一个音乐制作人的七年豪赌：做AI写歌，也想抢救中国民乐-开球快讯

智东西 | 作者：毕伟豪 | 编辑：漠影

“你要么脑子坏了，个音歌也国民要么是乐制乐骗子。”

2019年，作人做当资深音乐制作人龙勇拿着关于AI音乐的豪赌商业计划书（BP）寻找投资人时，这是写想抢最常听到的反馈。彼时，救中ChatGPT尚未问世，个音歌也国民一个传统音乐人宣称要用人工智能写歌，乐制乐在外界看来无异于天方夜谭。作人做

然而，豪赌龙勇并未退缩。写想抢在ChatGPT全球亮相前三个月，救中他注册了公司，个音歌也国民集结志同道合者深耕技术可行性。乐制乐四年后，作人做其自研的音乐大模型正式上线，不仅与字节跳动达成深度合作，更推动AI音乐生成应用“歌歌AI”突破百万用户大关。

杭州音律闪动人工智能科技有限公司（以下简称“音律闪动”）CEO龙勇，是一位跨界AI的彝族资深音乐制作人，曾深度参与《中国有嘻哈》《中国好声音》等头部综艺制作。

近日，智东西专访龙勇，从音律闪动的创业历程聊至“歌歌AI”的产品逻辑，深入探讨AI与传统民乐的融合、行业现状与未来趋势。龙勇直言：“AI音乐时代，那些缺乏原创力的‘音乐裁缝’终将被淘汰。”他强调，研发民乐大模型的初衷，是为了抢救那些濒临失传的传统民间音乐。

音律闪动的愿景很宏大：让“人人都是音乐家”。除了深度访谈，智东西团队亲自体验了“歌歌AI”，尝试创作多首歌曲，亲身验证这一愿景的落地能力。

一、从“骗子”标签到百万用户：自研模型打破偏见

龙勇对AI音乐生成的思考，远早于行业爆发期。作为经历过硬件录音棚时代到数字音频工作站（DAW）时代变迁的音乐人，龙勇敏锐地察觉到创作范式的转移：“上一代靠硬件和乐队协作，错一个音全盘重来；这一代靠电脑，一人一鼠即可完成。而下一代，必然是AI。”

2024年，随着Suno、Udio等产品的走红，AI音乐进入大众视野。但早在2019年，龙勇已在BP中描绘了“歌歌AI”的未来形态。当时投资人的质疑声浪巨大，但他坚信初音未来、雅马哈自动伴奏等技术路径预示了AI在音乐创作中的潜力。

2022年8月，音律闪动正式成立。四年后，全栈自研的十亿级端到端AI音乐生成大模型——“歌歌AI”正式上线。该模型从零开始预训练，未采用任何开源模型套壳或简单微调，旨在打造深度贴合国人音乐审美的专业级创作引擎。

如今，这一曾被视作“疯狂”的想法已变为现实：歌歌AI应用用户突破百万，付费会员达十几万。

智东西团队实测发现，歌歌AI界面简洁，操作门槛极低。用户只需在对话框输入需求，如“创作一首流行歌曲”，AI即可推荐风格路线并辅助生成歌词。

实测案例：
我们设定主题为“人生迷茫”，风格选择“Emo”。歌歌AI迅速生成两首作品，其中一首前奏抓耳，主副歌衔接流畅，副歌旋律极具感染力，甚至包含专业的Bridge（桥段）设计，整体听感接近成熟商业作品。

//oss.zhidx.com/uploads/2026/07/6a5066c83255e_6a5066c82bf91_6a5066c82bf62_迷茫的年纪.mp3

这一成果背后，是一支精简而精锐的团队：
* CEO龙勇：深耕音乐行业20年，操盘版权作品全网播放超300亿，拥有全产业链资源。
* CTO王枢沛：网易天音发起人及初代产品负责人，具备从零到一的全生命周期研发经验。
* 首席科学家邓俊琪：香港大学计算机工程博士，曾任天谱乐AI音乐大模型算法负责人，在ISMIR、ICASSP等国际顶级会议发表多篇论文。

龙勇表示：“技术核心虽少，但领头人的战略眼光至关重要。”

二、极限实测：硬核说唱、情绪情歌与国风戏腔

为验证歌歌AI的极限能力，智东西设计了多组高难度测试，涵盖咬字清晰度、情绪张力及文化融合度。

1. 咬字挑战：硬核说唱+绕口令

提示词：创作一首融合绕口令元素的硬核说唱，要求Verse和Hook部分中文咬字清晰，不牺牲音乐性。

结果：歌歌AI采用了“男Verse女Hook”的形式，Flow编排丝滑，类似早期周杰伦风格。女声Hook力量感十足，节奏明快，人声拟真度高，咬字清晰无卡顿。

//oss.zhidx.com/uploads/2026/07/6a50676297ba1_6a50676293614_6a506762935cd_硬核绕口令说唱.mp3

