开场0:00
如果你是可以直接把一首歌直接发抖音和后发快音的时候 ， 今天发了歌 ， 明天就有反馈了 。 后天你就知道 " 哦我这个歌好不好 "，不好的歌我就可以快速改掉 。
很快就形成套路 ， 说 " 就这样的旋律是最好的 "， 或 " 这样的方式是用户最喜欢的 "。 但这个就会变导致音乐的套路化和同质化 。
所以这些歌可能你只是听过类似的旋律而已 ，但其实你并没有听过这首歌本身 。其实这个就有点像短剧一样 ， 你看现在所有短剧的套路都非常非常类似 。
就是当内容的反馈可以非常非常快的时候 ， 创作一定是趋同的 。
我们假设你在逛一个沃尔玛 ， 这个沃尔玛有 10 万瓶和 1 万瓶 ， 它的 SKU 当然不同 ， 对吧 ？ 按理说 10 万瓶的 SKU 应该更好 ，但是用户会迷失在这里的 。
因为 10 万瓶的话 ， 我应该怎么去找到我的东西呢 ？ 对用户来说是体感你有多少曲库 ， 这个远远比实际上有多少更重要 。
当你发现所有线上的歌都是存在 AI 或者说都是统治的时候 ， 供给的充分化一定会带来需求的扩大化 。
线上会需求更旺盛 ，但是线下的新的需求也会变更旺盛 。 所有的演唱会 、 综艺这些东西 ， 反而音乐类的受众其实也会更多 。
听众朋友们大家好 ， 欢迎收听本期的 《 创业内幕 》。 我是今天的代班主持李净 。 今天我们邀请到的嘉宾是快音 APP 的创始人兼 CEO 李岩 。
岩总 ， 请您先跟听众朋友们打个招呼吧 。
嗨 ， 很高兴和大家聊天 。
那还是请岩总介绍一下快音是一个怎么样的应用吧 。
快音其实是一个以 UGC 为主打 ， 然后用音乐推荐来做内容分发的音乐流媒体吧 。
之前在做功课的时候看到你们快音这个 APP， 它其实有挺多的 。 比如说它可以去把视频里的声音提取出来 ， 然后它还有海量的曲库什么的 。
就是现在的话有什么重点的业务吗 ？
我们现在有两个方向在做 。 一个方向我们还是在做音乐推荐 ， 就是我们会把很多中长尾的音乐找出来 。
因为这些音乐其实它相对来说供应量比较大 ，而且成本比较便宜 ， 我们来分发这些音乐 。 第二个是我们在尝试用 AI 来去制作一些新的内容出来 。
那待会儿咱们可以聊一下 AI 音乐这一块 ， 就是我自己也非常感兴趣 。 然后我看到您本人是有一个挺明确的标签 ，是您之前是在字节做增长策略 ， 对吗 ？
对 ，是的 。 我是 15 年去的字节 ， 差不多是 19 年 5 月份离开的 。 我之前应该是负责字节基本上所有业务的增长 ， 这些阶段我应该都经历过 。
明白明白 。 后来怎么想到出来创业的 ？
创业契机2:48
坦白说还跟自己的认知有关 。其实那个时候抖音的增长已经很快了 ，但是我可能会觉得说它的天花板也会比较快到达 。
我不太确定公司接下来要做什么新的业务 。 因为我那个时候其实在做自己的教育 ， 我觉得教育的方向其实需求很明确 ， 它这个市场也很明确 。
然后我觉得当时字节的做法不是很能够把这个市场做透 ，但是其他方向我也没有看到有比较大的潜力 ， 所以我就想出来自己做 。
音乐发现3:21
那后来为啥选音乐这个方向 ？ 是您有个人爱好吗 ？ 还是看到什么前景 ？
我对音乐其实有些爱好 ， 这是第一个 。 第二个因为我之前一直在听百度的那个随心听 ， 这可能是一个古早的电台产品 ， 它有非常多的曲库 ， 然后它会随机地给你播放一些歌 。
你不能去搜索 ， 你也不能筛选 ， 你只能选择喜欢和不喜欢 。 我在上面大概听了有几万首歌 。
您说这个我想到早年豆瓣有一个东西叫私人 FM， 然后它是只能点喜欢或者不喜欢 ，但是它不能搜索 。
很长一段时间里 ， 我不知道像我这个年纪的用户应该都挺喜欢这个东西 。 它是一个特别新的产品形态 。
是的 。其实这些产品它应该都是源自于美国的那个潘多拉 Music。 它这些产品在美国的成立是因为在美国它对于 Spotify 这种搜索机制或者货架式的音乐平台 ， 它的版税可能比如说是 0.4 美金吧 ， 我如果没记错的话 。
但是像潘多拉 Music 这种不是货架而是随机推荐的平台 ， 那大概版税可能是 0.03 美金 ， 所以它成本应该十倍差距 。
所以导致说很多的用户他会愿意用潘多拉 Music，因为它的会员成本会更便宜 ， 它的曲库会广泛一点 。
但是在国内的话 ， 可能是因为之前在国内其实没有很好的音乐发现机制 。 我们听歌往往听的都是一些主题曲或者说电影的片段这种东西 。在那个年代 ， 大家很多时候都是去看电视之类的来做音乐发行 。
所以你就看到之前港台的很多音乐 ， 它们都是由港台的电影或者电视剧的公司做了一个音乐平台 ， 或者说做了一个音乐的版权公司 。
然后其他的话 ，在国内能够发现出来的平台还有一个就是铃声 。 像 《 凤凰传奇 》 包括 《 小苹果 》 这种歌 ， 它都是在铃声上火的 。
