admin
AI音樂能參加金音獎嗎？AI作曲、著作權與人類創作界線一次看
第17屆金音創作獎公布入圍名單，今年共有4242件作品報名，羊駝小姐以6項入圍成為本屆入圍大贏家。
但比入圍名單更值得整個音樂產業注意的，是今年報名規章正式把生成式AI音樂納入參賽規範。
規則方向很清楚：
生成式AI可以作為輔助音樂創作與製作流程的工具，但全部由AI生成的產出物不得參賽。
看起來只是簡單一句：
「可以用AI，但不能全部交給AI。」
但真正困難的問題才剛開始。
如果一首歌：
- 歌詞由人寫
- 旋律由AI生成
- 編曲由AI完成
- 歌聲由真人錄製
這到底還算不算人的創作？
如果旋律由人哼出來，AI負責展開成完整編曲，再使用虛擬歌手演唱，又該怎麼認定？
金音獎這次真正碰到的，不只是比賽資格，而是整個音樂產業未來都必須回答的一個問題：人到底要參與多少，才仍然算創作者？
AI音樂最大的變化，不是機器會不會寫歌，而是它已經可以參與幾乎每個製作環節
過去談數位音樂製作，大家熟悉的是：
- 電子樂器
- Auto-Tune
- 數位音源
- 編曲軟體
- 混音外掛
這些工具會改變音樂，但核心決策通常仍然由人完成。
現在的AI作曲工具則開始直接參與創意選擇。
生成式AI已經可以協助或直接產生：
- 歌詞
- 旋律
- 和弦
- 鼓組
- 完整編曲
- 模擬樂器
- 人聲分離
- 歌聲修正
- 混音與母帶輔助
- 完整歌唱聲線
真正的新問題不是「AI是不是工具」，而是當工具開始替人決定旋律、節奏、結構與情緒時，它還只是傳統意義上的工具嗎？
為什麼金音獎沒有直接全面禁止AI？因為現在很多正常音樂製作本來就已經包含AI功能
如果一個音樂獎項直接規定：
「只要使用任何AI技術就不能參賽。」
實務上可能非常難執行。
因為現代音樂軟體已經大量整合：
- 降噪
- 聲音修復
- 音軌分離
- 節奏分析
- 音準處理
- 自動混音
- 母帶分析
這些功能有不少已經使用機器學習或其他AI方法。
因此真正可執行的界線，不太可能是「有沒有AI」，而會逐漸變成「創作主體到底是不是人」。
但「全部由AI生成」其實沒那麼容易判斷，因為人可能只做了一件事：下Prompt
假設一個使用者輸入：
「幫我做一首台灣獨立搖滾，女聲，BPM 120，副歌要有爆發感，歌詞談30歲離開家鄉。」
AI生成一首完整歌曲之後，人只做：
- 修改兩句歌詞
- 刪掉一段
- 更換一個副歌
這到底應該算完全AI生成，還是人類參與創作？
如果改10%、20%、50%，界線又應該在哪裡？
生成式AI真正改變的地方，是它可能一次就交出接近完成品，因此「人到底做了多少創作」變成必須被重新判斷的問題。
美國著作權局也在問同一件事：不是「有沒有用AI」，而是人類到底控制了多少創作表達
AI著作權目前在不同國家仍處於持續發展階段，不同司法管轄區的制度也不完全相同。
但其中一個核心問題非常相似：
著作權制度傳統上保護的是人類作者的原創表達。
美國著作權局2025年公布的AI報告Part 2指出，AI工具用來協助人類創作，本身不會讓作品失去著作權保護。
但純AI生成內容，或人類對最終表達元素沒有足夠控制的內容，則不能只因為有人下了指令，就自動被視為人類著作。
目前美國著作權局的核心方向可以簡化成4點
- AI作為輔助工具，不會自動排除著作權
- 純AI生成內容原則上不受著作權保護
- 人類對AI產出的創意選擇、安排與修改，可能受到保護
- 單純提供Prompt，目前通常不足以證明人類對表達元素具有足夠控制
這和金音獎的核心邏輯其實很接近：不是排斥AI，而是確認人的創作投入到底是不是作品的核心。
AI作曲真正可能先改變的，不是明星歌手，而是大量「功能型音樂」
談到AI音樂，大家最常想像的是：
「AI是不是會取代流行歌手？」
但最早受到大量自動生成衝擊的，可能反而是另一類市場。
- YouTube背景音樂
- 廣告配樂
- 遊戲背景音
- Podcast片頭
- 商場音樂
- 短影音BGM
這些內容很多時候真正追求的是：
- 快速
- 便宜
- 符合情境
- 不搶主要內容注意力
AI音樂最早受到衝擊的，可能不是站在演唱會舞台中央的人，而是那些一直存在於內容背後、卻很少有人記得名字的商業配樂工作。
