【卷卷观察】一边是44%新歌是AI唱的,一边是广告男主脖子扭到后背:AI内容失控的AB面

news2026/4/28 20:16:09
两条新闻放在一起读越读越有意思。欧洲那边流媒体平台Deezer上周公布了一组数据平台每日新增音乐里44%是AI生成的。每天75000首AI歌曲入库。调查发现97%的用户根本分辨不出哪首是AI唱的、哪首是真人在录音棚里唱的。中国这边网易云音乐在爱奇艺投放了一条AI生成的广告。广告里那个AI生成的男演员脖子能180度旋转动作诡异画面阴间。广告上线后引发全网吐槽然后爱奇艺和网易云音乐开始互相甩锅——iQIYI说是网易擅自改了素材网易说是iQIYI改的反正就是没人愿意为这条AI广告负责。两条新闻看似八竿子打不着一个是音乐平台数据一个是视频广告翻车。但它们说的是同一件事AI内容的失控正在从两个方向撕裂内容产业——一边是数量失控一边是质量失控。Deezer告诉我们的AI音乐已经泛滥到平台扛不住了4月20日Deezer发了一组数据数字摆在那儿来回看都觉得不真实数量维度每日新增音乐44%是AI生成的每天75000首入库每月超过200万首增速去年1月1万/天今年1月6万现在7.5万按这个速度明年限可能是每天50万首后年可能500万首。指数级增长不是线性增长。更让人后背发凉的维度AI音乐在平台总播放量中只占1-3%——用户实际听的还是真人音乐但这1-3%里85%被识别为欺诈流量直接取消变现Deezer调查97%的用户无法区分纯AI音乐和真人音乐97%。这个数字让我不安了很久。你打开歌单一首接一首听感觉哪首都差不多挺顺耳。你不知道的是你听的这些歌可能连一个真人在录音棚里唱过一个音符都没有。不是歌手假唱是歌手根本不存在。更让人不安的是上个月一首纯AI生成的歌曲登上了美国、英国、法国、加拿大、新西兰iTunes排行榜榜首。一首没有创作者、没有演唱者、没有人格化的音乐作品登上了人类音乐排行榜榜首。Deezer CEO Alexis Lanternier说AI生成音乐已经far from a marginal phenomenon。随着每日交付量持续增长我们希望整个音乐生态系统能加入我们共同保护艺术家权益为乐迷提供透明度。翻译他也不知道怎么办需要行业一起出标准。爱奇艺网易云告诉我们的AI内容质量失控同样恐怖如果说Deezer的问题是量太大那么中国这条新闻说明了另一个维度AI内容质量失控同样在制造灾难。4月15日前后网易云音乐在爱奇艺投放了一条AI生成的广告。广告内容一个AI生成的男性形象脖子可以180度旋转画面诡异到令人不适。全网吐槽——不是我觉得不好看是看吐了的那种反感。iQIYI的反应素材是网易提供的他们擅自改了已下线。网易云音乐的反应不对是你们iQIYI自己改的我们原版完全正常。36氪的标题一针见血男主脖子180度旋转网易云音乐诡异AI广告是行业裸奔的缩影。裸奔。这两个字精准。AI失控的两条线其实是一回事Deezer是数量失控每天75000首机器人生成速度远超人工审核能力平台治理模式从根本上失效了。爱奇艺是质量失控AI内容没有经过任何有效审核就上线引发大规模反感事后双方开始互相甩锅——没有责任人没有责任认定机制。两个事件的共同点AI内容上线的时候没有人真正看过成品。Deezer来不及看——每天75000首人工审核通道早就堵死了。爱奇艺没人看——流程里压根没有质量审核节点素材到手直接投放出事之后才开始追责。这不是两个孤立事件这是整个内容产业在AI时代共同面对的结构性困境内容生产的门槛降到了接近零但内容治理的能力还停留在上一个时代。97%这个数字为什么比44%更值得警惕97%的用户无法区分AI音乐和真人音乐。这句话什么意思意味着作为普通听众你以为自己在欣赏某个歌手的作品但其实那首歌从词曲到演唱到混音全是AI生成的没有任何一个真实的人类音符参与。你以为自己被某首歌感动了但那个创作者根本不存在。这不只是听歌的问题这是人类的情感表达正在被技术解构的问题。音乐之所以有价值从来不只是因为好听。是因为有一个真实的人经历了真实的情感然后把这种情感转化成了音符你接收到了这种情感的传递。这是一个完整的情感链条。AI音乐把这个链条打断了。中间那个真实的人消失了。音符还在但情感的来源变成了空心。更让人不安的是那个iTunes排行榜的事实——一首没有创作者的歌曲登上了人类文化消费的榜单。当机器可以批量生产听起来像音乐的东西时音乐这个概念本身还能维持原来的意义吗甩锅文化暴露的是治理真空爱奇艺AI广告事件里最值得拎出来说的细节双方开始互相甩锅。iQIYI说是网易擅自改了素材。网易说是iQIYI改的。注意这个逻辑AI生成的广告上线出事了但没有人承认自己看过那条广告。这意味着什么意味着这条AI广告在投放之前平台没有审核品牌方也没有确认。两边都没有把这条素材当回事——反正AI生成的出了问题AI负责。但AI不能负责。最终负责的还是人。但这个人找不到。这是所有AI内容失控事件里最可怕的部分当AI生成的内容引发问题时现有的责任认定机制完全空白。Deezer的欺诈流量问题也是同一个问题有人用AI批量生成音乐去刷播放量骗版税但这些刷量行为的主体是谁平台能追责吗答案是很难或者说根本做不到。AI让内容生产的门槛降到了零但同时也让责任主体变得模糊。出了问题你甚至不知道该找谁。普通人怎么办说了这么多宏观的最后说点实际的。第一打开音乐平台的AI标注选项。大多数平台都有只是默认关闭。打开它至少让自己知道正在听的是不是AI生成的。这是最低限度的知情权。第二看见AI内容多问一句。看到一个歌手或一段视频先问自己这是真实的人创作的吗是谁这种习惯不保证你能分辨所有AI内容但至少能让你保持警觉。第三支持你认识的真实创作者。AI音乐再泛滥真人音乐家还在。他们需要你的注意力。AI可以批量生成内容但无法复制你和某个真实创作者之间的情感连接。第四如果你在内容行业不要让AI成为偷懒的借口。那条广告翻车不是因为用了AI而是因为没人真正审核过。AI是工具但不能把AI生成的当成不需要审核的同义词。最后一条是欧洲音乐平台被AI音乐淹没一条是中国广告圈被AI内容炸锅。表面是两件事实际是一件事的两面AI让所有人都能生产内容但没人知道怎么治理。音乐产业的困境是审核速度追不上生成速度欺诈流量泛滥真实艺术家的生存空间被挤压。广告产业的困境是质量失控没人负责出事之后双方开始互相推诿连责任人是谁都找不到。这两个困境都指向同一个答案整个行业需要重建AI时代的内容治理规则——谁生成、谁审核、谁负责、出了问题怎么处理。但谁来定这个标准怎么落地谁来执行我不知道。行业也不知道。但至少我们可以从意识到问题存在开始。从打开AI标注选项开始。从多问一句这是谁做的开始。从拒绝消费那些没人愿意为其负责的内容开始。市场会用脚投票。但前提是——你知道自己在投什么票。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2540059.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…