但是中国的平台像 QQ 音乐或者网易云 ， 往往做的都是一个货架 ，是基于搜索的 。 所以用户先知道有这首歌存在 ， 才会去上面搜 ， 很难在上面去做音乐发现的机制 。
您刚刚提到说那个潘多拉和比如说 Spotify， 它们可能一个是货架类的 ， 然后一个可能是推荐类的 。 我想追问您的就是货架类和推荐类的 ， 为什么会有 0.4 美元和 0.3 美元的区别呢 ？
这个可能它要追溯到美国电台机制 。在美国之前 ， 像嘻哈或者摇滚音乐都不是主流平台 ， 美国人听的时候也是通过电影电视来做音乐发现的 。
所以它的音乐就非常集中在一些传统类目上面 。 当出现一些新的 ， 比如像嘻哈的时候 ， 这些不被主流接受 ， 所以它们是没有办法上电视的 ， 它也没有办法去搞什么演唱会之类的 。
所以这些音乐人他们很聪明 ，他们就发现了我们可以上电台 。 首先音乐人他们会接受各种电台的访谈 ， 甚至他们可以做自己的电台 。
然后第二种 ，因为电台在美国非常普遍 ，其实在美国电台人群可能是中国人群渗透的二三十倍我感觉 。 所以咱们这些嘻哈的人会把他们的音乐免费地授权给电台 ， 只有这些平台可以帮他做他的音乐发行 。
所以就成为美国的一个音乐文化标签 。 潘多拉 Music 其实某种层面上它跟电台也非常像 ， 都是那种用户不可选择被平台被动推荐的一个机制 。
所以他们其实就沿袭了这套电台的机制 ， 拿到了一些更便宜的版税 。
我觉得您说这个故事其实和播客的故事还蛮像的 。 早年播客在美国能够有那么大的一个受众群体 ， 本质上也是因为开车的人很多 ， 然后听电台的人很多 ， 然后美国的很多电台是收费的 。
所以你是需要付一个订阅 subscription， 你才能够去听这个电台 。 也是因为这样 ， 所以他们的收听习惯从比如说在车上我听一个电台到我在车上去听一个播客 ， 是一个非常丝滑的用户形态的转变 。
但可能在国内它是另外完全不一样的一个故事 。 国内开车通勤或者是开车听电台的人没有那么多 ， 那么更多的那个播客的受众 ， 它应该是从当苹果开始有降噪耳机 ， 大家可以在通勤的路上听播客的时候 ， 可能这个用户习惯才能够慢慢地起来 。
对 ， 我觉得国内的原因其实是因为中国的汽车把握量还是足够少 ， 我们的主流人群其实开车的并不多 ， 导致说受众没有那么广泛 。
然后第二个原因是因为跟商业机制有关 。 像您说的 ，在美国用户有很好的付费习惯 ，他们为电台 、 为电视付费 ，但是在中国其实大家付费能力不够 。其实我之前很想跟国内的一些电台合作 ，因为我们发现他们上面有很多免费的版权的授权 ，但你会发现这些电台他们往往没有什么商业思维 ， 然后同时他们做的事情是去搞一些各种没有什么意义的药的广告 ，
这种非常多 ， 所以就没有这种氛围 。
那咱们还是回到国内吧 。 我挺好奇的 ， 就是我最早的时候听音乐可能是要下音乐到那个电脑上面 ， 然后把它拷在我的 256MB 的 MP3 上 。
然后后来可能就是有一些像豆瓣 FM， 然后那个时候还会有像移动之类的 ， 就是运营商可以通过他们途径听到音乐 。
然后后来感觉是一夜之间 ， 你开始习惯是可以在大的这些平台 ， 比如说那个 QQ 音乐 ， 然后网易云音乐上面听到大量的有版权的歌曲 ，也可以订购数字专辑了 。
分发转折8:38
就您作为一个比较熟悉这个行业的一个从业者 ， 如果要梳理音乐平台在过去一段时间里面它发生的一个大的变化的话 ， 您觉得会有几个节点是值得拿出来说的 ， 然后可能会有些什么事件吗 ？
第一个节点应该就是彩铃的这个节点 。 因为在彩铃之前 ，其实大家听歌一开始是用磁带 ， 要买那个随身听或者说买那种音乐学习机来放 。
然后但是当有了 PC， 那时候 PC 我还记得我在用先天精听 ， 它是一个盗版平台 ， 然后我们就去网上各种搜索音乐文件下下来 。
但是当有了彩铃之后， 诞生了一大批草根的音乐人。 磁带时代他们是没有人给他们去发磁带的 ，因为他们没有知名度 。
但是因为有彩铃 ， 彩铃是按照用户的彩铃订阅的费用来分成的 ， 所以诞生了像 《 凤凰传奇 》 或者说 《 老师爱大米 》 这种歌 。
所以这波收益是非常高 。 我记得彩铃可能在中国一年能够卖到 100 多亿 。
就是整个这个市场 。
对对对 。其实这个数字在很长一段时间比中国的音乐版权订阅费用还要高 。 然后第二个时间点应该在 09 年前后， 就是我们国家要做音乐的合规化 ， 就是版权化 。
所以它当时对市场上的平台做一波清理 ， 要求所有的音乐平台必须要有版权 。 所以这个时候就诞生了像 QQ 音乐 、 酷狗 、 网易音乐这种平台 ，因为他们可以去支付巨额的版权费用 ， 然后他们也可以去签音乐独家 ， 所以就导致说市面上存量音乐变得很少 。
第三波我觉得反而是抖音和西瓜快手的崛起 。 因为上一波的平台虽然说像酷狗 、 网易音乐他们有 APP， 对吧 ？
