LOADING

教AI听歌的人:海外时薪30至45美元,国内基础标注常见月薪几千

AI资讯

AI能生成一首歌,不代表它听得懂这首歌。报道把中间这层工作叫音乐标注:有人拆节奏、和弦和配器,有人判断生成结果哪里不对,再把错误整理成研发能用的反馈。海外平台 micro1 招聘音乐教师、演奏者和制作人参与模型训练,时薪标价 30 至 45 美元。国内基础标注和实习岗位,常见月薪是几千元。

爆款和节目把争议摆到台前

2026年10月,AI歌曲《过来人》走红。杜甫、苏轼、刘邦等人物用说唱谈房贷、职场和中年处境。也有听众说一听就是AI。创作者王琨喆没有把整首歌交给模型:他先搭歌词骨架,让AI试不同组合,生成多个版本后,自己筛选、剪辑、改编曲。

江苏卫视《音乐缘计划3》主打原创和歌曲背后的故事。第一期有音乐人承认用了AI,但说歌词是自己写的。薛之谦听完说,词既看得懂,又有似曾相识的感觉。不少观众认为歌词像把他的几首歌融合在一起。争议不在歌好不好听,而在一档卖原创的节目里,大量依赖AI的作品要不要和原创同台。生成音乐的后续跟踪见AI资讯。

教AI听歌的人:海外时薪30至45美元,国内基础标注常见月薪几千

标注原来就有,生成式模型把它变细了

2018年,Suno还要再过四年才出现。清华大学化学系本硕博、音乐制作人刘晓光创办灵动音科技(DeepMusic),做的是音乐数据处理,而不是让机器先去写歌。湖北日报近期写到武汉的尧盛数智。负责人黄彬尧说,标注员要先听调性和速度,判断和声走向,用工具测节拍,把歌切成段落,再逐段认配器:这一段是小提琴,那一段是铜管和木管,背景还有弦乐。唱错的词、用错的乐器、对不上的节奏,也都可能被标出来。

生成式工具出现以前,平台给海量歌曲打“流行、伤感、摇滚”这类标签,主要是为了搜索和推荐。Suno、Udio起来之后,模型还要懂和弦、节奏、配器、结构,并判断自己生成的结果有没有问题。岗位因此分成几类:拆基础信息,判断旋律、歌词和编曲是否合理,以及把错误归类交给研发。

三种卖法,授权是最贵的一层

2023年刘晓光说过,有大企业做音乐生成和识别时向他们买数据。腾讯音乐是灵动音的战略投资人。灵动音把AI编曲接进全民K歌,做出换曲风。当时用户使用AI伴奏超过3亿次,现在仍被列在官网案例里。

第一种生意是卖人力。一家公司若要给10万首歌做专业标注,不必自己养乐队式的团队,而是把招聘、规范和质检交给数据服务商,按项目采购。这和普通标注外包一样。

第二种是卖判断。新模型上线前,找音乐人盲听:同一段词,两个模型各生成一版,从旋律、编曲、人声和风格匹配打分,再分清是旋律错了还是没听懂指令。2025年ICASSP收录的MusicEval,收了31个AI音乐模型生成的2748段音乐,14名音乐专家打分,得到13740条评价。

第三种是卖数据包。音频、结构、标签、文字描述和使用权捆在一起授权。海外Rightsify旗下的GCX,把整理、标注并做了权利安排的数据授权给研发机构。规模超过440万小时音频、320亿组文本,总容量超过3PB。报价看数据量、复杂度、用途和授权期限。GCX称权利来自委托创作等方式,并提供商业授权。

音乐从哪来,是这层生意的争议。报道称,山东一位原创音乐人接到过AI采样公司的电话,对方想收集他的原创用于训练。也有人把新歌发到交流群,很快被截取、重新生成,并为此打过官司。大型唱片公司还有资源应对,普通音乐人往往没有。周深发新歌《月之纪》时声明,未经许可不得把作品用于AI训练、模仿、学习和生成。

教AI听歌的人:海外时薪30至45美元,国内基础标注常见月薪几千

人还在教,机器已经能听一部分

灵动音的UMP Board到2023年已能自动标注40万首歌,早期主要替代标准化信息。2026年5月1日,MOSI.AI、OpenMOSS和上海创智学院开源MOSS-Music,包含两个8B模型,以及从原始音频做特征提取、切分、歌词识别、元数据清洗,再生成描述和训练样本的流水线。音乐描述的评测也开始用另一个大模型打分。

路线分成两条。一条把音乐拆成可识别的结构,如UMP和MOSS-Music,仍然要更细的数据。另一条是Suno这类端到端生成,用户写一段文字就出完整音乐,对逐首人工标注的依赖可能下降。两边都还要质量控制和结果评测。报道据此判断,标注师以后更多是定评价标准、处理复杂判断和给模型纠错,基础识别交给机器。

供给已经远超播放。Deezer公布,2026年6月平台每天平均收到9万首AI生成歌曲,高峰时超过当日新上传的一半。10月又披露,2025年1月至2026年8月,已有4200多万首AI歌曲被排除在算法和编辑推荐之外。这些歌的播放只占平台总播放的1%到3%。

常见问题

Q:音乐标注师在标什么? A:调性、速度、和声、节拍和段落,以及小提琴、铜管、木管、弦乐这类配器,还有唱错、用错乐器、节奏不匹配。生成结果还要判断旋律、歌词和编曲是否合理。

Q:这门生意怎么收钱? A:卖人力是按项目外包标注。卖判断是音乐人盲听和错误分析,MusicEval就是这类评测。卖数据是把音频、标签和使用权一起授权,GCX的规模超过440万小时音频。

Q:机器能自动标注之后,人还要吗? A:UMP到2023年已自动标过40万首,MOSS-Music也能从原始音频做出训练样本。结构化路线仍要细数据,端到端生成会减少逐首人工标注。质量控制和结果评测还在人这边。

© 版权声明

相关文章