20秒出歌、百變風格，AI音樂進入“Agent時刻”

新音樂產業觀察原創文章，未經授權謝絕轉載

作者丨朱力克

深夜的錄音棚里，制作人盯著屏幕反復回放一段剛編好的副歌，一邊下意識地去點插件列表。是不是要換個鼓組？是不是要改個音色？不是沒有想法，而是太清楚接下來要付出的時間：重搭音色鏈路、重新對齊節奏、再跑一遍結構，可能只是為了驗證一個不一定成立的感覺。

對很多音樂人來說，這種“被流程拖慢”的創作體驗，早已習以為常。過去兩年，AI音樂工具的爆發，一度讓人以為這個問題會被徹底解決。從“一句話生成一首歌”，到各種自動作曲、自動編曲產品層出不窮，AI似乎已經證明了能寫歌。但在實際創作中，這些工具更多停留在玩具或輔助的位置。好玩，但難以進入真正的創作流程。

2026年以來，事情逐漸有了變化。隨著MiniMax Music 2.5、2.5+的推出，AI音樂在音質、結構和完成度上逐漸逼近專業制作水平，至少在純音樂場景中，已經具備了明確的商用能力。而最新的Music 2.6，則把這種能力進一步推向一個更關鍵的節點：20秒內出歌、旋律與結構可控、風格可以被“編排”。

尤其是兩類能力變得更實用：Vibe Coding式的歌曲創作，創作者只需要描述一種氛圍或感覺，就可以快速得到多個方向的音樂版本，AI Cover則基于已有作品進行風格化改寫、擴展甚至重組。從調式、節奏到人聲、樂器，每個細節都可隨時調整。

本質上，它意味著一件更重要的事情：AI不再只是“寫一首歌”，而是開始參與“做一個音樂項目”。也就是說，AI正在從一個結果生成工具，變成一個可以嵌入創作流程、甚至重構流程的系統。

從“等結果”到“實時創作”

Music 2.6新模型上線即開啟14天免費體驗，C端網頁用戶每個帳號每日500首/天的新模型音樂創作額度。體驗過后，我們發現Music 2.6解決的，不只是更好聽的問題，而是更快和更可控，從而讓AI真正進入創作過程本身。

在此前的AI音樂工具中，一個最影響體驗的問題是反饋速度。生成一段音樂往往需要等待一分鐘甚至更久，這意味著每一次修改都要經歷完整的一輪等待。對于創作來說，這種節奏幾乎是致命的——靈感往往是連續的，但工具卻是離散的，創作者不得不在等待結果和繼續思考之間反復切換。

Music 2.6把首包時間壓縮到20秒以內，這個變化的意義，并不僅僅是效率提升，而是直接改變了創作的交互方式。創作者可以像使用樂器一樣，與AI進行近似實時的互動：提出一個想法，快速得到反饋，再基于結果繼續調整。創作不再是“提交—等待—修改”的循環，而更接近一種連續的對話過程。

與此同時，這一代產品在控制能力上的提升，同樣關鍵。過去的AI生成，更像是“抽卡”。輸入一個模糊的描述，得到一個不可預期的結果。而在Music 2.6中，創作者可以明確指定BPM、調性（Key）、段落結構、情緒走向等參數，甚至可以對歌曲的不同部分進行精細化控制。這意味著，AI不再只是提供靈感，而是可以參與到嚴肅創作流程中。

這種變化還體現在更細微的層面。相比2.5，2.6不僅在旋律生成上更穩定，也開始理解段落邏輯。副歌的推進、過門的銜接、情緒的遞進更加自然。同時，人聲的表現更接近真實演唱，器樂之間的配合也更像真實樂隊的互動，尤其是在中低頻部分，鼓與貝斯的律動明顯更加“站得住”。

這些看似是技術細節的提升，疊加在一起，帶來的結果是：AI第一次具備了實時反饋+結構可控的能力組合。當這兩個條件同時成立時，AI才真正從生成工具，變成創作工具。

從“寫一首歌”到“搭一套系統”

如果說速度和可控性解決的是能不能用，那么Music 2.6更深層的變化在于，它正在推動音樂創作進入一種全新的工作方式——Agent驅動的創作流程

MiniMax近期開源了3個music skills，并在token plan中新增了每日100 首的免費音樂創作額度。結合mmx-cli的調用方式，創作者可以更方便地嘗試用Agent搭建自己的音樂工作流，把不同的創作環節串聯起來，逐步形成更高效的生產流程。

在傳統的音樂制作中，創作路徑是高度線性的。音樂人需要在DAW（如Ableton Live）中一軌一軌地搭建作品：先寫旋律，再配和弦，接著編節奏、拼結構，最后進入混音與導出階段。每一個環節都需要人工操作，而且彼此之間強依賴，一旦前面發生修改，后面的工作往往需要重來。換一個鼓組要重新搭鏈路，改一段結構要重新拼軌道，而在AI參與的創作流程中，這種模式開始被打破。

