出品｜虎嗅科技組
作者｜陳伊凡
編輯｜苗正卿
頭圖｜AI生成
「AI原生100」是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「15」篇文章。
「我們確信不久的將來會有一個『大餅』掉下一個，雖然具體什麼時候掉下來我們不知道，但我們要先把盤子做好、做大，否則掉下來了我們也接不住。」
姜濤如此描述自己現在做的事。說這句話時，姜濤正坐在音潮辦公室的會客區里。
他親歷了中國AI音樂發展全過程，在過去的十多年時間，他幾乎沒有離開過AI音樂賽道，如今，他是一家專註音樂大模型和AI音樂產品的公司——音潮的CEO。
如果第一次見到姜濤，很容易將他和音樂人聯繫在一起，但你很難想到這是一位從事了多年AI演算法的技術男。他穿著米色休閑亞麻西裝，有時候還會帶著一個圓形禮帽，很像一個玩爵士樂的「老炮兒」。他會給妻子做歌，把女兒稚嫩的聲音編進旋律，浪漫得不像理工男。但從他的表達中，卻能看出他的演算法功底，例如他會用「技術棧」來比喻團隊成員的不同能力，他對AI音樂發展史信手拈來，說到AI發展的每一個里程碑事件時，他會提高語氣。
1938年，第一台電子語音合成器Voder在貝爾實驗室建造成功，這是AI第一次和音頻結緣。
1957年，Lejaren Hiller和Leonard Isaacson實現的人類歷史上第一支由計算機創作的音樂作品《Illiac Suite》，通過演算法將變數替換成音符生成了四個樂章。
但此後漫長的歲月里，AI 音樂像是被按下了慢放鍵——馬爾可夫鏈在旋律里打轉，循環神經網路困在節奏的迷宮裡，卷積神經網路也跨不過全鏈條生成的門檻，進展緩慢得讓人幾乎忘了它的存在。
直到2016年，谷歌推出了用於音樂生成的Magenta項目，利用深度學習TensorFlow等框架，展示了AI音樂生成的能力。
彼時的姜濤正在快手的辦公室里，對著屏幕上混亂的音頻波形發愁——他正試圖解決人聲與伴奏音樂分離的難題，這個困擾行業多年的痛點，在此前的技術框架下始終是塊難啃的硬骨頭。偶然間注意到Spotify（瑞典一家在線音樂流服務平台）的一些科學家嘗試用醫療影像中血管分離的模型解決這個問題，姜濤覺得很有創意，他也寫了個模型嘗試了一下，沒想到效果出奇的好，分離出來的人聲異常乾淨。
姜濤後來常對人說起那個時刻，他第一次深刻感知到深度學習的能力，之前很多認為不可解的問題在這一刻完美解決了。
也是在那一年，他找到快手 CEO 宿華，提出要做 AI 音樂生成。「當時大家覺得這事兒太玄幻了。」 但宿華非常的支持，同時還分享了其上學時用音樂排解其苦悶的故事。轉頭又給他找了個特殊的顧問——曾給張惠妹、蕭敬騰等一眾知名歌手填詞作曲的專業音樂人「阿怪」，陳志翰。
那段時間，快手的辦公室里總飄著奇奇怪怪的旋律。姜濤帶著演算法團隊和阿怪擠在同一個隔間，一邊用代碼訓練模型，一邊聽阿怪講和弦走向、編曲等樂理知識。這種奇妙的碰撞，成為了他音樂素養的啟蒙。
2021年，Transformer為架構的大模型的出現。2024年，Suno橫空出世，被稱為音樂界的「ChatGPT」，第一次實現了歌詞、人聲、伴奏等一系列音樂內容一次性AI生成。姜濤知道，那個「天上的餅」可能快要掉下來了。
也是在這一年，音潮誕生了。
