面對命運的堅定，到最終胸懷家國的大氣情緒變化，并在高潮部分自然加入一段戲腔，與流行唱法無縫銜接，不出現(xiàn)突兀的風(fēng)格割裂。整體旋律具有較強(qiáng)傳唱性，民族樂器與現(xiàn)代編曲融合自然，能夠體現(xiàn)中國風(fēng)歌曲應(yīng)有的文化韻味和情緒張力。

歌歌AI很快創(chuàng)作出了歌曲，歌詞中采用了大漠孤煙、明月、黃沙等意象，歌曲結(jié)合了古箏、簫、馬頭琴等民族樂器以及現(xiàn)代打擊樂和弦樂，歌曲非常大氣，旋律動聽，人聲擬真性表現(xiàn)優(yōu)異，美中不足的是在戲腔部分的專業(yè)性稍弱，但整體上來說，作為中國風(fēng)歌曲，歌歌AI的創(chuàng)作水平已經(jīng)相當(dāng)不錯了。

//oss.zhidx.com/uploads/2026/07/6a506790cfe01_6a506790ca151_6a506790ca129_昭君出塞.mp3

體驗下來，歌歌AI音樂大模型在中文音樂上的完成度已經(jīng)超出了我們的預(yù)期。無論是說唱場景下的中文咬字、情歌中的情緒遞進(jìn)，還是中國風(fēng)作品對旋律和民族元素的融合，都展現(xiàn)出了較高的成熟度。

當(dāng)然，像戲腔這樣的專業(yè)唱法還有進(jìn)一步提升空間，但從普通用戶創(chuàng)作和大多數(shù)商業(yè)應(yīng)用場景來看，它已經(jīng)能夠交出一份令人滿意的答卷。

此外，歌歌AI寫歌的網(wǎng)頁端還支持分軌導(dǎo)出，可以在專業(yè)音頻軟件中進(jìn)行更加精細(xì)化的操作，對于音樂人來說非常便于歌曲的創(chuàng)作。

三、從零開始訓(xùn)練模型，CEO親自做數(shù)據(jù)清洗

支撐前面這些案例的，是歌歌AI音樂大模型，而能把國風(fēng)歌曲做得如此悅耳，靠的是這個模型的全鏈路華語訓(xùn)練。

歌歌AI音樂大模型走的是DiT（Diffusion Transformer）路線，端到端擴(kuò)散生成。整體訓(xùn)練分為三個階段：第一階段，訓(xùn)練音頻壓縮與重建的基礎(chǔ)感知模型（VAE）；第二階段，以全授權(quán)華語曲庫為基礎(chǔ)，從零預(yù)訓(xùn)練十億級參數(shù)擴(kuò)散主干；第三階段，以華語聽眾實際審美偏好為標(biāo)準(zhǔn)，做音樂領(lǐng)域的DPO偏好對齊，讓模型的生成偏好向真實國內(nèi)用戶審美收斂。

最終訓(xùn)練出來的，是一個符合國人審美的十億級別的大模型。采訪中我們問過龍勇，現(xiàn)在市面上主流LLM動輒千億萬億參數(shù)，歌歌AI音樂大模型這個相對“小“的模型，到底為什么能有這樣的效果。龍勇的回答是：數(shù)據(jù)。

龍勇對此解釋說：“大多數(shù)通用模型基于英語語料體系預(yù)訓(xùn)練，華語的聲調(diào)規(guī)律、音節(jié)邊界、字音對齊邏輯跟英語有根本性差異。在這套基礎(chǔ)上做本土化，就像在錯誤的地圖上導(dǎo)航，越優(yōu)化，偏差越固化?！?br/>在解釋效果好的原因時，龍勇直言自己也會親自去選訓(xùn)練數(shù)據(jù)，因為要選經(jīng)典的歌曲，還要在這些歌曲眾多良莠不齊的版本里挑選優(yōu)質(zhì)的那一版，整個清洗數(shù)據(jù)的過程是非常龐大且復(fù)雜的。

除了質(zhì)量，性價比也是歌歌AI寫歌的優(yōu)勢之一，模型層面，模型采用非自回歸并行生成架構(gòu)，單張H系GPU約10秒即可完成一首3分鐘完整歌曲，實時率（RTF）約0.05，單首歌曲推理成本控制在極低量級，具備規(guī)模化商業(yè)部署的經(jīng)濟(jì)性基礎(chǔ)。

