时间线主轴
2004 – EMI 首发「Computer Cantata」加州大学圣克鲁兹分校 David Cope 教授团队发布 EMI（Experiments in Musical Intelligence）系统生成的「计算机康塔塔」，引发学术界对 AI 创作版权的第一次大讨论。
2010 – Magenta 项目启动Google Brain 启动 Magenta 研究计划，目标是用深度学习生成音乐、绘画、视频。同期 Sony CSL 巴黎发布 FlowMachines 系统，写出披头士风格的”Daddy’s Car”。
2016 – WaveNet 与端到端音频生成Google DeepMind 发布 WaveNet，首次实现端到端语音合成（接近真人音质），后续演进为 Lyria 模型。
2018 – OpenAI MuseNetOpenAI 发布 MuseNet，能够生成 10 种乐器、4 分钟长的多风格音乐作品，标志着生成模型开始处理长序列音乐结构。2020 – Jukebox 跨时代升级OpenAI 发布 Jukebox，能够生成带人声演唱的完整歌曲（包括模仿特定歌手音色），但音质仍未达商用标准。2022 – AudioCraft + Stable AudioMeta 发布 AudioCraft（含 MusicGen），Stability AI 发布 Stable Audio，音乐生成开始进入开源时代。2024 – Suno / Udio 爆红Suno V3 和 Udio v2 在 2024 年相继发布，能够在 30 秒内生成 2-4 分钟商用级音乐（带人声、混音、编曲），引发唱片业大规模诉讼（RIAA 2024-06 起诉 Suno/Udio 版权侵权）。2025 – 行业格局重构Suno/Udio 与主要唱片公司达成和解，引入”训练数据白名单”机制。Apple Music / Spotify 上线”AI 音乐专区”。2026 – 多模态统一Google Lyria 2 / Suno V4 实现”音频 + 视频 + 歌词”多模态联合生成，标志着 AI 音乐正式进入”全模态创作”时代。
关键节点小结
- 2004-2015：实验期（学术驱动，无商业落地）
- 2016-2020：技术爆发期（深度学习主导，质量快速提升）
- 2021-2023：工具期（开源生态形成，但未被主流采纳）
- 2024-：产业期（版权战争 + 商业落地 + 行业重构）