但他们其实上是从 PC 切到 APP 上面去的 ， 所以他们其实是全部依赖搜索 。 你在电脑上面你可以去输入文字这些很方便 ，但是手机端的人群是一波新的人群 ， 你指望这些用户来去做搜索这个事情是比较难实现的 。
同时我觉得移动端有一个很重要的现象是 ， 你会发现用户对于文字的记忆在变差 。 就是我给你很短的旋律 ， 你可能知道这首歌是谁唱的 ，但你想不出来 。
对 ， 就你的输入的准确度在变差 。 所以就会导致说像酷狗 、 网易音乐他们往往都是做货架 ， 它做了一个超市 ， 然后指望用户来主动地想看要干什么 。
但是货架在移动端是不太成立的 。 之前 Spotify 有研究是说用户要听 40 到 50 个不同的歌每年， 就是要新的歌 。
但是我怀疑网易音乐和酷狗远远没有到这个数字 。 还有补充点 ， 就是因为在美国用户是可以通过电台 、 演唱会 、 包括 YouTube 来去发现各种各样的新的歌 ，但在中国因为在 PC 时代 、 移动端时代的早期是没有这种机制的 。
所以美国人他们能够接触到非常多最新的嘻哈摇滚 ， 然后在中国其实这些内容往往都不可能被分发掉 。
但是这个需求就是不存在 ，因为中美之间的人的需求是普遍的 。 所以当抖音出来的时候 ，其实抖音开始做法就是一个音乐 MV 平台 。
然后我们就发现一个现象 ，其实字节它同时在做西瓜视频和抖音 。在西瓜视频里面可能有 30% 的内容都是音乐视频 。
我就很清楚有一个大妈她在草地上面唱歌 ， 可能再加上各种小红花 、 各种土味特效 ， 然后整个唱完差不多三分钟左右 。
我还看到一些更极致的大妈 ， 她会不停地不停地唱 ， 可能唱完 30 分钟 ， 唱好的 10 首歌 ， 这种播放量大概能占整个西瓜视频的 30% 左右 。
然后抖音的话 ， 我记得有百分之一二十的占比都是纯以音乐 MV 或者说唱歌为主的这种内容 。 当这个事情变得普遍之后， 你会发现抖音上面它会不停地产生一些热歌出来 ， 这些热歌可能 20 年前就已经存在了 ， 之前没有人听到过 ，但它在抖音上面重新焕发了一些生机 。
这是第一种现象 。 第二种现象是说 ， 我会发现在淘宝上面有用户大量地在卖音乐 U 盘 ，有一些商家他们把抖音西瓜上面的这些热歌打包上一个 U 盘 ， 甚至这些歌可能都不是正确的歌 ， 这些歌就是一些网友或者说一些小达人他们自己翻录的歌 ， 里面大概可能有几千首或者说几百首 ， 然后它就放到 U 盘里面去 ， 卖价差不多在 50 到 90 块钱 。
我看到他们大概每个月能卖掉 40 到 50 万歌 。
它的消费场景在哪 ？ 这个 U 盘是插在自己电脑上面播吗 ？ 还是什么 ？
一种是车载 ， 第二种是插在电脑上面 ， 然后我甚至还看到插在手机上面的 U 盘 。18、19 年就是这样的 ，其实现在还有 。
两年前我搜它 U 盘销量 ， 发现销量还很高 。
这个我觉得还挺反直觉的 ，因为 U 盘这个形态可能现在在我的生活里面也比较少见了 。 我没想到它有这么大的一个销量 。
对 ， 我觉得这个核心是因为它是跟视频内容或者跟内容是联动的 。 比如说我在抖音上面听到这首歌很好听 ， 那你指望用户去网易音乐上面找这首歌就非常非常难 ，因为用户根本就不太能够输入这个关键词 ， 甚至抖音和西瓜他们会抹灭掉这个歌的歌名和歌手 。
所以导致说用户他只会收到这个是抖音风的歌 ，他就只能上去找 U 盘 。 当然你现在看网易云和 QQ 音乐 ，他们会做抖音频道或抖音的类目 ， 就是为了解决这个需求 ，但这种思路我觉得不是很能够去解决掉用户的本身的想法 。
您是 19 年创立的快音 ， 对吧 ？
快音起步14:01
对 ，19 年底 。
刚刚听您讲到 18、19 年那个故事 ， 更多的好像就是那个时候你会发现说大家对于抖音上面的这些歌有他们自己的一个消费的需求 ，但可能又没有办法在一个大而全的地方找到 。
所以我还挺好奇的 ， 就那个时候创业跟您前面讲的这些发现是有关系的吗 ？ 就那个时候可能已经有 QQ 音乐 、 网易云音乐了 ， 然后他们又是巨头 ，而且我相信他们在拿版权这方面肯定是有很大的优势的 。
那时候您是看到一个怎么样的一个需求去做了快音 ？
明白 。其实我们当时看到很有意思说 ， 首先抖音和快手他们让非常非常多长尾音乐被发现出来了 。
我举个例子 ， 比如说市面上有 1000 万首歌 ，在之前的情况下可能前面的两三千首歌能够占市面上总播放量的 95%。
举一个更直接的例子 ， 华语乐坛上面播放量前 100 的歌 ， 每年的歌 ， 大概有 50 多首是周杰伦的歌 。
这个我不意外 。
对 ， 所以你发现这个是非常集中的 ， 对吧 ？ 所以它面向的人群也是非常一二线的贵人群 。 但是抖音的快手人群显著地高于 QQ 音乐和酷狗人群 。
