AI 音樂不等於英語 — 65 萬次生成背後被忽略的語言

在我們上一篇分析「究竟是誰在創作 AI 音樂」的文章裡，有一個數字幾乎沒被多談：在大約 65 萬次生成中，約 93% 的提示詞用拉丁字母書寫。粗讀之下，這個數字像在說「AI 音樂是英語、是西方的玩意兒」。但讀對了，它說的幾乎相反。拉丁字母不是英語。它是西班牙語、葡萄牙語、印尼語、越南語、土耳其語、法語、波蘭語、史瓦希利語，以及成千上萬種語言共用的書寫系統——而在這份資料裡，英語流行樂只佔活動量的一小部分。用這些工具做音樂的人，大多並不是用英語在做。

這篇文章要拆解這 93% 究竟裝了什麼。這些會話可以歸成大約十個截然不同的音樂世界——西班牙語的抒情歌與聖樂、巴西的 sertanejo 與 funk、印尼的 dangdut、土耳其的 arabesk、巴爾幹歌謠等等——而每一個世界，都對應到串流經濟裡一波真實、有據可查的成長。AI 音樂創作的地理分布並不令人意外。它就是那場非英語音樂熱潮，只是在產業鏈上提早了一步抵達。

一場誤讀：拉丁字母不等於英語

把羅馬字母看成英語，是一種識字造成的錯覺。拉丁字母被用來書寫超過 3,000 種語言，使用者約佔全球人口的 70%——遍及西歐與中歐、撒哈拉以南非洲、美洲與大洋洲。字母只是一組形狀；語言與意義是疊加在它之上的另一層。正如語言學文獻所說，同一套書寫系統可以承載多種語言，而同一種語言也能用好幾套字母書寫。「用拉丁字母寫成」這件事，幾乎告訴不了你眼前是哪一種語言，更別說它是不是英語。

這份資料把這一點變得很具體。在全部 65 萬條提示詞裡，最高頻而又不屬於結構標籤的單字，是 que——這個西班牙語與葡萄牙語的功能詞，出現了 573,000 次，比 chorus（452,000 次）還多，而 chorus 是最常見的單一英語歌曲結構標記。amor（西班牙語與葡萄牙語裡的「愛」）約出現 79,500 次。當整個語料庫按語義聚類時，英語流行樂這個叢集，只佔 5 萬筆會話樣本中約 18%。即便把出現在器樂與電子叢集裡的英語也算進去，英語活動量仍然不到三分之一。那套被西方觀察者下意識認成「自己人」的拉丁字母，在這份資料裡，承載的多半是西班牙語、葡萄牙語、印尼語、土耳其語與法語。

這並不是這份資料的怪癖。它印證的是全世界在聽什麼，這件事正在發生一場可量測、且不斷加速的位移。在Spotify 串流量最高的 10,000 首歌裡，英語的佔比從 2021 年的 67.0% 跌到 2022 年的 62.1%，再跌到 2023 年的 54.9%——大約每一季就讓出一個百分點，而接手的是西班牙語、德語、葡萄牙語、法語、韓語、印地語與印尼語。到 2024 年，Spotify 上已有八種語言各自帶來超過 1 億美元的版稅——英語、西班牙語、德語、葡萄牙語、法語、日語、韓語與義大利語——相比之下，2017 年達到這個水準的還只有兩種語言（英語與西班牙語）。在年收入超過 100 萬美元的藝人當中，所涵蓋的語言數量同樣翻了一倍有餘。錄製音樂的經濟版圖正在去英語化，而創作端的資料，比它還要早一步。

同一套字母下的十個世界

上一篇分析曾順帶點到其中六個叢集。以下就是它們的全貌，以及各自所立足的、有據可查的音樂經濟。這份樣本依語言與地區估算的構成大致如下：

西班牙語：全球串流量最高的語言不是英語

最大的非英語世界是西班牙語，而且它一點都不小眾。截至 2022 年，Bad Bunny 已連續三年蟬聯 Spotify 全球串流量最高的藝人，光是 2022 年就有超過 185 億次串流——而他全程用西班牙語錄音。Spotify 上的拉丁音樂聽眾人數，在 2014 到 2023 年間暴增了 986%；2013 年全球 Top 100 裡沒有任何一首拉丁歌曲，到了 2023 年，全球 Top 100 裡每五首就有超過一首是拉丁音樂。即便在美國這個照理說是英語流行樂中心的市場，拉丁音樂的營收也在 2024 年創下 14 億美元的紀錄，連續第九年成長速度高於整體市場，其中 98% 來自串流。

那個世界裡還藏著資料能清楚顯示的次場景。地區性墨西哥音樂——corridos tumbados 與 música mexicana——在 2018 到 2023 年間於 Spotify 上全球成長超過 440%，並擴散到整個拉丁美洲（哥倫比亞成長 445%），其中 Peso Pluma 衝進了全球前五。還有一塊較安靜但規模龐大的成分，是宗教音樂：當代基督教音樂在五年間於 Spotify 上全球成長約 60%，並特別在巴西、印尼、菲律賓、印度與南非急速攀升。資料裡的西班牙語叢集，滿是禱告歌、敬拜歌與 quinceañera 的祝賀曲——這是一個西方主流報導大多看不見的非西方消費基底。

