腾讯音乐财报揭示：AIGC赋能音乐产业，创新无限可能

人工智能生成内容正逐渐渗透至各行各业，音乐产业也不例外。腾讯音乐的财报揭示了AIGC在音乐产业的赋能作用，展现了创新无限的可能性。

AIGC技术具有强大的文本、图像乃至一切可以用数字形式承载的“内容”生成能力。目前，AIGC的通用玩法有两种：一是自建能力，二是利用已有的通用能力，做产业向的应用升级。

腾讯音乐在AIGC方面已取得领先尝试。其最新财报显示，腾讯音乐正在持续落地的多元应用，如“腾讯音乐启明星”与“音色制作人”，不仅提升了音乐人在作词、作曲、音乐内容分析与剪辑等制作环节的效率，还能将用户原声与不同歌曲无缝融合，促进高质量内容的创作。

只是，AIGC技术的产业化应用离不开高质量的数据集。腾讯音乐旗下的酷狗的“音色制作人”就是通过深度学习原理，学习人的声音，生成专属的音色音效，制作歌曲。

在内容创作方向，腾讯音乐的“腾讯音乐启明星”平台集合了QQ音乐银河音效、MUSE引擎、TME天琴实验室等各方面的技术，为其提供音乐分离联合开发的音频技术支持。

因为“腾讯音乐启明星”不断推出更多智能化辅助创作工具，大批音乐人加入、使用，驱使这部分数据的质量也在不断提升，为腾讯音乐的AIGC技术创新提供了充足的数据燃料。

需要有清晰的应用落点，并且要和技术的能力匹配。ChatGPT引发的全球群“模”乱舞，使得AIGC备受关注。而腾讯音乐，在有诸多AI实践经验和场景、数据积累方面，都有充分的准备，这意味它的技术创新探索之路，已然会平坦许多。

只是，有三个痛点不能忽视。需求足够明确，就有清晰的应用落点。腾讯音乐的业务焦点就是音乐等内容和音效、直播等音视频技术，再加上其在用户侧的应用、互动、参与，这是突出且明确的刚需。

腾讯音乐娱乐集团QQ音乐技术副总裁、天琴实验室负责人周文江表示，基于对行业发展痛点和用户体验需求的深度洞察，TME在前几年已率先组建天琴实验室等业内顶尖的技术研究团队，各团队技术人才结构和部分研究成果已达到行业领先水平，目前也正在持续推动文本、图像、音视频等多个维度的AIGC创新成果落地。

三、产业未来应用落地：技术即内容生产力。因为，腾讯音乐的AI落地场景很多，对AIGC工具有切实的需求，所以很快就能用起来并产生商业和社会价值。对于腾讯音乐而言，AIGC不是噱头、不是妆点，而是实实在在的生产力。

腾讯音乐娱乐集团正在构建和完善自己的“三高要素”。事实上，这家领先的中国在线音乐与音频娱乐平台已经广泛的在业务中使用AI技术，这次财报披露的信息也显示，在较短时间内，腾讯音乐已基于数据和场景方面的优势，在AIGC的产业化应用方面探索出了一条有差异化竞争力的新路。

有实践就更容易用好相关技术，如果一个企业以前一点使用AI的积累都没有，凭空宣布自己要深度切入前沿领域，大概率是为了讲故事和画饼充饥。

最后，技术的产业化落地还需要企业有足够的垂直领域的数字化能力，很多传统产业要迈过这一关并不容易。但这对于数字原生的腾讯音乐来说是一个天然利好，其不需要从底座就开始做，而是可以在已有深度积累的技术研发基础上做私有化部署，并且结合垂直领域的数据和知识进行“微调”。

它们的价值体现在，对C端从单纯的音乐欣赏变成了UGC、PUGC参与的可共创、可交互的系统，使得各种体验和玩法得到极大的提升；从B端由于用户的广泛参与，和未来生成能力的增强，将从根本上改变音乐行业的成本机构，而成本结构的改变是一切深层次产业变革的基础。

那么，AIGC在腾讯音乐体系内的应用，结合其现有业务来看会如何落地和输出价值呢？据了解，在ChatGPT出来之前，腾讯音乐就已经在AI领域投入了大量研发精力。从结果上看，确实落地也很快，这些尝试也让腾讯音乐颇具行业前瞻性地在AIGC技术的产业化落地方面积累了丰富的经验。

这些工具都极大的降低了音乐创作的门槛，其中，“腾讯音乐启明星”新推出了可分离提取歌曲中的人声和乐器的“音乐分离”、基于音乐内容理解识别各式歌曲要素的“MIR计算”等功能；以及音色制作人中的全新上线AI封面、AI写真、AI帮唱、AI词曲评估以及AI觅词等五大功能，都实现了以科技来改变过去音乐制作存在的“不可能三角”——质量、速度、成本，令其能够同时实现。

当音乐遇上AIGC，用技术为文化创造更多价值的未来已经近在眼前。腾讯音乐把技术转化为实实在在的生产力，能够为行业提供更多服务、为用户提供革命性体验，最终双向奔赴，进而为行业创造更多增量，推动自身和行业的高质量增长，也为我们的精神生活增添更多的乐趣。

但用钱解决不了的问题是，如果不能具备实际的落地场景和商业价值，技术本身并不能产生价值，只能成为成本。

而腾讯音乐的其中一个核心优势在于，其本身就具有大量的数字化内容。

由于世界上已经有很多开源数据集作为基础，所以，仅仅就做出AIGC探索这件事本身而言，只要具有足够的资金和人才资源，想要达到一定的参数量，并不是多么困难。这也是很多新创团队在很短的时间内就宣布自己推出AIGC功能或产品的深层原因。

所以，要判断技术应用能否落地，先要看看这一领域内是否已经有足够的AI实践。

话虽如此，但新技术真正能落地的要素，却相当难以具备。如果说传统意义上的“算法、算力和数据”是AI的基本要素，那么“高质量数据+高层次人才+高频场景”的“三高要素”，才是技术能落地并推动行业解放生产力的关键。

例如，因为多元化音效成为用户音乐消费的“刚需”。第一季度，腾讯音乐将高品质音质进一步覆盖至车载场景，其旗下QQ音乐的银河音效可实现车载音响的最佳效果。酷狗音乐的蝰蛇音效也在满足方便使用、好听好玩的基础功能之上，持续深耕，让音效服务在听感提升的同时，不断更新各类玩法，以开放平台打造UGC音效社区，成为国内首屈一指的音效品牌。

是有足够规模的预训练数据集。

即使有了深度学习技术的加持，但经过人工精标的大规模训练数据集，仍然是AIGC技术产业化应用的关键。

但是，无论如何，都有三个痛点不能忽视。

这里的重点是“UGC”。我们可以理解为，12万条以上的音效中有相当部分，是用户参与构建或打磨的，而这种“打磨”某种程度上就可以视为一种“数据标注”，这都是腾讯音乐可以复用的优质数据资源。