生成式 AI 与原创性：我们需要谈谈“房间里的大象”

Production Expert 作者讨论生成式 AI 在音乐与音频创作中的原创性问题。作者并不反对所有 AI：清理原本不可用的音频、整理和分类大量音效，以及修补录音中的掉音，都可为专业音频工作带来实际价值。文章针对的是从提示词直接生成文字、音乐、图片或视频的生成式 AI，并暂时搁置大部分伦理争议，集中追问现有技术能否产生真正的原创性和偶然发现。

作者的核心判断是：生成式 AI 的输出在最初的“魔法感”消退后，往往会迅速显得雷同；这并非只因算法尚不成熟，而与其依据既有数据预测最可能后续内容的架构有关。人类创作中的突破常来自意外及对意外价值的判断。文章以 Townhouse Studios 的 Stone Room 中因 SSL 调音台 talkback 麦克风保持开启并经过 gate，而偶然形成 gated reverb 的故事为例：新声音并非预先规划，而是有人发现意外结果值得保留。作者认为，当前生成式 AI 虽会产生“幻觉”等错误，却不能自行区分值得发展的“快乐意外”与普通故障；调节 temperature 只能在较可预测的平庸输出和更失控的无用结果之间变化，并不会自然带来有意义的偶然性。

为验证这一点，作者用 Suno 尝试生成“从未有人听过的音乐”和“原创的东西”，得到的都是三首中庸流行歌曲；进一步要求创作带有 5/7、风笛和 50 年代鼓组的摇滚／流行抒情曲，结果在作者听来只是 80 年代 Whitesnake、《Braveheart》与 The Skids 的混合，既不原创也不好听。作者承认未来可能出现采用不同设计、真正突破现有局限的系统，但强调那并非当前技术，因此“以后算法会改善”不足以反驳其对现阶段生成式 AI 架构的批评。

文章也回应“人类同样从既有作品中学习”的观点。作者承认人的创造会受到书籍、音乐、电影、电视、经历与交流影响，文中还提到一些研究把这种影响估为约 70%；但他认为，将人的经验性创作与生成式 AI 的模式预测等同起来是错误类比：Suno 可以写一首关于失去的歌，却从未体验过失去。作者据此把当前生成式 AI 概括为“通过挪用进行迭代”，并指出 Suno 等公司承认使用受版权保护的材料，同时主张这属于“合理使用”。最后，他把部分 Suno 输出播放给妻子；对方认为音乐很糟，并在未受提示的情况下主动询问是否由 AI 生成。作者将这一有限的个人测试作为其观点的现实印证，而非普遍听众研究。