AI 音乐别只做完就放着!30 秒「试听短视频」的 3 步做法
用 AI 生成音乐后,可通过 3 步把作品做成 30 秒试听短视频:先挑出最想让人听的 30 秒片段,再配 1 张契合曲风的图片和简短文字,最后发布前检查音量、文字可读性与素材版权。投稿 YouTube Shorts 建议用 9:16 竖屏,AI 生成曲也需按所用服务条款确认商用范围。
用 AI 生成音乐后,可通过 3 步把作品做成 30 秒试听短视频:先挑出最想让人听的 30 秒片段,再配 1 张契合曲风的图片和简短文字,最后发布前检查音量、文字可读性与素材版权。投稿 YouTube Shorts 建议用 9:16 竖屏,AI 生成曲也需按所用服务条款确认商用范围。
作者围绕 ComfyUI 原生 YuE2 与 MiniMax Music 3 节点做了一套免费模板,YuE2 Song 流程由本地 LLM 写词、Song Sheet 节点展示风格歌词与 ABC 谱并支持渲染前修改,渲染后接 EQ、响度与带标签的 FLAC/MP3 导出,工作流嵌入 FLAC 可拖回 ComfyUI 继续编辑。
印度音乐厂牌 Raagverse 于 10 月 20 日发行首张专辑《Janaa Hai Toh Jao》,收录《Koi Keh De Usse》《Tere Liye》等三首歌曲,歌词均由 Mamta Javkar 创作,上线 YouTube Music、Apple Music、Spotify 等主流流媒体平台。
开发者推出开源免费前端 Yeufonic,用于 YuE2/ComfyUI,目标是隐藏 ComfyUI 的复杂连线,让音乐人专注内容创作与管理。它提供曲库管理、歌曲生成,并可用本地素材训练自己的 LoRA,同时附带示例和可下载 LoRA。
作者用 Krea 2 与 MiniMax H3 在 ComfyUI 为自己的歌曲 No Rehearsals 制作了一支海岸黑色电影风格的音乐视频预告。工作流分四步:Krea 2 生成角色设定图(近景肖像、全身正面与背面,服装保持一致),参考图生视频把角色设定图与场景或车辆参考组合成新镜头,图生视频用于已定稿的画面,首尾帧控制打火机点燃并露出两人面孔等特定变化。
Plenio Music Production System 1.0.0 发布,作者称 1.0 保存的歌曲与工作流在后续 1.x 版本中保持可用。
Taylor Swift 公司为 "Hey, it's Taylor" 等口头短语申请的声音商标已于 10 月 12 日在澳大利亚获批,进入约两个月的异议期,商标法可覆盖听感相似的模仿声音。
一个 2025 年 12 月注册的美国 YouTube 频道 Vintage Park,靠 AI 制作的 soul、funk、jazz、hip hop 风格 GROOVE 系 BGM,在约 10 个月内累计 2,517,047 次播放、88 条视频、约 1.49 万订阅者,按每播放 0.3 至 0.5 日元估算累计广告收入约 76 万至 126 万日元。
《Monster Mash》被指是最早的 AI 音乐式作品:它靠模仿 Boris Karloff 等名人嗓音、虚构乐队 Crypt-Kickers、蹭当时 Mashed Potato 舞曲潮流。
在根特 WSA 电影音乐日上,《阿凡达:火与烬》作曲家 Simon Franglen 等从业者就生成式 AI 发声,质疑 AI 能否复刻数百名乐手同场演奏的情感。欧洲作曲家与词曲作者联盟(ECSA)正推动欧盟 AI 法案落实授权、报酬与透明度三项原则,并警告 Suno 等平台的服务条款会永久授权其商业使用用户上传的音乐。多位作曲家还担忧 AI 与音乐工厂挤占入门级工作,令新人失去成长阶梯。
Plenio Music Production System 1.0 于 10 月 16 日发布,把 ComfyUI 变成本地音乐工作室:语言模型写词,YuE2 或 MiniMax Music 3 演唱。
YouTube 在 YouTube Music 及主应用中为 AI 生成音乐添加 AI 标识,点击标识会显示内容由 AI 生成的基本说明。YouTube 表示该标识覆盖主要使用生成式 AI 创作的作品,包括用生成模型制作作曲和人声,并称正与音乐合作方合作提升检测准确度。此前澳大利亚一首 AI 生成的 Madonna 混音登上当地榜单首位,澳大利亚唱片业协会随后要求上榜歌曲须主要由人类创作。
Reddit 用户 ascot_major 发帖质疑开源生成模型是否陷入停滞,称近几个月图像、音乐、3D、音频等主要领域均无大量新模型涌现。帖中列举 H3 MiniMax 为最后一个大型视频模型、Krea 为最后一个热门图像模型、Trellis 2 与 Hunyuan 2.1 为最新免费 3D 生成模型、Yue-2 为最新音乐模型,并称自己仍在使用 Chatterbox-tts 处理音频。
