AI 写歌到底是怎么回事：动手之前必须先搞懂的原理和三条红线

这篇假设你完全没做过音乐，不懂乐理，也不写代码。你只需要会用浏览器。 这一篇不需要动手，一个软件都不用装，一分钱都不用花。全文约 40 分钟。 第二章讲原理，只想赶紧出歌的人可以先跳过；但第四、五、六章不要跳，那三章决定的不是你做得好不好，而是你做出来的东西能不能发。

这是 AI 音乐系列六篇的第一篇：

1. 本篇——AI 写歌到底是怎么回事：动手之前必须先搞懂的原理和三条红线
2. Suno 保姆级教程：从注册到你的第一首完整歌曲
3. 让 AI 听懂你要的那个味道：音乐提示词进阶
4. 把 AI demo 变成能听的成品：分轨、人声、混音母带
5. 不只有 Suno：AI 音乐工具全景与本地部署
6. AI 音乐怎么合法地发出去：标识、平台政策与上架流程

为什么第一篇要先讲合规

一般的教程都是先教你出成果，最后附一段免责声明。这个系列反过来。

原因很实际：

• 在中国发布 AI 生成的音频，已经是有法可依的强制要求，不是建议。《人工智能生成合成内容标识办法》2025-09-01 已经施行。
• **你用哪个付费档生成的歌，直接决定这首歌能不能商用，而且不能追溯。**先做完再补订阅这条路是走不通的（详见第四章）。
• **有些坑是不可逆的。**克隆一个真人歌手的声音发出去，删掉不等于没发生过。

换句话说，这三条红线不影响你”做得好不好”，它影响的是”能不能发”。等你花了一个月做出一首自己很满意的歌，再回头发现发不出去，那一个月就白花了。

所以：先花 30 分钟把边界搞清楚，再动手。

零、先看能力边界

动手之前，先把期待值校准到 2026 年的真实水平。高估它你会失望，低估它你会错过。

0.1 三年时间它走到了哪

2023 年：能出 30 秒左右的器乐片段，音色是对的，但没有结构——听不出哪里是主歌哪里是副歌。人声基本不能用。那时候它的定位是素材，不是作品。

2025 年：能出两三分钟的完整歌曲，有主歌有副歌，中文人声能听清词，偶尔会唱崩。配短视频已经够用，但细听有一层”塑料感”。这一年开始有人真的拿它去发行。

2026 年（现在）：整首结构完整，你可以指定编制和年代。人声接近可用，但仍然要在多个版本里挑。能把歌拆成人声轨和伴奏轨导出，拿进后期软件里精修。唱片公司已经下场谈判——这本身就是它成熟度的证明。

0.2 它现在仍然不会的三件事

这三条是硬边界，2026 年 7 月依然成立：

• **复现你脑子里的旋律。**你哼一段想让它照着写，做不到（部分产品有”哼唱输入”功能，但那是给它一个大致方向，不是精确复现）。
• **按小节改一个音。**你没法说”第二段第三小节那个音高了，降半度”。它没有这个粒度的编辑能力。
• **保证两次生成完全一致。**同样的输入，两次结果不一样，这是设计如此，不是 bug。

0.3 所以正确的用法是”大量生成、你来挑”

这是全系列最重要的一条心智模型，现在就要建立起来。

新手最常见的错误是：生成一次 → 觉得不太对 → 疯狂修改提示词 → 再生成一次 → 还是不对 → 继续改。这条路走不通，因为结果本身就有随机性，你改的那个词可能根本不是变差的原因。

