有关团子提取“AI生成”类型歌曲
团子AI · 2026-11-11 预告新功能
有关团子提取“AI生成”类型歌曲

近期团子在国内外均收到较多有关“AI生成”歌曲提取的反馈,这些反馈基本上是询问这类歌曲的提取质量问题。

因此团子有必要单独开一篇文章统一讲解此类歌曲的质量、提取和未来兼容性问题。

团子AI能否提取“AI生成类”歌曲?

先说简短的结论:当前11.0算法能有限支持、而即将到来的12.0将更完备的支持这类音频,12.0中除了模型整体性能大幅度提升外,我们还会针对“AI生成”音频的提取做定向级别优化。

AI曲风是反范式的

以Suno为主的AI音乐生成软件已经面世几年,今年这类歌曲更是井喷式出现。不仅互联网上随处可见,就连线下的便利店、商城里也经常能听到AI生成的歌曲。

团子11.0系列算法在去年中旬发布时,我们就已经关注到这类音乐,但当时并没有做深度优化。原因在于,AI生成音乐的性质非常不稳定,限制了我们在11.0阶段的定向优化。

大多数听众主要关心歌“好不好听”,但从团子的技术视角来看,音轨“准不准确”才是关键。AI生成的音乐在人声和伴奏之间边界很模糊:人声经常哼唱到一半,就被某种伴奏乐器渐变地顶替掉;反过来,伴奏也很不守规矩,比如一段原本有规律的鼓组,可能因为人声的掩蔽突然“不生成”了——这一块的鼓组实打实地少了个音色、缺了一块,只是被歌声的某种特殊声音(比如齿音)盖住了,普通听众很难察觉。

另外,AI生成的“人声”也非常……夸张🤨(懂得都懂.jpg)AI生成的人声经常能哼唱出非常多逆天声音,这些声音人类嗓子很难唱出来,而这些“反常识”的音频范式在AI中反而是很常见的,这和基于真实音乐大量训练的团子AI的路线相反,导致团子很难提取这类风格。

这和AI音乐的训练机制有关。它就像大语言模型一样需要后训练:先生成N首歌曲,由内部或志愿者打分,再拿“人类觉得最好”的音频继续喂给自己,“左脚踩右脚”的迭代出人类更喜欢的音乐。

但除非受过专业训练,大部分人很难听出上面说的“音色渐变融合”或“乐器缺失”等瑕疵,打分时更看重整体好不好听、在不在调上,结果导致AI因为受到人类评分影响、变得更加不在意“准确”、而只在意“是否好听”,和用户的喜好双向奔赴。

恰恰相反,团子的提取算法根本不关心歌好不好听、唱得走不走调。只要是人声,不管是“深情演唱”还是“鬼哭狼嚎”都能正常提取。团子算法真正在意的是音乐底层结构——像唱到一半人声突然和乐器糊在一起、或者伴奏无故缺失,这些在正常音乐里根本不可能出现的问题,在AI歌曲里却成了家常便饭。

因此,面对这种违背正常音乐结构的内容,目前的11.0算法只能靠原有的“真实歌曲提取能力”硬抗;一旦遇到结构过于混乱的AI歌曲,提取就容易失效。

打不过就加入?

有小伙伴们可能想问,叽了咕噜说什么呢,让团子学习AI歌曲不就完事了。

一刻也不能停歇,马上向我们走过来的第一个事情就是——版权。

以Suno为例,该产品的协议条款(Conditions of Access and Use 10. )是严格禁止使用其产品生成的输出进行任何二次AI训练的。

而更糟糕的是,就算没有这种协议限制,团子仍然无法从这类歌曲中学习受益🤣

简单来说团子这类的分离模型,学习是需要极其干净的人声和伴奏轨,并从他们的混音过程中学习如何逆向拆分提取。而AI生成的歌曲并不是某种“内部生成了N种音轨”最后混一块呈现给小伙伴,而是在输出时直接输出最终音频。

这意味着这类歌曲天生就是只有混音、本身就不存在“干净的各种音轨”。因此也无法从中学习。

而Suno也的确带有“音轨提取”功能,但质量较为堪忧、大部分还不如团子靠谱,即便使用Suno提取出各类音轨,这些音轨也并非是“干净”的,无论是用团子11.0提取、还是使用Suno提取,这些音频本身就带有各类错误——而使用这类错误音频期望“左脚踩右脚”重新让团子AI学习,只会让团子的提取性能变差。

AI生成歌曲自带伪影问题

团子的音频研发团队近期注意到,Suno自8月份v6发布后,使用v6生成的音频会有强烈的伪影痕迹,这使得v6音频经过团子(或市面其他算法)移除人声后,剩下的伴奏中会有明显的中低频嗡鸣伪影声音。

团子并不知情这是属于Suno的某种刻意为之的“水印”、还是Suno算法的缺陷问题,但团子已知的是——该水印在原始歌曲中因为人耳的遮蔽效应难以听清,但移除人声后、剩下的伴奏里会明显察觉,这导致输出的伴奏已经达到了不可用的地步。

AI生成的音频自带的明显“水印”,安静时能听出明显的“嗡鸣”声音

然后呢?团子的对策是?

由于“AI生成”的歌曲本身不存在“原始人声/伴奏”,因此团子无法从中学习并提升这类风格移除能力。又因为8月份开始的水印问题,这使得提取“AI生成”歌曲变得越来越具有挑战性😰

——以上的文章就是我们的前述铺垫(不先说下困难和挑战怎么能知道团子的研发和优化的艰辛.jpg),接下来我们想说的是:

团子在12.0中会定向优化此类音频的提取能力、移除“水印伪影”、大幅度提高提取准确性👻👻👻👻

团子在12.0立项时就已经整理好了这些问题和挑战,并且作为12.0的需要优化的目标之一——当然,实话实说,提升“AI生成”歌曲的提取能力这个事情,在12.0中甚至不值一提,12.0会对任何歌曲、任何曲风都有非常明显的准确性提升👻

团子已经找到了可行的定向优化方式并实验成功。在内部测试中,团子对“AI生成”类音频的错误提取率极大幅度减少(比如经常把某些乐器当成人声移除)。

届时团子还会在12.0全系算法的提供额外选项,勾选后可以定向移除AI生成的水印伪影。我们为此类音频做好了一切的优化体验,只为对音质有极度苛刻的你👻