葡萄牙語：巴西打造自己的排行榜

巴西如今是全球第九大的錄製音樂市場（2024 年數據），這是史上頭一回有兩個拉丁美洲市場同時擠進全球前十（巴西第九、墨西哥第十）——而且巴西還是其中成長最快的，2024 年成長 21.7%，遠高於全球 4.8% 的成長率。主宰這個兩億人口市場的，是葡萄牙語音樂。Sertanejo——巴西版的美國鄉村樂——是當地最受歡迎的單一曲風，而 sertanejo 雙人組 Henrique e Juliano 是 2024 年 Spotify 巴西串流量最高的組合。它草根版的對應曲風 funk carioca，更能直接登上全球排行榜：Anitta 的 funk 單曲〈Envolver〉讓她成為 2022 年 3 月首位登上 Spotify 全球榜冠軍的拉丁獨唱藝人。

巴西的音樂場景，也預示了 AI 音樂工具會加速什麼：一個被大幅普及、以獨立創作者為主的基底。巴西藝人在 2023 年從 Spotify 賺得超過 12 億巴西雷亞爾——是 2018 年的四倍多——而其中超過七成來自獨立藝人與廠牌。年收入超過 10 萬巴西雷亞爾的巴西藝人數量，自 2017 年以來成長了 500% 以上。這是一個說葡萄牙語、串流滲透極深、以獨立創作為主的市場——正是那種會伸手去拿一個「省掉錄音室」工具的人的典型輪廓。

東南亞：營收榜看不到的活動量

東南亞這個叢集，最能暴露西方的衡量方式如何錯失真正的活動量。印尼——全世界人口第四多的國家——靠的是dangdut 與 dangdut koplo 這套國民流行音樂，以印尼語和爪哇語演唱，跨越各個年齡與階層。然而在營收上印尼卻是隱形的：根據Billboard 的一項分析，它只貢獻了亞洲錄製音樂營收的約 0.9%，卻每天在全球產生約 6,600 萬分鐘的印尼藝人音樂串流，自 Spotify 在當地上線以來，總串流量約達 100 億次。活動量與金錢已經脫鉤——而西方的儀表板只讀得到金錢。

這個模式在整個區域反覆出現。在2025 年首度推出的 IFPI 越南官方榜上，前十名有八首出自越南藝人。在泰國，本地語言的歌手掌控著排行榜——Jeff Satur 在 2024 年同時拿下最佳本地藝人與最佳歌曲，而串流佔了整個市場約 92%。印尼本身現在擁有2.12 億網路使用者與 3.56 億個行動連線——約等於其人口的 125%。這些都是行動裝置優先、由本地驅動的音樂市場，而那套從西方辦公桌上寫出來的「AI 垃圾」論述，從未踏進過它們。

土耳其與巴爾幹：arabesk、turbo-folk，與本地語言的多數

電子與巴爾幹叢集，解析下來其實是一些和英語流行樂毫無血緣的特定地區曲風。Arabesk——建立在鄂圖曼 makam 音階、多用小調的土耳其流行音樂——曾在數十年間是土耳其的主流形式之一，並擴散到巴爾幹、高加索與中東。它的崛起，就是一群被忽視人口的崛起：學術研究將 arabesk 的流行，連結到那些從鄉村移居都市、因其東方色彩而被西化世俗菁英所鄙視的移民。隔壁，turbo-folk 在前南斯拉夫地區佔據如此徹底的主宰地位，以至於 Billboard 在 2022 年推出克羅埃西亞歌曲榜時，榜上唯二的西方組合只有 Glass Animals 和 Red Hot Chili Peppers。

這不是東歐的一個註腳——它就是歐洲的常態。在 IFPI 首份「歐盟音樂」報告中，本土、本地語言的藝人在歐盟各市場的 Top 10 裡平均佔了 60%——希臘與匈牙利是十首全包，克羅埃西亞與義大利是九首，波蘭是八首。而歐洲成長最快的音樂市場，全在東邊：保加利亞在 2023 年成長 44%，波羅的海三國成長 21.2%，波蘭成長 18.3%，相形之下法國與捷克只有 4–5%。本地語言的多數，就是整片歐洲大陸。

這一切早可預料：叢集正是串流爆發的影子

把這十個叢集疊到有據可查的串流資料上，它們幾乎一一對齊。西班牙語叢集，立足於一個拉丁聆聽量成長 986%、且全球串流量最高的藝人用西班牙語錄音的市場。巴西叢集，立足於全球前十裡成長最快的市場。土耳其與巴爾幹叢集，立足於全球成長最快的區域與歐洲成長最快的市場。AI 音樂的採用並不是落在隨機的地方——它恰恰落在音樂需求本就在加速的地方，只是在產業鏈上提早了一步，趕在歌曲登上排行榜之前。

