「只需一鍵」,SUNO讓人人都是音樂家!背後版權爭議卻是一大難題
「只需一鍵」,SUNO讓人人都是音樂家!背後版權爭議卻是一大難題

你是否想像過,只需要輸入一段文字,就能生成一首結合人聲和樂器的完整歌曲?

如今,Suno正打破音樂創作的門檻,讓音樂創作變得如同說話般簡單。Suno是一家提供AI音樂生成工具的新創公司,使用者只需輸入簡單的描述句或歌詞,例如輕快的節奏、適合跳舞的流行音樂,就能生成多樣化的音樂作品。他們希望藉由Suno打破音樂製作的門檻,讓人人都能夠成為音樂家。

近期,Suno宣布完成1.25億美元(約新台幣40億元)的B輪融資,公司估值來到5億美元(約新台幣162億元)。

在眾多生成式AI音樂工具當道的時代下,Suno是如何憑藉零成本、高效率的音樂生成速度脫穎而出?快速崛起的背後又引發什麼樣的爭議?

Suno的願景:用「一鍵生成」讓每個人都是音樂家

Suno的誕生,源自於團隊希望讓音樂創作不再是少數人的專利。

相較於其他AI音樂生成工具,Suno更注重「一鍵生成」的便利性,使用者不需具備任何樂理背景,進入歌曲創作頁面後,只要選擇自己輸入一段創作時的心情或歌詞,或是由人工智慧自動生成。接著選擇想要的曲風類型、不同的樂器組合,指定歌曲的情緒和速度,Suno就能在1分鐘內生成一首包含人聲、歌詞、標題以及封面的歌曲。

Suno生成歌曲的頁面示意圖,只要輸入一段文字,即可自動生成歌曲

「(現在)聽眾的數量遠遠超過音樂製作人。」共同創辦人Mikey Shulman說,這樣的現象非常不平衡,「Suno已準備好解決現況,希望能夠開創任何人都可以創作音樂的未來。」目前,雖然Suno並不支援修改音軌等更專業的服務,但對於音樂小白來說這樣已經非常足夠,能夠讓他們製作出完整且專業的歌曲。

不過,若要增加使用者的黏著度,單純帶給人們製作音樂的新鮮感遠遠不夠。因此,除了提供工具外,Suno最大的競爭優勢在於平台上的音樂社群。

使用者不只能夠建立自己的音樂清單,在首頁上,Suno還設有展示生成作品的「Trending」跟「Showcase」版位,不只會根據歌曲的按讚數跟分享數推薦歌曲,更鼓勵使用者分享作品、參與討論並探索不同的音樂風格。

Xnip2024-06-03_10-38-36
在首頁上,Suno還設有展示生成作品的「Trending」跟「Showcase」版位,不只會根據歌曲的按讚數跟分享數推薦歌曲,更鼓勵使用者分享作品、參與討論並探索不同的音樂風格。
圖/ suno

Suno共有3種收費方式。免費用戶每月最多可以生成10首歌曲,每月支付8美元(約為新台幣240元)的Pro方案,則是可生成最多500首歌曲,而Premier方案則是每月支付24美元(約為新台幣720元),即能夠生成2,000首歌曲。

目前,Suno的用戶數正快速增長,月活躍用戶數已突破1,000萬,成為AI音樂生成領域的領頭羊。

四位機器學習專家,兩年打造出AI音樂奇蹟

Suno在2022年由哈佛大學和麻省理工學院的團隊所創立,他們希望打造一款即便毫無音樂製作經驗或知識也能輕鬆上手,創造「人人都是音樂家」時代。但其實一開始,團隊沒有想要打造出一個音樂生成的工具。

四位共同創辦人Mikey Shulman、Keenan Freyberg、Georg Kucsko和Martin Camacho皆為機器學習專家,他們都曾任職於Kensho Technologies,致力於透過AI來解決複雜的商業問題。其中,Shulman和Camacho更是經常一起玩音樂的夥伴。

Mikey Shulman
Suno創辦人Mikey Shulman

在Kensho工作期間,四人開發了一種用於捕捉上市公司財報電話會議的轉錄技術,但音訊品質參差不齊、充滿「行話」、不同口音等問題,導致他們遇到了許多挑戰。然而,在研究過程中,他們也開始對於開發AI音訊產生好奇。

Shulman表示,在AI研究領域中,音訊開發遠遠落後於圖像和文字,「但我們可以從AI生成文字的領域中學到很多東西,比如這些模型如何運作跟擴展。」抱持著這樣的熱誠,四人開始腦力激盪。起初,團隊除了有想開發助聽器的想法外,更曾想過藉由音訊分析辨識故障的機器。