正确的姿势是：写一段还不错的描述 → 一口气生成好几版 → 从里面挑一版最接近的 → 在这一版的基础上继续。

你的角色更接近制作人和 A&R（唱片公司里负责挑歌、挑艺人的岗位），而不是作曲家。你的核心能力是”听得出哪版更好”，不是”改得动某一个音”。

0.4 这一篇里会出现的那首歌

全系列围绕同一首歌推进，歌名叫**《末班地铁》**，一首中文都市民谣。

先说清楚它的边界：**这首歌的歌词是人写的，AI 负责的是编曲和演唱。**这个系列不会教你”一句话全自动出一首好歌”，因为那个东西现在不存在。

这一篇里它只客串一下，用来举例子。它真正诞生是在第二篇。

一、AI 生成音乐和 AI 画画不是一回事

很多人是从 AI 画画那边过来的，会自然地套用画图的经验。这会让你在两个地方摔跤。

1.1 图是空间的，音乐是时间的

一张图，你的眼睛是一次性看完的。角落里有一根手指画歪了，你可能压根不会注意到；就算注意到了，你也可以只重画那个角落。

一首歌，你的耳朵是一秒一秒听完的。它必须从头到尾按顺序发生，而且：

• 你不能跳过中间那一秒
• 中间那一秒唱崩了，你一定会听见
• 而且它会把前后几秒的听感一起拖下水

**图的错误是局部的，音乐的错误是全局的。**这是两者最本质的差别。

1.2 所以”局部重画”这招在音乐里很难使

AI 画图里有一个特别好用的功能叫局部重绘：框住画错的地方，只重新生成那一小块，其余部分原样保留。

音乐里没有真正等价的东西。原因是：一段音频的第 47 秒不是独立存在的，它承接着前面的和弦走向、鼓点位置、人声气口。你把这三秒单独换掉，接缝处几乎一定会露馅。

现在的产品（比如 Suno 的段落替换）提供的是按段落重做——重做整个副歌，而不是重做副歌里的某一句。粒度差着一个数量级。

结论：不要指望”哪里不好改哪里”。要么整段重来，要么换一版。

1.3 第二个差别：它的输出没有”图层”

画图工具至少还能导出分层文件。音乐生成出来的是已经混好的一整段音频——人声、吉他、鼓、贝斯全糊在一起。

后来出现的”分轨”功能（把一首歌拆成人声轨、伴奏轨等）是事后拆，不是生成时就分开的。事后拆一定有损失，拆出来的人声可能带一点混响尾巴或者”水声”。第四篇会详细讲这件事。

所以你拿到的是一个已经定型的成品，不是一堆可以自由重组的零件。这决定了你对它的控制方式只能是”生成前描述清楚”，而不是”生成后慢慢调”。

1.4 唯一的好消息

音乐比画图更容易”及格”。

一张画得平庸的图，一眼就看出来平庸。一首编曲平庸但音色干净、结构完整的歌，配上你自己写的词，在大多数使用场景里（短视频背景、个人作品、送人的生日歌）是完全够用的。