即使現在看來，音樂生成依然還是一個小眾卻好玩的賽道。在中國科技領域，做語音和音頻生成的人並不多，音樂生成又是其中最小眾的一批人，國內的專家一隻手都數得過來。在這個領域的人，既是玩音樂的人中最懂演算法的，也是做演算法的人中最懂音樂的。但姜濤總覺得，這裡藏著和快手當年一樣的機會——每個人都能拍視頻讓短視頻實現了平權，那當每個人都能做歌的時候，音樂是否也能實現平權？
他還記得快手上那個把李榮浩《爸爸媽媽》唱火的農民工，記得蒙古牧民哼著聽不懂的調子卻讓人汗毛倒豎的瞬間。「外賣小哥的故事，環衛工的生活，為什麼不能寫成歌？」他給妻子寫的歌，每年都會拿出來聽，裡面還留著女兒小時候含糊不清的童聲。
姜濤說，如果短視頻的平權，塑造了快手和抖音，那麼音樂平權是不是也能塑造出偉大的公司？
快手的啟蒙
虎嗅：你是如何切入AI音樂賽道？
姜濤：我在中科院計算所工作了三年。我可能是所里唯一做應用聲學相關研究的。那時海外聽歌識曲的APP應用Shazam特別火，我就在所里開發了國內的第一款聽歌識曲APP--「音樂耳朵」，上線了App Store應用市場。幾年後QQ音樂、網易雲等才上線了該功能。這段經歷讓我進入音樂信息檢索（Music Information Retrieval）這個賽道。
我經歷過深度學習之前的專家系統、隱含馬爾科夫模型、知識向量機等多個模型階段，以及當下的大模型階段。
其實深度學習出來的時候我很興奮，2016年左右我在快手做了一個音樂和伴奏分離的模型，這個問題在這之前一直做不好，效果很差，深度學習出來之後，我們借鑒了Spotify發表的一篇論文，這個演算法將醫療圖像上的血管分離用於語譜圖中人聲和伴奏的分離。
這個想法非常的巧妙，我們實現以後發現效果特別棒。這是我從內心相信深度學習的原因，一個自己多年來求而不得結果，深度學習一下就解決得很好。這個感覺非常的讓人興奮和幸福。
我很感謝我的導師，哈工大的韓紀慶教授，以及鄭貴濱、鄭鐵然兩位師兄的幫助。韓老師是一個對科研非常認真，對學生的指導傾盡心血。我當時的研究方向和實驗室的主流方向有差異，但是韓老師給予了極大的支持和鼓勵。沒有韓老師和實驗室給我打牢的知識基礎，我很難在AI音樂這個領域有所發展。
虎嗅：但你的經歷中其實並沒有選擇進入一些語音識別的公司。
姜濤：有時候可能真是被選擇，投身了一個小眾又好玩的賽道。整個演算法圈的人員分布基本是這樣的，首先是自然語言最多，然後是CV視覺，最少的是音頻相關。音頻當中，做語音識別的人最多，其次是合成，然後才是音樂。音樂在過去20到30年時間，一直處於一個既不算落寞但也不火熱的狀態。
音樂研究人員的匱乏，資源也非常有限，導致這個領域比較封閉，國內從事這個方面研究的屈指可數。當年與北大的陳曉鷗教授合作時，他為了讓學生出國參加會議，把湊了三四張經費卡，才湊夠學生的出行費用。
這個行業確實有一些比較有趣的人，龔嶸老師拿了歐洲文化基金，錄入了國內最大的京劇數據集，最近他還做口吃的識別和矯正。北郵的李榮鋒老師一直在做古樂譜-工尺譜翻譯研究。Gus夏光宇老師做了能與人合奏的彈鋼琴機器人、能夠指導人唱歌時呼吸的硬體設備等好玩的東西。
這個方向很難招人，只有復旦李偉老師等幾個學校有少量的學生。更多情況，我們都是在公司內部培養，找一些知識背景接近又對這個方向感興趣的同學。
虎嗅：到快手負責哪塊業務？
姜濤：2016年，我去了快手。當時快手大概一兩百人多人，是快手飛速發展的階段，快手的DAU從幾百萬到幾千萬，又迅速上升到幾億的階段。
我是快手的第一位音頻相關的演算法工程師，我們從零開始建立快手的音頻和音樂相關的演算法團隊。最開始我們做的工作一部分是把一些違規的音頻內容過濾掉，同時把音頻內容做聚合和打散。
