生成式AI的腳步在3月悄然跨足到音樂，目前只12人的新創公司Suno正在破解AI音樂密碼，生成音樂與生成文字、圖像及影片不同，音樂是連續訊號的波，而不是離散單詞，但現在用一行文字提示（prompt）創作一首藍調歌曲已經實現了。Suno的年輕創辦人Mickey Shulman是哈佛物理學博士，也是音樂家，他認為當前音樂聽眾遠多於音樂創作者的事實是不平衡（lopsided）的，這個供需平衡的改變顯然將擾動尚在演化中的聲音經濟。
聲音是從聲源開始的空氣分子振動，透過氣體密度與壓力變化產生聲波，語言出現後，這個波可傳遞資訊與知識，然後因聲波可呈現響度、時值、振動頻率等變化，所以有了音樂。從演化來看，人類活動凡分布很廣且歷史悠久，便是有助物種生存，音樂活動顯然是其中一個。音樂除自我認同建構與求偶功能外，更重要是能將人們凝聚在一起，而一群有向心力的人存活機會較高，這是演化論的視角。對數位時代下以Podcast、Spotify平台為首的聲音經濟浪潮，也可以這視角來看。
讓耳朵找事做！「用聽的」解放螢幕轟炸
為什麼會出現聲音經濟（Why）?可能有4個驅動原因。
第1是聲音的易接受性，演化上我們與資訊最初的接觸點就是聲音，且人對聽覺資訊的反應速度比視覺快2倍（像賽跑的鳴槍），過去因軟硬體介面內容的限制，而屈就於紙張與螢幕的接觸點，直到科技釋放了人類想更輕鬆獲取資訊的慾望，語音便是回到演化起點的終極內容形式。疫情期間的Zoom視訊疲勞像最後稻草，只有聲音能讓我們從長年被螢幕綁架的生活中解放，而且這次的變革沒有人落隊，像當年高齡族群被螢幕接觸點的革命拋棄一般。
第2個原因是聲音的可處分彈性，獲取聲音資訊常不需犧牲其他生活，這是他種內容活動做不到的，相較眼睛，我們的耳朵在一天中常是閒置的，聲音經濟大幅增加了耳朵的可處分時間，如常見的通勤與家事時間，科技文明總朝降低生活犧牲度的方向演進。
這樣的使用情境也誕生許多跨感官的知覺行銷效果，例如我們在做菜時耳朵聽到醬油廣告，與看電視時眼睛看到醬油廣告，知覺衝擊是完全不同的。從注意力經濟的角度來看，聲音在注意力競爭中是大家的好朋友，著名的媒體傳播注意力光譜圖中，橫軸是需付出注意力的強度，縱軸是活動的重要程度，右上角兩者皆高的活動有閱讀、通電話等活動（也許要再加上Netflix），左下角兩者皆低的活動則是串流音樂，你完全可搭配其他活動任務同步進行（但同時也在付費）。注意力經濟中，Netflix是所有內容的敵人，串流音樂卻是所有內容的朋友，難怪Netflix執行長要說他的最大競爭對手是睡眠。
走向平民化，素人發聲打破天花板
第3個原因是聲音的個人化親近感，聲音與音樂是人們建立自我認同的過程，如同大家所說，唱片收藏決定你是什麼樣的人，書籍收藏則決定你真正想成為的人。你決定聽什麼就是你現在想聽什麼或改變什麼，不是未來目標，這是最個人化接觸與現在進行式的資訊交換，比閱讀更親密。這是人本時代的媒體潮流，我們都與聲音傳播者在瞬間交換彼此的個性、風格、生活哲學與溫度感受，這種親密感也來自物理因素，如果我們戴上耳機，收聽內容便成為2人間的封閉私密對話。
第4個原因是聲音內容的平民化，這是訊息傳播的大眾化革命，因為語音是最能降低傳播門檻的媒介。從歷史來看，1877年愛迪生發明留聲機前，只有極少數觀眾可欣賞到聲音表演工作者演出，留聲機開始紀錄傳播人聲後，所有聽眾都受惠了，第二流的聲音表演者卻失業了。
但今日的數位聲音內容打破這種贏者全拿的超級明星經濟，業餘工作者也能產出聲音內容，並且有受眾，因為你是素人但說話內容也可能很有趣，或者我們很想聽遠洋漁船的故事，但水手不會有時間與專業去產出文字影片素材，而聲音內容的創作準備時間與產出成品時間幾乎是1：1，這是內容創作的平民化。像科技史學家凱文．凱利（Kevin Kelly）說的，200年前便有許多農家在後院創作雕刻，但他們卻無法與全球連線找到世上僅有的1,000位點讚知音者。
聲音經濟接下來會怎麼演進（How）?除了AI生成音樂外，至少有3件過去數年已發生的事。
第1是跨感官整合知覺（cross modal perception）的趨勢，聲音已成為一種設計元素，例如食物設計中的聲音調味（sonic seasoning），如何以聲音緩和飛機餐用餐過程的機艙白噪音，改變食物口味體驗；例如牙醫診所用聲音地景（sound scape）設計來降低焦慮，或日本茶道儀式強調的聲景款待等；零售業也有許多聲音促發效果（sound priming）的行銷應用，行銷研究證實了賣場播放音樂對不同商品銷售的影響（如鄉村音樂讓人多添購日用品），這些發展嘗試的終極版本便是品牌聲音識別（sonic branding），法律體系提供了聲音商標的申請保護選項，愈來愈多品牌開始投入這樣的保護樣態（台灣自2003年開始開放聲音商標的申請）。