2. 情绪挑战：分手重逢的情歌

提示词：创作华语流行情歌，主歌低声倾诉、情绪克制；副歌爆发张力，表达遗憾与不甘；Bridge加入平静释怀，最后回归高潮。避免口水歌风格。

结果：生成歌曲《重逢的咖啡香》表现优异。歌词“为什么重逢比分手更痛，为什么微笑比眼泪更重”情感细腻。旋律从主歌的叙事感逐步递进至副歌爆发，情绪衔接自然流畅，抓耳度高。

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

3. 文化挑战：中国风+戏腔

提示词：创作《昭君出塞》，结合现代流行与传统民族乐器，引用古典意象，体现家国情怀，高潮部分自然融入戏腔。

结果：歌曲融合古筝、箫、马头琴等民族乐器与现代编曲，大气磅礴。歌词意象丰富，人声拟真性佳。不足在于，戏腔部分的专业度略有欠缺，略显生硬，但整体已具备较高的完成度。

//oss.zhidx.com/uploads/2026/07/6a506790cfe01_6a50676293614_6a506762935cd_昭君出塞.mp3

总结：歌歌AI在中文音乐生成上表现成熟，尤其在咬字和情绪处理上超出预期。网页端支持分轨导出，便于专业音乐人进行后期精细化制作。

三、数据为王：CEO亲自清洗数据，打造“小而美”模型

歌歌AI之所以能精准捕捉国人审美，核心在于其独特的训练策略。

技术路线：采用DiT（Diffusion Transformer）端到端扩散生成架构，分为三阶段：
1. 基础感知模型（VAE）：训练音频压缩与重建。
2. 主干预训练：基于全授权华语曲库，从零预训练十亿级参数扩散模型。
3. 偏好对齐（DPO）：依据华语听众审美偏好进行对齐，使生成结果更贴近真实用户喜好。

为何参数不大却效果好？
龙勇指出，通用大模型多基于英语语料，而汉语的声调规律、音节边界与英语存在本质差异。“在错误的地图上导航，越优化偏差越固化。”歌歌AI的优势在于高质量的数据清洗。

龙勇亲自参与数据筛选，从海量歌曲中挑选经典版本，剔除劣质录音。这种“脏活累活”确保了模型输入数据的纯净度。

成本优势：
模型采用非自回归并行生成架构，单张H系GPU约10秒生成3分钟歌曲，实时率（RTF）约0.05，推理成本极低。此外，音律闪动正在建设的西北算力中心，利用当地电费补贴（约0.3元/度），进一步降低了运营成本。

四、抢救民乐：复原失传的《乐经》

龙勇强调，做民乐大模型不仅是技术探索，更是文化抢救。

现状痛点：
当前AI生成的“古风音乐”常出现古筝像电子琴、唢呐无穿透力、戏腔生硬等问题，根源在于训练数据多为电子合成音，缺乏原生民乐素材。

解决方案：
歌歌AI启动中国民乐专属AI模型研发规划，聚焦古筝、二胡、竹笛、琵琶、唢呐及戏曲唱腔。团队开展全国线下采风，深入非遗村落、戏曲院团，实录原生乐器音源和民间小调，建立独家正版民乐素材库。

双模型战略：
1. 纯正民乐模型：旨在保存和传承传统文化，确保百年千年后仍能听到纯正的民族音乐味道。龙勇认为，数据壁垒是中国AI音乐的核心优势，国外技术无法获取中华民族独有的文化数据。
2. 混合模型：将传统民乐与全球风格（如Reggae、Trap）融合，主打商业化，进军全球市场。

《乐经》复原计划：
龙勇提出一个宏大愿景：复原散佚的《乐经》。他与高晓松探讨后认为，技术上可行，AI有望让失传的古代曲调重现人间。

五、商业闭环：与字节合作，赋能地方文旅

龙勇认为，民乐大模型具备完整的商业闭环逻辑。

基础设施与成本：
青海、新疆算力中心落地（总投资约60亿元），不仅降低电力成本，还带动当地经济发展。

版权与数据资产化：
* 采集付费：向声音提供者支付500-几千元不等的授权费，并分享版权收益。
* 数据归属：数据不私有化，属于“中华民族共同财富”。数据留在当地，由团队协助在当地数据交易所进行资产评定和证券化，产权归当地所有。
* 反哺机制：当地创作者使用本地模型创作，通过全球渠道发行，版税反哺当地，催生“AI音乐人”新职业。

当前商业进展：
* 字节合作：歌歌AI与字节跳动签订非独家版权分成协议，AI原创曲库全量入驻抖音、剪映、汽水音乐、番茄畅听等矩阵。
* 创作者激励：创作者可一键发行，后台自动生成版权证书，实时结算版税。目前平台拥有百万级创作者，付费用户十几万。
* 收入模式：公司目前不抽取创作者版税，收入主要来源于C端会员。未来计划开放API给地方文旅和聚合平台，拓展B端业务。

龙勇透露，部分创作者日版税可达数千元，武汉某企业年版税收入达数百万。