有非常大的一帮在二三线或三四线的从事于卡车司机或者说外卖的这些小哥 ，他们的需求被激发出来了 ，因为他们之前并不知道还有这些歌 。他们听我发抖音发现了市面上有这么多我还比较喜欢的歌 ，但是他们又没有一些地方来去听到这些歌 。
然后同时我会发现 U 盘的销量在变得非常高 ，因为对他们来说我去下 QQ 音乐 、 下酷狗 、 一会儿有歌搜 ， 这很麻烦 。
你现在让我去搜 ， 我也觉得很麻烦 ，但对他来说我反而花 50 块钱去买个 U 盘 ， 里面有我所有想听的歌 ， 我只要切换听就可以了 。
这也是一个不错的解决方案 。
就还回到那个 19 年刚开始做的时候 ， 那个时候怎么从 0 到 1 的呢 ？
最开始的时候你肯定是要找营销噱头或营销卖点 。 所以一开始的时候我们会打免费 ，但是免费的流程没那么好 ， 所以我们后面给用户去发红包或者说发一些机密来做用户裂变 。
然后第二种 ， 我们发现其实音乐本身很吸引用户 ， 就是对于用户来说 ，他已经听到这首歌很好听 ，他会想听这首歌 ， 那我们就会去做很多的账号 ， 通过账号来引流这些事情 。
再往下我觉得就是做一些市场投放 。在那个时候其实流量成本是很便宜的 ，因为在市面上当时的竞争对手往往都是像酷狗 、 网易音乐 ，他们的人群主要还是一二线为主的人群 。
但是到我们这边面向的是一帮刚刚接触互联网的人 ，他们想要去找歌 、 找平台 ， 那个阶段其实覆盖他们成本是很低的 。
红包留存16:45
但是比如说发红包这个事儿 ， 早年互联网平台他们在扩张的时候 ， 大家都是用一些补贴 、 发红包的方式 ，但这事儿它总归是有一个点 ， 它会在某一个时间你会发现这样烧钱是不可持续的 。
我记得早前 QQ 音乐和网易云打的时候 ，他们可能最早是用谁的版权多或者说抢版权这事儿来去抢用户 ， 后来可能还有一些别的方式 ， 比如说年费什么的 。
然后现在的话比较少了 ， 现在各个平台的那个会员费基本上是一个比较合理的 ，但不太能优惠的价格 。
我就想说那早期你们在做这个的时候 ， 如果是全部都是发红包 ， 到某一个时间段肯定会发现不能再发了 。
所以后面有没有一些方式是比如说能让留存又变得很好 ， 然后又能够很快地去拓客 ？
做音乐推荐 ， 这里面有分两种层面的事情 。 第一个有关发红包的问题 ，其实我之前在字节 ， 我们团队就在负责红包的发放这个平台 ， 包括头条 ， 包括抖音的红包都是我们在发 。
我们也接触很多别的团队 ，因为那个时候字节也在对外做一些投资 。 最早我们甚至还聊过修头条 ， 修头条当时还来字节募资 。
但是一开始的时候我跟另外一个同事 ， 我们接待了他 ， 然后我们听完之后觉得怎么可以在一个新闻产品里面给用户发钱 ， 立刻把它拒绝掉了 。
结果过了半年之后我们发现头条日活可能七八千万 ， 然后但是头条日活已经三千多万了 ，不到半年时间 。
我们当时非常恐慌 ， 甚至头条一开始我们想法是说把今天头条主板直接做成一个红包产品 ， 这个想法是实际上是伊明想的 。
然后但是我比较怂 ， 我说那如果我们改的话 ， 万一出问题 ， 那这个产品岂不是凉了 ？ 刚好当时我还负责一个产品叫今天头条急速版 ， 那个时候日活差不多在 2000 多万的日活 ， 所以我们就把那个产品改造成了一个纯红包产品 。
我觉得很清楚 ， 第一天我们大概被薅了七八百万 ，但是后面我们做下来你会发现红包这个产品基本上有两种 ， 一种是说大家是以骗为主的 ， 就是你去给用户一些虚假承诺一些非常非常高的福利之类的 ， 长期确实会出现你这个业务是崩盘的 ，因为你给用户的承诺太高了 ， 最后用户的体现会把你压垮的 。
但另外一种实际上你是可以通过精算来去做的 ， 就是你可以去计算你每次发放它的价值 ， 然后给不同用户去发不一样的额度 ， 然后给用户不一样的行为不一样的额度 。
你如果你是通过精算的话 ， 它的长期收益其实会显著地高于没有红包产品 ，因为它的留存会更好 ， 然后用户的广告次数会更多 ， 甚至你可以去做一些更深度的定向激励 ， 比如说你可以引导用户去看小说 、 去搜索 、 去做一些其他行为 。其实你现在看包括抖音的主板 ， 包括快手主板 ， 包括淘宝主板 ， 基本上都有这种机制 。
所以我觉得这不是一个不能持续上演模式 ， 它今天不能持续是因为很多其他团队他们对于这套机制的计算方法有问题 。
然后第二个我觉得做音乐留存最好的方案其实就是你刚才说的很对 ， 就是网易音乐和酷狗他们的主打是说更全的曲库 、 更多的内容 ，但是它没有解决问题的是说用户怎么知道你的内容是更全和更多的 。
就是对用户来说当然是你的内容更全 、 更多 、 体验更好 ，但是这个事情不是你的货架越多越好 。
我们假设你来逛一个沃尔玛 ， 这个沃尔玛有 10 万瓶和 1 万瓶 ， 它的 SKU 当然不同 ， 对吧 ？ 当然你说 10 万瓶的体验应该更好 ，但是用户会迷失在这里的 ，因为 10 万瓶的话我应该怎么去找到我的东西呢 ？
