音樂
2026.09.26 (六)
音樂興發現｜AI 走進創作流程，它懂創作者嗎？
字級：
作者：袁永興
在「AI走進創作流程，它懂創作者嗎？」論壇中，綠光創藝董事總經理黃韻玲、KKBOX總經理葉展昀、Suno機器學習工程師張欣嘉（Vibert），以及主持人、律森文化創辦人陳律融，正好形成創作者、平台、技術與獨立製作人的四種視角。論壇開始前的現場調查其實已經透露了AI音樂此刻的位置：接近一半聽眾使用過音樂AI，但真正將它穩定放進工作流程的人明顯減少，公開發表AI作品者又更少。換句話說，AI的「接觸速度」遠高於它被創作者真正內化的速度。
黃韻玲把問題拉回最原始的位置：只要有想法、能夠表達，現在幾乎每個人都有機會完成一首作品；但工具愈強，反而愈要問自己：這首歌之於自己、之於世界，究竟要留下什麼？
AI 走進創作流程，它懂創作者嗎？
生成式AI進入音樂產業之後，最容易被看見的改變，是「做出一首歌」突然變得容易了。輸入幾句文字、指定曲風，幾十秒後就能得到旋律、編曲甚至完整人聲；沒有樂理基礎、不會演奏樂器，也不再代表無法完成一首作品。但當音樂的生產門檻快速下降，真正困難的問題反而開始浮現：當人人都能做歌，什麼東西還值得被聽見？創作者如何建立辨識度？平台如何處理爆炸性的內容供給？而AI究竟是在取代創作，還是在重新分配創作者的時間、控制權與工作方式？在「AI走進創作流程，它懂創作者嗎？」論壇中，綠光創藝董事總經理黃韻玲、KKBOX總經理葉展昀、Suno機器學習工程師張欣嘉（Vibert），以及主持人、律森文化創辦人陳律融，正好形成創作者、平台、技術與獨立製作人的四種視角。論壇開始前的現場調查其實已經透露了AI音樂此刻的位置：接近一半聽眾使用過音樂AI，但真正將它穩定放進工作流程的人明顯減少，公開發表AI作品者又更少。換句話說，AI的「接觸速度」遠高於它被創作者真正內化的速度。
黃韻玲把問題拉回最原始的位置：只要有想法、能夠表達，現在幾乎每個人都有機會完成一首作品；但工具愈強，反而愈要問自己：這首歌之於自己、之於世界，究竟要留下什麼？
由左至右:陳律融、黃韻玲、葉展昀
Suno的案例正好說明這種改變。張欣嘉提到，一位完全沒有音樂背景的人，為即將離開波士頓的朋友做了一首送別歌曲，歌詞寫進兩人抽宿舍與共同生活的故事。創作者未必控制了旋律與和弦，但真正造成共鳴的是那段只有彼此才知道的生活。另一個例子更生活化：他在YouTube聽見有人用Suno把《心經》做成LoFi音樂，工作時反覆播放，幾天之後竟然把經文背了起來。這些例子透露的並不是「AI已經跟人一樣會創作」，而是音樂的用途正在擴張。歌曲不再只是專業音樂人的商品，它也可以是送別、記憶、學習工具、知識傳遞，甚至只是某個私人情境中的聲音媒介。
葉展昀從平台後台看到的，則是另一面：內容供給正在急遽膨脹。KKBOX近兩、三年收到的新歌數量，甚至接近過去十多年累積的規模。AI讓一個人有機會變成一個完整團隊，文字、影像、配樂、製作都能自己完成；但創作門檻下降的同時，被聽見的門檻並沒有跟著下降。
如果AI能按個鍵盤生出完整歌曲，它或許只是更快的自動作曲機。但Suno目前產品發展是把控制權逐步交回給使用者。張欣嘉提到，Suno使用者從完全沒有音樂背景的一般人、內容創作者，到真正的專業製作人都有，因此產品設計的核心、是你想控制的東西必須能控制，不在意的資訊被隱藏。例如sample取樣功能，可以讓創作者把生活中的聲音放進生成流程。他曾把賽車引擎聲轉進LoFi音樂。Cover可以保留旋律重新製作，Voice Control讓創作者以自己的聲音進入生成結果，Studio則朝更接近DAW的工作方式發展，包括分軌、MIDI、效果器甚至更細部的聲音處理。
