AI歌曲創百萬流量，Spotify卻急著喊下架！音樂創作能跟AI共處嗎？一次看懂挑戰與趨勢|數位時代 BusinessNext

🔥每日精選最重要區塊鏈新聞、第一手採訪 👉歡迎加入《Web3+》官方Telegram

##### AI歌曲創百萬流量，Spotify出手下架，為什麼？

你有聽過AI孫燕姿、AI Drake（知名美國饒舌歌手）的歌了嗎？

今年4月，一首名為《Heart On My Sleeve》的deep-fake（深偽技術）歌曲，透過AI技術模仿知名音樂創作者Drake和The Weeknd的聲音，獲得了廣泛的關注。

上傳這首歌的帳號，使用了這兩位創作者的音樂訓練AI製作出這首歌，在各大音樂平台上獲得數百萬的流量。

不過，此舉激怒了Drake和The Weeknd的合作唱片公司環球音樂集團 (Universal Music)，串流平台Spotify也出手移除大量AI生成歌曲，究竟背後有哪些爭議？

##### 用機器人衝假流量！Spotify如何回應？

據英國《金融時報》報導，環球音樂集團向AI生成音樂新創公司Boomy提出舉報，指控他們涉嫌使用機器人，來增加其流媒體播放量，

爭議的背後，不僅是AI歌曲爆紅，也牽涉到版稅分潤。

外媒《The Verge》事後調查， 《Heart on My Sleeve》會被平台下架，原因並非模擬歌手的歌聲 ，而是因為開頭使用未授權的音樂片段，以及並未參與這首歌的製作人Metro Boomin的標語「If young Metro don’t trust you, I’m gon’ shoot you.」。

Spotify在今年五月，已從其網站上刪除了7%由Boomy產出的歌曲，數量達上萬首歌。

AI歌曲佔比達13.95%，跟分潤機制有何關係？

Boomy在2021年上線，提供的服務，是讓使用者可以自行選擇曲風與節奏，並且透過打字敘述來來產生歌曲內容，更可將歌曲上傳至Spotify。 目前透過Boomy產生的歌曲數量，已經超過1450萬首，約佔全球音樂歌曲的13.95%。

此次Spotify大量移除由Boomy生成的歌曲，並不是因為這些歌曲是以AI的技術產生，而是因為被環球音樂檢舉，疑似有可疑串流播放情形，懷疑這些歌曲疑似被機器人大量點播，進而不當獲利。

由於Spotify的分潤機制中，包含依歌曲播放量按比例計算分潤，因此若有心人士利用Boomy服務，大量點選播放這些歌曲衝播放量，勢必會造成Spotify的困擾。

一旦偵測到歌曲有不正常的點播情形，Spotify會透過降低其有效播放量，或是預扣版稅等方式，藉此降低此類情況造成的影響。

##### AI、區塊鏈，如何成為音樂製作小幫手？

AI歌曲能創下百萬流量的背後，可以看出人工智慧對音樂創作的影響力，絕對不容忽視。

已經有部分音樂創作者，選擇與這項新技術共處。前陣子知名電子音樂創作者Grimes，邀請歌迷用她的聲音創作AI歌曲，並將版稅以50/50分成，成為改善AI深度造假難題的一種創造性解決方法。

華納音樂集團數位長Oana Ruxandra也在近期的專訪中提到，期待AI工具能夠為音樂圈帶來新的創作與表達形式，同時他也提出保護藝術家創造力和權利的重要性。

另一個角度來看，當音樂結合AI與Web3（區塊鏈）技術，也可以成為音樂製作上一大助力。

將AI生成的和絃或和聲等元素，融入原創音樂當中，是AI音樂中目前常見的做法。像是Riffusion提供可以轉換為音樂的文本提示，Soundful則提供一個讓人們生成、下載免版稅歌曲的AI音樂平台。

在歌詞創作上，ChatGPT可以在不到30秒的時間內，用最少的提示寫出一首包含主歌、副歌、橋段和尾奏的歌詞，雖然就目前來說，歌詞可能還有點直白或老派。

在大多數情況下，人工智慧生成的歌曲，無需支付費用就可以使用，原因是這些音樂是由機器製作的，不受美國知識產權法的保護。

因此使用者可以把這些聲音製作成NFT，並在OpenSea等市場上出售。Royal.io這類型的平台還提供藝術家，將歌曲作為碎片化NFT販售的服務，如此一來，還可以將版稅分給粉絲。

##### AI音樂技術發展有哪些挑戰？

跟能產出整部漫畫的圖像生成器，或者已經通過了律師考試的Chat GPT相比，AI音樂工具的精細程度，還有一大段落差。

比起靜態文本和圖像輸出，音訊的生成確實需要更多的運算能力，音樂研究公司Water&Music的技術主管亞歷山大·弗洛雷斯 (Alexander Flores)表示，技術創新通常從數據密集度最少的開始發展，就AI而言，聊天機器人的發展速度，比音訊和影像的渲染（render）來得快，是很正常的。

在論壇Reddit的一則討論中，一位用戶指出AI生成音樂的限制，強調雖然創作者可以在幾秒鐘內校對、編輯AI的輸出， 但一首歌需要幾分鐘，甚至幾個小時來編輯。

機器學習的速度也會比較慢，因為餵給它們的音訊檔案，很少有完整的文本教導機器學習音樂屬性，例如音樂的曲風、節奏、調性、使用的樂器等等。相反地，面對文本和圖像，機器可以快速地搜索到成千上萬對應的文字和圖像，來輔助他們學習。

此外，音訊的維度相較圖像高出許多、歌曲相較於圖像更加動態，創意技術實驗室Sony CSL的研究員Stefan Lattner在Water & Music舉行的高峰會上指出，「圖像具有固定數量的像素，但在音訊中，生成的秒數是可變的。」

儘管如此，Water & Music稱創造性的AI應用，是自1999年Napster利用P2P檔案交換技術打造無邊界的mp3音檔共享體驗以後，對音樂行業最具顛覆性的技術。

##### NFT怎麼與音樂結合？

音樂NFT作為一種創新的音樂形式，生成式AI音樂平台Authentic Artists旗下的子公司WarpSound，就直接運用AI虛實交互地進行音樂創作，其知名NFT系列WVRP，都是由AI創作的音樂NFT。

WarpSound平台將區塊鏈上的收藏品和虛擬化身，整合到他們的服務中，生產音樂內容與音樂 NFT，以及虛實整合的音樂社群交流體驗。

執行長克里斯麥加里（Chris McGarry）曾在Meta的VR產品Oculus部門擔任音樂主管，認為 WarpSound最大的價值，是幫助藝術家找到新的靈感材料，為他們的創作過程注入活力。

WarpSound獲得遊戲平台The Sandbox的Game Maker Fund贊助（支持The Sandbox metaverse中的遊戲設計師的基金），計劃在WarpSound平台建立一個虛擬場所，藝術家可以在這裡試驗所生成的音樂，還與萬事達（Mastercard）合作推出了AI Music Studio Artist Accelerator ，幫助想進入AI音樂領域的藝術家更好掌握技術。

WarpSound將虛擬世界的體驗帶到現實，曾在紐約翠貝卡電影節和 YouTube合作活動上，在藝術家和觀眾的互動之間，創造有趣的音樂體驗。

🔥每日精選最重要區塊鏈新聞、第一手採訪 👉歡迎加入《Web3+》官方Telegram

參考資料：CoinDesk、Financial Times、The Verge、Forbes、BBC

核稿編輯：高敬原

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。