标签： AI技术

AI音乐生成迎来新突破：中途换风格不再是梦

做音乐最怕的事情之一，就是写了一半突然想换风格。以前用AI生成音乐，一旦按下了生成键，整首曲子的风格就定死了，想改只能从头再来。最近 ElevenLabs 发布的 Music v2 模型，直接把这个问题给解决了。

这家公司大家可能更熟悉它的语音合成产品——就是那个可以把文字转成非常自然的人声的工具。其实他们去年8月就推出了第一代音乐生成模型，现在过去快10个月，v2版本正式上线。

中途换风格，这次真的做到了

Music v2 最亮眼的功能，就是支持在音轨生成过程中实时切换音乐风格。官方演示里，一首曲子可以从歌剧无缝过渡到重金属，然后再切到说唱段落，听起来竟然不违和。

更实用的是，现在创作者可以按段落独立生成——先写前奏，再写主歌，最后写副歌，每段都可以单独调整，不用担心一动全毁。这对于需要精细控制输出质量的音乐人来说，是个实实在在的改进。

“用户可以选中歌曲的某个部分，只重新生成那一段，其余部分完全不受影响。”——ElevenLabs 官方说明

版权问题，这次学乖了

AI音乐生成这个赛道，版权纠纷一直是个大坑。Suno 和 Udio 这两家竞争对手，目前都还背着主要唱片公司的诉讼，原因是被指控用未经授权的版权音乐训练模型。

ElevenLabs 这次学聪明了——明确宣称所有训练数据都获得了授权，生成的音乐可以直接商用。对于想要把AI音乐用在商业项目里的内容创作者来说，这个保障很重要，省去了未来可能面临法律风险的隐忧。

竞争对手也在加速

这个赛道现在相当热闹。过去几个月，Google、Stability AI、Suno 都相继发布了新版本的音乐生成模型，支持更长的音轨和更复杂的编曲。Google 在 I/O 大会上还专门给 Flow Music 工具加了一堆新功能，包括自动生成音乐视频。

ElevenLabs 的差异化策略是：把音乐生成工具直接嵌入到营销和品牌工作流里。新模型已经上线到他们面向营销团队的 ElevenCreative 工具，以及今年4月刚推出的独立音乐生成 App。API 接口也快要开放了，到时候第三方开发者可以把这个能力集成进自己的产品。

AI音乐生成到底能不能被主流接受，目前还是个问号。音质、版权、艺术家的抵制，每一道坎都不好跨。但至少从技术层面看，工具正在快速成熟，ElevenLabs 这次的 v2 版本，确实是朝着”可用”的方向又迈了一步。

AI生成的视频越来越逼真，YouTube决定不再只靠创作者自觉标注了。这家谷歌旗下的视频平台本周宣布，将用内部系统自动检测并标注使用了「重要拟真AI」的视频内容。

从自愿标注到主动执法

这套标注机制其实已经上线两年多了。早在2024年3月，YouTube就更新了AI政策，要求创作者在Creator Studio里主动披露那些可能被误认为真实人物、地点或事件的AI内容。只不过之前完全靠自觉——如果你不标，平台也不会拿你怎么样。

现在不一样了。YouTube明确表示，5月起将使用新的内部信号来识别AI生成内容并自动打标。当然，平台仍然鼓励创作者自觉申报，但如果你忘了标，YouTube会替你标上。

有意思的是，如果视频是用YouTube自己的AI工具（比如Veo或Dream Screen）生成的，创作者连删除标签的权限都没有——标签会永久附着在视频上。

AI生成内容如果包含C2PA元数据（表明其为完全AI生成），标签同样会被自动附加且无法移除。最近OpenAI也承诺采纳C2PA标准，跟Nvidia、Kakao、ElevenLabs站到了一起。

标签展示位置大调整

以前AI标签藏得挺深——除非视频涉及健康或新闻等敏感话题，否则标签只出现在展开的视频描述里。大多数观众根本不会注意到。

现在YouTube把标签挪到了更显眼的位置：长视频的标签直接展示在视频播放器下方、描述区上方；Shorts的标签则直接叠在视频画面上。平台的说法是，这样观众在刷到拟真AI内容时能第一时间意识到「这不是真的」。

至于那些只是轻微修改、动画化或明显不真实的AI视频（比如那个经典的「独角兽在奇幻世界奔跑」示例），标签仍然只出现在展开的描述里，不会在画面上干扰观看。

deepfake检测同步扩张

自动标注功能上线前不久，YouTube刚刚扩展了其AI深伪检测能力。最初只对名人、公众人物、政客和其他创作者开放人脸匹配扫描，现在任何成年用户都可以主动扫描平台上是否有冒用自己的AI生成视频。

