原文：《Web3 + AI 賦能個人品牌：萬事達音樂計劃以及AI 時代的版權挑戰》
作者：starzq
Mastercard Artist Accelerator 是一個音樂人加速器項目，提供獨家內容、AI 音樂工具和多種Web3 機會，通過發掘新興人才推動音樂行業的發展。
通過Mastercard Music Pass NFT，音樂人可以
- Follow 5 位新興音樂家+ 5 位mentor 的指導，學習如何建立web3 驅動的音樂品牌
- 訪問獨家內容，學習如何利用區塊鏈技術進行創意和營銷
- 使用AI 工具來作曲
【社區+ 內容+ 工具】組成了一個典型的基於Web3 + AI 的個人品牌孵化器
- 音樂人在社區裡面交流和積攢粉絲，學習必要的技能，使用AI 工具提升創作效率
- 音樂人通過孵化，打造個人的內容、社區和NFT Pass, 形成個人品牌
整個孵化計劃分為4 個部分，還是比較完整的
- 4 月：開放Mastercard Music Pass 給公眾mint
- 5 月：發布AI 作曲工具
- 5 月：5 位新興藝術家分別與一位導師搭檔，幫助他們在Web3 的世界中建立個人品牌
- 6 月：5 位新興藝術家畢業演出
Mastercard Music Pass 卡的目標用戶是誰？
Mastercard Music Pass 卡的mint 門檻相當低，用戶只需要填寫郵箱就可以Claim，不需要連接小狐狸錢包，也不需要gas 費
官方稱該項目是與Polygon 共同創建，為每個用戶創建了一個託管錢包。簡單理解就是目前錢包類似web2 的體驗，好處是門檻低，短期沒有炒作風險，但是否能轉移和交易需要官方來決定，另外官方稱未來允許將資產轉移到非託管錢包。
這種【先讓用戶低門檻進入+ 必要時轉到鏈上】的方式我們之前也介紹過，目前看來是最適合onboarding web2 用戶的方案。網站上也準備了《Web3 音樂入門》，由此來看，Mastercard 音樂計劃的主力用戶的確定位在web2 裡對音樂感興趣的用戶, 希望有一個大基數的社區基礎。
不過小小的吐槽一下，對於【錢包】和【客服】問題，萬事達卡也沒有做好充分的準備，官推下不少人問如何把Pass 轉移到MetaMask，官方建議DM 提供更多信息。我也去DM 了一下，結果收到了先測試網速的自動回复😂
不確定現在有多少用戶claim 了這張Pass, 以及如何進入官方社區，看到月底會不會有公告。
btw, 看到一個觀點「過去一年多Web2 到Web3 的用戶遷移，是個偽命題」。我認真看了曾鳴、馮波、蔡文勝三位大佬討論的原文，個人理解，曾鳴在提出這個觀點的時候，更多是在強調「創造出足夠大的用戶價值」，而不是說不需要降低用戶進入Web3 的門檻。同場的蔡文勝也做了對應的補充：
移動互聯網的爆發與兩個東西有關係。 2009 年iPhone 的橫空出世，包括安卓在2010 年出現以後，整個操作系統帶來巨大的革命。以中國為例，真正在中國普及也是2011 年、2012 年華為、小米的出現，把手機的賣價成功降到2000 塊以下。
谷歌剛出來第一代第一台都七八千塊，你是很難接受的。我們在談的Crypto，現在以太坊費用已經降到1、2 美金，但還是相當於十幾塊人民幣，能不能再降一個台階？熟度再到一個台階。
10 年前也有大量討論「為什麼要這麼貴的手機，續航還不如諾基亞」。智能手機從8000 塊降到1000 塊帶來的門檻巨大下降，以及大量有價值的App, 把數十億用戶遷移到移動互聯網，【降門檻】和【提供價值】是相輔相成的關係。很難想像，如果智能手機還是8000 塊，Web2 會是一個什麼樣的世界。
Web2 App 的核心壁壘是網絡效應，所以獲取大量用戶，本身就是在增加價值；對於主打價值儲存和交換的Web3 DApp（典型如以太坊），同樣具備網絡效應，期待看到獲取更多用戶後，可以孵化出更多有價值的Dapp.