虎嗅：在快手的經歷中有沒有印象深刻的事情？
姜濤：當時的快手是一個有趣的狀態——混亂的高速發展，但是效率非常非常高。沒有職級，但你需要什麼幫助， 在企業微信里找到這個人，只要能幫到你就一定會全力幫你。
虎嗅：當時的快手有OKR或者KPI嗎？
姜濤：沒有，那個時候是一個風口，上漲很快，你可以感受站在風口的感覺，就是你做點什麼事情，都會有大批用戶喜歡。
虎嗅：抖音在那個時候是個什麼狀態？
姜濤：那時候是很有趣的狀態，抖音剛起來。因為我當時一直關注各種音樂流量的變化情況，我發現抖音音樂流量起來了，內部還討論過是否學習抖音的模式。不過最後快手選擇了自己的路線，我認為這兩種都沒有錯，都發展成了現象級的產品。
虎嗅：這兩條路線是什麼樣的？
姜濤：快手更強調短視頻平權，宿華的個人理想是相信每個人都有平等機會成為世界明星，只要你拍攝，快手就會給你一個平等的展示權利。那時快手的slogan還是「記錄世界、記錄你」。快手的群眾基礎是東北老鐵，其實流量起源於同城，你可以看到整個區域內的內容，還可以看到其他區域的人發的視頻什麼風格，這個非常有趣，也是當時快手快速起量的原因。抖音更強調一二線城市的年輕人，流量會集中打一個單獨的品類。我們當時開玩笑地說過一句話，這是人類歷史上僅有的兩個產品，DAU都過億，但還能保持高速增長，那就是中國的抖音和快手。他們選擇了兩條完全不同的增長曲線，這兩條都很性感，都成長成了偉大的公司。
虎嗅：你在快手呆了4年多，這四年多的時間，除了見證它的高速發展，有經歷過快手一些至關重要的轉型時刻嗎？
姜濤：快手完成了短視頻的教育，但後續抖音完成了第一波收割，微信視頻號完成了第二波收割。快手能迅速發展起來，得益於幾個因素的疊加，智能手機的普及、移動互聯網的加速和降費、深度學習的紅利等。每個人手機上都有一個攝像頭，能夠隨時隨地的拍攝作品並快速傳播給全世界。
虎嗅：快手是一個非常典型的移動互聯網原生的產品，和我們現在討論的AI原生產品一樣。
姜濤：是的，快手、抖音都吃到了上一波深度學習的紅利。快手發展時，深度學習剛起來，我們這個組叫MMU，Multimedia Understanding。組長李岩對演算法和業務都有非常深刻的理解，是快手AI技術研發的核心人員。我們的主要工作就是給短視頻做理解，知道作品的場景、人、物、情緒、語音等等。有了這些理解後，就可以很方便地進行流量分發。把作品精準發給喜歡它的人群。如果沒有那個時候深度學習的爆發，流量分發將會很困難。
快手內部對演算法的重視程度極高，宿華本身是一個非常技術范的人，智商超群、情商超群、精力也超群。我們一直說，他寫代碼的速度只受限於他的手速。有一年大家春節回家，他自己默默把快手底層C++庫做了升級。
虎嗅：當時卷嗎？
姜濤：不太好稱之為「卷」，更多是高速增長，因為業務發展太快了。這個東西你不做，其他人就會做。當時沒有任何資源限制和崗位限制，可以內部合作。其實更多的是成就感，希望自己做到東西可以服務廣大的用戶，幫助公司更加快速的成長。
虎嗅：當時內部是一個鼓勵創新的氛圍？
姜濤：是的，那時候百花齊放，如果你有好的想法，公司就會讓你做。2016年我提議做AI音樂，當時谷歌開源了一個實時音樂模型叫做Mamenta，這是上一波深度學習階段標誌性的事件。AI音樂生成在2016年還是一個很玄幻的方向，商業化還不清晰。當時宿華和李岩都很支持，還給配了一個業務顧問——阿怪老師（陳志翰），他給張惠妹、蕭敬騰等很多歌手作曲，我們一周三個半天面對面聊，那段時間，我的音樂素養完成了蛻變。