音乐的下限比图像高。这也是为什么现在拿 AI 音乐做实用产出的人比想象中多。

二、一首 AI 歌是怎么被造出来的

这一节是原理，不影响你操作。只想赶紧出歌的话，可以直接跳到第三章，等你开始好奇”为什么它不听我的”的时候再回来。

2.1 把它想成一次翻译，而不是一次作曲

最有用的类比是：它不是在作曲，它是在做翻译。

你给它一句中文描述，它要把这句话翻译成一段音频。中间大致有四步：

第一步：你写的那句话。比如「深夜 都市民谣 男声 木吉他」。这是整条链路里唯一你能控制的地方。

**第二步：模型把它翻译成一组可执行的条件。**这里的”条件”你可以理解成一份约束清单：速度大概多少、用什么乐器、人声是什么质地、情绪往哪个方向走。你的每一个词都会变成清单上的一条或几条；你没写的部分，清单上就是空的。

**第三步：按条件一段一段生成音频的碎片。**它不是一次性吐出整首歌，而是像写文章一样，一小块一小块往下接，每一块都要参考前面已经生成的内容，同时对照那份条件清单。

**第四步：声码器把碎片还原成真实波形。**声码器这个词的意思是”把压缩过的声音表示还原成你耳朵能听的声音”——有点像把一份压缩包解压成音频文件。这一步决定了最终听感的清晰度和”塑料感”程度。

第二到第四步全部发生在云端，你看不见也改不了。

（你可能在别处看到过 transformer、diffusion 这类词，它们描述的是第二到第四步的实现方式。知道它们对你写提示词没有任何帮助，这篇不展开。）

2.2 关键推论一：描述得越具体，它还原得越准

这是本章最重要的一句话，也是整个系列的地基。

回到”翻译”这个类比。假设你请一个翻译把一句话翻成外语：

• 你说「翻得好听一点」——他不知道你要什么，只能凭自己的口味发挥
• 你说「翻成 1930 年代的书面语，句子短，别用外来词」——他能翻得很接近你要的

生成音乐是同一件事。你的描述会变成条件清单上的条目，清单上没写的部分，模型就自己填。它自己填的时候用的是”最常见的那种做法”，加上一点随机。

所以：

• 描述具体 → 条件多 → 它的发挥空间小 → 结果稳定、接近你要的
• 描述抽象 → 条件少 → 它的发挥空间大 → 结果基本靠运气

举个对照。同样是想要一首深夜感的中文民谣：

写得抽象：一首好听的中文民谣
写得具体：中文都市民谣, 男声, 木吉他分解和弦, 电钢, 轻柔鼓刷,
          慢速, 深夜感, 温暖干净的制作, 微微沙哑的气声

第二段就是《末班地铁》实际用的描述。它比第一段多给了七类信息：地域、流派、编制、速度、情绪、人声特征、制作质感。每多一类，模型的自由发挥就少一块。

这就是为什么提示词值得单独写一整篇（第三篇）。它不是玄学，它是在补条件清单上的空格。

2.3 关键推论二：一秒钟的错误会毁掉整首

第三步是”一小块一小块往下接”，每一块都要参考前面的内容。这带来一个必然的后果：

某一块生成得不好，后面的块会基于这个不好的结果继续往下接。

于是你会遇到这些现象：

• 唱到一半突然咬字含糊，然后一路含糊到底
• 副歌开始时和声突然歪了
• 结尾没有收，直接断掉
• 中间莫名其妙插进来一段不该有的乐器

这些不是你写错了提示词，是概率。同一段描述再生成一次，很可能就正常了。

这条推论直接决定了操作方式：**遇到唱崩，第一反应应该是重新生成，而不是改提示词。**改提示词是用来调整方向的，不是用来修 bug 的。

新手最容易浪费点数的地方就在这里——把一次随机失误当成描述错误，然后越改越乱。

2.4 顺带解释一个常见困惑

“为什么我和别人写了差不多的描述，出来的歌听着很像？”

因为条件清单相似，模型填空的方式也就相似。Suno 的服务条款里明确写着：输出在用户之间可能不唯一，别人可能拿到相同或相似的结果（suno.com/terms，最后修订 2026-03-26）。

这不是巧合，是这类工具的固有属性。第四章讲版权的时候，这一点还会再出现一次。

三、为什么提示词这么写才有效

上一章讲了”描述会变成条件”。这一章讲哪些描述能变成条件，哪些变不成。

3.1 一条规律就能概括

能翻译成声音特征的词，有效；表达主观评价和指名道姓的词，无效。

后半句还有一层：指名道姓不仅无效，还会踩红线（第六章讲）。

3.2 它听得懂的五类词

• 流派：民谣、citypop、硬摇滚、trap、bossa nova。流派是最强的一类词，因为一个流派名字里打包了速度、编制、节奏型、混音风格一大堆信息。
• 乐器：木吉他、电钢、弦乐、合成器 pad、鼓刷。写乐器等于直接指定编制。
• 年代与地域：90 年代日本、80 年代英伦、当代中文。年代决定的是制作方式和音色审美，地域决定的是旋律走向和语言。
• 情绪与场景：深夜、通勤路上、雨天、庆典。情绪词会影响和弦色彩和速度。
• 人声特征：男声、女声、气声、慵懒、沙哑、高亢。

这五类词的共同点是：它们都能对应到实际的声音差异上。模型在训练时见过大量”这个描述配这种声音”的样本，所以它知道该怎么填。

3.3 它听不懂的四类词

• 主观评价：好听、高级、有质感、专业、大气。这些词对应不到任何具体的声音，模型只能当噪音处理。
• 指名道姓：像周杰伦、像 Taylor Swift、某某歌手的风格。这类词多数产品会直接过滤或忽略，而且——这是红线，第六章会讲清楚为什么不能这么用。
• 精确的位置指令：第二段第三小节改一下、把 1 分 20 秒那个音去掉。它没有这个粒度。
• 跨次一致性要求：和上一版保持一致、只改这一处别动其他的。每次生成都是独立的，它没有”上一版”的概念。

