一句描述就能讓機器寫出一首還算像樣的歌。另一台機器能把錄音寫成樂譜，過去得由受過聽寫訓練的人花上好幾個小時，逐一寫下音符。到了 2026 年，這兩件事都已經做得到。作曲和採譜曾經是音樂人身分的重要部分，如今軟體也做得來，拿著樂器的人還能做什麼？
工具接手了一些工作，音樂卻仍然留在人手裡。寫出音符或樂譜，和親自演奏、用音樂表達自己的經歷，是不同的事。
機器實際接手了哪些工作
模型已經能立刻生成一首結構完整、符合曲風的歌，也能一次生成很多首。它也能聽錄音，把音符寫得夠準，交出一份很有用的樂譜草稿。這些工具確實把過去費時、需要技巧的工作自動化了。
不管是依照既有歌曲的常見模式來寫歌，還是把聲音轉成符號，都大致有一套標準能判斷結果對不對。做這類工作時，能先訂出要求，再衡量結果、持續改進。機器擅長處理這種任務，也因此能把它們做得越來越好。
機器沒有接手，也做不到的事
人想做音樂、喜歡音樂，多半是因為下面這些事。它們仍然留給人來做。
- 選值得演奏的歌。 生成工具能做出 1,000 首歌，卻無法告訴你哪首對你有意義，也不知道你為什麼選這段旋律，而不選另一段。覺得這首歌好、那首歌空洞，靠的是人的品味與判斷。沒有標準答案能讓機器照著改進。
- 詮釋。 樂譜寫的是指示，演奏裡卻有千百個譜上沒寫的決定。停頓要留多久，哪裡要多給一點力道，哪些地方要保留粗糙感。兩個人照著同一份譜演奏，聽起來仍然很不一樣。這些差異就是藝術。
- 身體。 音樂離不開身體。演奏時的呼吸、手上的繭和每個人雙手移動的方式，都會影響音樂。模型沒有身體，不會親自到現場演奏，也不會受到這次演奏的影響。
- 想表達的事。 人演奏一首歌，會帶著自己的人生經歷，為了某個人，想說些什麼。機器裡沒有一個想藉著音樂說話的人，生成音樂時也就沒有這樣的用意。
- 一起在現場的那一刻。 音樂常常是人們在同一個時間、同一個地方，一起做的事。在告別式、酒吧或營火旁唱的一首歌，它的價值和在場的人分不開。這是生成工具做不出的。
為什麼採譜反而幫得上音樂人
AI 採譜很容易讓人想到 AI 對音樂人的其他威脅。不過，它實際替音樂人省下的，是整個流程裡最費時、最反覆的工作：一個音一個音地把歌聽出來，再寫下來。你得到的是能編輯的樂譜，要不要演奏、怎麼詮釋，還是得自己決定，也得自己動手演奏。
挑選這類工具時，可以看它有沒有替你處理瑣事，又把音樂上的選擇留給你。採譜把錄音轉成樂譜，你能讀譜、把音樂放慢或重新編排，最後再用自己的雙手，照自己的想法演奏。機器負責輸入，你負責做音樂。工具本身沒有品味，音樂裡聽到的是你的品味。
哪些擔心有根據，哪些誤解了音樂
生成的音樂太多，聽眾更難找到人創作的作品。法院也還在審理模型使用別人錄音來訓練的爭議。這些擔心都有根據。
但如果因此覺得音樂人從此變得多餘，就誤解了人為什麼需要音樂。我們聽音樂，有一部分是因為有人創作它，也想透過它表達些什麼；我們親自演奏，是因為演奏本身就是生活裡一件很美好的事。機器如今能代替人完成一些費力的音樂工作。要選哪首歌、怎麼演奏、怎麼把自己的想法放進音樂裡，仍然由人來做。
常見問題
如果 AI 會作曲，也會採譜，音樂人還能做什麼？
詮釋、品味和親自演奏，一直都是人做音樂的原因。AI 能生成一首像樣的歌，也能把錄音寫成樂譜，但它不會決定什麼值得演奏。它沒有身體，也沒有自己的人生經歷，更沒有想藉著音樂表達的事。作曲和採譜可以交給工具，但選擇要演奏什麼、親自演奏、和聽眾產生連結，仍然得由人來做。
AI 採譜會取代音樂人的能力嗎？
不會。採譜是把錄音轉成樂譜，得一個音一個音地記下來。以前靠耳朵聽寫，往往得花上好幾個小時。AI 交給你的是能編輯的樂譜，不會替你演奏、詮釋，也不會判斷這首曲子好不好。省下聽寫的時間，音樂人就能多練習、編曲和演奏。
音樂人該擔心 AI 嗎？
生成的音樂大量湧入市場，模型如何使用訓練資料也有爭議，這些都確實值得擔心。不過，擔心 AI 會讓演奏者變得多餘，就誤解了人為什麼需要音樂。人們珍惜音樂，有一部分是因為有人創作它，也真的想透過它表達些什麼。作曲和採譜工具改變了工作流程，人原本想演奏、想聽音樂的理由卻仍然存在。
如果你想多花點時間演奏，就把輸入樂譜的工作交給工具。Songscription 把錄音轉成樂譜，約 2 分鐘就能把和弦和各聲部排在譜上，接著就能編輯。省下的幾個小時，就能拿來練習或演奏。想看整套流程怎麼串起來，可以讀2026 年完整 AI 音樂工作流程；至於為什麼值得把這些聲部寫下來，那些留在某個人手裡的歌談的就是這件事。
