本報記者 肖偉

    北京時間12月12日上午7點25分，Venturebeat報道，Meta旗下Facebook人工智能研究實驗室推出可克隆聲音并生成環(huán)境音效的人工智能Audiobox。全球多家企業(yè)亦發(fā)布AI音頻模型，意圖在音樂創(chuàng)作、有聲讀物、動漫影視等細分領域掘金。

    有分析人士表示，國內(nèi)數(shù)字音樂市場規(guī)模已超1500億元，多數(shù)音樂創(chuàng)作者為獨立年輕創(chuàng)作者，AI音頻模型將為之帶來創(chuàng)作便利和創(chuàng)收空間。

    AI音頻模型不斷涌現(xiàn)

    據(jù)Venturebeat報道，Audiobox可以結合語音輸入和自然語言文本提示生成聲音和音效，從而輕松地為各種用例創(chuàng)建自定義音頻。該模型被定為“音頻生成的新基礎研究模型”，建立在該領域的早期研究成果Voicebox的基礎之上。此外，Deepmind、微軟等也為商業(yè)用戶及個人用戶推出AI音頻功能。

    國內(nèi)方面，昆侖萬維、科大訊飛、騰訊音樂、海天瑞聲等亦開展相關領域布局。其中，騰訊音樂推出“TME Studio音樂創(chuàng)作助手”與“音色制作人”兩款產(chǎn)品，協(xié)助音樂人在作詞、作曲、音樂內(nèi)容分析與剪輯等制作環(huán)節(jié)的效率提升。

    在硬件方面，炬芯科技預計高端AI音頻芯片ATS286X將在2024年推出樣品。12月12日，該公司在接受投資者提問時介紹，計劃推出最新一代高端AI音頻芯片，將之升級為CPU+DSP+NPU三核異構。

    湖南大學信息科學與工程學院教授曾湘祥對上述案例進行分析稱：“AI音頻模型如雨后春筍般涌現(xiàn)，已具備音頻生音頻、文生音頻、圖生音頻等能力。人工智能模型通過大量學習流行樂曲樣本掌握編曲規(guī)律，并依托大數(shù)據(jù)側(cè)寫完善成品，使之盡可能貼近大眾審美。這將為創(chuàng)作者節(jié)約大量探索和嘗試成本。”

    劍指超1500億元市場

    為何海內(nèi)外頭部企業(yè)均高度關注AI音頻這一賽道？在2023中國數(shù)字音樂產(chǎn)業(yè)大會上發(fā)布的《中國數(shù)字音樂產(chǎn)業(yè)報告（2022）》或許能解答這一問題。

    據(jù)該報告數(shù)據(jù)顯示，根據(jù)中國音像與數(shù)字出版協(xié)會的測算，2022年，包括在線音樂、音樂短視頻、音樂直播、在線K歌業(yè)務在內(nèi)的中國數(shù)字音樂市場總規(guī)模約為1554.9億元，相較2021年，同比增長16.8%。其中，騰訊音樂在2022年實現(xiàn)營業(yè)收入283.4億元，騰訊音樂在線付費用戶同比增長16.1%，達到8850萬人，環(huán)比凈增長320萬人，顯示出較強的增長潛力。

    該報告還顯示，在創(chuàng)作題材上，流行音樂雖是主流，但是說唱、輕音樂、國風等小眾音樂也得到關注和重視。值得一提的是，2022年，獨立音樂人數(shù)量超80萬人，共創(chuàng)作超300萬首音樂作品；其中，24歲以下的獨立音樂人占比35%，30歲以下占比達到67.3%。

    湖南大學經(jīng)濟與貿(mào)易學院副院長曹二保教授對上述案例表達高度關注，認為在AI音頻技術成熟落地、相關模型商業(yè)化后，將有力推動國內(nèi)數(shù)字音樂產(chǎn)業(yè)實現(xiàn)跨越式發(fā)展，跟上國際音樂工業(yè)發(fā)展水平。他表示：“AI音頻工具的豐富和發(fā)展，將有利于形成‘上游工具多樣化、中游創(chuàng)作便利化、下游發(fā)布平臺化、制作過程專業(yè)化’的良好格局，進而形成與國際音樂工業(yè)一較高下的水準。”

（編輯 閆立良）