3.4 一个常见的自我检验方法

写完描述之后，逐个词问自己一句：“这个词能对应到一种具体的声音吗？”

• “沙哑” → 能，那是一种嗓音质地 → 留着
• “温暖干净的制作” → 能，那是一种混音取向 → 留着
• “高级” → 不能，什么声音算高级？ → 删掉
• “副歌要更炸一点” → 不能，“炸”是听感结果不是声音特征 → 改写成”副歌加入满编鼓组和电吉他”

这个检验做熟了，你的提示词水平就已经超过大多数人了。

3.5 这一节和第三篇的关系

这一章只讲了”哪些词有效”这个原则。真正的实操——怎么组合这些词、每个流派该配哪些词、结构标签怎么用、失败了怎么定位是哪个词的问题——在第三篇《提示词进阶》里。

这里你只需要记住那条规律：能翻译成声音特征的词才是词，其余都是噪音。

四、红线一：能商用 ≠ 有版权（截至 2026-07-23）

从这一章开始是三条红线。这三章的信息保质期只有一个季度左右，日后请以各家官网当前条款为准。

4.1 这是全篇最反直觉的一条

多数人的默认理解是：“我付了钱、用工具做的东西，那就是我的。”

在 AI 音乐这里，这个理解是错的。正确的表述是：

你拿到的是”商用授权”，不是”著作权”。

这两件事的差别是：

• 商用授权 = 你可以拿它去卖钱、去发行、去接商单、去做广告配乐。
• 著作权 = 别人未经许可用了你的东西，你可以告他。

AI 生成的音乐给你的是第一个，很可能给不了你第二个。

4.2 这不是我的解读，是工具方自己写的

Suno 的帮助中心页面（help.suno.com，查证于 2026-07-23）自己写得很清楚：

• 免费档（Basic）：Suno 是歌曲的所有者，用户只能非商业使用。
• 付费档（Pro / Premier）：你拥有歌曲，并获得商用授权。
• 同一个页面上同时提醒：美国版权法只保护人类创作的内容，100% 由 AI 生成的音乐很可能不具备版权登记资格。
• 补充一句关键的：如果歌词是你写的，歌词部分归你。

最后那条很重要，第 4.5 节展开讲。

4.3 违反了会怎样

分三种情况：

**情况一：用免费档生成的歌拿去商用。**这是直接违反用户条款。后果不是”可能有点风险”，而是你从一开始就没有那份授权——发行商核查时可能拒绝上架或事后下架，平台可能撤下作品，如果是接的商单，客户追责时你拿不出任何授权凭证。

**情况二：以为自己有版权，去维权。**你发现别人在用一首和你几乎一样的曲子。你想告他，但你可能：（a）拿不到版权登记；（b）对方的曲子是他自己独立生成的，而工具方明说了输出可能不唯一。这种情况下你大概率告不赢。

**情况三：以为可以事后补授权。**详见下一节。

4.4 一个特别容易踩的坑：授权不能追溯

二手来源（Digital Music News 2025-12-22 对 Warner 协议后条款变化的报道）提到的一条规则是：订阅之后回头给之前生成的歌补商用授权 —— 不行。

翻译成人话：你必须在生成那一刻就已经是付费用户，这首歌才带商用授权。免费玩了三个月，觉得第 47 首特别好，这时候再去订阅——那首歌拿不到授权。

同一批报道还提到，Warner 协议之后 Suno 帮助页的标题从「Do I have the copyrights」改成了「Do I own the copyrights」，措辞从”你拥有歌曲”弱化成”你被授予商用使用权”。但本次调研抓到的帮助页仍然是旧措辞——说明这块正在反复改动。

