文 | 李沁予        

编辑 | 范志辉

不知道你有没有这种感觉：现在很多AI音乐，第一耳挺惊艳，但很少有第二遍还想听的。

不是因为它不够复杂，恰恰相反，是因为很多AI太喜欢把音乐“做满”了，很多都像炫技。鼓点要密、和声要厚、情绪要顶，几乎每一层都在努力证明自己的存在，却经常让人觉得用力过猛。因为真人创作里很重要的一件事，恰恰是知道什么时候“不做”——有铺垫、有呼吸、有留白，高潮才真正成立。

比如前段时间引发争议的《泡沫》AI魔改版被下架、创作者道歉，除了版权问题，很大一部分原因就是AI改编把原曲里的情绪几乎都丢光了，反而失去了原本的层次和张力。

事实上，AI音乐这些年一直在学习如何更“像人”。从早期人声几乎一口气唱完整首歌，到如今已经能模拟呼吸、停顿甚至情绪变化，技术进步很显著。但即便如此，能被人反复听的 AI 音乐依然很少，因为现在的 AI 几乎做不到“克制”，情绪起伏还是很难跟真人音乐相比。

当AI音乐普遍跨过“能写歌”这道门槛，行业竞争也开始从生成能力转向创作能力。这个创作能力其实包含两个方向：一方面，是能不能生成出更接近真人制作水准；另一方面，则是能不能给音乐人提供真正可用的创作工具，而不只是一个交作业的成品生成器。

最近，国产AI音乐平台Mureka发布的V9.5模型，恰好让我看到了这两个方向上都在往前走的可能。

它提出“True to music. Open to every idea.”（忠于音乐本真，承载每一种灵感）——不再一味追求“更满、更复杂”，而是强调克制、留白、情绪，以及创作者对音乐的掌控。这背后其实也呼应了 Mureka 的品牌 slogan：“Eureka Flows, Music Grows”。

那么，从“会生成”到“懂创作”，AI音乐是否正在迎来属于自己的“尤里卡时刻”？

AI音乐开始学会“克制”了

过去两年，AI音乐最重要的进步，是解决了能不能生成一首完整歌曲的问题。

但当大模型能力逐渐趋同，这件事本身已经很难再带来惊喜。今天的用户也不再满足于“AI写歌”这件事，而开始像评价任何一首音乐一样去评价AI作品：有没有情绪、记忆点，是否值得再听一遍。

这也暴露了当前AI音乐越来越明显的问题，五花八门的乐器、复杂的编曲、饱满的混音、更超越极限的人声，几乎所有元素都在努力证明自己存在。

带着这些问题，我们体验了Mureka最新发布的MurekaV9.5模型。

经过实际测评，此次MurekaV9.5的最大惊喜，是开始真正了解创作，不再追求“更满、更复杂”，而希望音乐真正做到收放自如，更符合真实创作逻辑，提示词也更加可控。

以我们此前使用V9模型生成《再给我多一点时间》为例，在保持歌词完全一致的前提下，这次我们重新设计了一组Prompt：

“Ambient Lo-Fi 氛围、70 BPM 慢板节奏，以 Rhodes 电钢和带有磁带饱和质感的模拟合成器作为底色，辅以细腻的城市民谣吉他、极简底鼓以及雨声采样，希望营造一种缓慢、克制、带有深夜孤独感的电子抒情氛围。”

最终呈现出的结果，比预期更值得讨论。

首先是音色与质感的还原。MurekaV9.5对复古Lo-Fi风格的理解更加完整，从Rhodes电钢的温暖颗粒感，到Tape Saturation带来的轻微失真与模拟质感，都能够较为自然地融入整体听感，而不是简单堆叠几个具有风格标签的元素。

最终呈现出来的感受，是Prompt与成品之间的对应关系变得更清晰。当创作者在提示词中描述的是一种特定的氛围、节奏和情绪时，模型开始能够把这些抽象的创作意图，稳定地转化为具体的音乐表达，而不是仅仅匹配几个风格标签。

编曲逻辑上，可以听到，在没有Prompt要求的情况下，MurekaV9.5也不再一味追求"满"，而是开始主动控制编曲密度。

以我们的测试Demo《尤里卡》为例，尤其在人声进入、桥段过渡等位置，可以听到更多为主旋律让出的空间，伴奏不会持续占满整个频段，声部之间也保留了必要的呼吸感，使情绪能够随着歌曲推进逐渐建立，而不是从开头就维持在同一个张力水平。

此外，MurekaV9.5在人声部分的变化同样值得关注。

以Demo《The Life We Make》为例，相比不少AI音乐模型习惯采用存在感极强的人声处理，以厚重的音色和持续饱满的演唱来强化完成度，MurekaV9.5反而选择了一种更克制、可信的表达方式。

具体听下来，可以感受到演唱处理更加松弛，咬字没有刻意强调力度。这种变化未必会在第一耳制造强烈冲击，却让弱声、气声、咬字和语气真正参与到情绪表达中，整首作品也因此有了更自然的情绪流动。

