2023 - AI 音樂生成：音與數終極回歸的偵查檔案#

案件摘要#

2023 年起，Suno、Udio 等生成式 AI 服務爆發：輸入一句文字，幾秒後輸出完整歌曲——人聲、歌詞、編曲、混音一次到位。任何人都能「寫」一首歌。這是一樁訓練資料來源成謎的案件：模型的燃料是數十年的人類錄音，而帳單至今沒有人付。

前因 -- 為什麼會有這個案子#

研究前科層層累積：OpenAI 的 Jukebox（2020）首次用神經網路生成含人聲的完整音訊；Google 的 MusicLM（2023 年 1 月）示範了文字到音樂的對映；2022 年 ChatGPT 讓大語言模型與擴散模型（diffusion models）成熟到可商業化。技術組織：Hartmut Neven 領導的 Google Quantum AI 與各研究實驗室、以及聞風而來的創投資金——Suno 與 Udio 在 2023-24 年募得數千萬美元。動機端則由串流供給：供給過剩的時代（見 2015-串流霸權）每天數萬首新歌上傳，注意力稀缺，而生成式 AI 把供給推向無限。版權則是全案最大的灰色地帶：模型用未授權的錄音訓練，這算不算侵權，法律還沒有答案。

線索與推理 -- 作案的技術鏈條#

鏈條一：燃料——大規模音訊訓練資料#

生成模型的第一桶燃料是數十年的錄音：串流與網路上的海量音訊、歌詞資料庫、MIDI 檔案。偵探的問題只有一個：這些資料授權了嗎？ Suno 與 Udio 的回答曖昧——「商業機密」。這條邏輯與 1999-NapsterMP3 的案件完全對稱：Napster 用科技分享檔案，AI 用科技吸收風格——而法律永遠比技術慢一步。訓練資料的爭議是本案尚未開庭的核心卷宗。

鏈條二：生成——從片段到完整歌曲#

技術進化的物證：Jukebox（2020）只能生成帶雜訊的片段；MusicLM（2023）能按文字描述生成 30 秒；Suno v3（2024）能輸出兩分鐘的完整歌曲——人聲咬字、和弦進行、鼓組、歌詞結構（verse-chorus）一次生成。方法論上，擴散模型 + 大語言模型讓「音樂」變成了一個條件生成問題：文字是條件，音訊是輸出。從畢達哥拉斯（前 550 年）發現音程即比例以來，「音與數」的兩千年纏訟，在此案達到終極回歸（見 -0550-Pythagoras音程）——音樂徹底成為數學的輸出。

鏈條三：產業反應——訴訟、抗議與規則修正#

反抗方三路出手，皆為本案物證：RIAA 於 2024 年 6 月起訴 Suno 與 Udio，主張訓練資料構成大規模侵權；Artist Rights Alliance 於 2024 年 4 月發布公開信（200 多位藝人連署，包括 Billie Eilish 與 Katy Perry），抗議「AI 剽竊藝人的聲音」；Grammy 則修訂規則——AI 輔助的作品可入圍、全 AI 生成的作品不得：制度的回答是「human-in-the-loop」。偵探的判斷：這三路反應恰是歷史的迴聲——RIAA 對 Napster 的訴訟、樂手對合成器的抗議、對自動演奏鋼琴的恐懼，全部在 AI 身上重演。

結案 -- 後果與影響#

• 民主化與「侏羅紀化」並存：任何人都能生成歌曲，但頭部平台的注意力壟斷照舊——創作門檻歸零，曝光門檻不變。
• 版權法的下一章：訓練資料是否構成「合理使用」將是未來十年的法律大案——如同 Napster 案定義了數位分享，AI 案將定義數位創作。
• human-in-the-loop 的新常態：職業音樂人開始把 AI 當作工具（demo、編曲建議、stem 分離）——如同電吉他（見 1931-電吉他誕生）與合成器，新工具最終被吸納進創作流程。
• 音與數的終極回歸：從畢達哥拉斯的單弦實驗（-0550-Pythagoras音程）、Guido 的記譜法（1025-Guido記譜法）、Petrucci 的印刷樂譜（1501-Petrucci印刷樂譜）到 CD 的數位音訊（1982-CD誕生）——音樂史就是一部「把音變成數」的歷史，AI 讓數學開始自己「寫」音樂。本案未結，陪審團還在法庭外。

關鍵人物與文獻#

• Shulman / Suno 團隊：生成服務的先行者
• Hartmut Neven：Google 量子與 AI 研究的技術組織者
• Billie Eilish / Katy Perry 等：Artist Rights Alliance 公開信連署人
• RIAA：2024 年訴訟的產業組織
• OpenAI Jukebox / Google MusicLM：研究前科的物證
• 交叉參照：-0550-Pythagoras音程、1025-Guido記譜法、1982-CD誕生、1999-NapsterMP3、2015-串流霸權