當「做出一首能聽的歌」越來越便宜，人的價值可能反而轉向身份、故事與文化背景
如果AI未來可以快速大量產出：
- 旋律
- 伴奏
- 情緒型音樂
- 完整歌曲
那麼單純「做出一首聽起來完整的作品」本身，成本可能持續下降。
這時人類音樂人的價值可能反而更集中在：
- 人格
- 生命故事
- 現場演出
- 社群關係
- 文化背景
AI很容易生成「像失戀的歌」，但真人創作者能帶來的是「這首歌為什麼存在」。
聲音模仿比AI作曲更棘手，因為聲音同時是作品的一部分，也是人的身份
AI創作另一個更棘手的議題，是聲音複製。
現在的AI技術已經可以模擬：
- 歌手音色
- 說話方式
- 咬字
- 唱腔
- 情緒表現
這和「創作一首有某種風格的歌」不同。
如果一首AI歌曲讓聽眾誤以為某個真實歌手真的唱過，就可能同時碰到：
- 聲音與人格權益
- 商業利用
- 身份冒用
- 消費者混淆
美國NO FAKES Act正在處理聲音與外貌的AI複製，但截至目前仍是法案，不是已生效法律
美國2026年版本的NO FAKES Act，就是一個很典型的例子。
這項法案希望建立針對個人聲音與視覺外貌之數位複製的聯邦權利與法律救濟架構，處理未經授權使用AI生成高度擬真聲音或外貌的情況。
但需要特別注意：
截至目前，2026版NO FAKES Act已經通過美國參議院司法委員會並進入參議院程序，但尚未成為聯邦法律。
它反映出的產業方向很清楚：
未來AI音樂最難處理的，可能不只是「旋律誰寫的」，還包括「這個聲音到底有沒有得到本人同意」。
未來「歌手本人到底有沒有唱」可能不再是理所當然
過去聽一張專輯，大家通常預設：
歌手本人真的錄了這首歌。
但未來一位歌手可能只錄製一定量的聲音素材，再授權模型生成其他歌唱內容。
如果本人知情並合法授權，這可能成為新的製作與商業模式。
但如果沒有清楚揭露，消費者可能誤以為：
每一首歌、每一句聲音，都是本人實際錄唱。
未來音樂作品的Credits，可能會多出一欄「AI怎麼用」
音樂作品現在常見的製作名單包括：
- 詞
- 曲
- 編曲
- 製作人
- 錄音工程師
- 混音
- 母帶
未來可能還需要補上：
- AI輔助編曲
- AI生成背景人聲
- AI聲音模型
- AI生成歌詞或旋律素材
AI Credits未來可能像電影片尾的視覺特效與替身名單一樣，成為作品透明度的一部分。
為什麼獎項可能比法律更早畫線？因為今年就有人要報名、今年就有人要評審
法律形成通常需要：
- 立法
- 訴訟
- 法院判決
- 主管機關解釋
但音樂產業沒有辦法等所有法律問題十年後才完全釐清。
因為今年就有人報名，今年評審就必須判斷作品能不能參賽。
因此獎項、平台、唱片公司與工會制定的內部規則，很可能會比法律更早成為AI創作的第一批實務界線。
現在最大的灰區是：AI寫50%算不算？金音獎目前還沒有公布一個「百分比公式」
金音獎目前的規則方向已經很明確：
- AI可作為輔助工具
- 完全由AI生成的產出物不得參賽
但規章並沒有簡化成：
AI低於20%可以、超過50%不行。
因此實際作品可能會出現大量灰色案例。
| 情境 | 可能產生的認定問題 |
|---|---|
| 歌詞100%人寫、編曲100% AI | 哪一個獎項真正評價的是人類創作部分？ |
| 旋律人寫、AI重編 | AI是製作工具，還是已經參與核心創作？ |
| AI生成20版旋律，人挑選並大量修改 | 人的挑選、組合與修改是否構成足夠創作投入？ |
| 歌曲由人寫，歌聲完全由AI模型生成 | 作品與表演者資格要如何分開判斷？ |
下一步可能不是全面禁止AI，而是要求參賽者「揭露AI到底做了什麼」
如果人與AI共同創作的方式越來越複雜，只靠「有沒有使用AI」可能已經不夠。
未來獎項可能需要進一步要求參賽者說明：
- 使用哪一類AI工具
- AI參與哪些環節
- 哪些內容由AI直接生成
- 哪些內容由人重新修改
- 是否使用真人聲音模型
當AI比例沒有辦法用一個數字準確計算時，「透明揭露」可能比「全面禁止」更容易執行。
串流平台下一個真正的大問題，可能不是歌好不好聽，而是AI一天到底可以產生多少首
