AI 音乐不等于英文 — 65 万次生成背后隐藏的语言版图

在我们上一篇关于「究竟是谁在创作 AI 音乐」的分析里，有一个数字几乎被一笔带过：在约 65 万次生成中，大约 93% 的提示词用拉丁字母书写。快速扫过，这个数字像是在说「AI 音乐是英语世界、西方世界的东西」。但读对了，它说的几乎是相反的事。拉丁字母不等于英文。它是西班牙语、葡萄牙语、印尼语、越南语、土耳其语、法语、波兰语、斯瓦希里语，以及数千种语言共用的书写系统 —— 而在这份数据里，英语流行只是其中很小的一部分活动。用这些工具做音乐的人，大多并不是在用英文做。

这篇文章要看的是那 93% 里究竟装着什么。这些会话大致归入十个各自独立的音乐世界 —— 西班牙语的情歌与圣咏、巴西的 sertanejo 与 funk、印尼的 dangdut、土耳其的 arabesk、巴尔干歌曲，等等 —— 而每一个世界都对应着流媒体经济中一段真实、有据可查的爆发。AI 音乐创作的地理分布并不令人意外，它就是非英语音乐的繁荣，只不过提早一步出现在了产业链的上游。

误读：拉丁字母不等于英文

把罗马字符直接当成英文，是一种识字带来的错觉。拉丁字母被用来书写超过 3,000 种语言，覆盖全球约 70% 的人口 —— 横跨西欧与中欧、撒哈拉以南非洲、美洲与大洋洲。字母只是一组形状；语言和意义是叠加在它之上的。正如语言学参考资料所说，同一种书写系统可以承载许多语言，而同一种语言也可以用多种字母书写。「用拉丁字符写成」几乎不能告诉你眼前是哪种语言，更说不清它是不是英文。

数据把这一点坐实了。在全部 65 万条提示词中，出现频率最高、又不属于结构标签的词是 que —— 这个西班牙语和葡萄牙语里的功能词出现了 57.3 万次，比 chorus（45.2 万次）还多，而后者是最常见的英文歌曲结构标记。amor（西班牙语和葡萄牙语里的「爱」）出现约 7.95 万次。当语料按语义聚类时，英语流行这一簇只占 5 万次会话样本中约 18%。即便把分散在器乐簇和电子簇里的英文也算上，英语活动占比仍不到三分之一。一个西方观察者会下意识对应到自己身上的拉丁字母，在这份数据里承载的主要是西班牙语、葡萄牙语、印尼语、土耳其语和法语。

这不是这份数据集独有的怪癖。它紧贴着一个已被测量、正在加速的转变：世界在听什么。英文在 Spotify 播放量前 10,000 首歌曲中的占比从 2021 年的 67.0% 降到 2022 年的 62.1%，再到 2023 年的 54.9% —— 大致每个季度丢掉一个百分点，被西班牙语、德语、葡萄牙语、法语、韩语、印地语和印尼语接手。到 2024 年，在 Spotify 上有八种不同语言的音乐各自产生了超过 1 亿美元的版税 —— 英语、西班牙语、德语、葡萄牙语、法语、日语、韩语和意大利语 —— 而在 2017 年达到这个量级的只有两种语言（英语和西班牙语）。在年收入超过 100 万美元的艺人当中，所涉语言的数量同样翻了一倍以上。录制音乐的经济版图正在去英语化，而创作数据比它还早一步。

同一套字母下的十个世界

上一篇分析曾顺带点到其中六个聚类。这里把它们是什么、以及它们所依托的、有据可查的音乐经济一一说清。这份样本按语言和地区估算的构成大致如下：

西班牙语：地球上播放量最高的语言不是英文

最大的非英语世界是西班牙语，而且它绝不小众。Bad Bunny 连续三年蝉联 Spotify 全球播放量最高的艺人，直到 2022 年，仅 2022 年就拿下超过 185 亿次播放 —— 全部用西班牙语录制。Spotify 上的拉丁音乐听众数量从 2014 到 2023 年增长了 986%；2013 年全球 Top 100 里没有一首拉丁歌曲，到 2023 年全球 Top 100 中每五首就有超过一首是拉丁音乐。在美国 —— 这个本该是英语流行的中心 —— 拉丁音乐的收入在 2024 年创下 14 亿美元的纪录，连续第九年增速快于整体市场，其中 98% 来自流媒体。

这个世界内部还藏着数据清楚显示出来的细分场景。地区性墨西哥音乐 —— corridos tumbados 和 música mexicana —— 在 2018 到 2023 年间于 Spotify 全球增长超过 440%，并向整个拉美扩散（哥伦比亚增长 445%），Peso Pluma 跻身全球前五。还有一块更安静但体量很大的部分是宗教类：当代基督教音乐五年间在 Spotify 全球增长约 60%，尤其在巴西、印尼、菲律宾、印度和南非激增。数据里的西班牙语簇满是祷告、敬拜歌曲和 quinceañera 致敬曲 —— 这是一个西方主流报道基本看不见的非西方消费基础。