找不到 ， 对不对 ？ 所以对用户来说是体感你有多少曲库 ， 这个远远比实际上有多少更重要 。 所以我们解决方案其实就是做推荐 ， 你可以用推荐算法来去把这些曲库中的好的给筛出来 ， 让用户能够听到不同的歌 。
推荐算法20:31
这个东西其实对用户的指标提升是非常非常明显的 。 我觉得这个市场上已经很证明的是这样 。
我们后面最大的竞争对手其实是汽水音乐 ，他们主要就是靠推荐来去做这个事情的 。
汽水音乐 ， 对吧 ？
对 ， 汽水的版权是非常非常少的 ，但是它的市场规模现在份额应该非常非常大 。
总的来说 ， 就是我觉得做推荐算法是一个很难的事情 。 就我不知道你们在这一块有没有哪些投入 ， 或者说有哪些是跟别的平台不一样的地方 。
首先你想要用推荐算法来去解决所有问题 ， 我觉得这事情不大现实 。 我不太知道您现在是不是刷抖音的用户 ， 抖音刷得多吗 ？
我不怎么用抖音 。
您平常会用今天头条看新闻吗 ？ 还是你用的是公众号 ？
公众号 。
对吧 ？ 那你在淘宝上面购物的时候 ， 你是用私货购物 ， 还是说你会刷淘宝下面的推荐流 ？
没刷过推荐流 ， 一般是搜一下 。
对 ， 所以我觉得这就是一个用户分层的问题 。 本质上推荐解决不了您的问题 ，因为推荐它是一个去模拟你是一个什么样用户的机制 ， 所以推荐要理解你 ， 它就需要大量的行为 。
当你是一个对生活 、 对于内容越挑剔的人， 推荐往往就解决不了你的问题 。 你越挑剔 ， 你就不会给它更多的正反馈和负反馈 ，因为你可能就刷一下你就走了 。
但是推荐是一个我往往需要你每天在上面刷半小时 、 一小时， 留下来更多的行为 ， 我才能知道你的喜好的一个机制 。
我之前的字节也是 ， 我们用了非常多的数据和方法来去尝试解决对于高端人群去怎么样去刷新用户的问题 ， 你最后发现这个问题解决不了 。
所以我觉得应该去接受说对某一类的人来说 ， 订阅公众号或者说通过搜索本身去解决问题 ， 它是一个最好的方案 。
但是当你面向的人是一帮中国的一些大爷大妈 ， 或者说面向的是一些普通人来说 ，他们往往是可以被推荐解决的 ，因为他们没有那么挑剔 ， 或者说这些人是有共性的 。
那他们的付费意愿强吗 ？
大部分来讲这些人的付费意愿都不会很强 ，但这些人他们是有广告价值的 。
说白了就是广告 ，而不是通过订阅来收费 。
是的 。
同质化22:40
其实这样讲 ， 我突然觉得抖音难道不算是快音的竞品吗 ？ 我最近发现很多歌好像都是一个什么短视频的配乐 ， 然后它突然就红起来 。
我经常打开一个视频 ， 然后怎么好像所有的视频都是这个配乐 。
如果广泛来讲是竞品 ，因为大家都是做娱乐产业的 ，其实我们这个平台非常适合去做音乐发现 ，因为我们有大量的歌是在我们上面先火了之后再去抖音上面火的 。
这是第一种 。 但是第二种 ， 每一种形态上面大家都在做音乐的挖掘 ， 还是说无论哪个观点 ， 就是很多歌它之前是已经存在了 ， 只是没有被人听到而已 。
所以当这些平台把这个音乐推给 1 万个人，10 万个人听 ， 这 10 万个人觉得满意的歌 ， 大概率你推给 1000 万人他也满意 ， 这个跟视频的机制是没有区别的 。
第三个其实本身的音乐的创作是趋同性的 。 当我们在运行一个商业的时候 ， 如果我们是一个音乐公司或者说唱片公司 ，在没有短视频之前 ， 或者在没有这种音乐平台之前 ， 比如说你是给酷狗服务的 ， 你的音乐创作周期可能是以年计的 ， 反馈周期也是以年计的 。
我可能这个月做一首歌 ， 过了三个月之后把它做成一个唱片出来 ， 发行完之后再放音乐平台 ， 那又过了三个月了 ， 对吧 ？
因为反馈好和不好又过了几个月 ， 所以你的周期非常非常慢 。 但是当你如果你是可以直接把这首歌直接发抖音或发快音的时候 ， 今天发了歌 ， 明天就有反馈了 ， 后天你就知道这个歌好不好 ，不好的歌我就可以快速改掉 。
很快就形成套路说就这样的旋律是最好的 ， 或这样的方式用户是喜欢的 ， 你就可以快速总结经验 ，但这个就会变导致音乐的套路化和同质化 。
所以这些歌可能你只是听过类似的旋律而已 ，但其实你并没有听过这首歌本身 ， 只是因为大家都在创作这样的旋律而已 。其实这个就有点像短剧一样 ， 你看现在所有短剧的套路都非常非常类似 ， 就是当内容的反馈可以非常非常快的时候 ， 创作一定是趋同的 。其实抖音也是一个让用户去做模仿和同质化的平台 ，因为之前抖音我们在崛起的时
候 ， 它有一个非常重要的功能叫音轨复用 。
就是我可以用你的视频的那个配乐 ，是这个意思吗 ？
对 ，但实际上它是让你去做的是模仿 ， 比如说我跳一个手势舞这样的舞蹈 ， 这个效果很好 ， 那你也可以去抄我的手势舞 。
就那个什么各种挑战 。
