AI音乐标注师:谁在教机器听懂一首歌?
AI的音乐老师不是艺术家。
学音乐,先得听懂节奏、和弦与乐器。AI同样如此。
10月,AI歌曲《过来人》走红,杜甫、苏轼、刘邦等历史和神话人物用说唱讲房贷、职场和中年困境,不少人觉得唱到了心里。也有人直说,一听就是AI,听得难受。
在专业音乐创作领域,AI也上了台面。江苏卫视新近推出的《音乐缘计划3》以原创为主打,卖点是作品背后的音乐故事。第一期就有音乐人承认,作品用了AI,但歌词是自己写的。
薛之谦听完后的评价是:“词我既看得懂,又好像似曾相识的感觉。”不少观众觉得,这段歌词像是把薛之谦几首歌揉在了一起。

歌本身不难听。争议在于,一档标榜原创价值的节目里,出现了创作过程大量依赖AI的作品,它凭什么和其他原创作品同台竞争?
也有很多人好奇,AI究竟怎么学会写歌?《过来人》的创作者王琨喆没有把创作全交给AI。他先搭出歌词骨架,再让AI尝试不同组合,生成多个版本,随后由自己筛选、剪辑、调整编曲。
能生成音乐,不等于真正理解音乐。要让模型识别一首歌的结构、判断生成结果的好坏,背后得有一批懂音乐的人。
这些人不写歌,他们给AI当音乐老师。这个工种叫AI音乐标注师。
谁在教AI听歌?
2018年,距离Suno诞生还有4年,距离AI生成音乐成为热门话题就更远了。
那时的刘晓光已经在琢磨:怎么让机器听懂音乐。
这个创业方向有点反直觉。AI创业最吸引人的故事,往往是让机器创造点什么。刘晓光做的事正相反,他要先教机器认识音乐。
刘晓光出身清华大学化学系,本硕博都在那里读,同时也是音乐制作人。他创办的灵动音科技(DeepMusic),最早盯上的就是音乐数据处理。
湖北日报近期报道了武汉一家音乐数据服务企业尧盛数智。负责人黄彬尧介绍,标注员要先听调性和速度,判断和声走向,再用工具测出节拍,把歌曲切成不同段落,逐段辨认配器。
打个比方,一段是小提琴的声音,另一段把铜管和木管混在一起,后面再垫一层弦乐。至于歌词唱得对不对、乐器用得合不合适、节奏能不能对上,这些同样属于可能要标注的内容。
这项工作,就是音乐标注。
严格说,它是一组围绕AI音乐训练和测评产生的专业岗位,边界并不完全固定。
音乐平台给大批歌曲打标签这件事,在生成式AI出现之前就已经在做。用户在音乐软件里看到的流行、伤感、摇滚之类分类,底下都离不开音乐数据的整理。只不过,这些标签主要还是为搜索、分类和推荐服务的。
Suno、Udio等生成式音乐工具兴起后,模型要学的东西变复杂了:不光要知道一首歌是什么风格,还要理解和弦、节奏、配器和结构,甚至要判断自己生成的音乐有没有问题。
音乐标注由此逐渐分出几类不同的工作。
有人负责拆解基础信息;有人专门判断旋律、歌词和编曲是否合理;还有人把错误归类,整理成模型研发团队能用的反馈。总得有人告诉AI,它生成的音乐到底哪里做得不好。
海外方面,美国AI人才平台micro1也开始招聘音乐教师、演奏者和制作人参与模型训练,岗位时薪标价30至45美元。
高薪之外,国内这类岗位目前的情况是:基础标注和实习岗位,月薪几千元才是常见水平。
从卖人力到卖数据,谁在赚AI的钱?
