阿里上线AI作曲，玩了两天我想说几句

我花了两天试了一下阿里刚放出来的AI音乐生成模型HappyShrimp，beta版，目前走网页端。先说结论：靠它出成品不现实，但用来找灵感、搭demo，已经比我之前试过的同类工具强了一截。

阿里ATH业务集团近日放出的这个平台，主打text-to-music，就是给一段描述或者几句歌词，模型直接出整首歌。

我对音乐这块其实是外行，带的学生做计算机视觉，实验室里没几个懂编曲的。但这几年AI画图、AI视频都追过了，音乐一直没太碰。正好这周手上项目收尾，就抽了两天正经跑了跑。

第一天主要试纯文本生成。我在输入框里写了「傍晚的海边，一个老人独自拉着小提琴」，等了一两分钟，出来一首一分半的曲子。说实话，开头十几秒的弦乐质感有点超出预期，音色不算糊，动态也过得去。但到中段就开始露馅，主旋律反复绕一个动机，和声基本没变化，听起来像是把同一句话换着方式重复了三遍。我又试了「咖啡馆背景爵士」「雨夜电子乐」「唢呐配摇滚」几组，最稳妥的倒是唢呐那组，可能因为音色辨识度高，模型不太容易跑偏。总的感觉，生成质量和prompt的精确程度强相关，越具体越好，写抽象情绪词容易出来一堆不痛不痒的白噪音垫底。

第二天测歌词生成。输入了一段中文词，押韵工整，模型能给出旋律和节奏，但有几个明显问题。一是副歌的最高音处理得很平，没有爆发感；二是中文发音的咬字偏「汉化腔」，平仄处理不够自然，唱起来有点朗诵腔。我顺手把同一段词丢给豆包比了一下，豆包出的版本更顺耳，但结构上HappyShrimp更完整，有明确的段落递进。只能说各有取舍。

优点方面，最让我意外的是它不需要任何音乐知识就能上手，窗口里直接打字，没有轨、没有midi概念，门槛低到可以忽略。适合我这种想表达情绪但不懂乐理的人。

缺点也很明显。可控性太差，你不能指定BPM、调式、乐器配置，只能靠自然语言里碰运气。昨天想做一个「90BPM的慢速钢琴曲」，出来的速度大概在110左右，怎么描述都没用。另外生成的作品有没有版权、能不能商用，页面里没写清楚，这点和之前Spotify给AI歌曲标标签的事连起来看，平台这边对版权的边界还没想明白。

总的下来，我的判断是：适合想快速听个响的人，尤其适合做视频配乐、游戏开发前期demo这类场景。 不适合对编曲有要求的人，你想让它改一个鼓点，它连鼓在哪个位置告诉不了你。我实验室有个学生说想拿它给论文的演示视频配背景音乐，我觉得这个用法倒是挺对的。

最后留个问题。这种AI生成音乐的工具以后要是普及了，创作的门槛是降了，但音乐的「灵性」怎么定义，靠prompt写出来的作品算不算创作，我还没想好。你们觉得呢？

---

本文编译自 Bloomberg Tech，原文：https://www.bloomberg.com/news/articles/2026-08-17/alibaba-launches-ai-music-generation-model-happyshrimp-in-beta
版权归原作者所有，本文为基于公开报道的编译与独立分析。