虎嗅：阿怪給你帶來了什麼？
姜濤：他是一個很有趣的人，他號稱自己是整個音樂圈代碼寫的最好的。他也是音樂圈裡對演算法最熱愛的，他喜歡深度學習。他自己有很高的音樂素養，但他也很明白大眾需要什麼，他知道藝術有時候就是生意。他讓我對音樂的世界觀發生了轉變，也意識到音樂是可以拿模型來做的。
虎嗅：你們一起磨合了多久？
姜濤：我們一起做了三年，阿怪老師2019年心梗去世了，2020年左右我們全套模型做完，上線了一個產品叫做「小森唱」，用比較特殊的方式把一些小模型串在一起，用戶給一個主題就能做出一首歌，但這個產品太超前了，產品上線之後，發現市場並不是特別認可。我也是在那個時候離開了快手。其實做「小森唱」的時候，也是希望是給阿怪老師的一份特殊禮物，希望他在另一個世界可以快樂地玩音樂、玩演算法。
「Aha moment」：見證了智能湧現的時刻
虎嗅：離開快手的原因是什麼？
姜濤：在快手遇到了自己成長的瓶頸，想要在一個新的環境中獲得成長。
虎嗅：接著你選擇了騰訊音樂，為什麼做這個選擇？
姜濤：我到騰訊音樂的時候抱著一個理想，希望有更多訓練數據。
虎嗅：你到騰訊音樂的時候，做了哪些事？
姜濤：當時騰訊音樂演算法團隊比較分散，不利於將演算法研發深化。我去了之後，花了半年時間把零零散散的小團隊組建成了一個大團隊，叫做天琴實驗室，這個實驗室最後承接了QQ音樂、全民K歌兩個大平台所有音視頻演算法需求。我們上線了各種有趣的功能，例如K歌的多維度打分、智能修音、無損音樂超分、有聲小說等。後來還做了一對數字人，一個叫小天，一個叫小琴，是一對兄妹，她們成了天琴實驗室的歌聲合成、舞蹈生成、燈光生成等多項技術的最佳載體。
虎嗅：但是2023年你又從QQ音樂離開，這個怎麼考慮？
姜濤：其實QQ音樂也好、網易雲音樂也好，這些音樂流媒體平台的核心資產是曲庫版權，而大模型訓練需要較大的算力資源、人力資源和較長周期的投入，因此在大模型上的投入比較謹慎。當然這件事情是對的，作為一個音樂版權公司，還是以核心資產收益最大化為目的，所以從商業邏輯上來看，我認為這種謹慎是一個很正確的決定。
虎嗅：從騰訊音樂出來之後，你去了崑崙萬維。
姜濤：就像之前說的，騰訊系比較喜歡後發先至的打法，而我當時想儘快投入到大模型訓練中，而當時國內願意為AI音樂這件事做大投入的只有崑崙天工，所以我從騰訊音樂離職，加入崑崙天工擔任AI音樂團隊的CTO，做出全國第一個端到端生成的音樂大模型。
那個時候，Suno 3.0也剛剛發布，整個市場非常熱鬧，雖然那時候效果不好，但大家覺得未來可期。
周亞輝老闆是一個非典型的連續創業者，他組建一個完整的AI產品矩陣，天宮音樂、天宮搜索、社交動漫，然後這個AI板塊也讓整個崑崙的股價起飛。包括現在，周總也是少數能從AI上獲得收益的投資人。
虎嗅：但是在崑崙就呆了一年就走了，為什麼？
姜濤：崑崙天工有自己的產品迭代路徑，但我希望我做的事情能對整個中國的音樂產業有所改變。
虎嗅：這個改變你指的是音樂平權嗎？
姜濤：是的，這可能和快手給我帶來的影響有關。我希望每個人都能用音樂記錄生活。我給我妻子寫的歌曲，我們現在每年還會拿出來聽一聽，那時候還把我女兒的聲音錄進去。短視頻的平權成就了快手，我相信音樂平權也能誕生偉大的公司，整個音樂行業和IP生態都會被重構，我相信外賣小哥、農民工，他們的故事、他們的音樂，也能感動我們。