对 ， 音轨复用其实替代了挑战 。 本来抖音是挑战和音轨复用是分别是两个机制 ，但你最后发现当我去用你的音乐的时候 ， 我往往就会借鉴你的剧情和借鉴你的姿势 。
所以那就是让鼓励大家去创作同质化的内容 。 所以最后我们也发现翻唱其实也很好的机制 ， 就是你让不同的人去翻唱这首歌 ， 比如说你加点摇滚 ， 加点 DJ， 或者加点同声 ， 加点合唱 ， 这对于用户来说都是不同的体验 。
对于创业者来说 ， 它实际上是一首歌 ，但用户不会这么想 。
我刚一直在想一个事儿 ， 就是您说的这个音乐同质化的现象 ， 可能会对于当下的名气没有那么大的音乐创作者来讲是个大问题 。
但是对于那些已经成名的人， 或者说我们大家都熟悉的歌手来讲 ， 可能不是个问题 。 像 Taylor Swift 或者是周杰伦 ， 或者孙燕姿 ， 就他们不需要那么快的市场反馈的其实 ，但新人就不一样了 。
或者说更多的那些创作者 ，他们可能是就是需要接受这个过程的 。
这里面分为了 IP 和非 IP。 当你是一个 IP 的时候 ， 你是可以有更多的选择权和更多创作自由的 。 但是你不是 IP 的时候 ，其实你想冒出来是很难的 ，因为你的内容会很容易地被别人复刻走 。
那不就变成歌红人不红那种现象吗 ？
对 。
我去年看过一个特稿 ，是写那个歌手的名字 ， 我真的也不记得了 ，但他那首歌的名字很有名 ， 叫 《 跳楼机 》。
当时那个特稿就是讲他背后的那个公司 ， 好像是一个爆款推手吧 ， 就写了这个公司的一个特写 。 确实你会发现你对于这个歌手本身几乎没有什么认知度 ，但这个歌真的是大街小巷大家都能记得 。
对 ， 我觉得这个就是因为大家的创作的难度被降得非常低 。其实 AI 音乐也是一样的问题 。在欧美 AI 音乐它的火 ， 主要是因为它能够去解决音乐版权的问题 。在中国其实 AI 音乐没有那么火 ， 往往就是因为没有这种机制 ， 所以就会导致说就算你做了很多音乐 ，AI 音乐出来质量也不错 ，但是你没有地方用 。
AI版权26:59
这个就是我想跟您展开聊的 ，因为我看到那个 24 年快音 AI 写歌是入选了成都市人工智能百层产品 ，但其实对于 AI 音乐这事儿 ， 我一直想问 ， 第一它的版权要怎么解决 ， 第二就是它到底会不会出现 ， 比如说这两个作品它们非常的相像 ， 那么判定依据有标准吗 ？
其实我觉得 AI 音乐的版权是一个很难去解决或很难界定的问题 ，因为当你有 AI 唱的时候 ， 你的旋律和歌词 ， 一种是说你的歌词不变 ， 你的旋律变了 ， 那你的歌词版权是有问题的 ， 对吧 ？
第二种情况是说你的旋律没有变 ， 歌词变了 ， 这个依然存在版权问题 ， 对吧 ？ 第三个是说当你的歌词和旋律都是完全去用 AI 写的时候 ，AI 加人写 ， 这时候按理说是有新的版权 。
但是现在有一个理论是说市面上的这些旋律实际上是有穷尽的 ， 好的旋律可能就那么多 ，但你想这首歌质量好的时候 ， 它往往就会跟其他歌的是有相似的 。
所以那就会导致说 AI 创作的歌 ，但是它很容易跟别的歌是有重复的 。 我们现在想法可能是说我们在用 AI 创作的歌去来作为一个内容多样性的手段来给用户提供服务 ，有点像翻唱的一个变种 ，而不是说作为一个纯粹的新歌来发 。
比如说你听到一首歌 ， 你觉得这首歌很好听 ， 对吧 ？ 但这首歌对用户来说你只有这一个版本 ，其实用户听几遍之后他会听腻的 。
那这个时候我们可以用 AI 来去对这首歌做一些变种 ， 比如说把它做得更加的摇滚 ， 然后人声也变掉 ， 某些旋律再被 AI 重写一遍 ， 就摘取它的爆款的要素 ，但是把它组合成一首看起来是新的歌 ，但它其实跟老的歌是有百分之四五十的相似度的 。
有个小追问 ， 就是您刚前面提到说欧美市场它已经知道怎么要解决这个 AI 版权的问题了 ， 具体是什么意思 ？
能请您跟我们解释一下吗 ？
欧美市场的 AI 音乐 ， 它面向的受众实际上是创作者 ，因为在欧美你去用这些音乐的旋律或者伴奏 ， 你是要付钱的 ， 这些费用很贵 。
我之前试过一个平台 ， 基本上一个月要付 50 到 100 刀以上 。 你在美国你去做 YouTube 的话 ， 那你就需要去解决你的音乐版权问题 ， 对吧 ？
那时候你就需要给平台去付钱 。 但对于用户来说 ， 你要伴奏又不是一定要这个伴奏 ， 你只需要一个伴奏而已的 ， 那你就可以用 AI 做一首歌或做个伴奏出来 ， 这伴奏它就没有显著的抄袭式的版权 。
那这个成本会比你去买这些伴奏库的成本要低很多 ， 所以这个是有商业模式的 。
但国内的话大家应该不是 ，因为听起来好像国内大家更多的是个人的这种特别 to C， 就 to 大众的一个消费的习惯 。
对 ，因为你买几年会员 ， 几年就会给你提供这些音乐 ， 所以你基本上国内很难会存在这种问题 。
AI 的一个爆发性的一个增长 ， 对于你们的行业或者说是您自己的公司 ， 会不会有些很直接的影响 ？