葡萄牙语：巴西建起自己的榜单

巴西如今是全球第九大录制音乐市场（2024 年数据），这是首次有两个拉美市场同时跻身全球前十（巴西第九，墨西哥第十） —— 而且巴西是其中增长最快的一个，2024 年增长 21.7%，远高于 4.8% 的全球增速。主导这个两亿人口市场的，是葡萄牙语音乐。Sertanejo —— 巴西版的美国乡村音乐 —— 是它单一最流行的流派，sertanejo 二人组 Henrique e Juliano 是 2024 年 Spotify 巴西播放量最高的组合。它草根的对应物 funk carioca 能登顶名副其实的全球榜：Anitta 的 funk 单曲「Envolver」让她成为首位登上 Spotify 全球榜冠军的拉丁独唱艺人，时间是 2022 年 3 月。

巴西场景也预演了 AI 音乐工具会加速的东西：一个被民主化、独立的创作群体。巴西艺人 2023 年从 Spotify 赚得超过 12 亿雷亚尔 —— 是 2018 年的四倍多 —— 其中超过 70% 来自独立艺人和厂牌。年收入超过 10 万雷亚尔的巴西艺人数量自 2017 年以来增长了超过 500%。这是一个讲葡萄牙语、被流媒体饱和、以独立创作者为主的市场 —— 恰恰是那种会伸手去拿一款「免去录音棚」工具的人的画像。

东南亚：被收入榜漏掉的体量

东南亚这一簇最能暴露西方的测量方式如何错过了真实的活动。印尼 —— 全球人口第四多的国家 —— 靠的是dangdut 和 dangdut koplo，它的国民流行音乐，用印尼语和爪哇语演唱，跨越所有年龄和阶层。然而在收入口径上印尼几乎隐形：根据一份 Billboard 分析，它贡献了约 0.9% 的亚洲录制音乐收入，却每天在全球产生约 6,600 万分钟的印尼艺人音乐播放，自 Spotify 在当地上线以来累计约 100 亿次播放。活动与金钱已经脱钩 —— 而西方的仪表盘只读得到金钱。

这个模式在整个地区反复出现。在首届 2025 年 IFPI 官方越南榜上，前十名里有八首出自越南艺人。在泰国，本土语言的歌手霸占榜单 —— Jeff Satur 在 2024 年同时领跑最佳本土艺人和最佳歌曲，流媒体约占该市场的 92%。印尼本身现在拥有 2.12 亿互联网用户和 3.56 亿移动连接 —— 约为其人口的 125%。这些是移动优先、由本地驱动的音乐市场，而那套从西方办公桌写出来的「AI 垃圾」叙事，根本进不去。

土耳其与巴尔干：arabesk、turbo-folk，以及本土语言的多数派

电子簇和巴尔干簇会分解成一些具体的地区流派，毫无英语流行的血统。Arabesk —— 建立在奥斯曼 makam 音阶上、多用小调的土耳其流行音乐 —— 几十年来是土耳其的主导形式之一，并扩散到巴尔干、高加索和中东。它的崛起，是一个被忽视人群的崛起：学术研究把 arabesk 的流行归因于从农村迁往城市的人口，他们因其东方色彩而被西化的世俗精英所轻视。隔壁，turbo-folk 对前南斯拉夫地区的统治如此彻底，以至于 Billboard 在 2022 年推出克罗地亚歌曲榜时，榜上仅有的西方组合只有 Glass Animals 和 Red Hot Chili Peppers。

这不是一条东欧脚注 —— 它就是欧洲的常态。在 IFPI 首份 「欧盟音乐」报告中，本土、本国语言的艺人在各欧盟市场 Top 10 里平均占到 60% —— 希腊和匈牙利全部十席、克罗地亚和意大利九席、波兰八席。而欧洲增长最快的音乐市场都在东部：保加利亚 2023 年增长 44%，波罗的海三国 21.2%，波兰 18.3%，而法国和捷克只有 4–5%。本土语言的多数派，就是整片大陆。

这本可预见：聚类紧贴流媒体爆发的影子

把这十个聚类叠到有据可查的流媒体数据上，几乎能一一对上。西班牙语簇坐落在一个拉丁听众增长 986%、全球播放量最高的艺人用西班牙语录音的市场之上。巴西簇坐落在地球上增长最快的前十市场之上。土耳其簇和巴尔干簇坐落在全球增长最快的地区和欧洲增长最快的市场之上。AI 音乐的采纳没有落在随机的地方 —— 它恰恰落在音乐需求本就在加速的地方，只是在产业链上更早一步，在歌曲登上任何榜单之前。