我們在快手上有一個農民工兄弟，他把李榮浩的《爸爸媽媽》這首歌帶火了一把。還有一次，我在快手上聽到了一個蒙古牧民唱的歌，有非常好的顱腔共鳴和漂移，我雖然聽不懂，但那種汗毛炸裂的感覺讓我終生難忘。我相信普通人也一樣可以做出感人的音樂。
虎嗅：ChatGPT出來之後，每個人都有個所謂的「Aha moment」，對你來說是什麼樣的？
姜濤：我當時在崑崙天工，可以說見證了智力湧現的力量。比如我們同樣的模型架構，在喂幾十萬首歌數據的時候，會像一個小孩子唱歌一樣，這裡也不對，那裡也有問題，但是當到了千萬首歌的時候，效果突然出奇的好，讓模型從一個懵懂孩童一瞬間成長出色音樂家。一旦你經歷智力湧現，你會對AI有深深信仰，相信當下一切僅僅是個開始，AI會改變整個人類的未來。
「我們現在有個鎚子，但怎麼敲我們還在嘗試」
虎嗅：選擇創業是先拿融資還是自有資金？
姜濤：音潮的投資人是一個很有理想和抱負的人，當時市場上大多數的公司開始專註垂直大模型，我們聊完後都認為音樂是一個發力點，就開始啟動了。
虎嗅：這一年多產品迭代了多少次？
姜濤：我們產品剛剛上線，更多是把模型效果做好；下一個階段，我們的產品會進入很高頻的迭代狀態，基本上兩周到三周就會有一個新的版本上線，增加很多有趣的功能，激發用戶的創作熱情。
虎嗅：建團隊花了多長時間？
姜濤：大概半年多才湊齊基本的人員，現在也在不斷吸引業內優秀的同學。我們核心團隊里有很多音樂學院畢業的同學，我們僅演算法同學現在都可以組成一個樂團了。比如我們現在做評測的同學是清華大學阿卡貝拉樂團的創始成員，之前是在清華讀晶元設計的博士，他能作為演算法同學和音樂老師直接溝通的橋樑。
虎嗅：對你來說你現在的挑戰是什麼？
姜濤：我需要一邊做演算法研發和工程迭代，一邊往產品和商業化的路徑上去做，後面這個是我的之前技能棧中有所欠缺的。
虎嗅：產品現在剛上線，你自己有發現一些問題嗎？
姜濤：其實我們現在最大的痛點就是，激發用戶的創作熱情，找到更多大家要做歌的場景，並讓製作歌曲的產品路徑儘可能短。我們想過很多路徑，比如Suno，他的產品受眾很清晰就是專業音樂人的生產工具和類Spotify的音樂流媒體平台。
還有一家公司叫Riffusion，這家公司的交互非常有趣，他們想要採用GPT聊天的方式來創作音樂。這家公司的歷史比suno還早，在文生圖Stability模型出來後出來之後，這家公司做了件很酷的事，就是生成鋼琴的語譜圖，然後再把它轉化成可以聽的聲音。Riffusion早期只能生成一些短片段，二三十秒，但是他們很有創意把這個缺陷變成了一種產品format，命名為『riff』。
我們其實也在嘗試Agent的音樂創作路徑，我相信這些新的交互可以激發不一樣的創作火花。
虎嗅：你們針對這些痛點做了哪些事？
姜濤：基於自研模型的能力，我們嘗試讓用戶知道音樂是可以用來「玩」的，並為他們準備了很多好玩有趣的功能。例如：「音果」就非常好玩，用戶可以兩首歌的要素抽取出來，混合成一首新的歌，然後在這個基礎上可以層層堆疊，並把創作過程遊戲化。兩個用戶的歌曲可以基於「音果」的功能建立一個弱的社交關係，我們成為「音緣」。把諧音梗也玩得比較徹底。
應該說我們現在有一個鎚子，但這個鎚子敲碎哪些罐子？我們現在還在不斷嘗試。比如我們希望能夠先擊中那些更加細分和垂直領域的人群，再這些從垂直人群中破圈，泛化到更大的人群。
虎嗅：我們現在有鎖定一些目標群體嗎？
姜濤：首先是學生，他們思維更加活躍，也更容易接受新鮮事物，有更高的使用頻率也有使用時間。
