AI音乐变现：发行闸门、听众选择与中文音频入口

本期覆盖北京时间 9 月 15 日 08:00 到 9 月 16 日 08:00，筛出三条互不重复的线索，分别落在发行商的责任、听众的选择，以及中文音频模型的开放入口。三条线索指向同一个问题：生成越来越便宜以后，钱卡在哪一环。

9 月 15 日，环球音乐在美国特拉华州的联邦法院起诉发行商 DistroKid，指控它同时存在欺骗性的商业做法和大规模版权侵权。诉状称，DistroKid 正在向各个平台灌入 AI 生成的垃圾音乐，把听众和收入从真正的艺人那里抽走，并把批量上传的内容包装成有真人艺人背书的正式作品。12

环球点名了 1,000 首自己的录音，按美国法定赔偿每件最高 15 万美元索赔，并在诉状中称这 1,000 首只是冰山一角。2 Variety 的报道把第二项指控写得更具体：欺骗性贸易做法。3

诉状自己划了一条线。它针对的不是清楚披露为 AI 生成的音乐进入发行，而是把 AI 生成的内容伪装成别的东西，再从中获益。披露与否，在这份文件里是两件事，这一条区分对做 AI 音乐的人最有用。

DistroKid 自称分发全球约 40% 的新音乐，服务超过 400 万艺人；今年 7 月，私募基金 CVC Capital Partners 达成协议收购它的多数股权，交易预计第三季度完成。2 截至报道，DistroKid 未就诉讼回应置评。1

这件事不是孤立的。前一天，也就是 9 月 14 日，国际唱片业协会发布了一份反欺诈倡议，要求发行服务商核验客户身份与权利、筛查侵权和 AI 风险；DistroKid 不在当时公布的签署名单里。4

适合做这件事的人是拿 AI 做曲库、批量发行歌曲的创作者，以及替客户处理发行的顾问。投入主要是时间，不需要新工具：为每首准备发布的曲目写一页披露与权利记录，写清使用的模型和版本、哪一段是人写的、输入素材的来源、封面来源和元数据。风险要说在明处，案件还没有判决，DistroKid 也没有被认定有责任，这条线最后画在哪里由法院给答案；而"明确披露"也不等于自动拿到发行资格。今天能做的动作，是抽出三首准备发布的曲目，各写一页这样的记录，再核对自己正在使用的发行商的 AI 政策条款。

同一天公开的还有一份数据报告。音乐数据机构 SIQA 在中期报告中统计了 4 月到 8 月的 1,743 首经过核验的 AI 歌曲，来自 886 位创作者、54 个国家，并跟踪了 20 周榜单。56

最反直觉的一条是完全由机器生成的歌在变少：从第一季度的 19.2% 降到 13.9%。同时，人主导、AI 辅助从 48.4% 升到 51.7%，用 AI 复制自己声音的"人加 AI 混合"从 32.4% 升到 34.4%。5 工具反而更集中：92.8% 的样本使用了 Suno，排第二的 ChatGPT 占 16.3%，主要用来写词和写旋律，其余工具都低于 4%。7

风格的差异更值得看。R&B 和灵魂乐仍是提交量最大的方向，占 32.0%。增长最快的是福音音乐，从 8.1% 升到 14.0%，并在最后 10 周的前十名里占到 25%，以约一半的提交量拿到与 R&B 相同的席位。乡村音乐的前十名份额从 6% 升到 18%。嘻哈和说唱则从 11.8% 降到 7.1%，报告把它称为这个类目里转化最差的方向。5

案例方面，华纳旗下 Spinnin' Records 发行的 The Second Voice 以一首歌连续 14 周排在榜首，这是第一支与主流厂牌有关联的 AI 艺人登顶；说唱歌手 Tyga 使用 Suno 完成的作品最高排到第 8。5

有两处边界必须先说清楚。分类由创作者在提交时自行申报，SIQA 再做核验，所以这份数据描述的是主动提交的这批人，不是平台上的全部 AI 音乐，也完全不能当作收入证明。另外，自述分类本身开始有代价：8 月 25 日，澳大利亚官方榜单把完全由 AI 生成的歌曲排除在外，标签会影响你能进入的榜单范围。5

这条线索适合独立创作者、小团队和还在选方向的制作人。看数据不需要任何成本，参与它的验证登记则要提交制作方式资料。它给动作也很直接：挑一个转化率更高的风格方向，拿三首作品做一次小规模对照，发布前把"人是哪里做的、AI 是哪里做的"写成一句话记录。

国内这边，阶跃星辰在 9 月 15 日发布 StepAudio 3 系列音频模型，一次推出 Realtime、ASR、TTS、Gen 和 Music 五款，覆盖实时语音交互、语音识别、真人级语音生成和音乐创作，五款模型均已上线阶跃星辰开放平台。89

和音乐创作最相关的是 StepAudio 3 Music。它不只支持一句话生成一首歌，还支持歌曲创作、清唱配乐、歌曲翻唱，以及基于 ABC 记谱法的多轮交互创作。创作者可以用歌词、清唱或参考歌曲参与迭代，让模型接着完成编曲和改编。8

StepAudio 3 Gen 则把人声、音效、环境声和背景音乐合到一次生成里，可以控制音色、情绪，以及不同声音出现的时间和顺序，官方给出的场景是影视、动画、游戏、广播剧、有声书和短视频。官方同时说明，该系列支持中文、英文、方言、中英混说和长音频场景。8 商业入口是阶跃星辰开放平台的接口，五款模型都已经上线。10

这里的关键词是中文团队熟悉的那些场景：方言、中英混说、有声书和广播剧。适合做这件事的是做短视频、有声书、广播剧和游戏音频的两三个人小团队，以及需要中文演唱 demo 的创作者。投入按调用量计算，最低成本的测试不是先买订阅，而是拿一段自己唱的旋律，做一次三版编曲的对比。边界要放在前面：接口能用，不等于生成的内容一定能商用，作品的版权归属和训练数据用了什么，是两件要分开核对的事；评测榜单上的排名对应它的测试场景，不是你的客户场景。今天可以做的动作，是用一段自己的清唱加一段歌词跑三版编曲，顺手记录耗时、返工次数和可用比例。

三条线索的方向是一致的。生成的成本还在往下走，卡住的地方在往后移：移到发行时的披露与证据，移到听众对"有人参与"的偏好，也移到你能不能把自己的制作过程讲清楚。

所以今天可以做的事很小。打开你已经做完、或者准备发布的三首歌，给每一首写一句话：人是哪里做的，AI 是哪里做的，输入素材从哪里来。这一页说明，比再多生成十首歌，更接近能交付、能报价、能解释的状态。