孵化器社區的典型結構是什麼？
萬事達卡搭建的孵化器社區是一個典型的金字塔結構，可以作為參考，一共三層
最頂層是導師，代表這個行業的最尖端水平。這5 位導師各有特色，在音樂領域和Web3 都相當有建樹，特別是Tushar / Latashá / Ian, 既懂音樂又懂web3，簡直是萬事達卡Web3 音樂計劃導師的不二人選
- Tushar Apte: 來自澳大利亞的音樂製作人和詞曲作者，曾為許多知名的歌手和團體創作和製作歌曲，例如Chris Brown、BTS、Blackpink、Demi Lovato、Zayn Malik、Nicki Minaj 等，創作的歌曲有超過20 億的播放量；同時他也發行過自己的NFT，擔任創業公司顧問
- Latashá: 來自LA 的Rapper, 同時也是Zora 的社區leader, 幫助獨立音樂人在web3 發展（簡直太酷了）。
- Ian Rogers: 音樂（雅虎音樂總經理、Beats CEO、蘋果音樂資深總監）和奢侈品（LV 集團首席數字官、Lyft 董事會成員）行業老兵+Web3 領導者，目前是Ledger 的首席體驗官，負責推動加密貨幣和Web3 的安全和用戶體驗
- Nife: 非洲舞者和內容創作者，在Instagram 上有近100 萬粉絲。
- Brian Trunzo: 一位多才多藝的人，曾經是一位成功的律師，然後轉行成為一位時尚創業者和顧問，現在是Polygon Labs 的北美業務發展主管
中間是新興音樂人，一方面嚮導師學習音樂和web3，另一方面也是其他音樂人和愛好者的參考榜樣
最後是其他音樂人和愛好者，他們是社區的主力成員，用自己的行動來支持音樂人的發展，同時往上晉級
在這樣的金字塔結構裡，每一層用戶都有自己的目標，共同組成一個有活力的社區
關於如何建立token-gated 社區，Ruby 剛寫了一條推，歡迎延伸閱讀。
什麼樣的內容適合做token gated?
目前官網上放出來了4 篇內容，除了上面提到的《Web3 音樂入門》外，其他3 篇都需要持有Pass 才能訪問，包括
- 《如何通過數字藏品建立社區》
- 《如何發布數字藏品》
- 《Web3 中的參與模型》
說實話，這3 篇內容都非常淺，而同樣主題下寫的更好的內容非常多。這裡引發一個探討：什麼樣的內容適合做token gated？
我自己的答案，3 類內容適合做token gated
- 有「在場感」：比如直播、線下聚會等。這類內容的本質是互動，用戶會為「不能錯過的在場感」買單，同時token gated 也保障了互動的質量
- 有「優先感」：比如搶先體驗新發布的音樂
- 有「獨享感」：比如獨家花絮，和藝人交流的機會等
這3 類內容本質上都是通過「稀缺性」來吸引用戶付費，同時token gated 又進一步保障了稀缺性。
「非稀缺」內容用來做獲客，「稀缺」內容用來做token gated 的社區權益，這樣的劃分就會比較清晰。
AI 時代，如何對作品確權？
AI 作曲工具說實話已經不少了，萬事達卡肯定也不會自己做，基於目前收集的信息，應該是和WarpSound 合作，幫助音樂人提升效率。
這個部分，我們來探討一個有趣的話題：AI 時代，如何對作品確權？
用Web3 完美解決音樂版權問題的時代還在遠方，用AI 大批量生成音樂的時代已經來臨了。
AI 生成的作品，版權如何做歸屬呢，這是每一個音樂人/ 創作者都關心的問題。 Water&Music 有一篇關於音樂版權歸屬的文章很精彩（感謝Henry 推薦和分享），我們做了一些編譯，剛好對這個部分做個探討。
《AI 音樂版權歸屬問題》By Yung Spielburg
- 為什麼創作歸屬在當今音樂產業中至關重要
- 為什麼創意人工智能讓歸屬變得如此困難
- 案例研究：小規模方式解決權利歸屬
- 結論：歸屬優勢
原文鏈接：https://www.waterandmusic.com/the-music-ai-attribution-problem/
1. 為什麼創作歸屬在當今音樂產業中至關重要
在今天TikTok 驅動的音樂傳播市場中，音樂人越來越多地採用「放手」他們的作品作為一種生存策略。病毒式的未經授權的混音和片段可能會意外地改變音樂人的職業生涯。
目前這種傳播模式的核心是，通過不受限制的分發（例如盜版混音、TikTok 視頻）擴大音樂作品的傳播面，最終使得音樂人的品牌受益。
這個模式通過在大眾觀眾中增加曝光，不僅推動了音樂消費，還有門票銷售、商品、贊助和其他收入；使得音樂產業價值歸屬到音樂人本人品牌而非音樂資產本身。
這是一個雙贏局面：未經授權的翻唱（衍生作品）作品的創作者建立了他們的受眾粉絲，而原創作品的創作者則獲得了後續的興趣以及對衍生作品進行商業化的能力（如果他們願意的話）。
