I Used AI to Write Background Music for a Month. It's. Complicated.

我已经为独立电影和 YouTube 内容打分七年。上个月，我在 AI 音乐生成工具上花费了 847 美元，并制作了 127 首曲目。最终，只有三首进入了实际项目。其他 124 首？它们都坐在我命名为“不可思议的峡谷交响曲”的文件夹里。

这不是关于 AI 取代音乐家的又一热议。我不是来告诉你机器人要来抢我们的工作，也不是说 AI 正在民主化创意，或者任何适合 280 个字符的叙述。我在使用 AI 处理每一个背景音乐需求的 31 天中学到的东西，远比这些看法更复杂、令人沮丧，并且有时是出色的。

我是 Sarah Chen，我在波特兰经营一家小型音乐制作工作室，专注于企业视频、独立纪录片和中型 YouTube 创作者的背景音乐。我的典型月份包括创作 15-20 首原创作品，从我的旧曲目中授权另外 12 首，并花费大约 80 小时进行制作。我决定用 AI 工具替代我的整个工作流程，以看看在实际操作中会发生什么。

结果让我感到惊讶。并不是因为 AI 比我预期的好或差，而是现实比任何人所谈论的要复杂得多。

设置：五种工具，一个月，零传统作曲

我承诺遵循严格的协议。在整个二月，我将不以传统方式创作任何音符。每一个通过我的工作室的项目都会完全通过 AI 音乐生成工具处理。我根据其他作曲家的推荐和在线评论选择了五个平台：Soundraw、AIVA、Mubert、Boomy 和 Suno AI。

我的典型客户名单包括一家需要活泼企业背景音乐的本地科技初创公司、一位正在处理环境故事的纪录片制作人、三位来自不同领域的 YouTube 创作者（科技评测、冥想内容和真实犯罪），以及偶尔的婚礼视频工作。二月给我带来了 14 个独特项目，需要 23 首独立的音乐作品。

我建立了一个跟踪电子表格，可以让数据科学家感到自豪。对于每一首 AI 生成的曲目，我记录了：生成时间、所需迭代次数、提示复杂性、所需编辑时间、客户满意度评级，以及曲目是否最终被使用。我还跟踪了我在这个过程中的情感状态，结果发现这比我最初想的要重要得多。

财务细目让我大开眼界。我在五个平台上花费了 847 美元：AIVA 的专业计划 299 美元，Soundraw 的创作者订阅 199 美元，Mubert 的商业许可证 149 美元，Boomy 的高级层 99 美元，以及各种 Suno AI 的积分 101 美元。与我通常每月约 200 美元的开支（用于软件许可证和样本库）相比，再加上我的时间，我为作曲工作定价为每小时 75 美元。

理论上，如果 AI 能显著减少我的作曲时间，那么数学上是可行的。一首典型的 3 分钟背景曲目通常需要我花费 4-6 小时来作曲、编排和制作。如果 AI 能在 30 分钟内交付相当的结果，我就在寻求十倍的生产率提升。这是承诺，至少是这样。

第一周：蜜月期及其突然结束

第一个项目是为一家可持续包装公司制作的 90 秒企业视频。它们想要“振奋人心但不落俗套，现代但不时尚，充满活力但不压倒性”。你知道的，这种通常模糊不清的要求，在从事这项工作的人看来，无疑是意义明确的。

“问题不在于 AI 音乐听起来不好——而在于它听起来几乎是对的。这个‘几乎’就是让你失去受众的地方，而他们并不知其因。”

我从 Soundraw 开始，因为它的界面看起来最容易上手。我选择了“企业”，将心情设置为“明亮”，选择了大约 120 BPM 的节奏，然后点击生成。四十七秒后，我得到了一个曲目。它……还不错。确实还不错。和弦进行很可预测，但功能齐全。乐器编排虽然普通，但适合使用。它听起来就像 10,000 首其他企业背景曲目，老实说，有时这正是你需要的。

我把它发给了客户。他们在 23 分钟内批准了。不到一个小时，我完成了通常需要我半天的工作。我感觉就像发现了火一样。

第二个项目打破了这种幻觉。一位纪录片制作人需要为一段关于气候难民的场景创作一段忧伤的钢琴曲。她给我发来了一段粗剪：一个家庭打包他们的物品，最后一次离开他们的海滨家园。这个场景时长 2 分 37 秒，在 1:43 有一个重要的情感节点，当时祖母最后一次回望房子。

我在三天内花了六个小时试图让 AI 生成一些有效的东西。AIVA 给我提供了技术上精湛但情感上空洞的钢琴作品。Mubert 的氛围音乐太抽象。Soundraw 的“伤感”预设产生的曲目更像是“稍微有点沮丧”而非“存在性的毁灭”。问题不是 AI 无法制作伤感的钢琴音乐。它完全可以。但问题在于它无法制作在 1:43 时恰好达到特定情感高潮的伤感钢琴音乐。

我生成了 34 种变体。我尝试了不同的提示：“忧伤的钢琴伴随着情感的增强”，“悲伤的沉思钢琴逐渐增强”，“反思性的钢琴作品具有戏剧性的时刻”。但都无法命中要害。AI 可以创造情绪，但它无法创造叙事。

最后，我使用了来自 AIVA 的 AI 生成的基础曲目，并花了四个小时在我的 DAW 中手动编辑，调整动态，添加细微的弦乐层，并重组编曲以匹配场景的情感弧。最终的作品可能是 60% AI，40%人类干预。客户喜欢它，但我花在上面的时间比如果我从头开始创作还要多。

提示问题：为什么 AI 音乐比 AI 文本更难

到了第二周，我对为什么 AI 音乐生成感觉比文本生成更令人沮丧形成了一种理论。当你提示 ChatGPT 或 Claude 时，你可以进行对话式的迭代。“让它更正式。” “添加一个关于 X 的部分。” “重写结论。” 反馈循环是即时和直观的。

音乐不是那样运作的。大多数 AI 音乐工具不提供对话式的细化。你得到的是下拉菜单、滑块和流派标签。Soundraw 让你调整“能量”和“心情”，但将能量滑块从 7 调到 8 是什么意思？你如何传达你希望曲目感觉像是“凌晨 3 点穿过空旷城市街道”或“在好消息即将到来前的那一刻”？

我开始保持一个提示日志，记录有效和无效的内容。一些发现：“电影”作为一种流派标签在不同平台上产生截然不同的结果。在 AIVA 上，这意味着管弦乐的高潮和戏剧性的弦乐；在 Mubert 上，这意味着偶尔有打击乐的氛围音乐；在 Soundraw 上，我老实说，我从未完全弄清楚它的含义。

最成功的提示是最具体和技术性的：“120 BPM，C 大调，原声吉他和钢琴，主歌-副歌结构，适度的动态。” 但这里的讽刺是，如果我对音乐理论了解足够以写出这个提示，我可能也足够了解自己动手创作这个作品。那些要求最小的工具