20秒出歌、百變風(fēng)格，AI音樂進(jìn)入“Agent時(shí)刻”

新音樂產(chǎn)業(yè)觀察原創(chuàng)文章，未經(jīng)授權(quán)謝絕轉(zhuǎn)載

作者丨朱力克

深夜的錄音棚里，制作人盯著屏幕反復(fù)回放一段剛編好的副歌，一邊下意識(shí)地去點(diǎn)插件列表。是不是要換個(gè)鼓組？是不是要改個(gè)音色？不是沒有想法，而是太清楚接下來要付出的時(shí)間：重搭音色鏈路、重新對(duì)齊節(jié)奏、再跑一遍結(jié)構(gòu)，可能只是為了驗(yàn)證一個(gè)不一定成立的感覺。

對(duì)很多音樂人來說，這種“被流程拖慢”的創(chuàng)作體驗(yàn)，早已習(xí)以為常。過去兩年，AI音樂工具的爆發(fā)，一度讓人以為這個(gè)問題會(huì)被徹底解決。從“一句話生成一首歌”，到各種自動(dòng)作曲、自動(dòng)編曲產(chǎn)品層出不窮，AI似乎已經(jīng)證明了能寫歌。但在實(shí)際創(chuàng)作中，這些工具更多停留在玩具或輔助的位置。好玩，但難以進(jìn)入真正的創(chuàng)作流程。

2026年以來，事情逐漸有了變化。隨著MiniMax Music 2.5、2.5+的推出，AI音樂在音質(zhì)、結(jié)構(gòu)和完成度上逐漸逼近專業(yè)制作水平，至少在純音樂場(chǎng)景中，已經(jīng)具備了明確的商用能力。而最新的Music 2.6，則把這種能力進(jìn)一步推向一個(gè)更關(guān)鍵的節(jié)點(diǎn)：20秒內(nèi)出歌、旋律與結(jié)構(gòu)可控、風(fēng)格可以被“編排”。

尤其是兩類能力變得更實(shí)用：Vibe Coding式的歌曲創(chuàng)作，創(chuàng)作者只需要描述一種氛圍或感覺，就可以快速得到多個(gè)方向的音樂版本，AI Cover則基于已有作品進(jìn)行風(fēng)格化改寫、擴(kuò)展甚至重組。從調(diào)式、節(jié)奏到人聲、樂器，每個(gè)細(xì)節(jié)都可隨時(shí)調(diào)整。

本質(zhì)上，它意味著一件更重要的事情：AI不再只是“寫一首歌”，而是開始參與“做一個(gè)音樂項(xiàng)目”。也就是說，AI正在從一個(gè)結(jié)果生成工具，變成一個(gè)可以嵌入創(chuàng)作流程、甚至重構(gòu)流程的系統(tǒng)。

從“等結(jié)果”到“實(shí)時(shí)創(chuàng)作”

Music 2.6新模型上線即開啟14天免費(fèi)體驗(yàn)，C端網(wǎng)頁(yè)用戶每個(gè)帳號(hào)每日500首/天的新模型音樂創(chuàng)作額度。體驗(yàn)過后，我們發(fā)現(xiàn)Music 2.6解決的，不只是更好聽的問題，而是更快和更可控，從而讓AI真正進(jìn)入創(chuàng)作過程本身。

在此前的AI音樂工具中，一個(gè)最影響體驗(yàn)的問題是反饋速度。生成一段音樂往往需要等待一分鐘甚至更久，這意味著每一次修改都要經(jīng)歷完整的一輪等待。對(duì)于創(chuàng)作來說，這種節(jié)奏幾乎是致命的——靈感往往是連續(xù)的，但工具卻是離散的，創(chuàng)作者不得不在等待結(jié)果和繼續(xù)思考之間反復(fù)切換。

Music 2.6把首包時(shí)間壓縮到20秒以內(nèi)，這個(gè)變化的意義，并不僅僅是效率提升，而是直接改變了創(chuàng)作的交互方式。創(chuàng)作者可以像使用樂器一樣，與AI進(jìn)行近似實(shí)時(shí)的互動(dòng)：提出一個(gè)想法，快速得到反饋，再基于結(jié)果繼續(xù)調(diào)整。創(chuàng)作不再是“提交—等待—修改”的循環(huán)，而更接近一種連續(xù)的對(duì)話過程。

與此同時(shí)，這一代產(chǎn)品在控制能力上的提升，同樣關(guān)鍵。過去的AI生成，更像是“抽卡”。輸入一個(gè)模糊的描述，得到一個(gè)不可預(yù)期的結(jié)果。而在Music 2.6中，創(chuàng)作者可以明確指定BPM、調(diào)性（Key）、段落結(jié)構(gòu)、情緒走向等參數(shù)，甚至可以對(duì)歌曲的不同部分進(jìn)行精細(xì)化控制。這意味著，AI不再只是提供靈感，而是可以參與到嚴(yán)肅創(chuàng)作流程中。