同時，龍勇也在采訪中提到正在建設(shè)的西北算力中心，他坦言電費補貼后才3毛一度，成本自然就下去了。

四、做民樂大模型，復(fù)原失傳兩千年的《樂經(jīng)》

采訪中最吸引我的，是龍勇談為什么要做民樂大模型時所說的話，他在采訪中說：“我自己就是少數(shù)民族，現(xiàn)在很多少數(shù)民族的民歌民調(diào)沒有樂譜，全靠口口相傳。老藝人走了，就消失了，做民樂大模型非常像搶救?！?/p>

除了傳統(tǒng)文化的逐漸消失，還有另一個現(xiàn)實原因。

當(dāng)前AI生成的所謂“古風(fēng)音樂“，古箏聽起來像電子琴，嗩吶沒有穿透力，戲曲唱腔生硬得像念稿子。原因很簡單，訓(xùn)練數(shù)據(jù)是電子合成音，模型沒聽過真正原汁原味的原生民樂，在前面智東西實測的案例中，中國風(fēng)歌曲的戲腔部分也出現(xiàn)了“不太戲腔”的情況。

針對這些情況，歌歌 AI啟動了中國民樂專屬AI模型研發(fā)中長期規(guī)劃，聚焦古箏、二胡、竹笛、琵琶、嗩吶、戲曲唱腔等中國傳統(tǒng)民族音樂，力圖打造國內(nèi)最懂中國民樂的AI音樂模型。

歌歌AI的項目團(tuán)隊已開啟全國多地線下實地采風(fēng)行動，將會深入非遺民俗村落、地方戲曲院團(tuán)、民間民樂演奏工作室，現(xiàn)場實錄原生樂器實錄音源、原生態(tài)民間小調(diào)以及地方戲曲唱腔，完成一手正版民樂素材采集、整理與版權(quán)歸檔，所有采風(fēng)音源將作為獨家訓(xùn)練數(shù)據(jù)，專項用于民樂大模型迭代優(yōu)化。

當(dāng)智東西問到為什么要做一個單獨的民樂大模型時，龍勇坦言是為了保存?zhèn)鹘y(tǒng)文化。未來的歌歌AI將會做兩個模型，一個是純正的中國傳統(tǒng)民樂模型，百年千年以后依然是純正的味道，作用是保存和傳承。

龍勇在采訪中提到，音樂沒有國界，但數(shù)據(jù)有壁壘，就算國外的技術(shù)再發(fā)達(dá)，也無法獲取我們中華民族獨有的傳統(tǒng)文化數(shù)據(jù)，這將會是未來中國AI音樂的一大優(yōu)勢。

第二個則是混合模型，將傳統(tǒng)民樂和全球音樂風(fēng)格進(jìn)行融合，馬頭琴配上Reggae、長調(diào)搭上Trap，主打商業(yè)導(dǎo)向，進(jìn)軍全球市場。

除了民樂大模型，龍勇還有一個愿景，他想復(fù)原散佚已久的《樂經(jīng)》，讓那些詞牌名的曲調(diào)可以重新現(xiàn)世，前不久他與高曉松聊了很久，二人一致認(rèn)為在技術(shù)上是可行的，AI可以復(fù)原這些失傳的瑰寶。

五、與字節(jié)合作，但商業(yè)版圖不會止步于此

做民樂大模型不只是因為情懷，龍勇判斷這個計劃未來會是一套完整的商業(yè)閉環(huán)邏輯。

首先是基礎(chǔ)設(shè)施，青海、新疆的算力中心落地正在推進(jìn)，整體體量約60億人民幣，將會通過與當(dāng)?shù)卣暮献鳎M(jìn)一步推動所在地經(jīng)濟(jì)發(fā)展。同時，補貼后價格相對便宜的電力，也讓歌歌AI的成本進(jìn)一步下降。

版權(quán)處理上，龍勇的態(tài)度很明確：采風(fēng)授權(quán)付費，一段會給到聲音提供者五百到幾千元不等的價格，并且他們的聲音被使用也會有版權(quán)的分成，但這些數(shù)據(jù)歸屬不會私有化，“這些數(shù)據(jù)不是公司的私有財產(chǎn)，是中華民族共同的財富?！八f。