音樂歌舞青春，大數據緊跟世代命題
第2個趨勢是使用者的區隔與創新，這波數位平台帶動的聲音經濟特色是使用者數據，不論後台大數據或更強調使用者情緒故事的厚數據，都讓客群分眾變得可能，傳統的聲音內容沒這麼多客製化與娛樂化走向，但今天我們擁有最好的使用者資料，因唱片收藏就決定你是什麼樣的人。
這些精準行銷也包含世代對象的差異，許多音樂社會心理學或懷舊效應（reminiscence effect）研究均指出，音樂是我們在青春期自我定義的工具，流行音樂黃金年代就是自己20歲的年代，然後便走下坡（Spotify數據顯示多數人33歲後就不再聽新音樂），不同世代有不同的聲音市場，然後當然也包含居家長照的寂寞市場，這時我們需學習聲音的高齡研究，如聽力閾值與可聽度（audibility）對認知障礙的影響，如何延緩聽覺老化既是健康老化的社會政策也是銀髮商機。
就設計師而言，使用者經驗（UX）的知識開始被用在聲音使用者介面（Voice User Interface,VUI）上，不同使用者想要的聲音體驗可能是不同的，什麼叫好的聲音，包括聲音內容是否符合需要（desirable）、可相信（credible）、易辨識（findable）、後續可運用（usable）、實用（useful）、具價值（valuable）、易取得（accessible）等設計準則，都是因人而異的，如果這介面是AI聲音介面，則需更多人機互動（HCI）的聲音專業投入。最後是硬體，這種個人化設計浪潮也會擴及到智慧喇叭、無線耳機等聲音裝置配件的不同需求。
第3個趨勢是聲音經濟的新商業模式，聲音經濟的生態系已然成形，付費給內容的知識共享文化也逐步建立，如何建立好商業模式將是新課題，數位時代要打敗免費，只能用其他方式創造比免費更好的價值。
Spotify首席經濟學家威爾．佩奇（Will Page）談音樂產業轉型的書《泰山經濟學》（Tarzan Economics）說，音樂產業是最先受數位破壞性創新襲擊的產業，也是第一個克服阻礙重生的產業，所有產業都可向音樂產業學習。這本書用商品是否具排他性（excludable）與獨享性（rivalrous）畫了一個象限圖，早期的唱片是私有財，既有排他性也有獨享性，購買才能聽，但數位音樂既沒有排他性也沒有獨享性，音樂產業需要轉型成更精緻的數位音樂平台（有排他性沒有獨享性）與演唱會（有獨享性沒有排他性）來賺錢，才能重生。
從聲音經濟的演進脈絡看AI生成音樂，我們似乎可預見未來。最早的聲音知識與音樂僅能在特定空間對特定人傳播收費，留聲機出現後，地理邊界消失了，但聲音內容提供者只剩菁英；然後是數位平台革命，菁英界線消失了，聲音知識的創作傳播不再有門檻，僅剩音樂創作還是塊聖地；最後，AI讓人人開始生成音樂，聲音經濟再沒任何界線，我們需要新的遊戲規則。大衛．鮑伊（David Bowie）在2002年便對數位時代預言，他說音樂將像自來水或電力，隨處可得而不再令人期待。
很快我們便需討論，未來究竟會有更多好音樂，還是好音樂被大量普通音樂淹沒?這可能是個重要問題，類似《大腦這樣聽》（Of Sound Mind）這本書說的「聲音意識」（sound mind），我們一生中接觸的聲音，塑造了我們現在的大腦，我們現在的大腦，又會決定我們如何塑造未來聲音。我們對聲音的選擇將成為聲音世界的未來，這是聲音的傳承，關於如何把真正的良好音樂傳承給下一代。
一首歌各自表述，瑪丹娜也可能爆冷門
但什麼是好音樂好聲音也是有爭議的，研究六度分隔小世界而知名的科學家鄧肯．華茲（Duncan Watts），曾在2006年Science期刊發表一個音樂實驗，將7,000位受測者區分在8個各自獨立的線上平台，聽48首新歌評分，6周後這8個音樂平行宇宙的排名都不一樣，有些冠軍單曲在別的宇宙只排到40名。他說，在所有初始條件都相同的情況下，瑪丹娜在另一宇宙也可能是被音樂圈淘汰的人，也許好音樂與好聲音都是場美麗的意外。
Suno創辦人Mickey Shulman在最近滾石雜誌的訪談說，他們其實是想讓10億人更加投入音樂品味，而不是要取代藝術家，就像Suno的新辦公室裡有間錄音室，他們都是音樂家，也想常常不靠AI親身製作音樂。如果是如此，那麼或許生成式AI並不只打開新世界，也可帶領我們回到舊世界，像小說家卡爾維諾針對五感的最後作品《在美洲虎太陽下》（Sotto il sole giaguaro）（他只寫完嗅覺、味覺、聽覺便去世了）前言說的，數百年來閱讀習慣將智人（Homo sapiens）轉變為閱讀人（Homo legens），但這不意味閱讀人比智人更有智慧，不閱讀的智人能夠看見與聽見許多東西，而我們今日已不再具備這些感知能力。
責任編輯：蘇柔瑋