這種變化還體現(xiàn)在更細(xì)微的層面。相比2.5，2.6不僅在旋律生成上更穩(wěn)定，也開始理解段落邏輯。副歌的推進(jìn)、過門的銜接、情緒的遞進(jìn)更加自然。同時(shí)，人聲的表現(xiàn)更接近真實(shí)演唱，器樂之間的配合也更像真實(shí)樂隊(duì)的互動(dòng)，尤其是在中低頻部分，鼓與貝斯的律動(dòng)明顯更加“站得住”。

這些看似是技術(shù)細(xì)節(jié)的提升，疊加在一起，帶來的結(jié)果是：AI第一次具備了實(shí)時(shí)反饋+結(jié)構(gòu)可控的能力組合。當(dāng)這兩個(gè)條件同時(shí)成立時(shí)，AI才真正從生成工具，變成創(chuàng)作工具。

從“寫一首歌”到“搭一套系統(tǒng)”

如果說速度和可控性解決的是能不能用，那么Music 2.6更深層的變化在于，它正在推動(dòng)音樂創(chuàng)作進(jìn)入一種全新的工作方式——Agent驅(qū)動(dòng)的創(chuàng)作流程

MiniMax近期開源了3個(gè)music skills，并在token plan中新增了每日100 首的免費(fèi)音樂創(chuàng)作額度。結(jié)合mmx-cli的調(diào)用方式，創(chuàng)作者可以更方便地嘗試用Agent搭建自己的音樂工作流，把不同的創(chuàng)作環(huán)節(jié)串聯(lián)起來，逐步形成更高效的生產(chǎn)流程。

在傳統(tǒng)的音樂制作中，創(chuàng)作路徑是高度線性的。音樂人需要在DAW（如Ableton Live）中一軌一軌地搭建作品：先寫旋律，再配和弦，接著編節(jié)奏、拼結(jié)構(gòu)，最后進(jìn)入混音與導(dǎo)出階段。每一個(gè)環(huán)節(jié)都需要人工操作，而且彼此之間強(qiáng)依賴，一旦前面發(fā)生修改，后面的工作往往需要重來。換一個(gè)鼓組要重新搭鏈路，改一段結(jié)構(gòu)要重新拼軌道，而在AI參與的創(chuàng)作流程中，這種模式開始被打破。

新的路徑更接近這樣一種邏輯：創(chuàng)作者用自然語言或結(jié)構(gòu)化提示描述需求，系統(tǒng)批量生成多個(gè)版本，創(chuàng)作者快速篩選并進(jìn)行微調(diào)，同時(shí)可以并行推進(jìn)多個(gè)方向。這種方式與其說是做音樂，不如說更像是在調(diào)試一個(gè)系統(tǒng)。

這種變化，和當(dāng)下流行的Vibe Coding有某種相似性。開發(fā)者不再手寫每一行代碼，而是通過自然語言描述需求，由系統(tǒng)生成代碼，再進(jìn)行選擇和修改。對(duì)應(yīng)到音樂創(chuàng)作中，Prompt和結(jié)構(gòu)控制，正在變成一種新的編程語言，用于編排音樂生成流程。

在這個(gè)體系中，Skill的出現(xiàn)進(jìn)一步放大了這種變化（Skill倉(cāng)庫(kù)地址見評(píng)論區(qū)）。所謂Music Skills，本質(zhì)上是把音樂能力拆解成可以調(diào)用的模塊。關(guān)鍵不在于多了幾個(gè)功能，而在于音樂能力本身被組件化了。

例如，生成引擎可以作為一個(gè)基礎(chǔ)Skill，自動(dòng)識(shí)別用戶需求并匹配合適的生成策略；歌單生成器則不再只是推薦已有內(nèi)容，而是基于用戶偏好直接生成新的作品，從而讓“推薦系統(tǒng)”向“內(nèi)容生產(chǎn)系統(tǒng)”轉(zhuǎn)變；而類似“寵物歌手”的能力，則讓AI具備持續(xù)輸出特定聲音和人格的能力，某種程度上是在構(gòu)建新的虛擬音樂IP。

更重要的是，這些Skill不僅可以調(diào)用，還可以被組合、擴(kuò)展，甚至由創(chuàng)作者自己構(gòu)建。

一個(gè)熟悉某種風(fēng)格的制作人，可以把自己的創(chuàng)作經(jīng)驗(yàn)拆解成一系列Skill，例如特定的和弦走向、節(jié)奏模式、音色組合，然后在不同項(xiàng)目中反復(fù)調(diào)用。這種能力，使得創(chuàng)作不再是一次性的勞動(dòng)，而是可以被沉淀和復(fù)用的系統(tǒng)資產(chǎn)。

