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，龍勇寫完關于AI音樂的商業計劃書，存進微信收藏夾，拿著它去找投資人時收到的答復。

當時，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，公司與字節跳動達成合作、AI音樂生成應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立，說到歌歌AI、談及AI與傳統民樂、聊AI音樂的現狀與未來。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，當了一次龍勇口中的“音樂家”。

一、曾經被罵“騙子”的人，自研音樂大模型、搞出百萬用戶應用

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，樂隊一起進棚，一個音錯了全部重來。我們這代靠電腦，一個人用鼠標就能完成?！彼恢痹谧聊ハ乱淮强渴裁?。

AI音樂真正爆火走進大眾視野，行業呈現井噴的時候，是2024年，而龍勇在2019年就把歌歌AI的今天都寫進了商業計劃書。當時他拿著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?！?/p>

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，他堅信人工智能會是下一代音樂制作的創作形式。

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，從零開始完整預訓練，沒有任何套殼開源模型或二次微調行為，是國內深度貼合國人音樂審美的專業級AI音樂創作引擎。

不止模型，龍勇和他的團隊，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“我想創作一首流行歌曲?！?/p>

歌歌AI會推薦不同的風格路線、幫忙設計歌詞，我們在這里選擇了emo曲風，并將主題設定為“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行展示。

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

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

這樣的音樂生成效果背后，是一個小而精的團隊，公司CEO龍勇，在音樂行業深耕20年，是業內資深的音樂制作人、音樂版權與商業化專家，操盤版權作品全網播放超300億，曾聯合主辦《中國有嘻哈》全國巡演，擁有頭部平臺、綜藝、藝人及演出全產業鏈資源。

研發團隊由兩位業內精英牽頭，CTO王樞沛，曾是網易天音發起人以及初代產品負責人，從零操盤網易天音全生命周期研發與商業化，深耕AI音頻、數字音樂制作、商用音樂生態多年。

首席科學家鄧俊琪，香港大學計算機工程博士，曾任天譜樂AI音樂大模型算法負責人、蝦米音樂探樂實驗室算法負責人，在ISMIR、ICASSP、ACM TOMM等國際頂級會議及期刊發表多篇論文，并長期擔任國際學術會議及期刊審稿人。

一個資深音樂制作人、兩個在音樂行業沉浸多年的工程師，把當年很多人覺得不可能的事情，變成了現實，團隊雖然很小，但就像龍勇在采訪時說的，技術核心就那幾個人，領頭的一兩個厲害最關鍵。

二、實測寫歌，硬核說唱、華語流行、國風歌曲樣樣精通

前面第一首歌的效果，其實已經有些超出我們的預期。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。

歌歌AI音樂大模型號稱可以徹底擺脫傳統 AI人聲的機械感、精準拿捏多種細膩情緒，并擁有超強的專業級歌曲制作能力。

帶著這樣的預期，智東西連續設計了多組測試，從繞口令歌詞結合說唱、情緒起伏極大的情歌，到中國風歌曲，對歌歌AI音樂大模型進行了全面體驗，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，歌詞上結合了繞口令，Flow編排非常絲滑，有點像早期周杰倫的說唱風格，女聲的Hook部分很有力量感，整首歌節奏明快，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，要求它創作一首情緒起伏非常大的華語流行歌曲，輸入提示詞：

創作一首關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。整體要具有專業流行音樂制作水準，歌詞真實細膩，避免網絡口水歌風格。

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和節奏上，從主歌的淡淡敘事感，進入導歌的部分，情緒逐漸遞進，到副歌徹底爆發，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：中國風歌曲。我們要求歌歌AI創作一首中國風歌曲，并且給定了主題“昭君出塞”，并添加戲腔，輸入提示詞：

請創作一首中國風歌曲《昭君出塞》。要求兼顧現代流行審美與傳統民族音樂特色，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。歌曲需要體現從離鄉時的不舍、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，不出現突兀的風格割裂。整體旋律具有較強傳唱性，民族樂器與現代編曲融合自然，能夠體現中國風歌曲應有的文化韻味和情緒張力。

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

//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超出了我們的預期。無論是說唱場景下的中文咬字、情歌中的情緒遞進，還是中國風作品對旋律和民族元素的融合，都展現出了較高的成熟度。

當然，像戲腔這樣的專業唱法還有進一步提升空間，但從普通用戶創作和大多數商業應用場景來看，它已經能夠交出一份令人滿意的答卷。

此外，歌歌AI寫歌的網頁端還支持分軌導出，可以在專業音頻軟件中進行更加精細化的操作，對于音樂人來說非常便于歌曲的創作。

三、從零開始訓練模型，CEO親自做數據清洗

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

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

最終訓練出來的，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，現在市面上主流LLM動輒千億萬億參數，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：數據。