宏观数字也在说同一件事。全球音频流媒体增长 14%，达到 2024 年的 4.8 万亿次播放，但增长几乎全部来自美国以外 —— 国际播放量增长 17.3%，美国本土只有 6.4%。美国、英国和加拿大在付费播放中的合计份额，一年内从 57.52% 滑落到 56.22%，而墨西哥、巴西和印度涨幅最大。按收入计，2024 年增长最快的三个地区是中东与北非（+22.8%）、撒哈拉以南非洲（+22.6%）和拉丁美洲（+22.5%） —— 每一个都是非英语、绝大多数非西方的市场，全部以约五倍于全球平均的速度增长。音乐的重心正在移动，而它移向的，正是这份数据集里早已塞满的那些语言。

盲点是双向的

数据在这里变得真正离奇。做最多 AI 音乐创作的地区，恰恰是 AI 本身被造出来服务得最差的地区。一项关于 AI 音乐训练数据的研究 「Missing Melodies」发现，大约 86% 的训练时长来自全球北方，对比全球南方只有 14.6% —— 6,128 小时欧洲音乐，对上仅仅 27.5 小时非洲音乐。底层的通用模型也好不到哪去：GPT-3 的训练数据按词数算 93% 是英文，而斯坦福研究者描述了一道「数字鸿沟」：尽管说英语的人不到全人类的五分之一，几乎一半的网站却是英文的。而当这些模型确实生成非西方音乐时，它们会把它压平：一项 NeurIPS 2025 的研究分析了横跨 147 种语言、79 个国家的 73,000 首 AI 生成曲目，发现模型会系统性地把地区流派 —— ghazal、歌剧 —— 向西方流行和摇滚坍缩。

现在把这一切对照工具实际被使用的地方。在 Suno 上，美国只占约 19% 的流量，紧随其后的是俄罗斯、德国、巴西和日本 —— 超过 80% 的使用来自美国以外。更广义的生成式 AI 采纳也偏向同一方向：2025 年美国只占 ChatGPT 流量的约 15%，落后于印度，领先于巴西和印尼。结果是一个反馈循环：AI 音乐最重度的用户，被递到手里的恰恰是最不适配他们流派的模型，所以一个西方批评者所感知到的任何「低质量」，部分是训练偏差的产物 —— 而不是创作者的问题。

值得把「垃圾」到底量的是什么说清楚。引爆这套叙事的那个数字 —— Deezer 报告称约 44% 的每日上传是 AI 生成的 —— 同时也指出这些曲目只占实际播放量的 1–3%，其中高达 85% 的播放被标记为欺诈。这是一个西方平台上的「上传加欺诈」指标：它统计的是被倾倒进版税系统里的东西，而它看不见一个在雅加达或累西腓做歌的人。而当同一家公司做了一次盲测时，横跨八个国家的 9,000 名听众中，有 97% 分不出完全由 AI 生成的曲目和人类制作的曲目。如果几乎没人能听出差别，那「垃圾」就不是音频本身的属性。它是一种关于出身的身份判断 —— 在那些自身变现正在停滞的市场里喊得最响，针对的却是那些正在增长的市场里被创作出来的音乐。

是延续，不是颠覆

读懂这一切最干净的方式是：AI 音乐没有发明一个新的创作阶层。它只是为一个本就在赢的群体，移除了最后一道成本门槛。那个独立的、非精英的、非英语的创作者，恰恰就是把流媒体撬开的人 —— 在 Spotify 上年收入超过 1 万美元的艺人中，超过一半来自英语并非第一语言的国家；超过 70% 的巴西版税流向独立创作者。那些占主导的非英语流派本身也是自下而上的：funk 建立在廉价的数字工具上，arabesk 建立在移民听众上，dangdut 横跨每一个阶层。

用传统方式制作一首歌大约要花 500 到 5,000 美元 —— 录音棚时间、一名制作人、混音、母带。AI 工具把这个成本压向零，而且是为一个本就移动优先、本就在创作的群体压下去的：仅印尼就有 3.56 亿移动连接；拉美的移动经济价值 5,500 亿美元，占地区 GDP 的 8.2%。这个故事不是一台机器在用垃圾淹没西方。它是一个越南少年、一个巴西教会团体、一个土耳其婚礼歌手，用一句提示词的价格拿到了一间录音棚 —— 并用他们自己的语言写歌。

这正是 Lacuna 背后的前提，也是这款产品运行在九种语言而非一种语言上的原因。世界并不用英文做音乐，工具也不该如此。