所以这条的实操建议是：**如果你有任何商用打算，从第一次生成开始就用付费档。**不要先免费试，试爽了再订阅。

4.5 还有一个坑：Remix 是共同作品

Suno 服务条款（suno.com/terms，最后修订 2026-03-26）里另有一条，很多人没注意：

Remix 属于你和 Remixer 的共同作品。无论你是免费还是付费用户，Remix 只能用于合法的、内部的、个人的、非商业用途，并且必须署名 Suno。

也就是说：你拿别人公开的作品做 Remix，做得再好，都不能商用。这一点在第三篇讲局部返工的时候会再强调一次。

4.6 那怎么让作品尽量”是你的”

回到 4.2 最后那句：歌词由你写，歌词部分归你。

这给出了一条明确的提升路径。你在这首歌里的人类创作成分越多，你能主张的权利就越多：

• 歌词自己写——这是最容易做到、贡献也最大的一步
• 结构自己定——哪里是主歌哪里是副歌，段落顺序，由你安排
• 后期自己做——分轨、混音、母带都是人类创作性劳动（第四篇）
• 人声自己录或用自己的声音（第六章讲合规路径）

《末班地铁》就是这条路线：**歌词是人写的，AI 负责编曲和演唱。**这不是为了炫技，是为了让这首歌尽量站得住。

注意：不同国家的版权认定规则不同，中国的具体认定标准本文未做查证。上面这条”增加人类创作成分”的思路是通用的降低风险做法，不构成法律意见。涉及金额较大的商用，请咨询专业人士。

五、红线二：中国的标识办法已经生效（2025-09-01 施行）

上一条红线管的是”你有什么权利”。这一条管的是”你能不能发”。

5.1 这是法规，不是平台规则

《人工智能生成合成内容标识办法》（国信办通字〔2025〕2 号），由国家网信办、工信部、公安部、广电总局四部门联合制定，2025-03-14 发布，2025-09-01 施行。原文在网信办官网可以直接查到。

请注意它和平台社区守则的区别：平台规则是平台定的，法规是国家定的。管辖范围包括文本、图片、音频、视频、虚拟场景——音频明确在内。

5.2 两个必须先分清的概念

办法把标识分成两类（第三条）：

• 显式标识：用户能明显感知到的提示。对音频来说，就是一段语音提示或者一段特定的节奏提示音。
• 隐式标识：藏在文件数据里的技术性标记，人听不见，机器读得到。

这两个都要有，不是二选一。

5.3 落到音乐上，是三件事

第一件：音频里要有提示。

第四条第（二）项要求：音频应在起始、末尾或者中间适当位置添加语音提示或者音频节奏提示等标识，或者在交互场景界面中添加显著的提示标识。

第二件：导出的文件要带标识。

第四条末款：服务提供者提供下载、复制、导出功能时，必须确保文件中含有符合要求的显式标识。

第五条：还要在文件元数据里添加隐式标识，包含内容属性、服务提供者名称或编码、内容编号。办法同时鼓励加数字水印。

第三件：发布时要主动声明。

第十条：用户发布时应当主动声明并使用平台提供的标识功能。

对应的，第六条规定了传播平台（抖音、B 站、网易云这类）的义务：核验元数据里的隐式标识，核验到就加显著提示；用户自行声明的也加提示；没声明但检测到生成痕迹的，标为「疑似生成合成内容」。

5.4 违反了会怎样

办法第十条写得很直接：

任何组织和个人不得恶意删除、篡改、伪造、隐匿标识，也不得为他人提供此类工具或服务。

注意最后半句——提供去标识的工具本身也是违规的。所以不要去搜”怎么去掉 AI 标识”，那条路本身就在禁止范围内。

另有第九条：用户可以申请获取不含显式标识的内容（比如你要拿去做后期），但服务提供者必须在用户协议里明确你的标识义务和使用责任，并留存提供对象信息等日志不少于 6 个月。

翻译成人话：你拿到无标识版本这件事，是有记录的，且责任转移到了你身上。

至于平台侧的实际处罚力度——限流、下架、封号——这类说法来自二手的合规解读文章，各平台官方规则原文本次未逐一核实。写这篇时能确认的是：主流平台的上传流程里都已经有 AI 内容标签这个选项。具体后果请以你要发布的那个平台的创作者规则页为准。