龍勇對此解釋說：“大多數通用模型基于英語語料體系預訓練，華語的聲調規律、音節邊界、字音對齊邏輯跟英語有根本性差異。在這套基礎上做本土化，就像在錯誤的地圖上導航，越優化，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練數據，因為要選經典的歌曲，還要在這些歌曲眾多良莠不齊的版本里挑選優質的那一版，整個清洗數據的過程是非常龐大且復雜的。

除了質量，性價比也是歌歌AI寫歌的優勢之一，模型層面，模型采用非自回歸并行生成架構，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，具備規模化商業部署的經濟性基礎。

同時，龍勇也在采訪中提到正在建設的西北算力中心，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，復原失傳兩千年的《樂經》

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：“我自己就是少數民族，現在很多少數民族的民歌民調沒有樂譜，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>

除了傳統文化的逐漸消失，還有另一個現實原因。

當前AI生成的所謂“古風音樂“，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，訓練數據是電子合成音，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，中國風歌曲的戲腔部分也出現了“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模型研發中長期規劃，聚焦古箏、二胡、竹笛、琵琶、嗩吶、戲曲唱腔等中國傳統民族音樂，力圖打造國內最懂中國民樂的AI音樂模型。

歌歌AI的項目團隊已開啟全國多地線下實地采風行動，將會深入非遺民俗村落、地方戲曲院團、民間民樂演奏工作室，現場實錄原生樂器實錄音源、原生態民間小調以及地方戲曲唱腔，完成一手正版民樂素材采集、整理與版權歸檔，所有采風音源將作為獨家訓練數據，專項用于民樂大模型迭代優化。

當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傳統文化。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，但數據有壁壘，就算國外的技術再發達，也無法獲取我們中華民族獨有的傳統文化數據，這將會是未來中國AI音樂的一大優勢。

第二個則是混合模型，將傳統民樂和全球音樂風格進行融合，馬頭琴配上Reggae、長調搭上Trap，主打商業導向，進軍全球市場。

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

五、與字節合作，但商業版圖不會止步于此

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閉環邏輯。

首先是基礎設施，青海、新疆的算力中心落地正在推進，整體體量約60億人民幣，將會通過與當地政府的合作，進一步推動所在地經濟發展。同時，補貼后價格相對便宜的電力，也讓歌歌AI的成本進一步下降。

版權處理上，龍勇的態度很明確：采風授權付費，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的分成，但這些數據歸屬不會私有化，“這些數據不是公司的私有財產，是中華民族共同的財富?！八f。

數據會留在當地，不做物理轉移。與此同時，團隊會幫當地在上海數據交易所做數據資產評定，將數據資產打包、證券化數據產權屬于當地，通過授權方式進行數據資產運營。

當地少數民族創作者用本地模型寫歌，全球發行，版稅反哺?！斑@個地方雖然只有幾百萬人口，可一旦釋放了他們的創造力，配上全球發行的渠道，會誕生一個全新的職業——AI音樂人。“龍勇在采訪中預測。

除了未來的計劃，當下的商業層面，歌歌AI已經跑通了從創作到發行的完整鏈路。

歌歌AI與字節跳動簽訂了非獨家版權分成合作，AI原創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、今日頭條等字節系產品矩陣。

創作者可以一鍵發行歌曲，后臺會自動生成版權證書，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行歌曲并結算版稅收入。

目前平臺有上百萬創作者，付費用戶達到了十幾萬的級別，C端收入不菲，同時，創作者基于歌歌AI獲得的版稅收入也相當豐厚，比如龍勇在采訪中提到有的創作者一天最高可以拿到幾千塊的版稅，武漢一家企業一年可以獲得幾百萬的版稅收入。

截至目前，歌歌AI不會抽取創作者版稅分成，所有版稅收入都會給到創作者，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端業務增加營收。

結語：讓人人都成為音樂家

龍勇形容AI對傳統音樂市場的沖擊時，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”，是那些傳統模式下為了賺錢，看什么火就抄什么的混子。

“產生大量同質化的垃圾，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，人應該去做有創造性的事情。”

他自己就是上一次技術革命的“被質疑者”。當年用電腦做MIDI，老前輩說：“你們這幫小朋友只會拿鼠標點，應該用樂隊錄才對?！爆F在AI來了，歷史重演，他的回應一模一樣：“聽眾只關心歌好不好聽，不關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，龍勇在采訪結尾時說了一句話，要“讓人人都能成為音樂家?！?/p>

聽起來很像口號，但他們的愿景，是讓普通人有用音樂表達情緒的能力、讓專業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品，最好的總結了。