新的路徑更接近這樣一種邏輯：創作者用自然語言或結構化提示描述需求，系統批量生成多個版本，創作者快速篩選并進行微調，同時可以并行推進多個方向。這種方式與其說是做音樂，不如說更像是在調試一個系統。

這種變化，和當下流行的Vibe Coding有某種相似性。開發者不再手寫每一行代碼，而是通過自然語言描述需求，由系統生成代碼，再進行選擇和修改。對應到音樂創作中，Prompt和結構控制，正在變成一種新的編程語言，用于編排音樂生成流程。

在這個體系中，Skill的出現進一步放大了這種變化（Skill倉庫地址見評論區）。所謂Music Skills，本質上是把音樂能力拆解成可以調用的模塊。關鍵不在于多了幾個功能，而在于音樂能力本身被組件化了。

例如，生成引擎可以作為一個基礎Skill，自動識別用戶需求并匹配合適的生成策略；歌單生成器則不再只是推薦已有內容，而是基于用戶偏好直接生成新的作品，從而讓“推薦系統”向“內容生產系統”轉變；而類似“寵物歌手”的能力，則讓AI具備持續輸出特定聲音和人格的能力，某種程度上是在構建新的虛擬音樂IP。

更重要的是，這些Skill不僅可以調用，還可以被組合、擴展，甚至由創作者自己構建。

一個熟悉某種風格的制作人，可以把自己的創作經驗拆解成一系列Skill，例如特定的和弦走向、節奏模式、音色組合，然后在不同項目中反復調用。這種能力，使得創作不再是一次性的勞動，而是可以被沉淀和復用的系統資產。

當Skill與Agent結合之后，創作的自由度被進一步放大。Agent可以自動調用不同Skill，完成從旋律到結構的整體生成，而創作者則在關鍵節點進行干預和選擇。這種模式下，創作不再受限于單一工具或固定流程，而是可以根據需求動態組合能力模塊，甚至“手搓”出屬于自己的創作系統。

因此，Music 2.6真正改變的，不只是怎么寫一首歌，而是怎么生產音樂。

從作品到服務，AI音樂正在重寫供給邏輯

當創作方式發生變化時，受到影響的就不僅是創作者本身，而是整個音樂供給鏈。

首先，內容生產將進一步爆發。當前已經可以看到多個明確跑通的應用場景：短視頻BGM是規模最大的市場，其次包括國風、同人音樂、方言神曲、企業定制音樂以及游戲音效等。這些場景有一個共同特點，對音樂的需求量極大，但單首作品的預算有限。AI音樂的出現，使得這些需求可以被更低成本、更高效率地滿足，從而進一步擴大整體供給。

其次，體現在Cover能力的變化。在AI體系下，Cover不再只是簡單的翻唱，而更像是一種音樂資產再開發。同一首作品，可以被快速生成多個風格版本，以適配不同平臺、不同受眾甚至不同語境。這種能力，使得音樂從單一作品，變成一種可以被反復利用的內容資源。

再次，Agent工作流融入音樂生產。以MiniMax為代表的路徑，將創作流程拆解為由Agent（任務編排）、CLI（調用接口）與Skill（可復用原子能力）構成的模塊化結構，使旋律生成、風格遷移、歌詞處理等環節可以被標準化、組合與復用。音樂生產有望演變為類似“插件化”的生態結構，創作經驗被沉淀為可流通的能力模塊，從而重塑行業分工與效率邊界。

進一步來看，這些變化正在推動行業結構的調整。平臺的角色，正在從單純內容分發向生成+分發轉變；創作者的角色，從具體制作轉向流程調度與決策；商業模式，也從以版權為核心，逐漸向定制化服務延伸。同時，非專業用戶的參與門檻被大幅降低，創作從技能驅動，轉向表達驅動。

在這個過程中，一個值得關注的問題是版權。當音樂可以被快速生成、改編甚至重組時，原有的版權體系如何適配新的生產方式，仍然是行業需要面對的重要議題。

但可以確定的是，當寫歌變成一件20秒就能開始的事情，當旋律、風格和結構都可以被編排，音樂正在發生一次更底層的變化。它不再只是藝術表達的載體，也開始成為一種類似計算能力的基礎設施。

過去，音樂是一首首獨立的作品；現在，音樂開始變成可以拆分、重組的內容組件；而在未來，它可能成為一種可以被隨時調用的基礎能力。AI正在推動音樂從作品向資源轉變。

而真正的競爭，也許才剛剛開始。對于AI公司來說，比拼的不只是模型性能，而是誰能構建起完整的音樂創作生態；對于創作者來說，則面臨一個更開放的問題：當每個人都可以做歌，什么才是好音樂？

-全文完-