當(dāng)Skill與Agent結(jié)合之后，創(chuàng)作的自由度被進(jìn)一步放大。Agent可以自動(dòng)調(diào)用不同Skill，完成從旋律到結(jié)構(gòu)的整體生成，而創(chuàng)作者則在關(guān)鍵節(jié)點(diǎn)進(jìn)行干預(yù)和選擇。這種模式下，創(chuàng)作不再受限于單一工具或固定流程，而是可以根據(jù)需求動(dòng)態(tài)組合能力模塊，甚至“手搓”出屬于自己的創(chuàng)作系統(tǒng)。

因此，Music 2.6真正改變的，不只是怎么寫一首歌，而是怎么生產(chǎn)音樂。

從作品到服務(wù)，AI音樂正在重寫供給邏輯

當(dāng)創(chuàng)作方式發(fā)生變化時(shí)，受到影響的就不僅是創(chuàng)作者本身，而是整個(gè)音樂供給鏈。

首先，內(nèi)容生產(chǎn)將進(jìn)一步爆發(fā)。當(dāng)前已經(jīng)可以看到多個(gè)明確跑通的應(yīng)用場(chǎng)景：短視頻BGM是規(guī)模最大的市場(chǎng)，其次包括國(guó)風(fēng)、同人音樂、方言神曲、企業(yè)定制音樂以及游戲音效等。這些場(chǎng)景有一個(gè)共同特點(diǎn)，對(duì)音樂的需求量極大，但單首作品的預(yù)算有限。AI音樂的出現(xiàn)，使得這些需求可以被更低成本、更高效率地滿足，從而進(jìn)一步擴(kuò)大整體供給。

其次，體現(xiàn)在Cover能力的變化。在AI體系下，Cover不再只是簡(jiǎn)單的翻唱，而更像是一種音樂資產(chǎn)再開發(fā)。同一首作品，可以被快速生成多個(gè)風(fēng)格版本，以適配不同平臺(tái)、不同受眾甚至不同語境。這種能力，使得音樂從單一作品，變成一種可以被反復(fù)利用的內(nèi)容資源。

再次，Agent工作流融入音樂生產(chǎn)。以MiniMax為代表的路徑，將創(chuàng)作流程拆解為由Agent（任務(wù)編排）、CLI（調(diào)用接口）與Skill（可復(fù)用原子能力）構(gòu)成的模塊化結(jié)構(gòu)，使旋律生成、風(fēng)格遷移、歌詞處理等環(huán)節(jié)可以被標(biāo)準(zhǔn)化、組合與復(fù)用。音樂生產(chǎn)有望演變?yōu)轭愃啤安寮钡纳鷳B(tài)結(jié)構(gòu)，創(chuàng)作經(jīng)驗(yàn)被沉淀為可流通的能力模塊，從而重塑行業(yè)分工與效率邊界。

進(jìn)一步來看，這些變化正在推動(dòng)行業(yè)結(jié)構(gòu)的調(diào)整。平臺(tái)的角色，正在從單純內(nèi)容分發(fā)向生成+分發(fā)轉(zhuǎn)變；創(chuàng)作者的角色，從具體制作轉(zhuǎn)向流程調(diào)度與決策；商業(yè)模式，也從以版權(quán)為核心，逐漸向定制化服務(wù)延伸。同時(shí)，非專業(yè)用戶的參與門檻被大幅降低，創(chuàng)作從技能驅(qū)動(dòng)，轉(zhuǎn)向表達(dá)驅(qū)動(dòng)。

在這個(gè)過程中，一個(gè)值得關(guān)注的問題是版權(quán)。當(dāng)音樂可以被快速生成、改編甚至重組時(shí)，原有的版權(quán)體系如何適配新的生產(chǎn)方式，仍然是行業(yè)需要面對(duì)的重要議題。

但可以確定的是，當(dāng)寫歌變成一件20秒就能開始的事情，當(dāng)旋律、風(fēng)格和結(jié)構(gòu)都可以被編排，音樂正在發(fā)生一次更底層的變化。它不再只是藝術(shù)表達(dá)的載體，也開始成為一種類似計(jì)算能力的基礎(chǔ)設(shè)施。

過去，音樂是一首首獨(dú)立的作品；現(xiàn)在，音樂開始變成可以拆分、重組的內(nèi)容組件；而在未來，它可能成為一種可以被隨時(shí)調(diào)用的基礎(chǔ)能力。AI正在推動(dòng)音樂從作品向資源轉(zhuǎn)變。

而真正的競(jìng)爭(zhēng)，也許才剛剛開始。對(duì)于AI公司來說，比拼的不只是模型性能，而是誰能構(gòu)建起完整的音樂創(chuàng)作生態(tài)；對(duì)于創(chuàng)作者來說，則面臨一個(gè)更開放的問題：當(dāng)每個(gè)人都可以做歌，什么才是好音樂？

-全文完-