AI 对于这个音乐行业的变化 ， 坦白说我觉得在国内的变化没有很大 。 核心是因为现在的 AI 音乐 ， 我觉得质量还没有到可以让人非常非常惊艳的程度 ， 它好听 ， 甚至我们试过把一些 AI 音乐做的歌放到我们的推荐里面去 ，但我们总播放量的可能百分之十到二十 ，其实用户听不出来 ，但是也不会显著的改善用户体验 。
因为对用户来说 ， 用户只听 TOP3000 的歌或者只听 TOP1 万的歌 ， 这些歌的质量也非常非常好了 。 所以 AI 能够创造出来比 TOP3000 的歌还要更好的歌 ， 否则那你只是填充了更多的曲库而已 ，但这些曲库填充不会带来体验的提升 。
所以我觉得反而是在海外 ，因为它可以帮用户去解决它的音乐版权或音乐伴奏的问题 ， 这个反而是有商业机会的 。
在现在的一个分发机制下面 ， 您有没有观察到一个例子 ， 就是一首歌取得了非常大的声量 ， 然后它被分发得很好 ，但它又是一个以小博大的故事 ， 就可能它并没有投入非常多 ，有这样的故事存在吗 ？
音乐宣发30:45
现在其实大量存在 ， 重新回归到一个音乐宣发的问题 。在 20 年前 ， 一首歌想要被人听到 ， 你是需要去上电视 、 上综艺 ， 或者说上电影的 ， 或者说你需要跟一些艺人绑定 ，有绯闻 ， 这样才有声量 。
到再往后面是你可以通过铃声来扩散 ， 对吧 ？ 再往后面大家是可以在抖音上面扩散 ， 对吧 ？ 用你的歌来做视频 ，因为抖音是有音轨复用的 ， 所以用这个视频做的人越多 ， 你就越容易被传播 。
但是在最近的三年左右 ， 你会发现就算是用你的这个歌做视频 ，在中国它也不是免费的 ， 就是你可以花钱让剧情类博主用你的音乐来去做视频 。
比如说你在美国 ， 你想要用这首歌的伴奏来去做你的背景音乐 ， 你是要给版权方付费的 。在中国 ， 你如果你是有新歌 ， 你想要让一个网红来用你的歌来做视频 ， 你是要给他付钱的 。
你可以找 10 到 20 个不同的音乐人或不同的博主来做 ， 就有可能会形成某种风潮 。 然后当这首歌质量还不错 ， 且用的人足够多的时候 ， 这些歌它就会被用户去酷狗或网银上面去搜索 ， 那你就可以获得这首歌的版权收益 。
这件事儿本质上跟那种消费品投放博主还蛮像的 。
对 ， 基本上是一套机制 ， 所以它就变成了如果你首歌质量很好 ， 那你只要是一个不差的团队 ， 都可以有很充裕的预算去来把这首歌给尝试起来 。
所以我觉得市场上不太会存在质量很好且没有被充分发行的歌 。
那会不会有一天就是做音乐的门槛是越来越低的 ，不管是经济门槛还是怎么样 ， 它的供给太多了 ， 然后大家可能就完全地依靠推荐的这个形式 ，因为你其实是没有精力或者说没有方法去发现一个或者是搜索到一个好的音乐的 。
我非常认可你的观点 ， 我觉得是这样的 ， 我们这一代因为大家是被 IP 洗脑过的 ， 它始终有价值 。
可能我们的下一代 ， 比如说 00 后或者说 10 后 ，他们也会听 ，因为他会被他的父母影响 。 但其实我觉得 10 后听周杰伦已经变很少了 ，因为 10 后他们获得内容的机制也是通过抖音快手 ，但是在职业平台上面 ，他们分发周杰伦的歌已经占比非常非常低的 。
你把抖音快手的音乐拉个类似的出来 ， 我觉得 TOP100 中可能周杰伦 、 林俊杰可能只占两三首 。 所以再往后， 我们下一代的人 10 后的人 ，他们对于音乐是没有忠诚度的 ，他们对于歌手也没有很强认知的 。
但是又因为 AI 可以做的歌的质量是非常好的 ，而且成本可以降下来 。 所以可能到以后， 每个人听的歌它都是基于他的喜好去做合成的 。
你想听的是比如说嘻哈 、 低词口这种歌 ， 那可能后面有个服务器 ， 它在每天实时地给你合一批歌给你 ， 这个歌是你专享的 ， 包括内容 ， 包括旋律 ， 包括伴奏 ， 包括歌词都是专享的 。
我觉得这个就跟 Web Coding 是一样的 ，其实现在你想做一个应用或者说想做一个网站非常非常简单 ， 就很多需求都可以被个人实现 。
但是大家的难点往往都是怎么去被人发现 。
咱们有做出海的打算吗 ？
出海合规34:12
我们一直在做出海 ，24 年开始就开始做出海 。 最开始在美国我们做两个产品 ， 一个产品是做 AI 生图的 ， 然后第二产品是做 AI 音乐的 。AI 生图产品我觉得当时是因为我们自己经验不够丰富 ， 我们其实对于定位产品这块的打法 ， 包括它的用户的价值估算 ， 包括怎么传播其实不太懂 。
我觉得现在来看是一个数据很好 ，但是我们没有把它做好的一个状态 。 第二个是我们做 AI 音乐产品的话 ， 我们逻辑其实就跟你想的非常一样 ， 可以用 AI 来产生非常非常多的歌 ， 然后我们也支持用户去产生一些 AI 音乐出来 ， 然后我们就拿它这些 AI 音乐去给其他的听众来听 。