AI音樂帶來的另一個巨大改變，是生產速度。
一名人類音樂人一年發表10首、20首完整作品，已經可能需要大量製作時間。
生成式AI則可以快速大量生成版本。
當音樂生成成本快速下降，Spotify、Apple Music、YouTube Music等串流平台可能需要處理的不只是侵權。
- 大量AI歌曲上架
- 假藝人帳號
- 搜尋結果被大量低成本內容淹沒
- 機器人串流
- 版稅分配
- AI內容標示
當音樂的生產成本接近零，平台真正變得稀缺的資源，就不是歌曲，而是人的注意力。
AI也可能降低「版稅農場」門檻，讓自動生成、自動上架與自動播放串在一起
過去如果有人想大量製作低成本音樂來搶串流收益，至少還需要真正完成：
- 寫歌
- 錄音
- 編曲
- 混音
但如果AI可以大量生成音樂，再配合假帳號、自動上架甚至虛假串流，就可能形成新的平台治理問題。
AI音樂最後不只是一個「藝術算不算創作」的哲學問題，也會變成平台治理、金流與反詐問題。
對唱片公司來說，AI真正的商業價值可能不是取代音樂人，而是降低前期製作成本
AI不一定只能用來「整首生成」。
它也可能大量進入音樂製作中的輔助環節。
- 快速製作Demo
- 測試不同編曲版本
- 生成伴奏參考
- 分離音軌
- 修復舊錄音
- 聲音清理
- 製作不同語言版本
如果AI能縮短這些技術工作所需時間，音樂人可能把更多精力放在：
- 旋律
- 歌詞
- 表演
- 創意方向
AI和音樂人的關係未必只有「取代」，更可能是重新分配哪些工作交給機器、哪些決策仍由人完成。
真正更大的著作權戰場，可能不是AI生成什麼，而是AI當初到底拿了什麼音樂來學
生成式AI音樂還有另一個更複雜的問題：
模型是用什麼資料訓練出來的？
音樂模型能理解：
- 爵士
- City Pop
- Rock
- R&B
- 特定類型唱腔
往往是因為模型從大量既有聲音資料中學習。
爭議因此集中在：
- 模型開發商是否取得授權
- 是否需要支付報酬
- 創作者能不能拒絕作品被拿去訓練
- 訓練是否構成著作權侵害
而音樂又比單純文字多了一層複雜度，因為一首作品可能同時牽涉：
- 詞曲權利
- 錄音權利
- 表演者權益
- 聲音與身份利益
台灣下一步真正需要建立的，可能不是「全面禁止AI音樂」，而是更完整的創作透明制度
今年金音獎先做了一件很重要的事：
- 承認AI已經會存在於音樂製作流程
- 再劃出完全AI生成不得參賽的底線
但未來如果AI使用方式繼續變複雜，制度可能需要進一步處理：
- AI使用揭露
- 聲音模型授權
- 人類創作者角色
- AI生成內容比例與範圍
- 作品來源與權利聲明
未來音樂作品的製作名單裡，「AI使用方式」很可能逐漸變成和詞、曲、編曲一樣需要被交代的資訊。
AI真正迫使音樂產業重新思考的，不是「機器可不可以做音樂」，而是我們為什麼把某個人叫做創作者
以前幾乎沒有人需要特別解釋：
「創作者到底是什麼？」
因為答案很直覺。
寫歌的人、作曲的人、編曲的人、演唱的人，都有相對清楚的角色。
但生成式AI出現後，角色開始被拆開。
- 有人只寫Prompt
- 有人只挑選AI版本
- 有人修改10%
- 有人修改90%
- 有人只提供自己的聲音模型
- 有人負責最後的人類編曲與製作
未來真正難的不是判斷一首AI歌好不好聽，而是判斷「誰對這首歌的表達負責」。
金音獎這條規則真正重要的地方，是「人的創作貢獻」開始變成一項需要被證明的資格
第17屆金音獎並沒有說AI音樂不好，也沒有說使用AI就是作弊。
規則真正表達的是：
AI可以進入創作流程，但這個以真人創作者為核心的獎項，仍然要求作品存在人的藝術美感與創意投入。
未來這條界線很可能還會持續調整。
因為AI工具會變得更強，人和AI共同完成作品的方式也會越來越複雜。
但有一件事已經非常清楚。
以前音樂產業最常問：
「這首歌好不好聽？」
未來還會多問：
「這首歌到底是誰做的？」
再下一個問題則是：
「那個『誰』，到底做了多少？」
當這三個問題開始同時影響獎項資格、著作權、版稅、歌手身份與平台推薦，AI音樂就不再只是新的音樂軟體。
它正在迫使整個音樂產業重新定義：
什麼叫創作。
而金音獎2026年的這條AI規則，可能只是這場重新定義的第一步。