數(shù)據(jù)會留在當(dāng)?shù)?，不做物理轉(zhuǎn)移。與此同時，團(tuán)隊會幫當(dāng)?shù)卦谏虾?shù)據(jù)交易所做數(shù)據(jù)資產(chǎn)評定，將數(shù)據(jù)資產(chǎn)打包、證券化數(shù)據(jù)產(chǎn)權(quán)屬于當(dāng)?shù)兀ㄟ^授權(quán)方式進(jìn)行數(shù)據(jù)資產(chǎn)運營。

當(dāng)?shù)厣贁?shù)民族創(chuàng)作者用本地模型寫歌，全球發(fā)行，版稅反哺。“這個地方雖然只有幾百萬人口，可一旦釋放了他們的創(chuàng)造力，配上全球發(fā)行的渠道，會誕生一個全新的職業(yè)——AI音樂人?！褒堄略诓稍L中預(yù)測。

除了未來的計劃，當(dāng)下的商業(yè)層面，歌歌AI已經(jīng)跑通了從創(chuàng)作到發(fā)行的完整鏈路。

歌歌AI與字節(jié)跳動簽訂了非獨家版權(quán)分成合作，AI原創(chuàng)曲庫會全量入駐抖音、剪映、汽水音樂、番茄暢聽、番茄音樂、西瓜視頻、今日頭條等字節(jié)系產(chǎn)品矩陣。

創(chuàng)作者可以一鍵發(fā)行歌曲，后臺會自動生成版權(quán)證書，實時顯示播放量和版稅收入，精確到每一筆，目前抖音、快手兩大短視頻平臺都可以全自動發(fā)行歌曲并結(jié)算版稅收入。

目前平臺有上百萬創(chuàng)作者，付費用戶達(dá)到了十幾萬的級別，C端收入不菲，同時，創(chuàng)作者基于歌歌AI獲得的版稅收入也相當(dāng)豐厚，比如龍勇在采訪中提到有的創(chuàng)作者一天最高可以拿到幾千塊的版稅，武漢一家企業(yè)一年可以獲得幾百萬的版稅收入。

截至目前，歌歌AI不會抽取創(chuàng)作者版稅分成，所有版稅收入都會給到創(chuàng)作者，公司的主要收入靠C端會員，龍勇透露，音律閃動下一步計劃將API開放給地方文旅和聚合平臺，去做B端業(yè)務(wù)增加營收。

結(jié)語：讓人人都成為音樂家

龍勇形容AI對傳統(tǒng)音樂市場的沖擊時，用了一個我們整場采訪都忘不掉的比喻：“相當(dāng)于一個老太太突然間拿到一把槍?！?/p>

這把槍打的不是音樂人，是“音樂裁縫”，是那些傳統(tǒng)模式下為了賺錢，看什么火就抄什么的混子。

“產(chǎn)生大量同質(zhì)化的垃圾，對市場不好，”龍勇說。：“這個時代用AI寫歌，一開始不會考慮賺錢，我可以隨心所欲用任何風(fēng)格去寫，這推動了音樂的多樣性，而那些音樂裁縫就該被淘汰，人應(yīng)該去做有創(chuàng)造性的事情?！?/p>

他自己就是上一次技術(shù)革命的“被質(zhì)疑者”。當(dāng)年用電腦做MIDI，老前輩說：“你們這幫小朋友只會拿鼠標(biāo)點，應(yīng)該用樂隊錄才對。”現(xiàn)在AI來了，歷史重演，他的回應(yīng)一模一樣：“聽眾只關(guān)心歌好不好聽，不關(guān)心歌是怎么做出來的?！?/p>

但杭州音律閃動要做的，不只是讓AI寫出好聽的歌，龍勇在采訪結(jié)尾時說了一句話，要“讓人人都能成為音樂家。”

聽起來很像口號，但他們的愿景，是讓普通人有用音樂表達(dá)情緒的能力、讓專業(yè)音樂人有更趁手的制作工具、讓民樂傳承人有保存和傳承的新方式，或許這就是對音律閃動以及它的產(chǎn)品，最好的總結(jié)了。