DEMO｜融了4000万美金的AI音乐产品，做出的歌到底啥样？

尽管之前，短视频平台上就已经充斥着 AI 音乐，但它们仍然属于“音乐”的范畴，目标是用情绪化和洗脑的词曲，搭配视频扩大传播，且不希望让人听出来是 AI 做的。 这也让 AI 音乐成为一个很“奇怪”的创业赛道。一方面，竞争不如通用模型和 Agent 那么激烈，由此带来的市场关注度有限；另一方面，用户正真金白银地参与共创。 当不少 AI 应用还在盈亏线上仰卧起坐时，ACE 已有 10 万付费用户、月收入 200 万美元，并完成 Pre-B 轮融资。Hans Zimmer、Teddy Riley、Martin Garrix 以及多位格莱美获奖制作人，都在使用它的产品。 据悉，ACE 近日完成新一轮近 4000 万美元融资，本轮由头部战投、CCV、顺为资本、Alphaist 等机构投资，多个老股东超额跟投。至此，ACE 成为 AI 音乐赛道融资额最高的华人创业团队。 这家长期服务专业音乐人、深耕 AI 原生音乐生产工具的公司，正计划在原有业务之外新增一款“玩音乐”的产品，miya.fm，一个主打 AI 音乐新玩法的 Agent。 如此宏大的音乐，和我第一次打开 ACE 的感受完全相反。产品简洁朴素，没有 readme，说明文档藏在右下角小图标里。扑面而来的是一个直接创作的音频分轨界面。 不过，这套产品思路对专业创作者而言完全成立。他们不需要花哨的页面和冗余功能，只在乎顶级的可控性。所谓可控，是指产品能否在功能层面让创作者完全掌控创作，并精准呈现细粒度表达。 比如开头那段弦乐成品，就是直接把 MIDI 或 MusicXML 文件拖进 ACE Studio，为轨道选择“小提琴”“大提琴”等 AI 音色，它就会按照写好的音符自动演奏。此外，还能开启乐器的 Unison 模式，按需调节每件乐器的音量、时间偏移和立体声宽度。 又或者，只需在钢琴卷帘中输入旋律和歌词，就能立刻听到 AI 演唱。如果某个音或某句歌词听起来不对，可以马上修改，调整后的结果也会即时反馈。 下面这个视频是更全面的功能展示。除一句话生成外，还可以根据任意片段 AI 生成匹配的人声或乐器、对局部音频进行 AI 改编、支持接入 Codex、Claude Code 等 Agent 直接操作工程...... 正是这种对专业创作可控性的追求，让 ACE 在帮助创作者完成细颗粒度表达的同时，积累了高质量的创作数据。反过来，这些用户数据又被用于训练和迭代其音乐模型 ACEx。 互联网并不缺音乐。流媒体、视频网站和公开数据中已有海量完成时作品，模型可以从中学习曲风、结构、音色和演唱方式。但一首最终导出的 MP3，本质上只提供了结果。 在用户授权的前提下，ACE 可以从专业用户的实际创作过程中提取带反馈的 trajectory data：模型生成了什么，用户保留了什么、删除了什么、修改了什么，最终又选择了什么。 另一类数据则关乎 preference ，即同一任务下，用户在不同结果之间的偏好选择。当用户在产品中使用【给我灵感】时，ACE Studio 会提供两首成品。ACE 则会通过一套严苛规则判断这些数据最终能否被保留，例如试听和播放时长、操作步骤数量、最终是否发布、like 数等。 对模型而言，相比 C 端用户模糊的需求和目的性不强的操作，这类数据能显著提升模型能力。CEO 郭靖也将 ACE Studio 称为“天然的高质量数据工厂”。目前，ACE 已积累约 300 万条轨迹数据和约 50 万组偏好数据。 成效也很直观。ACEx 在部分主流音乐 benchmark 上已处于领先水平，单张 A100 生成一首约 4 分钟的歌曲仅需约 30 秒，单位生成成本约为 Suno v5.5 的五分之一。 