這也點出了目前AI音樂常被批評「聽起來都差不多」的原因之一。問題未必只是模型能力，而是大眾產品的預設路徑必須服務最大多數人的審美，因此很容易收斂到熟悉、流行、容易接受的聲音。真正想跳離這條平均線的創作者，仍然必須往更深層的參數、取樣、音色與結構裡走。AI因此沒有消滅製作人的角色，反而把製作人的價值重新推向「選擇」。
葉展昀從平台後台看到的，則是另一面：內容供給正在急遽膨脹。KKBOX近兩、三年收到的新歌數量，甚至接近過去十多年累積的規模。AI讓一個人有機會變成一個完整團隊，文字、影像、配樂、製作都能自己完成；但創作門檻下降的同時，被聽見的門檻並沒有跟著下降。
如果AI能按個鍵盤生出完整歌曲，它或許只是更快的自動作曲機。但Suno目前產品發展是把控制權逐步交回給使用者。張欣嘉提到，Suno使用者從完全沒有音樂背景的一般人、內容創作者，到真正的專業製作人都有，因此產品設計的核心、是你想控制的東西必須能控制，不在意的資訊被隱藏。例如sample取樣功能，可以讓創作者把生活中的聲音放進生成流程。他曾把賽車引擎聲轉進LoFi音樂。Cover可以保留旋律重新製作，Voice Control讓創作者以自己的聲音進入生成結果，Studio則朝更接近DAW的工作方式發展，包括分軌、MIDI、效果器甚至更細部的聲音處理。
這也點出了目前AI音樂常被批評「聽起來都差不多」的原因之一。問題未必只是模型能力，而是大眾產品的預設路徑必須服務最大多數人的審美，因此很容易收斂到熟悉、流行、容易接受的聲音。真正想跳離這條平均線的創作者，仍然必須往更深層的參數、取樣、音色與結構裡走。AI因此沒有消滅製作人的角色，反而把製作人的價值重新推向「選擇」。
葉展昀
黃韻玲用自己的工作史替這波AI熱潮拉出更長的時間軸。1980年代第一次接觸MIDI時，音樂人已經開始面對類似的震撼：一個人竟然可以控制整個管弦樂團。之後出現取樣、音色庫、電腦編曲、Auto-Tune、自動化混音，過去必須搬進錄音室的一整套器材與技術，四十年間一步步被濃縮進軟體，今天只是再進一步濃縮進生成模型。所以AI並不是音樂第一次遇見自動化，真正沒有被壓縮掉的，是人的判斷。她表示還沒有一個plugin會主動告訴創作者：「這一句應該再難過一點」、「這裡應該有一些失落」。工具可以產生音色、排列和弦、完成混音，但作品為什麼需要那個聲音，那個決定仍然來自人。
陳律融自己的工作正好提供另一種答案。她已經直接把Suno放進商業配樂流程，先生成、再分軌、重新編輯與混音。過去可能需要一天處理的工作，如今一小時可以快速完成多個版本，然後六位數字的報酬就進帳。關鍵並不是「按鈕取代了工作」，而是原本累積的製作sense，可以更快得到驗證。AI壓縮的首先是執行時間，而不是判斷本身。
葉展昀則表示現在一天可能有十萬首新歌進入平台，無論創作者多努力，上架那一刻都必須和另外九萬多首作品爭奪注意力，而且競爭者不只是其他歌曲，還包括短影音、遊戲、影集以及所有占用一天二十四小時的內容。因此AI時代真正缺少的，是注意力。黃韻玲進一步把這件事濃縮成三個字：辨識度。過去選歌會上，一首作品能不能在短時間被記住，靠的是旋律、聲音、編曲或一個難以取代的特質；到了AI時代，這件事反而更重要。因為軟體大家都買得到，模型大家也都能開。當生產工具趨於平等，差異便更集中在「你拿它做什麼」。這也解釋了為什麼AI音樂時代的人才培育，不應只教學生如何更快生成。