宏觀數字說的是同一件事。全球音訊串流成長 14%，達到 2024 年的 4.8 兆次串流，但成長幾乎全都來自美國以外——國際串流成長 17.3%，而美國國內只有 6.4%。美國、英國與加拿大在付費串流中的合計佔比，在一年之內就從 57.52% 滑落到 56.22%，漲幅最大的則是墨西哥、巴西與印度。以營收計，2024 年成長最快的三個區域，是中東與北非（+22.8%）、撒哈拉以南非洲（+22.6%），以及拉丁美洲（+22.5%）——它們無一例外都是非英語、且大多非西方的市場，全都以約莫五倍於全球平均的速度成長。音樂的重心正在移動，而它移動的方向，正是這份資料早已裝滿的那些語言。

這個盲點是雙向的

在這裡，資料開始變得真正古怪。做最多 AI 音樂創作的那些區域，恰恰是 AI 本身被打造來服務得最差的區域。一項針對 AI 音樂訓練資料的研究，《Missing Melodies》發現，約 86% 的訓練時數來自全球北方，相對地全球南方只佔 14.6%——歐洲音樂有 6,128 小時，而非洲音樂只有區區 27.5 小時。底層的通用模型也好不到哪去：GPT-3 的訓練資料，按字數計有 93% 是英語，而史丹佛研究者描述了一道「數位鴻溝」：將近一半的網站都是英語，儘管全人類使用英語的不到五分之一。而當這些模型真的去生成非西方音樂時，它們會把它抹平：一項NeurIPS 2025 的研究，分析了橫跨 147 種語言、79 個國家的 73,000 首 AI 生成曲目，發現模型會系統性地把地區曲風——ghazal、歌劇——往西方流行樂與搖滾樂坍縮。

現在，把這個對照到工具實際被使用的地方。在 Suno 上，美國只佔約 19% 的流量，緊接其後的是俄羅斯、德國、巴西與日本——超過 80% 的使用量來自美國以外。更廣義的生成式 AI 採用也是同一個偏向：2025 年美國只佔 ChatGPT 流量的約 15%，排在印度之後，且領先巴西與印尼。結果就形成一個回饋迴圈：AI 音樂最重度的使用者，被遞到手上的，偏偏是最不貼合他們曲風的模型，所以西方評論者所感知到的那種「低品質」，有一部分其實是訓練偏差的產物——而不是創作者的問題。

值得把「垃圾」到底量的是什麼說清楚。那個引爆整套論述的數字——Deezer 報告指出，每日上傳曲目中約 44% 是 AI 生成——同一份報告也指出，這些曲目只佔實際串流量的 1–3%，且其中高達 85% 的串流被標記為詐欺。那是一個西方平台上的「上傳量加詐欺」指標：它數的是被倒進版稅系統裡的東西，而它看不見一個在雅加達或勒西菲做歌的人。而當同一家公司做了一場盲測時，橫跨八個國家的 9,000 名聽眾中，有 97% 分不出全 AI 生成的曲目和人類創作的曲目。如果幾乎沒有人聽得出差別，那「垃圾」就不是音訊本身的屬性。它是一種對來歷的身分判斷，由那些自身變現正在停滯的市場喊得最大聲，針對的卻是那些正在成長的市場裡所創作的音樂。

是延續，不是顛覆

讀懂這一切，最乾淨的方式是：AI 音樂並沒有發明一個新的創作階級。它只是替一個本就在勝出的階級，移除了最後一道成本門檻。那個獨立、非菁英、非英語的創作者，正是當初撬開串流市場的人——在 Spotify 上年收入超過 10,000 美元的藝人裡，有超過一半來自英語並非第一語言的國家；巴西版稅有七成以上流向獨立創作者。那些佔主導地位的非英語曲風，本身也是由下而上的：funk 建立在廉價的數位工具上，arabesk 建立在移民聽眾上，dangdut 則橫跨每一個階層。

用傳統方式製作一首歌，要花大約 500 到 5,000 美元——錄音室時間、一位製作人、混音、母帶處理。AI 工具把這個成本壓向零，而且它壓低的對象，是一個本就行動裝置優先、本就在創作的基底：光是印尼就有 3.56 億個行動連線；拉丁美洲的行動經濟價值高達 5,500 億美元，佔該區域 GDP 的 8.2%。故事的內容，並不是一台機器把垃圾傾倒進西方。而是一名越南青少年、一個巴西教會團體、一位土耳其婚禮歌手，用一條提示詞的價錢得到了一座錄音室——並用他們自己的語言去寫歌。

這就是 Lacuna 背後的前提，也是這個產品以九種語言、而非單一語言運行的原因。世界並不是用英語在做音樂。工具也不該如此。