一開始,他們開發出了一款名叫「Bark」的文字轉語音應用程式,但後來團隊針對使用者的回饋進行調查,發現人們更想要一個能夠自動生成音樂的工具。因此,團隊開始著手開發AI音樂的產品,最後演變成了Suno這個強大的人工智慧音樂工具,並在2022年3月共同創立了公司。

suno的社群播放清單
在Suno首頁上,除了能夠看見目前按讚數跟分享數最高的歌曲外,同時還能看見他人製作的播放清單

不過,在研發過程中,團隊也遇到了不少技術上的困難,其中一個最大的挑戰就是輸入音訊至AI模型的過程。

Suno採用與ChatGPT等大型語言模型相似的技術,將人類語言分解成更小的單元標記(token),再透過標記化的過程訓練AI模型。但音訊,尤其是音樂,比文字複雜許多。

Suno共同創辦人Shulman 解釋:「音訊是一個波浪,是一個連續的訊號。」因此,他們除了開發新的模型和方法,同時還用沒有音樂伴奏的語音錄音來訓練模型,以更精準地學習人聲的特性。為了讓使用者更直觀地表達音樂想法,Suno計劃研發新的功能,例如讓使用者以唱歌的方式輸入音樂,取代現有的文字轉音樂介面。

美國創投公司Matrix的合夥人之一,Antonio Rodriguez。
美國創投公司Matrix的合夥人之一,Antonio Rodriguez。 Rodriguez說,自己甚至在suno產品研發階段就參與投資了,原因是他相信團隊的創意跟專業背景。

「Suno的目標是讓更多人成為創作者,而非僅僅是網路上的消費者。」Suno的早期投資者Antonio Rodriguez認為,Suno就像一種全新的音樂樂器,可以像手機相機和Instagram改變攝影一樣,讓每個人都能參與創作。

1.25億美元B輪融資:Suno的野心與挑戰

今(2024)年5月21日,Suno宣布在B輪募資中獲得1.25億美元(約新台幣40億元)。

這筆最新的募資由Lightspeed Venture Partners領投,其他參與投資的機構還包含了Matrix、Founder Collective、Nat Friedman和Daniel Gross等。對此輪募資消息,執行長Shulman表示,將利用這筆資金持續擴大技術團隊和音樂製作人團隊,並加快產品開發。

儘管Suno讓每個人都能創造出音樂,但AI音樂生成器的訓練數據,往往包含大量受版權保護的音樂作品,這也引發了版權歸屬的爭議。

Stability AI音訊部門前副總裁Ed Newton-Rex,就曾在《Music Business Worldwide》的一篇文章中警告,根據他使用Suno的經驗,Suno很可能是在未經同意的情況下,使用受版權保護的素材進行訓練。

Ed Newton-Rex
Ed Newton-Rex,Fairly Trained的創辦人兼Stability AI音訊部門前副總裁,就曾警告,Suno很可能是在未經同意的情況下,使用受版權保護的素材進行訓練。

因此,僅管Suno目前只專注於讓想要創作音樂的音樂愛好者使用,但它的出現仍然引發了音樂界的擔憂,許多音樂家、製作人和作曲家擔心AI會威脅到他們的生計。

「這將使許多廣告公司、電影製片廠、電視網等無需再購買授權歌曲。」管理公司Milk and Honey創辦人Lucas Keller表示,知名歌曲的版權授權市場不會受到影響,但短期內最直接受到威脅的創作者,是那些為廣告和電視節目創作音樂的創作者。

Lucas Keller
Lucas Keller表示,知名歌曲的版權授權市場不會受到影響,但短期內最直接受到威脅的創作者,是那些為廣告和電視節目創作音樂的創作者。

對於版權爭議,Suno的共同創辦人Shulman強調,他們不會讓任何人輸入含有特定藝術家風格的指令來創作音樂,也不會使用特定藝術家的聲音,「如果更多人參與音樂創作,並發展出更獨特的音樂品味,這顯然對藝術家有利。」

但在現階段缺乏對AI創作內容規範的情況下,該如何保護音樂人版權,也掀起了各方的討論。

綜合《Tech Times》《Billboard》報導,田納西州在3月份就通過了《確保肖像、聲音和影像安全法案》(Ensuring Likeness,Voice,and Image Security Act of 2024;簡稱ELVIS法案),成為美國第一個透過立法保護藝人免受AI侵權的州。最近,Sony也警告了大約700家科技跟串流媒體公司,不要使用他們的音樂來訓練AI系統。

AI音樂的未來充滿無限可能,而Suno站在時代的風口浪尖,它能否從版權爭議中突圍,最終實現「人人都是音樂家」的願景,並引發一場前所未有的革命?Suno的成功與否,或許都將成為解答這些問題的關鍵,更將決定音樂產業的未來。

參考資料:《36Kr-1》《36Kr-2》《滾石》《billboard》《Music Business Worldwide》《Suno》《Tech Time》

延伸閱讀:黃仁勳愛用Perplexity AI!Perplexity AI是什麼樣的工具?盤點科技大佬AI小幫手

本文授權轉載自:Meet創業小聚

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