但即使如此，這個系統仍然依賴於一個關鍵因素，如果沒有它整個結構就會崩潰：創意歸屬，或者說識別原始作品的作者的能力。
對於現有的音樂採樣或改編等情況，歸屬是直接明確的，並且有著既定的信用和清算系統。然而，當模仿或「從現有作品中汲取靈感」時，分析變得更加模糊，可能涉及訴訟和相互矛盾的專家意見。音樂和技術產業最近推出的一些舉措，例如Spotify 的Songwriter 頁面和TikTok 的Crediting Creators 工具，旨在在更加自由形式的媒體世界中增強歸屬可見性。
但現在進入生成式音樂模型領域後，「我們所知道的音樂產業歸屬方式可能被顛覆」。將現有採樣結構映射到生成AI 工具上是非常誘人的想法，但可能證明是一個難以應用的框架。
2. 為什麼創意人工智能讓歸屬變得如此困難
AI 創意在音樂領域的歸屬問題非常困難。與採樣不同，很難確定訓練數據對生成AI 模型的輸出有多大影響，或者原創作者在商業化模型中應得到多少補償。
當前的創意AI 架構在一個關鍵點上存在很大的爭議：一個單獨作品是否可以直接影響輸出，特別是對於需要高質量結果的大規模模型。隨著模型參數隨著更多藝術家貢獻數據的增加而增加，最終的表示變得更加複雜。
例如，一個大規模的音樂AI 模型可以使用來自訓練數據中數千個類似音樂家的重疊數據來生成特定的EDM 藝術家風格的作品，而沒有明確的確定哪些包含在內，同樣重要的是哪些不包含在內。
音樂AI 從業者Mat Dryhurst 通過將他自己的Holly+ 模型（基於Holly Herndon 的聲音）與Stable Diffusion 或Midjourney 等大模型進行比較，說明了這個問題:
「Holly+ 是全部都是Holly 的聲音，只有十個製作人的模型的收入可以分成十個部分- 容易。有十億參數的模型？別想了。」
到目前為止，大多數值得關注的音樂AI 模型都是建立在大量的訓練數據上的。例如，Google 的MusicLM 部分是基於MuLan 構建的，該數據集包括4400 萬個記錄，總共370,000 小時（約42 年）的音頻，以及包括343 天的創意共享許可音頻的Free Music Archive 數據集。因此，Google 的研究人員可能在音樂中面臨與文本和視覺藝術同行相似的歸屬挑戰。 （更加嚴重的是，OpenAI 等有影響力的AI 公司由於市場競爭壓力，讓他們的生成模型訓練數據更加不透明。）
3. 案例研究：小規模方式解決權利歸屬
許多音樂AI 創始人和開發者通過小規模的方式開始（暫時）解決歸屬問題。
與其他創意領域相比，音樂AI 項目的開發者更加重視訓練數據的來源，以避免由於版權問題而無法推出商業產品。
我們發現開發者傾向於直接委託藝術家和製片人提供訓練數據，主要以回購方式結構化交易（例如，Mubert Studio 支付藝術家每個樣本0.50 美元，以供其Render 工具使用）。這種方法與大規模圖像和文本生成器採取的方法不同，後者目前面臨從互聯網上抓取受版權保護內容的潛在法律風險。
原文裡面介紹了幾個工具，Spawning, Never Before Heard Sounds, Infinite Album, 這裡不一一展開。
總結下來，暫時的解決方式是
先明確每一首作品的歸屬
AI 做（小規模）訓練的時候，需要作品授權，同時支付訓練數據費用
但因為很多內容都公開在網上，隨著ChatGPT 和Midjourney 這類大規模AI 模型納入更多用戶生成內容並允許任何人貢獻培訓數據，識別作品權利歸屬的困難只會增加。
4. 結論：歸屬優勢
增強創意AI 的歸屬功能和標準將為音樂產業相關方帶來許多好處。除了為藝術家提供更清晰的「AI 足跡」之外，歸屬機制還可以使音樂AI 初創企業探索更靈活的培訓數據提供者的補償模型。時間會告訴我們，能否提供不同的補償結構將吸引比競爭對手更好的專有數據，並證明是初創企業的市場優勢。
未來，許多這些初創企業可能想要運營的規模的替代方案會有2 類
根本沒有歸屬。如果沒有歸屬，就沒有辦法根據使用情況提供版稅或支付- 在這種情況下，我們將不得不從頭開始編寫新的、針對AI 的許可框架
所有音樂通過上鍊來實現歸屬，鏈上協議明確是否可以被用來做AI 訓練，以及對應的費用。但這個方案的挑戰是，當AI 模型有億級的訓練數據和參數時，識別是否使用是一件相當困難的事情。在AI 時代，用區塊鏈做內容確權仍然很難。
不論哪一種方案出現，音樂行業準備好迎接這樣的改變了嗎？
收尾
Web3 和AI 的雙重賦能，帶來更多個體品牌，這是一個不可逆的趨勢。雖然還有很多問題待解決，但路一定是越走越清晰，前方風景一定是越來越美麗，我們山頂相見。