就类似于我们既是一个制作平台 ，也是一个音乐的分发平台 ， 然后我们再用推荐来做分发 。其实这个数据看下来还算不错 ，但是我们当时在美国就遇到了版权的问题 。
就比如说有一个人他传了一首歌进来 ， 然后他要求我们的这个 AI 把这个人的声音和一些伴奏改掉 。其实这套机制在美国是比较受欢迎的 ，因为用户大量地想要去创作这种半 AI 半人工的歌 。
所以我们当时这产品可能收入也写得很快 ， 我们大概一天应该有个三四千美金收入 ，但是最后就被版权方给投诉了 ，因为他们就发现有一些歌我们改得不是很彻底 ， 就会有一些音乐的相似的部分 ， 然后他又投诉给商店 ， 商店就让我们解释 ，但我们发现这事情其实没有办法很好地规避掉 。
对 ，因为是用户行为 。
对 ，但是你的弊端就在于说这个作品是你给他合成出来的 ， 那你要对你合成的作品是有责任的 。 那我们很难去审核说他和一首已有的歌有多少相似度 。
这事儿好像就是没有一个明确的标准 ， 就是不知道什么是一个大家都能认可且通用的 ， 应该没有这个通用标准吧 。
在美国是有的 ， 比如说他要求两首歌之间多少个小节的音乐不能一样 ， 这个是需要真的我们到法庭的时候 ， 两方来辩论是可以辩论的 ，但你坐来跟用户去讨论 ， 用户是不会理解这事情的 。
这里面还有个痛点是说其实对用户来说 ， 用户的创造力是有限的 。 我们始终要相信一个问题 ， 就是为什么抖音它要做音轨复用或者做挑战 ，是因为你指望一个人去想一个创意 ， 这创意非常好 ， 非常新 ， 这个事情存在 ，但它不是一个普遍情况 。
对于大部分人来说 ， 你能想象的事情都是一个已经存在的事情 。 让我们俩想象歌词 ， 歌词往往都是依据一个已有的歌词去想象的事情 ，而不是一个新的歌词 ， 那它就往往面临说它就跟别人是相似的 。
那作为一个创业公司 ， 要怎么规避这种可能存在的问题呢 ？
其实你发现 AI 的这些公司基本上都是以网页为主的 ，因为网页的监管会比应用商店的监管要松非常多 。
网站更多就是责任自负 ，但是如果你是一个基于苹果或基于安卓商店的一个应用 ， 商店会认为它也对你的结果是有责任的 。
Suno 好像就是一个网页 。
对 ，其实 Suno 的移动端现在也有量 ，但是规模真的不是很大 。
现在在 AI 时代 ， 您觉得这个音乐行业真正稀缺的事儿会变成什么 ？
有两个事情我觉得比较稀缺 ， 一个就是音乐本身的推荐和发现能力 ， 第二个能力我觉得是真实感 。
当你发现所有线上的歌都是存在 AI 或者说都是统治的时候 ， 供给的充分化一定会带来需求的扩大化 。
线上会需求更旺盛 ，但是线下的新歌需求也会变更旺盛 。 所有的演唱会 、 综艺这些东西 ， 反而音乐类的受众其实也会更多 。
当用户可以发现他可以跟很多小的歌手直面的时候 ， 这些生态也会变得更好 。 所以你的发行往往我觉得你想让你这首歌被更多人知道 ， 做抖音 、 做 TikTok 或者做 YouTube 是这种机制 ，但第二种应该是大量地在线下去搞演唱会 、 搞一些见面会 、 搞音乐节这种东西 。
最后一个问题问你 ， 就是感觉我们虽然是从快音开始聊起 ，但是其实聊到最后会觉得您公司的业务完全不只是快音 。
未来规划38:09
想问一下您未来三年里面对公司的一个规划 ， 或者说希望它成长成一个什么样的公司 ？
其实我们现在主要就在做 AI 应用相关的创业 ， 可能有两个方向在做 ， 我们主要方向 ， 一个方向就是做 AI 视频 、AI 音乐的方向 ， 统一认为为做 AI 的娱乐应用 。
因为在过去几年大家爆发的往往都是 To B 的产物 ， 比如说像 Cloud 或者说像 LibtV 这种平台 。 但是我觉得随着这个模型本身的变化 ， 模型的能力变得更好 ， 然后包括模型成本降低 ， 包括应用度的提高 ， 我觉得会有更多的用户本身可以参与到这些 AI 的合成产品里来 。
所以我觉得反而像 AI 音乐 、AI 视频 、AI 图片这些场景是可以涌现出来的 。 第二种我们其实上在继续去做一些 AI 健康的产品 ， 它可能属于比较小的赛道 ，但是这个方向我们发现确实有非常强的用户需求 ， 然后用户为自己的健康付费的意愿是非常强烈的 。
而且我们本身团队也做了一场试 ， 所以我觉得我们可能会围绕这个方向把它规模做大一点 。 其他的话 ， 更长来看 ， 我觉得社媒的能力是一个比较重要的问题 ， 所以我们可能会加强一些自己做社媒推广或社媒宣传的一个能力 。
我们会想要大量地去做账号 ，在各个媒体上面去做分发 。
今天特别感谢严总的时间 ， 给我们做了一个非常真诚而且非常有意思的分享 。 听众朋友如果对这期节目感兴趣 ， 或者是想要在评论区给我们留言的话 ， 欢迎大家在微信公众号和小宇宙的评论区留下大家的意见 ， 然后我们也会送出 5 个快音的公司周边抽奖给大家 。
好 ， 那我们下期再见 ， 拜拜 。
拜拜
。