而MurekaV9.5更克制的编曲、更准确的创作意图兑现，以及更自然的人声背后，实际上指向了同一个问题：AI开始如何理解一首歌作为整体的创作逻辑。

要解释这一点，就需要深挖它背后的技术路线。

当前，不少AI音乐模型仍然采用逐步生成的方式完成创作，模型一边生成、一边预测后续内容，虽然能够快速完成整首作品，但由于缺乏对全局结构的统一规划，容易出现段落衔接生硬、情绪推进失衡，甚至编曲与演唱表达脱节等问题。

MurekaV9.5则延续并进一步完善了MusiCoT（Music Chain of Thought） 技术路线，更接近真实音乐制作的工作流程。在具体生成旋律、配器和演唱之前，先对整首作品的结构框架进行规划，包括段落组织、情绪曲线、动态起伏以及留白与推进的位置，再围绕这一整体框架逐步完成后续生成。

从结果来看，这种变化带来的提升，并不仅仅体现在某一个维度的听感优化，而是让歌曲的整体完成度更符合真实创作逻辑。编曲、人声、提示词不再只是生成过程中的不可控结果，而开始服从于一套更完整的音乐叙事。

因此，当行业开始讨论留白、情绪推进、Prompt兑现和反复聆听价值时，AI音乐的评价体系，其实已经越来越接近真实音乐创作本身。

AI音乐的“尤里卡时刻”

过去，对于创作者来说，大多数AI音乐工具遵循的是一种非常典型的生成逻辑，本质上，仍然是"抽卡式创作"。

这一点，也是Mureka对创作者理解最值得关注的变化。随着产品逐渐从单次生成走向“版本化创作”，在体验的过程中，可以很明显地感受到，Mureka在让模型负责减少结果的不确定性，产品则负责扩大创作者的决策空间，把更多控制权交还给创作者。

某种意义上，Mureka让AI开始从生成内容转向经营创意，迎来了AI音乐的“尤里卡时刻”。

所谓“尤里卡时刻”，来自希腊语“Eureka”，意为“我发现了”。它通常被用来形容一个人在反复探索之后，突然找到关键答案、灵感被点亮的那个瞬间。这其实也很像创作本身。真正困难的往往不是把一首歌写出来，而是从无数模糊的情绪、旋律和想法里，找到那个“对了，就是它”的瞬间。

从模型侧看，Mureka正在尝试将“好听”变成可控，可复现、可进化的系统能力，段落级歌词语义、人声表达与情绪匹配、音乐结构和语义推进之间的关系，都开始被纳入同一套优化逻辑里。

模型变强之后，真正有意思的问题，反而出现在产品层。比生成更多优质歌曲更重要的，是能不能让创作者在版本之间有效地做选择。也正因为如此，Mureka后续几个产品能力才值得放在同一条线上理解。

例如Character&MV，创作者可以用一张照片加一小段人声，一个由"形象+声音"组成的虚拟角色就可以在后续创作中持续复用，形成更完整的数字身份。

Soundtrack解决的则是另一类创作衔接问题。过去视频创作者往往是在画面完成之后，再去寻找一段差不多合适的BGM；现在，AI开始根据画面的场景、动作和情绪参与配乐。

以我们亲测的配乐《长大》为例，所生成的配乐完全围绕着图像叙事服务，让音乐跟着画面推进，而不是简单寻找一段风格接近的背景音乐。

相比之下，Mureka Co更接近专业音乐工作流里的关键一步。它直接进入Ableton Live等DAW环境，通过自然语言创建音轨、设置BPM、加载效果器、生成完整曲目或单轨，并完成分轨和节拍对齐。

对专业创作者来说，这一点尤其关键。AI负责执行，创作者继续负责判断，生成和制作不再被截然分开。

观察到这里，变化已经越来越明显。Mureka正在做的，是在搭建一套完整的AI原生创作平台。

对于新手，可以通过对话式Agent、自定义模式完成歌词、旋律、人声和歌曲生成；对于内容创作者，可以完成图片、视频配乐以及AI音乐视频制作；对于专业制作人，则可以利用Studio、多轨编辑、分轨导出以及Mureka Co深度进入DAW工作流。

整个流程覆盖了从灵感产生、内容生成、精修编辑，到视频制作和专业制作的完整链路。同一个创意可以在平台快速探索、控制、执行不同版本，而创作者保留下来的，反而是最难自动化的部分，审美判断、取舍和表达。

这也是为什么，判断Mureka的差异，不能只看V9.5和另一款模型谁的Demo更惊艳。

结语

从这个角度看，Mureka正在超越一个单纯的AI音乐生成工具，更接近AI音乐时代的“创作基础设施”：它连接的不只是模型与作品，更是灵感、生成、编辑乃至后续发布的一整套创作链路。

区别在于，它所服务的创作者、生产方式与内容形态，都更加AI原生。

这也意味着，AI音乐的下一阶段竞争，很可能不再只是模型之争，而是创作入口之争。

未来真正需要争夺的，不只是“谁生成得更好听”，更是谁能成为创作者最习惯打开的那个入口——一个灵感从出现，到生成、修改、完善，再到最终成为作品，都能够在这里完成。

模型能力当然仍然重要，它决定了一款AI音乐产品能够做到什么；但当不同模型之间的能力差距逐渐缩小时，真正决定用户会不会留下来的，可能是工作流是否顺手、创作自由度是否足够，以及平台能不能持续承接创作者越来越复杂的需求。

模型决定能力的上限，工作流决定创作的体验，而平台最终争夺的，是创作者的习惯。