但这首《搬运工》的主题是讽刺这个博主只会搬运内容，miya 自动生成的歌词和主题十分贴切，高潮部分选择用重复旋律呈现，非常洗脑。最重要的是，它在视觉呈现上和音乐也十分配合，特效字幕更是手拿把掐，属于是生成完就可以直接发社交媒体了。 又或者，你可以使用官方自带的 skill：rap battle。用法是输入两个阵营、两个观点，或者两个人，就能自动生成一首他们 battle 的 rap 歌曲。官方就有一个【京爷 vs 沪爷】的示例。 有意思的是，ACE 专业做音乐出身，如今却选择做普通人的音乐“玩具”，而且切入点选在了 Roast（吐槽），一个高情绪浓度、又天然适合社交传播的切口。 过去，一个人在 X 上看到一条想吐槽的帖子，可能选择在评论区吐槽、做一张 Meme，或转发评论。现在，用户只需输入一个 X 用户名，或直接丢进一条帖子链接，miya 就能根据这些上下文生成一首带吐槽意味的歌。 ACE 早期做过虚拟歌姬产品，累计用户超 100 万，峰值日活约 20 万。规模起来之后，团队却发现，更明确的需求来自专业音乐人：他们希望将技术用于真实生产，降低制作时间和成本。 对 CEO 郭靖来说，miya 依然处在他的舒适区里。郭靖在创业前曾在水果忍者、神庙逃亡、愤怒的小鸟等全民级休闲游戏做产品增长，是一个很擅长“搞活”的人。这也反映了 miya 和 suno 等“一句话生成音乐”产品最开始就不在一个完全相同的赛道上。 很多新内容形态进入大众市场，都不是从“人人突然学会创作”开始。用户不必先成为创作者，再决定使用新媒介。往往是先有足够简单、有趣的玩法，才逐渐习惯用它表达自己。 miya 从 roast 切入是个好选择，但最终要验证的，不是模型能否生成一首好歌，而是普通人是否真的有用音乐表达自己的需求，音乐能否像文字、图片、视频一样，进入日常创作与社交互动。 不过，即使失败，ACE 依然是不错的专业 AI 音乐公司。如果成功，ACE Studio 就从专业工具变成更大的音乐平台——通过 AI 重塑音乐的生产与消费，成为 AI 时代的 Spotify。 CEO 郭靖：从大的战略方向来说，我们和其他公司没有本质区别，只是路径不同。Udio 也会往 Pro C 走，Suno 也在做 Suno Studio。最后大家会殊途同归。当一个赛道最后大家的产品形态越来越接近，往往意味着行业已经逐渐找到一个 Best Practice。我认为 AI 音乐今天的最优解就是：自己做模型、自己做 Pro C、自己做 C 端。 CEO 郭靖：Suno 的门槛已经非常低了，但它依然是面向“创作者”的。你打开 Suno，它问的是：“今天你想写什么歌？”比如“一首嘻哈混合摇滚的歌”。这仍然是在描述一个创作音乐的需求。 但我们认为，当音乐创作门槛下降得足够低以后，人们最终会发现，音乐可以成为普通人的一种自我表达。比如我的需求可能根本不是“我要创作一首歌”，而是“我今天心情很沮丧”，或者“我想吐槽一个人”。过去普通人不会想到，我可以用音乐表达这些东西。Miya 想做的是这件事情。 CEO 郭靖：人类历史上，音乐从来没有真正实现过创作门槛的大规模下降。图片、文字、视频都发生了。唯独音乐，在 AI 之前依然主要是专业人士创作的内容形态。但它又和 3D 模型不一样，音乐是每一个普通人每天都在消费、都能够理解、都会被打动的东西。所以这里存在一个巨大的不对称：每个人都听音乐，但历史上只有极少数人在创作音乐。 如果 AI 第一次让所有人都能够创作音乐，为什么不会出现人类历史上第一次真正的“音乐表达爆发”？为什么不会出现音乐的“抖音时刻”？我觉得这个逻辑非常明确。所以我认为 AI 音乐是一个巨大的事情，它未来创造的价值可能是 Spotify 的十倍，甚至可能达到万亿美元级别。