陳律融自己的工作正好提供另一種答案。她已經直接把Suno放進商業配樂流程，先生成、再分軌、重新編輯與混音。過去可能需要一天處理的工作，如今一小時可以快速完成多個版本，然後六位數字的報酬就進帳。關鍵並不是「按鈕取代了工作」，而是原本累積的製作sense，可以更快得到驗證。AI壓縮的首先是執行時間，而不是判斷本身。
葉展昀則表示現在一天可能有十萬首新歌進入平台，無論創作者多努力，上架那一刻都必須和另外九萬多首作品爭奪注意力，而且競爭者不只是其他歌曲，還包括短影音、遊戲、影集以及所有占用一天二十四小時的內容。因此AI時代真正缺少的，是注意力。黃韻玲進一步把這件事濃縮成三個字：辨識度。過去選歌會上，一首作品能不能在短時間被記住，靠的是旋律、聲音、編曲或一個難以取代的特質；到了AI時代，這件事反而更重要。因為軟體大家都買得到，模型大家也都能開。當生產工具趨於平等，差異便更集中在「你拿它做什麼」。這也解釋了為什麼AI音樂時代的人才培育，不應只教學生如何更快生成。
陳律融
黃韻玲回憶過去大家使用同一台合成器，最後做出的聲音仍然不同，因為有人會繼續調頻率、疊音色、改參數。她曾經好奇陳志遠的鋼琴為什麼特別飽滿，後來才發現那根本不只是鋼琴，而是鋼琴、鐵琴與木琴疊在一起。設備相同，味道仍然可以不同。因此未來音樂教育真正重要的，不是教學生「兩分鐘生兩首歌」，而是培養他們去追問：那顆旋鈕後面到底還藏著什麼？
供給爆炸也迫使音樂推薦改變。早期串流平台很像廣播DJ，由平台單向選歌；之後進入演算法時代，根據點擊、收藏與聆聽紀錄預測下一首。但葉展昀認為，下一階段將更接近「對話式探索」，KKBOX累積多年使用者自行建立的歌單，反而成為重要資料。人們早已用「跑步」、「失眠」、「讀書」、「通勤」替歌曲貼上生活情境。現在平台可以利用這些長期累積的micro tagging，再加入自然語言對話，例如：「明天有二十人的house party，以EDM為主」，讓推薦從被動接收逐漸變成主動尋找。
供給爆炸也迫使音樂推薦改變。早期串流平台很像廣播DJ，由平台單向選歌；之後進入演算法時代，根據點擊、收藏與聆聽紀錄預測下一首。但葉展昀認為，下一階段將更接近「對話式探索」，KKBOX累積多年使用者自行建立的歌單，反而成為重要資料。人們早已用「跑步」、「失眠」、「讀書」、「通勤」替歌曲貼上生活情境。現在平台可以利用這些長期累積的micro tagging，再加入自然語言對話，例如：「明天有二十人的house party，以EDM為主」，讓推薦從被動接收逐漸變成主動尋找。
黃韻玲
論壇尾聲，每個人被問了一個很實際的問題：如果明天只能做一件事，創作者應該做什麼？黃韻玲的答案仍然是「先想」。把已經做出的AI作品重新拿回來聽，再試一次不同方法，看看還能不能找到新的火花。葉展昀則建議創作者暫時把電腦關掉，回到真實生活裡與人互動。而陳律融自己的選擇，也許最能替整場論壇作結。他大量使用AI搜尋資料、找補助、處理工作，希望把行政與周邊工作壓縮掉；但他即將推出的專輯利用AI把時間留給那件、自己認為不能被AI介入的作品。AI未必需要真正理解創作者的生命經驗，它做的是讓人擁有更大的控制空間、更快抵達想測試的聲音，甚至替創作者從重複工作中換回時間。畢竟真正必須理解創作者的人，最後仍然是創作者自己。就像所有流程都愈來愈自動化，音樂人的核心能力濃縮成幾件最基本的事情、所有人都擁有同一套工具之後，為什麼別人仍然能一聽就知道：這是「你」的作品。
立刻加入北流Line@ 訂閱北流電子報
立刻加入北流Line@ 訂閱北流電子報