虎嗅：現在還是一個產品發散的狀態？
姜濤：對的，我們現在還是去試，如果有的內容反響不大，我們就會立刻撤掉。
虎嗅：你們的產品迭代速度怎麼樣？
姜濤：我們移動端是每三周一次迭代，網頁端是雙周一次迭代。
虎嗅：自己訓練模型的話這部分的成本很高？
姜濤：在訓練和推理中我們也在和一些國內的晶元廠商合作，用國產卡，性價比很高。因為業務請求量越來越大，我們會嘗試訓推一體。推理請求量大的時候，我們會把一部分訓練的機器拿來做推理，請求量下去之後再收回來。推理的成本是很低的，我覺得未來幾個月這個成本可以繼續下降。
虎嗅：騰訊前不久發布了AudioGenie音頻生成工具，你注意到了嗎？這對於音潮是否是一個挑戰？
姜濤：AudioGenie 更像是視頻或者圖像配音效，他們的多模態做得很好，不過完整的音樂作品不是這項工作的目標和重點。
打造和用戶共創的數據飛輪
虎嗅：所以我們的商業模式和產品定價是什麼樣的？
姜濤：我們B端是開放API介面，C端按首收費，可以免費做四首歌，近期會上付費，滿足用戶更大量的創作需求。
虎嗅：這個定價是怎麼考慮的？
姜濤：我們打算做一個嘗試，而且我們也有免費額度。如果你在我們這裡做的歌，收聽的人多了，你可以形成自己的IP，我們會按照播放量給創作者結算。我們現在其實是象徵性收費，而且四首歌的免費額度對普通用戶來說也是夠用的。我們在兒童音樂教育和AI教育場景下完全免費使用。
我們也會在C端做一些衍生服務。因為我們要實現音樂創作的平權，所以用戶在我們平台上做的歌，版權完全屬於用戶。如果你想做相關的版權認證，我們可以幫用戶做完。如果用戶想做分發，我們可以幫他們做分發渠道。
虎嗅：你們的數據壁壘怎麼建立？
姜濤：我們花了一年多的時間建了國內最大的音樂數據標註庫，其中有我們從其它音樂科技公司購買的，也有我們從錄音棚中購買的，就是這樣一點點尋找和積累優質數據。在上海音樂學院於陽教授和陳世哲教授的幫助下，有幾十名上海音樂學院的學生幫助我們做音樂數據的標註，構建我們的數據壁壘。我們與兩位教授也建立了音樂大模型的聯合實驗室，進一步加深雙方的合作。
虎嗅：你們如何吸引用戶並維持用戶粘性？
姜濤：第一是我們提供了一個收益的渠道，用戶可以通過養成自己的IP並獲得收益，就能得到成就感。第二是我們提供了市場上沒有的玩法，足夠好玩可以吸引用戶。
我們的核心理念是，用戶花在作品上的時間越多，用戶資產就能夠獲得增值，比如他點了個贊，或者收藏一張歌單，用戶價值就會增加。
虎嗅：ToB和To C的節奏怎麼把握？
姜濤：我們同步進行，現在還在摸索當中。因為音樂平權未來的市場是什麼樣，對我們來說就像個迷霧。不過我相信，在快手和抖音剛做起來的時候，也並沒有看到清晰的商業化路徑，一直到流量激增之後，出現了新的商業火花。
我們要做的事情是，我們知道天上有一個大餅，但什麼時候掉下來，我們不知道，我們得把自己的盤子做大，如果盤子不夠大，餅掉下來是接不到的。
虎嗅：B端的生意，大廠其實也在做，你們怎麼平衡這個關係？
姜濤：不止一個人問過這個問題，我們首先進入生態位，我在生態位上有一個支撐，那麼你給我投錢就是一個路徑。
虎嗅：如果和大廠合作，你們不擔心自己的數據可能會變成大廠模型的某個部分嗎？
姜濤：目前不會，當然在中間某個節點可能需要做一些取捨。
「逼自己每月花200美金-300美金在AI產品上」
虎嗅：出海節奏是什麼樣的？