2023年,刘晓光就说过,有大型企业做音乐生成、音乐识别时会找他们买数据。
灵动音的重要战略投资人是腾讯音乐。AI编曲技术被灵动音接进全民K歌,做出AI换曲风功能,当时全民K歌用户用AI伴奏超过3亿次。现在灵动音官网把这个合作列为重要的技术落地案例,全民K歌那边AI布局还在继续扩大。
音乐标注这门行当,背后已经分出几类不同的生意。
第一类是卖人力。这是最基础的买卖,也是音乐标注师最直接的饭碗来源。
一家AI公司要10万首歌曲的专业标注数据,自己又凑不齐音乐专业人员,专门招一支音乐团队明显不划算。第三方数据服务商就这么冒出来了。
招标注员、定工作规范、派任务、查质量,都是服务商在管,整理好的数据最后交到客户手里。AI公司不必长期养音乐团队,有项目时买服务就行。路数和传统的数据标注外包差不多。
第二类是卖专业判断,比简单标注值钱。
AI公司要发新版本音乐模型,想知道新模型到底有没有长进,就得请专业音乐人来盲听。
同一段歌词,交给两个模型分别生成歌曲,再让音乐人按旋律流畅度、编曲合理性、人声表现、风格匹配这些维度打分。找出问题后,还要分析是旋律生成出了错,还是模型没听懂创作指令。
交给客户的,是一套评测结果、错误分析和优化建议。
这已经是AI音乐研发里的正式环节。2025年ICASSP大会收录了一项叫MusicEval的研究:团队收集了31个AI音乐模型生成的2748段音乐,请14名音乐专家评分,拿到13740条评价。
第三类是卖数据资产。
一家公司要是既有标注能力、手里又攒着大量音乐素材,还把授权问题解决了,就能把音频、音乐结构、专业标签、文本描述和使用权打成包,授权给AI公司训练模型。
海外的Rightsify旗下有个GCX平台,专做AI音乐数据授权,把整理、标注并完成相应权利安排的音乐数据集授权给AI研发企业和研究机构。GCX的数据集规模已超过440万小时音频、320亿组文本数据,总容量超过3PB。
定价取决于数据体量、复杂度、应用场景与授权时长。GCX 同时表示,相关数据集系通过委托创作等途径取得权利,并可提供商业授权。
这门生意的想象空间,明显比单纯卖人力大得多。
问题也跟着来了:这些音乐从哪来?
大型唱片公司尚有雄厚资源应对,未经授权的音乐被拿去训练模型,对它们意味着版权和商业利益受损;普通音乐人往往承受不起后果。
山东一位原创音乐人透露,自己接到过AI采样公司的电话,对方想收集他的原创音乐拿去训练模型。还有音乐人把新作品发进交流群,转眼就被截取,经AI训练后重新生成,不少人为此打了官司。
耗费心血写出来的作品成了AI训练的养料,AI的产物却未必给原作者带来任何收益。
老师还没下课,学生已经会了
这门生意有个悖论:人越努力教AI听懂音乐,AI越有机会学会自己听。
灵动音开发的UMP Board,早就尝试用技术自动提取音乐信息。到2023年,这套系统已经能自主完成40万首歌曲的自动标注。
不过早期的自动化,更多还是替人处理一些标准化的信息。真正的变化发生在近两年。
5月1日,MOSI.AI、OpenMOSS团队与上海创智学院联合把MOSS-Music开源出来。这套东西里有两个8B模型,还有一条配套的大规模音乐数据标注流水线。
从原始音频开始,这条流水线能自动提取特征、切分歌曲、识别歌词、清洗元数据,再往下生成音乐描述和训练样本。就连音乐描述的评测,也开始试着交给另一个大模型来打分。过去得有人戴着耳机一遍遍听的东西,如今机器已经能接手相当一部分。
音乐AI的技术路线并不止一条。一种做法是把音乐拆成可识别的结构化信息,前面提到的灵动音UMP体系、MOSS-Music都属于这一类;另一种是以Suno等产品为代表的端到端生成,用户敲一段文字,模型直接吐出完整音乐。
路线不同,标注师的需求就不会一直朝同一个方向涨。前者要的是更精细的音乐数据,后者则可能让逐首人工标注的依赖变少。但两边都绕不开数据质量控制和生成结果评测。
放到整个AI音乐市场看,机器产出音乐的速度早已跑赢人类消费音乐的速度。Deezer公布的数据显示,今年6月平台日均收到9万首AI生成歌曲,高峰期占每日新上传音乐的一半以上。10月,Deezer又披露,2025年1月至2026年8月间,平台已将4200多万首AI生成歌曲挡在算法和编辑推荐之外。歌这么多,实际播放量却只占平台总播放量的1%至3%。海量内容里,值得被听见的究竟有多少?
音乐标注师的工作重心也会随之挪动:基础识别交给机器,专业音乐人更多介入评价标准的制定、复杂问题的判断和模型的纠错。
往整个音乐领域看,从替AI标注音乐,到帮AI判断好坏,再到担心自己的作品沦为AI训练的养料,音乐人与AI的关系远比简单的替代与被替代更复杂。周深发布新歌《月之纪》时就专门声明,严禁未经许可将作品用于AI训练、模仿、学习与生成。

算法能复刻旋律、模仿风格,却不等于拥有创作者的生命体验;模型能批量产出音乐,生产不出文化厚度。AI为音乐打开了前所未有的广阔天地,但什么样的音乐值得被留下、创作者又该如何拿到应有的价值,最终仍要由人来回答。艺术的内核,永远扎根于人。