5.5 为什么这一条要放在第一篇

因为它决定的不是”做得好不好”，而是”能不能发”。

等你做完一首歌、交完订阅费，再回头发现发不出去，成本就白付了。

完整的加标识操作步骤在第六篇。这里你只需要记住一句：发布不是导出就完事。

六、红线三：别克隆真人歌手的声音（截至 2026-07-23）

这条红线是三条里后果最重的一条。前两条踩了通常是”发不出去”，这条踩了可能是”被起诉”。

6.1 明确的禁止

Spotify 在 2025-09-25 发布的 AI 音乐政策中，直接写道：未经授权使用 AI 克隆艺人声音，是对其身份的剥削，破坏其艺术性，威胁作品的根本完整性。

同一份政策里也说明：部分艺人可以选择授权自己的声音给 AI 项目，但选择权必须留在艺人手里。

这条冒名（impersonation）政策当日立即生效，没有过渡期。（来源：Music Business Worldwide 对该政策的报道，2025-09-25。）

6.2 国内同样有法律风险

中国法下，自然人的声音受人格权保护——《民法典》人格权编规定声音参照适用肖像权保护的相关规定。

说明：具体条文编号本次未核对原文，这里标注为未查证。如果你要在正式场合引用条号，请自行到法律法规数据库核实后再用。这条原则本身是清楚的：未经许可使用他人的声音，可能构成侵权。

6.3 “AI 翻唱”是最危险的玩法

拿别人的歌 + 明星音色做 AI 翻唱，是网上传播最广、也最危险的一种玩法。它同时踩三条线：

1. 录音版权——原始录音是有版权的
2. 词曲著作权——词和曲各自有著作权
3. 声音 / 人格权——被克隆的那个人的权利

关键在于：**标注「AI 生成」不能免除以上任何一项责任。**标识办法解决的是”信息透明”问题，不解决”你有没有权利用这些素材”的问题。这两件事是独立的。

（这条判断来自国内合规解读文章，属二手来源；但三项权利各自独立成立，是著作权法与人格权保护的基本结构。）

6.4 开源工具不提供任何保护

有人会想：用开源的音色转换工具在本地跑，没人知道。

这个想法有两个问题：

• **本地跑不改变行为的性质。**侵权与否看的是你做了什么、发了什么，不是在哪台机器上做的。
• **开源工具”免费”，但也不提供任何法律保护。**商业工具至少还有条款、有客服、有些企业档甚至提供法律赔偿保障；开源仓库的 LICENSE 通常会明确写”作者不承担任何责任”。出事全部由使用者承担。

6.5 那想要人声怎么办：两条合规路径

好消息是，合规路径是存在的，而且够用：

路径一：用工具自带的授权音色。

生成工具内置的歌手音色，是工具方已经处理好授权的。你在它给的音色库里挑，法律层面是干净的。

路径二：克隆你自己的声音。

这是最稳妥的一条。你自己的声音，你自己有完整的权利。

举例：Suno 在 2026-03-26 随 v5.5 上线了 Voices 功能——录制或上传自己的声音后，让它用你的嗓音演唱。同期还有 Custom Models（上传自己作品集里至少 6 首曲子，训练一个属于你的模型变体）。

第四篇只会讲这两条路径，不会给任何绕过手段。

6.6 一句话总结这一章

你可以让 AI 用”某种嗓音”唱歌，不能让 AI 用”某个人”的嗓音唱歌。

描述音色特征（男声、沙哑、气声、高亢）是完全没问题的；指名道姓是有问题的。这也解释了第三章里为什么”像某某歌手”既无效又危险——它同时踩了两个坑。

七、这个领域正在被唱片公司改造（截至 2026-07-23）

这一章不是八卦，是给你一个心理预期：你今天学到的规则，半年后可能就变了。

这一整节的信息保质期最短。下面每一条都标了来源类型，凡标注”二手”的，请自行到一手页面复核。

7.1 Suno：仍然最好用，但规则正在被改写

• 当前主力模型 v5.5，发布于 2026-03-26（官方发布页与更新日志）。
• 付费档可用 v4、v4.5、v4.5+、v5、v5.5；免费档只能用 v4.5-all（官方定价页）。
• 华纳音乐集团（WMG）于 2025-11-25 与 Suno 达成和解并签署协议（二手：Music Business Worldwide）。