姜濤：如果出海的話，我們的產品形態會有區隔，我們會和Suno形成差異化的服務。我們現在是和一些MV廠家合作給他們做歌。另一個方向是我們現在有一個小產品，比如你發Youtube需要有版權的配樂，但如果沒有版權，就無法上架。我們會把AI音樂作品做一個曲庫並配上豐富的標籤，用戶可以付費使用。
虎嗅：Eleven Labs在語音合成上也走得很快，甚至也推出了Eleven Music的API，拿到了不錯的估值，它會是未來音潮出海的對手嗎？
姜濤：Eleven Labs確實算是競爭對手，它的語音合成是目前行業標杆。商業模式上，我們是toB的API、toP的創作工具、toC的消費平台、音樂IP的衍生增值服務都有。國內和國外的市場環境差異很大，很難走同一條路線。
虎嗅：音潮團隊是一個跨學科背景和多元的團隊，你們怎麼融合和管理？
姜濤：我們的團建是組織大家去聽R&B livehouse，現在我們演算法工程師可以湊成一個樂隊了，可能我們下一次團建就是包個小場地自己演奏。很難想像一群很i的演算法同學，在面對音樂時會展很e的一面，這種反差非常有趣。
虎嗅：團隊有OKR或者KPI嗎？音樂人都偏理想化，演算法工程師偏理性。
姜濤：有OKR的，因為大家都明確知道我們要跑得更快才能活下來。我們的產品負責人是中央音樂學院畢業，他也明確知道商業化的互聯網產品是什麼樣，曲庫的負責人也是音樂人，做了很多年樂曲的交易。我見過很多互聯網音樂做得很好的公司，但最終沒能活下來，所以我需要平衡一下，讓大家有快樂的一面，也有緊迫的一面。
虎嗅：如果公司是一個樂隊，你承擔的是一個什麼角色？
姜濤：我給大家提供彈藥，給大家劃定明確的邊界，讓大家快樂的把自己的技術棧發揮到最大。
虎嗅：回溯到公司剛成立，有哪些決定現在想來比較後悔？
姜濤：有些東西可以做得更快。比如產品上線，如果可以快一點，也許可以在世界人工智慧大會之前讓產品更完備。
虎嗅：最近讓你焦慮的事是什麼？
姜濤：產品剛上線，需要有一個增長點和好玩的功能點。
虎嗅：你們產品上線到現在註冊用戶有多少？
姜濤：依託waic的宣傳，已經有幾十萬的註冊量了。我們還在通過不停迭代，給用戶新的刺激點。
世界人工智慧大會上姜濤向觀眾介紹產品 圖片由受訪者本人提供
虎嗅：現在主要工作在做什麼？
姜濤：主要是招人和產品決策。我現在給自己一個規定，每個月要花200美金-300美金在新的AI產品上，我覺得只有付了費才能逼迫自己更加耐心和專註使用這些產品，同時每個月面對賬單時，我也會被迫思考這些AI產品提供的功能是否值得繼續付費。
虎嗅：你覺得哪些產品做得不錯？
姜濤：可靈、即夢、PixVerse的視頻生成做的很不錯，我的很多視覺素材都是用他們做到的。看到AI talk的Yuri後，我還花時間做了一個數字人的MV作品，但是與Yuri差異巨大，建立一個類似的視覺IP目前還有不小的門檻，雖然工具大家都能平等使用。
Riffusion提供了新的音樂交互方式，它通過多輪聊天來完成創作，我不確定這條路對不對，它與傳統的基於daw的創作方式非常不同，它選擇了與Suno不一樣的路線，但如果這條路是對的，這個交互方式和模式會很有趣，我們也會在自己產品上嘗試。
我也會經常使用Suno，它的Suno Studio對於音樂人而言將是一個顛覆性的產品。我會在openrouter上觀察近期市場上各類模型的使用分布，以及使用這些模型的創新產品。
本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4733039.html?f=jinritoutiao
