Google 上线 MusicFX：输入提示词生成 70 秒音乐，还配了作词工具

想随手做一首带夏天露台氛围的放克浩室舞曲，以前你得找现成采样或者打开编曲软件折腾半天，现在只要给 AI 敲一行字就行了。

Google 正式在 AI Test Kitchen 里向公众开放了两款音频生成实验工具：负责作曲的 MusicFX 和辅助写歌词的 TextFX。这两款工具去年 12 月曾小范围灰度测试，现在大家都能直接上手玩了。

敲几个词，给你吐两段能循环的小样

MusicFX 是去年 Google 推出的 MusicLM 的升级版。官方称它的生成质量更高、出歌速度也更快。你在输入框打一段英文描述，比如「两把尼龙弦吉他演奏的弗拉门戈风格」，它默认会吐出两段 30 秒的音频候选。

如果你觉得不够听，可以把时长拉长到 50 秒或 70 秒，或者点一下自动首尾拼接，把它做成一段无缝循环的伴奏 loop。

有意思的是，Google 在提示词上下了点功夫。比如你输入「乡村风格」，输入框会弹出下拉菜单推荐「摇滚乡村」或「蓝草风格」；输入「抓耳」，它会建议换成「惬意」或「旋律感」。输入框下面还挂了一片词云，把前卫、快速、808 鼓点这些相关的乐器和节奏标签整理出来，方便你随手点选。

从实际听感来看，它的出品算得上干净清晰，但旋律走向偏平淡，很难让人真正惊艳。如果是电子或浩室鼓点听起来还凑合，一旦遇到弦乐或交响乐，声音就会明显发扁，带着一股廉价的 MIDI 塑料感。

避开人声与版权雷区，再找说唱歌手搭伙写词

为了不惹官司，Google 给 MusicFX 设了严密的防火墙。提示词里如果包含具体歌手的名字或者要求生成人声，系统会直接拦截。生成的每一段音频里，还会嵌入 Google DeepMind 开发的 SynthID 人耳不可见水印，用来标明这是 AI 生成的。

不过这个名字过滤机制并不完美，实测拦截了 The Beatles 和 SZA，但输入小众一点的乐队名字却能蒙混过关。

另一款搭档工具 TextFX 则不是那种一键写出整首歌词的生成器，而是个给词作者找灵感的辅助工作台。它是 Google 找来说唱歌手兼制作人 Lupe Fiasco 一起开发的，底层跑的是 PaLM 2 模型。

TextFX 拆成了好几个小功能模块。比如输入一个字母，它能帮你找同一品类下特定字母开头的押韵词；或者把两个完全不相干的事物放在一起，让 AI 找出它们之间匪夷所思的隐喻与相似点。对写词人或文案来说，这个发散思维的工具反倒比直接代写更有用。

Google 也给出了免责提醒，指出 TextFX 可能会生成不准确的信息。实际测试中，它确实吐出过一些离谱的错误观点，写词时还是得人肉把关。

为什么重要

对普通创作者来说，MusicFX 适合拿来快速垫乐。短视频博主、播客主播想找几十秒不侵权的背景 loop，或者独立游戏开发者想打个背景音乐草稿，它是个很低门槛的白嫖工具。不过受限于它不能生成人声，加上弦乐音色单薄，指望它直接拿去商用发歌还远远不够。

对整个行业而言，音乐生成正在进入「合规军」与「野路子」的分水岭。一边是 Stability AI 坚持按合理使用原则用网上海量版权曲目练模型，另一边则是唱片公司在各大流媒体疯狂围剿 AI 盗版音源。Google 在 YouTube 端正拉着 John Legend、Charli XCX、T-Pain 等大牌歌手内测合规模型，在前端工具里又严格打水印、封锁人声生成，看起来是在极力扮演版权方的朋友。

我们认为，Google 这种处处留一手的防御策略很聪明，至少能帮它避开唱片巨头铺天盖地的诉讼。但隐患在于，过于谨慎的安全策略直接阉割了人声和流行歌的核心魅力。当别家都在靠一键生成整首带歌词带人声的爆款吸睛时，MusicFX 这种只能做几十秒无声伴奏的工具，很容易沦为技术很体面、大家玩几天就抛在脑后的玩具。