YouTube特别强调，AI标签不会影响视频的推荐权重，也不会影响变现能力。这一点对于创作者来说应该是个定心丸——标注AI内容不再意味着被限流。

这套自动标注系统上线的时间点很微妙。上周谷歌在I/O开发者大会上刚刚发布了Gemini Omni，这个多模态AI模型家族能输出高质量视频，并且展现出对物理、文化、历史和科学的真实理解。换句话说，AI生成视频的「以假乱真」程度又上了一个台阶，YouTube不得不提前筑坝。

AI 编程赛道今天传来一笔让人咋舌的融资——Cognition，就是那个做了自主编程 Agent Devin 的公司，宣布完成超过 10 亿美元融资，投前估值 250 亿美元。

这个估值跳跃速度相当夸张。八个月前，也就是 2025 年 9 月，Cognition 刚完成 4 亿美元融资，投后估值 102 亿美元。不到一年，估值直接翻了一倍还多。

投资人名单很豪华

这轮融资由 Lux Capital 和 General Catalyst 领投，现有投资者 Founders Fund、8VC 等继续跟投，新进来的还有 Ribbit Capital、Atreides、Layer Global。

这是顶级 VC 在用真金白银表达一个判断：独立的 AI 编程工具公司，还有很大的生存空间。过去一年，市场的主流叙事是”模型厂商会把一切都吃掉”——Anthropic 的 Claude Code、OpenAI 的 Codex、Google 的 Jules，这些大厂工具确实在快速蚕食市场。

Cognition 去年还收购了 Windsurf 的剩余资产，现在说自己已经有奔驰、NASA、高盛、桑坦德银行这类大企业客户。过去六个月，Devin 的企业用户使用量每月增长 50%，年化收入运行率已达 4.92 亿美元。

250 亿美元值不值？

这个数字放在整个 AI 编程赛道里看，确实不便宜。但 VC 的逻辑大概是：如果 Devin 真的能在企业开发流程里站稳脚跟，这个市场的天花板还远得很。

关键问题是，大厂的编程 Agent 和 Cognition 这类独立公司，到底会不会是零和游戏？从目前的客户名单看，Cognition 在啃企业市场这块硬骨头，而大厂工具更多是在吸引个人开发者和小团队。

• Claude Code 和 Codex 的优势是和模型深度绑定，迭代快
• Devin 的卖点是”自主完成更复杂的软件工程任务”，而不只是补全代码
• 企业客户更在意数据安全、权限管控、审计日志，这是独立工具的机会

不管怎样，250 亿美元的估值就这样摆在了桌面上。AI 编程这场仗，才刚刚开始。

做AI音乐生成的公司越来越多，但大多数产品生成出来的东西，听起来总有点「千篇一律」——风格定好了就一路走到黑，想换个感觉得重新生成整段。ElevenLabs 昨天发布的新版本 Music v2，想解决这个问题。

一首歌里能切换好几种风格

ElevenLabs 做语音 AI 起家，去年 8 月才推出第一代音乐生成模型，当时主打的是「商用授权清晰」，敢明确说训练数据是有许可证的。这在 AI 音乐圈子里其实不多见——Suno 和 Udio 两家到现在还背着版权诉讼，环球音乐和索尼音乐都在告他们。

这次的 v2 版本，核心卖点是「中途换风格」能力。官方演示里，同一段旋律可以从歌剧唱腔一路切到重金属，再切回流行，整首歌听起来还是连贯的。说唱段落也能处理得够快，不会拖沓。

另一个实用功能是「局部重制」。你可以选中歌曲的某一段，用文字描述想要的效果，模型会只重新生成那一段，其他部分完全不动。对做音乐的人来说，这比重新生成整首歌省事得多。

ElevenLabs 强调，v2 模型建立在有许可的训练数据之上，生成的内容可以商用，用户不必担心版权问题。

AI 音乐赛道挤满了人

最近几个月，各家 AI 实验室都在冲音乐生成这个方向。Google 在 I/O 大会上发布了 Lyria 3 Pro，还顺带推出了用 Flow Music 工具生成音乐视频的功能。Stability AI 本月也发布了能生成六分钟长曲的音频模型。Suno 的 v5.5 版本同样在近期上线。

竞争这么激烈，ElevenLabs 把「版权干净」当作差异化卖点，确实是条路。环球音乐和 TikTok 上个月刚续签了协议，里面专门加了联手打击未授权 AI 音乐的条款。Spotify 也在和厂牌谈类似的授权框架。整个行业都在想办法把 AI 音乐「合法化」。

新模型现在已经能在 ElevenLabs 的 ElevenCreative 工具里用到，面向市场营销和品牌团队。专门做 AI 音乐创作的 ElevenMusic 平台也在运营，API 版本很快就会开放。

• Music v2 支持同一首歌内切换多种音乐风格，歌剧、说唱、金属可以串在一起
• 可单独重制歌曲的某个片段，不影响其他部分
• 训练数据有商用授权，生成内容可合法用于商业场景
• 支持多语言歌词、人声和编曲，可靠性较上一代有明显提升