从开源Bark到音乐情感：Suno CEO谈AI音乐的难题与机会

在这期 No Priors 对话中，Suno CEO 兼联合创始人 Mikey Shulman 讲述了他们如何从开源语音模型 Bark 转向 AI 音乐创业，以及在“如何让音乐打动人”这一核心问题上的思考。这是一场关于技术边界、情感评估与创作初心的深度分享。

从开源模型 Bark 出发，却走向音乐创业

理解 Suno 的起点很重要，因为它解释了这家公司为什么对“感觉”如此执着。Mikey 回顾说，团队最早做的是开源模型 Bark，这个模型更多被外界理解为语音或音频生成工具。但在实际使用中，他们逐渐意识到，真正让团队兴奋的并不是“把话说清楚”，而是“让声音有情绪”。

这是一个关键转折：他们明确决定不把精力放在纯语音赛道，而是“decided to build a music company”。在他看来，语音的评判标准往往是清晰度和可懂度，而音乐完全不同，“which all I care about is how it makes me feel”。正是这种对情感价值的偏执，让 Suno 从一个开源项目，走向了更冒险、也更模糊的 AI 音乐方向。

这个故事的价值在于，它展示了一个并非由市场规模倒推、而是由创始团队真实兴趣驱动的战略选择。这种选择也直接决定了后续所有技术与产品决策。

不再追求“对不对”，而是“有没有感觉”

AI 音乐最难的地方，不在模型大小，而在评价体系。Mikey 直言，他们很早就发现，音乐不像文本或语音那样有明确的“正确答案”。你无法用 BLEU 或 WER 来判断一首歌好不好，真正的标准来自人。

因此，当被问到“how did you measure quality in your own models”时，他的回答直接指向“human beings and human emotions”。团队大量依赖人的主观反馈，在不断训练模型的同时，也在学习如何评价模型。这种边做边学的状态，让他形容这个领域充满了“unanswerable questions in this domain”。

这里的洞见是：在 AI 音乐中，评估本身就是一项尚未完成的研究课题。模型在进化，人类对音乐的理解方式也在被迫更新，这使得产品节奏、研究方法都与传统 AI 项目截然不同。

Token 视角：为什么下一 token 预测在音乐中同样成立

从技术角度看，这期对话最有信息量的部分，来自 Mikey 对 token 的理解。他提到，尽管音乐看起来连续而感性，但在建模时依然可以被拆解为序列问题，本质上仍然是“next token prediction”。

他解释说，音乐背景反而帮助团队更自然地接受这种抽象：旋律、节奏、和声都可以被视为结构化序列。当模型学会在这些 token 之间建立长期依赖关系时，就会“end up being very very powerful”。

重要的是，这并不是简单照搬语言模型思路，而是在音乐语境中重新理解 token 的含义。这一段让人看到，AI 音乐并非“玄学”，它依然建立在可解释的工程逻辑之上，只是目标函数不再是语义正确性，而是情绪连贯性。

产品被“黑客”式使用，才是真正的用户反馈

在谈到产品使用方式时，Mikey 分享了一个让他既意外又欣喜的现象：用户会不断“hack your product and tell you what they want out of it”。也就是说，人们会用非官方预期的方式来创作、组合、分享音乐。

这些行为并不总是“totally worked out yet”，但却揭示了产品真正的潜力方向。他观察到，很多用户开始把 AI 音乐当成一种社交与协作工具，而不仅是生成按钮。这种“Joy of Creation with other people”，让他觉得 AI 音乐的价值不止于效率，而在于连接。

在他看来，最终的成功标准也许很朴素：产品是否“make a lot of people smile”。这句话虽简单，却精准点出了 Suno 对未来的乐观与克制。

总结

这期对话没有炫技式的模型参数，也没有宏大的行业预测，但它提供了一个稀缺视角：当 AI 进入音乐领域，最大的挑战不是算力，而是人类自身的情感理解能力。Suno 从开源 Bark 到专注音乐的转向，提醒我们真正重要的技术决策，往往源于创作者内心的判断。对读者而言，这不仅是一次 AI 音乐的入门，更是一堂关于“如何选择值得解决的问题”的创业课。

关键词： AI音乐， Suno， 开源模型， Token预测， 人类情感

事实核查备注： 人物：Mikey Shulman（Suno CEO & Co-Founder）；开源模型：Bark；话题：Token、开源模型；关键原话包括“how it makes me feel”“unanswerable questions in this domain”“make a lot of people smile”。