协议预告的变更（全部为二手来源，且截至 2026-07-23 尚未在官方定价页体现）：

• 免费档歌曲将不可下载，只能播放和分享
• 下载需付费账号，且付费档会有每月下载次数上限，超出需另购
• 新的”授权模型”上线后，现有模型将被弃用
• 订阅之后回头给之前生成的歌补商用授权 —— 不行

**注意最后一条已经在第四章讲过，那是目前唯一已经在生效的一条。**其余三条属于预告，随时可能落地。

第二篇的档位介绍会单独成节，就是为了这一天到来时可以整节替换。

7.2 Udio：已被收编，至今不能下载

Udio 原本是 Suno 之外最主要的选择，现在处于”关门装修”状态。

• 2025-10-29/30，环球音乐（UMG）与 Udio 和解，同时宣布共建授权平台，新平台计划 2026 年上线（一手报道：Music Business Worldwide，2025-10-30）。2025-11 中旬 WMG 也与 Udio 达成合作（二手）。
• **和解当天 Udio 关闭了全部音频、视频、分轨的下载。**因用户强烈反弹，仅在 2025-11-03 至 11-05 开放了 48 小时下载窗口（二手：RouteNote）。
• 截至 2026-07-23，下载仍未恢复，授权版新平台仍未公开上线。
• 2026-07-17 Udio 宣布与 BuyDRM 合作做内容保护，进一步收紧（来源：Digital Music News，2026-07-17）。

结论：现阶段不建议把 Udio 作为主力工具——你的作品拿不出来。

它的定价档位本次未查到官方数字，二手来源的说法不予采信，本系列不写。

7.3 Riffusion：已被 Google 收购

• 抓取 riffusion.com 与 producer.ai（2026-07-23），两个域名返回的是同一个页面，页面标题为「Google Flow Music」。
• 二手：Google 于 2026-02-24 收购 ProducerAI（由 Riffusion 更名而来），团队并入 Google Labs / DeepMind，产品改由 Lyria 3 驱动（musically.com，2026-02-25）。
• 它的商用条款本次未查证（未抓到 Terms 页），所以本系列不对它的授权规则做任何判断。

7.4 Sony：唯一还没和解的大厂

在 RIAA 牵头的大厂诉讼中，UMG（2025-10 与 Udio 和解）、WMG（2025-11 与 Suno、Udio 和解）已经退出。索尼是唯一尚未和解的大厂（二手：Music Business Worldwide）。

这件事为什么和你有关：**这场诉讼的结果会影响所有人可以用什么、怎么用。**如果和解，格局大概率继续沿着”授权化”走；如果打到判决，结论会成为整个行业的基准线。

另外一条值得注意：美国音乐家工会 AFM 已起诉 UMG 与 WMG，指其与 Suno / Udio 的和解损害了乐手利益（Hollywood Reporter 报道）。也就是说，就算大厂之间谈妥了，创作者一侧的争议还在继续。

7.5 给你的心理预期

**半年后这一章大概率不一样。**具体来说，最可能变的是这几件事：

• Suno 的下载规则和模型列表（协议已预告，随时落地）
• Udio 是否恢复下载、授权版平台是否上线
• 各平台的 AI 披露机制（Spotify 的 AI Credits 仍在 beta，Apple 的透明度标签才上线几个月）
• 所有工具的价格与额度