Deezer 宣布将在今年年底前于 App 内上线一个开关,让用户完全过滤掉 AI 生成曲目。CEO Alexis Lanternier 称用户对过滤 AI 音乐有明确需求,希望只保留人类创作者的作品。
德里高等法院 10 月 8 日裁定禁止使用印度演员兼议员 Kangana Ranaut 肖像的深度伪造、伪造演讲与虚假代言内容,Meta 须在 72 小时内删除相关帖子,印度 IT 与电信部门须同期要求网络服务商屏蔽。DistroKid 确认应 UMG 在特拉华州诉讼的要求下架"极少数"录音,UMG 诉状点名近 2000 首曲目,部分独立音乐人称整张发行未获通知即消失。
Samori Coles 正把 AI 音乐与视频创作者聚成一个社区:他运营 AI Creator Society、每周三在 TikTok 直播的 Sound and Screen,并联合 Olivia B. Moore 主办首届 AI Music Video Awards,10 月 21 日在 TikTok 直播。
创作者用 H3 搭配 UVR 与 YuE2-3B 制作了一支音乐视频,视频以 1152X640(16:9)、24 fps 渲染,采用 PDD Acc 8 step LoRA 与 Camera motion LoRA。作者用 BS-RoFormer 分离人声实现对口型,并沿用 MiniMax 自身方法保持一致性,称 H3 刚发布时还做不到,如今靠社区协作才实现。
针对 AI 视频中旁白听不清、音效突兀、BGM 过响的问题,可用「声音三层」整理法:先定主役音(旁白或 AI 音乐),BGM 与环境音作支撑,音效只在转场处使用。
AITuber 整理出 25 条可直接复制的 AI 说唱视频提示词,按街头 Cypher、动画角色、婴儿与动物等五种风格分组。每条提示词固定包含角色、场景、情绪、镜头四要素,并给出配套的 BPM 与伴奏描述,如 boom-bap、80 BPM。提示词刻意避开真实艺人、真实人脸和品牌名。
美国版权局于 10 月 7 日就 AI 辅助流媒体欺诈发布公开调查通知,征集 10 组问题,书面意见截止 11 月 23 日、回复截止 12 月 21 日。首例 AI 流媒体欺诈刑案主犯 Michael Smith 于 10 月 6 日被判 18 个月监禁,检方称其用多达 1 万个机器人账号将数十万首 AI 生成歌曲刷出数十亿次播放。
SINGULATELIER 的 AI 音乐项目发布第 2 曲《NO SIGNAL》,这次先定声音方向再写词,由 AI 社員サラ主导企划、ナタリー审歌词、シャロン审制作方针,クリス据 Style prompt 生成视觉。用 Suno 对同一歌词按 3 套音色指令各生成 2 曲共 6 首,最终由人耳选出 1 首。
AI 动画电影《风之森之猫头鹰》主题歌 MV 已完成并先行上线 YouTube,主题歌用 Suno AI 制作、静止画用 Google Flow 的 Nano Banana 生成,正片则使用 Seedance2.0 和 Seedance2.5 做视频生成。
AITuber 发布制作 AI 说唱视频的分步指南:先准备音轨,可上传 MP3、WAV、M4A、AAC、OGG(最大 50MB、10 分钟),或用内置歌曲生成器按描述或自定义歌词(上限 5000 字符)生成,每次返回两个版本。随后选定单一角色与画风生成画面,字幕按每个词对齐,导出 9:16 竖屏视频,建议时长 30 到 60 秒。
YuE2 改变音乐生成思路,先产出一份可读可改的 ABC 记谱法乐谱,再渲染成 48 kHz 立体声成品,人声与伴奏齐全。代码采用 Apache 2.0,模型权重为 CC BY-NC 4.0,个人创作者和音乐人可免费用权重产歌并变现,商用集成需另行授权。
用 Suno 生成音乐、以 Yuu×Suno 名义在 YouTube、Apple Music、Spotify 发行的创作者,累计播放已超 10 万次,但他判断 AI 音乐靠收益变现会越来越难。原因是人人都能批量产曲,而听众每天听歌的时间不会同步增长,竞争正从「做歌」转向「被听见」;他也指出播放量与收益并不必然成正比。
AI 动画电影《风之森之猫头鹰》制作中,作者在确定用 Seedance2.0(或 Seedance2.5)生成视频后,发现剧伴配乐同样重要,转而尝试音乐生成 AI「Suno AI」。作者于 2026 年 7 月末首次接触 Suno AI,用其生成约 1 分 15 秒的器乐曲作为背景音乐,并计划按角色情感与场景制作剧伴,甚至主题歌。
