共计 1356 个字符，预计需要花费 4 分钟才能阅读完成。
面对无法阻止的 AI 音乐浪潮，音乐行业正在积极构建新的技术体系，以追踪和管理 AI 生成的内容。2023 年，一首模仿 Drake 和 The Weeknd 的假合唱曲目 ’Heart on My Sleeve’ 在短时间内获得数百万播放量，这一事件凸显了音乐行业在 AI 音乐面前面临的挑战。
为了应对这一现象，音乐行业正在开发一套全新的基础设施，其目的并非彻底阻止生成音乐，而是使其可追踪。检测系统正被嵌入整个音乐产业链：从用于训练模型的工具，到歌曲上传的平台，再到授权许可的数据库，以及影响发现的算法。目标不仅仅是事后捕捉合成内容，而是尽早识别它，为其添加元数据，并控制其在系统中的流动。
Musical AI 的联合创始人 Matt Adell 表示：’ 如果不将这些功能构建到基础设施中，你只会疲于奔命。你无法对每首新歌或模型做出反应——这无法扩展。你需要从训练到分发都有效的基础设施。’
如今，许多初创公司正在将检测功能引入许可工作流程。像 YouTube 和 Deezer 这样的平台已经开发了内部系统，在合成音频上传时进行标记，并控制其在搜索和推荐中的展示方式。其他音乐公司，包括 Audible Magic、Pex、Rightsify 和 SoundCloud，正在从训练数据集到分发的各个环节扩展检测、审核和归属功能。
一些公司正在开发工具，从创作之初就为 AI 音乐打上标签。Vermillio 和 Musical AI 正在开发系统，扫描完成的曲目中的合成元素，并自动在元数据中标记它们。Vermillio 的 TraceID 框架更进一步，将歌曲分解为音轨——如人声音调、旋律结构和歌词模式——并标记特定的 AI 生成部分，使权利持有者能够在音轨层面检测模仿，即使新曲目只借用了原作的一部分。
该公司表示，其重点不是下架，而是主动许可和认证发布。TraceID 被定位为 YouTube 的 Content ID 等系统的替代品，后者经常遗漏细微或部分的模仿。Vermillio 估计，由 TraceID 等工具驱动的认证许可可能会从 2023 年的 7500 万美元增长到 2025 年的 100 亿美元。
一些公司甚至更进一步，追溯到训练数据本身。通过分析模型输入的内容，他们的目标是估计生成的曲目从特定艺术家或歌曲中借用了多少。这种归属可以实现更精确的许可，版税基于创意影响而非发布后的争议。
Musical AI 也在开发一个检测系统。该公司将其系统描述为贯穿摄入、生成和分发的多层次系统。它不仅仅是过滤输出，而是从头到尾追踪来源。该公司联合创始人 Sean Power 表示：’ 归属不应该在歌曲完成后才开始——它应该在模型开始学习时就开始。我们试图量化创意影响，而不仅仅是捕捉复制品。’
Deezer 已经开发了内部工具，在上传时标记完全由 AI 生成的曲目，并减少其在算法和编辑推荐中的可见性，尤其是当内容显得垃圾时。首席创新官 Aurélien Hérault 表示，截至 4 月，这些工具每天检测到大约 20% 的新上传曲目为完全由 AI 生成——比 1 月份翻了一番。
Spawning AI 的 DNTP（不训练协议）将检测推得更早——到数据集层面。这个选择退出协议允许艺术家和权利持有者将其作品标记为禁止用于模型训练。虽然视觉艺术家已经可以使用类似的工具，但音频世界仍在追赶。到目前为止，关于如何大规模标准化同意、透明度或许可，几乎没有共识。