所以本系列的做法是：**把价格和政策单独成节，节标题带日期，方便日后整节替换。**你在读的时候也请注意这些日期——超过三个月的，请自行复核。

至于原理（第二、三章）和法规原文（第五章），这两块相对稳定，一年内不太会变。

八、你适合做哪一档

三条红线讲完了。最后帮你决定后面读什么。

按目的分三档，读的内容完全不同：

8.1 玩票档：做给自己和朋友听

特征：做生日歌、给自己的诗配曲、纯粹好奇、不发到公开平台。

你需要读：第二篇（做出第一首歌）就够了，第三篇看心情。

红线关注度：三条红线里，你只需要在意第六章那条——不要克隆真人歌手，哪怕只是发给朋友。前两条对你影响不大，因为你不商用、不公开发布。

成本：可以完全免费。

8.2 配乐档：给自己的视频、播客、店铺用

特征：短视频背景音乐、播客片头、直播垫乐、自己产品的宣传片。

你需要读：第二篇 + 第三篇 + 第五篇（第五篇里有专门讲授权更干净的纯 BGM 工具）。第四篇可以选读。

红线关注度：

• **第四章（能商用≠有版权）要读。**只要视频挂了广告、店铺在卖东西，你就算商用。从第一次生成就要用付费档。
• **第五章（标识办法）要读。**发到国内平台就要标。
• 第六章基本用不上，因为你多半做纯器乐。

成本：需要付费订阅，或者选一家授权路线更干净的 BGM 工具。

8.3 发行档：真的要把歌发到音乐平台上

特征：想上架网易云、QQ 音乐、Spotify，想有正式的作品，可能想赚点钱。

你需要读：六篇全读，一篇都不能跳。尤其是第四篇（后期）和第六篇（发行合规）。

红线关注度：三条全部适用，而且要求最严。补充两条：

• 歌词一定自己写（第 4.6 节讲的理由）
• 后期一定自己做，这既提升质量，也增加你的人类创作成分

成本：订阅费 + 可能的发行商年费 + 后期工具。第六篇会给一个诚实的收益预期——不画饼。

8.4 如果你还不确定

那就按这个顺序：读第二篇，做一首歌出来，听完再决定。

大部分人做完第一首之后，对自己想去哪一档会突然变得很清楚。

九、翻车速查

这一篇没有操作，所以这里列的是认知层面的翻车——它们全部是真实会造成损失的误解。

一句话概括这张表：几乎所有翻车，都来自把 AI 音乐当成”我的作品加速器”，而不是”一个有明确边界的授权工具”。

十、下一步

10.1 这一篇你应该带走的五句话

1. 它不是在作曲，是在按你的描述还原一段音频——所以描述越具体，还原越准。
2. 唱崩是概率，不是你的错——第一反应是重新生成，不是改提示词。
3. 能商用 ≠ 有版权——而且授权不能追溯，有商用打算就从第一次生成开始付费。
4. 在中国发布 AI 音频要加标识——这是法规，2025-09-01 已经施行。
5. 不要克隆真人歌手——想要人声，用授权音色或者你自己的声音。

10.2 接下来读哪一篇

下一篇：Suno 保姆级教程：从注册到你的第一首完整歌曲

第二篇会带你从注册开始，一步步做出一首两三分钟、有主歌有副歌、能下载的完整歌曲——就是这一篇里提到的那首《末班地铁》。里面会给出完整的风格描述和歌词全文，你可以原样复制，当场复现。

第二篇还会讲清楚这几件事：

• 三个订阅档位的真实差别，以及三个必须先知道的坑
• Simple 模式和 Custom 模式分别适合谁
• Style / Lyrics / Title 三个框各管什么——这是绝大多数人用不好 Suno 的根本原因
• 点数怎么花不浪费

如果你暂时不打算用 Suno（比如网络不方便，或者只想要纯器乐 BGM），可以直接跳到 第五篇：工具全景与本地部署，那里有一张按用途选工具的决策树，也讲了国内可以直接访问的产品和开源本地方案。

10.3 这一篇的保质期

• 第二、三章（原理与提示词规律）：一年以上有效。
• 第五章（标识办法条文）：部门规章，短期内不会改；但配套国标和平台执行细则会变。
• 第四、六、七章（授权条款、平台政策、行业格局）：**保质期约一个季度。**建议你每次要正式发布作品之前，回到各家官网现场核对一次。

本篇所有事实的抓取日期均为 2026-07-23。凡文中标注”二手”或”未查证”的内容，请勿直接当作依据使用。