SunoMV 编辑器把一支 4 分钟、21 镜的歌拆成五档画面成本:只用文字 PV 和已有分镜图做动效均为 0 额度,AI 动效约 118 cr/镜,AI 视频约 700 cr/13.8 秒镜,全片开拍约 11,500 cr。其「均衡」方案只让 5 镜器乐段和 6 镜副歌开拍,约 5,600 cr,主歌用全屏文字 PV,副歌用视频叠文字 PV。
Pixaroma 发布音乐视频《Out of Memory》,整首歌围绕 ComfyUI 展开,画面全部在真实 ComfyUI 中录制,包含真实工作流、实时预览、显存不足报错、缺失节点,以及从日志中修复损坏 VAE 的过程。
寻找 AI 音乐视频生成器需先区分两类工具:歌曲生成器从文本提示生成音轨,视觉生成器则围绕已有音轨生成场景、歌词字幕和卡点剪辑,VideoGen 属于后者。VideoGen 支持上传、音乐库选取或文本生成三种方式导入音轨,单条生成片段在 Seedance 2.5 上可长达 4 至 30 秒,图片编辑最多接受 5 张参考图,并可导出 16:9、9:16、1:1 及 SRT、VTT 字幕。
AIMV 指画面或剪辑至少有一项由模型完成的音乐视频,与普通 MV 的差别在于谁做画面而非有没有故事。B 站首届 AI 创作大赛收到超 8300 份作品、站内播放超 7 亿,2026 年第一季度每天近 2400 万人看 AI 相关内容。一条能发的 AIMV 需歌是成品、词卡在人声上、画幅匹配发布平台。
用 ChatGPT 制作 BGM 视频时,已确定的场所主题在后续对话中被改回此前已排除的初期方案。作者的做法是重新说明本次采用的内容、不采用的内容和接下来要做的作业,并逐项核对图片、音源、环境音与编辑数据是否与决定一致,再划定需要修改的范围后继续推进。
一名男子因利用 1 万个机器人账号和 AI 生成歌曲刷流媒体播放量、冒充 Taylor Swift 等艺人,被判 18 个月监禁,涉案音乐流媒体版税达 800 万美元。
Elon Musk 在 X 预告 Grok Bot 将按任务调用最合适的后端模型,点名 Claude Opus 5.5、Midjourney、Suno 及其他主要 API。目前尚未公布使用方式、适用套餐、价格与上线时间,文章未称该功能已可用。
马斯克表示,Grok Bot 今后会针对具体任务选用最佳后端模型,不再局限于 Grok 4.7 或 4.6,还会调用 Claude Opus 5.5、Midjourney、Suno 等领先 API。SpaceX 也将采用这一策略,以最大化任务效果。
一份涵盖50款AI工具的清单,宣称可在2026年节省数百小时,覆盖视频生成(Kling AI、Runway、Pika、Luma AI)、AI配音与数字人(ElevenLabs、HeyGen、Synthesia)、编程(Cursor、Bolt new、Replit)及自主智能体(Manus、Genspark)等类别。
用 AI 音乐做广告歌可分五步:写歌词、生成并锁定歌曲、测量逐词时间轴、按小节做画面、加字幕。作者对照各家条款指出,Suno 付费档才把生成结果的权利让渡给用户,Udio 现行条款仅限个人非商用且关闭下载,ElevenLabs 自助套餐排除影视、电视和广播;Meta 与 TikTok 的通用音乐库均不可用于商业广告。美国版权局认为纯 AI 生成内容不受版权保护,人写的歌词是最能主张权利的部分。
Napster 联合创始人 Sean Parker 表示,正把 Stability AI 重建为面向音乐专业人士的 AI 工具厂商。两年前他参与了对这家图像生成初创公司的 8000 万美元救助,如今与出任 CEO 的好友 Prem Akkaraju 一起公布新方向。
AI 音乐生成器 Suno 推出名为 Speech 的新功能,可将口述文本与匹配的背景音乐合成为单条音轨,用户输入创意或文字并描述想要的音色与音乐风格即可生成。该功能已小范围测试一个月,可用于诗歌、冥想和睡前故事,但测试版仍有 bug,例如英式口音有时会听起来像澳式口音。Suno 未透露模型的训练方式,目前 AI 音乐生成器正面临版权侵权批评,多家主要唱片公司已起诉 Suno。
Google 9 月发布前沿模型 Gemini 4 Argon,具备 100 万 token 输出上限,主打高级推理与网络安全防御,目前通过 Fairwind Program 向可信网络安全人员分批开放。
HeyGen 于 2026 年 9 月 30 日发布 HeyGen Video,支持文字、首帧或最多 9 张参考图输入,生成 5–15 秒、480P 或 768P 且自带声音的镜头。SunoMV 选择器按目录价扣积分:480P 每 5 秒 40 积分,720P 每 5 秒 60 积分,10 月约每秒 0.01 美元的半价促销不进选择器。该档不支持首尾帧、1080P 和原生 2K,锁脸需靠参考图。