内容编辑丨特工少女 特工炸炸
内容审核丨
特工小天
上周，我们在观猹平台上发现，有一个 AI 音乐创作产品突然收到了众多观猹员的一致好评，许多观猹员写的非常认真，并且截止到今天，没有任何一个差评。
它叫 Tunee，国内首个对话式音乐创作 Agent
，用户只需用自然语言或上传视频、图像、音频片段与之对话，就能生成专业级的原创音乐。
https://watcha.cn/products/tunee
更特别的是，Tunee 会记住你的风格偏好与创作习惯，可以从视频和图片里捕捉情绪变化，还能自动完成母带与混音，帮你省去繁琐的后期。生成的音轨不仅能直接发布，还能导出分轨，供进一步微调。
简单来说，它既能满足普通用户的即兴创作，也能成为专业音乐人的灵感伙伴。
我们也试着把「观猹」的介绍资料交给了 Tunee，想看看会写出怎样的主题曲。
没想到被效果惊艳到了：
主题曲 1：https://www.tunee.ai/music/GPrThm7oSNyweZRHK
主题曲 2：https://www.tunee.ai/music/rPbTdmWotNywewNRv
据我们了解，Tunee 这支团队从 2019 年就开始深耕音乐领域。
他们有一句始终坚持的 Slogan ——“人人都能玩点音乐”，这也很好地概括了团队的使命：降低音乐创作的门槛，让更多人能够以音乐表达自己。
作为国内最早探索 AI 音乐的团队之一，他们早在 2023 年就已在唱鸭 APP 上尝试过基于符号域的 AI 写歌功能。
几年间，他们不断迭代技术和产品：去年推出了 Tempolor 大模型，而在本周的云栖大会上，他们将发布全新的 Tempolor V4 大模型，以及全球首款生成式 AI 吉他，继续推动 AI 与音乐的融合边界。
我们很想知道好评如潮背后的原因是什么，于是联系到了主创团队，进行了一次深度专访。
💡 顺带一提，目前 Tunee 的体验需要邀请码，感兴趣的小伙伴可以去观猹上的「瓜棚」中进行领取～
特工少女：
咱们有提到“人人都能玩点音乐”，那怎么看待 Tunee 在专业性和大众化之间的平衡呢？
龚天翼：
我们的核心目标并不是要消除专业性，而是降低音乐表达的门槛。我们一直有个理念：每个人的内心都有音乐，就像人天生会说话一样。只是音乐创作的门槛特别高，大多数人注定没办法用音乐来表达。
比如说最近 Nano Banana 很火，为什么它能火？很大原因是它把门槛降得很低，大家都能玩，而且有种“言出法随”的效果——你说怎么改，它就能怎么出。
那音乐不也应该是这样的吗？所以我们希望普通人也能轻松表达他们的音乐想法。
从专业侧的角度看，我们内测群里有不少专业音乐人，还有老师和一些大神，他们也蛮喜欢 Tunee。为什么？因为他们能用 Tunee 快速探索创作方向。比如有些人直接把视频扔进去，有些人把自己的哼唱或者写好的音乐丢进去，Tunee 就能帮他们快速生成一个方案，让他们判断这个方向合不合适。
我们理解的“音乐民主化”，不是要每个人都掌握专业技能，而是让每个人都能借助像 Tunee 这样简单但专业级的工具来表达自己。
特工少女：
之前做过 Templor 和唱鸭，积累了这么多用户，这次推出的 Tunee 最主要的区别是什么？
龚天翼：
我想讲讲整个大概的心路历程。唱鸭最早的时候，我们做的也是“降门槛”的事情。在唱鸭之前，你想要用吉他自弹自唱，门槛其实很高。但唱鸭做到的就是——你不会乐器，也可以自弹自唱。
到了 Templor，我们是把它定义成一个 AI 音乐工具。那 AI 音乐工具我们做了一年多，后来发现产品还挺复杂的。如果有体验过，就知道那个产品形态其实蛮复杂，大量的参数、特别多的提示词，还需要学习。
所以我们觉得这和我们最初的理念——“人人都能玩点音乐”，稍微有点相违背。去年底的时候，我就在思考：
音乐创作能不能像聊天一样自然？
那个阶段时间和技术都有些瓶颈，但到今年大家能看到整个 Agent 应用的爆发，相关技术也快速成熟了，我们就觉得机会来了。
我们大概是从 5 月底开始思考做这个事情，到 8 月就内测，然后马上要公测了。这期间我们一直是连轴转的状态。
特工少女：
为什么不在天谱乐上重做，而是推出 Tunee？
龚天翼：
核心在定位。Templor（天谱乐）本质上还是“AI 音乐生成工具”，但 Tunee 我们希望它是“你的音乐伙伴”，能用自然语言和你对话创作。一个是工具，一个是伙伴，差别太大。如果强行绑在老品牌上，会背历史包袱，不如轻装上阵，给用户一个全新的心智。
特工少女：
这次和天谱乐相比，Tunee 更强调“对话式”，那在底层模型上有没有做一些迭代或者变化？
龚天翼：
其实模型发生了挺大的变化。我们现在有一个全新的版本叫 Templor V4，马上就要发布，到时候会有更详细的讲解。
我先简单说一下核心变化：
过去我们训练音乐模型的时候，更多是“喂”它更多的歌。说白了，有些知其然而不知其所以然，只会模仿生成音乐，但并不理解歌词的含义，或者用户输入想表达的意思。
这次我们把 Tunee 拆成两个部分
：
需求的理解 + 音乐的生成
。
Tunee 在设计时，它的定位是一个 Producer，核心逻辑其实和人类对话很像。
为了解决这个问题，我们在几个方面做了优化：
1. 生成逻辑升级：
过去是“一段式”，直接生成音乐；现在是“两段式”，先理解，再生成。第一步把用户需求转化成可理解的中间层，第二步再生成音乐。这样生成的结果更自然，也更符合预期。
2. 需求分析优化：
用户输入的可能是文字、音频、图片或视频，但背后需求完全不同，所以不能简单地丢给一个多模态模型。我们要先拆解出用户的真实意图，再生成更合适的方案。
3. 选择更清晰：
我们会把模糊想法转化为几个具体方向，用户不仅可以在选项里挑，还可以选择“我全都要”。这样大大提高了命中率。
4. 持续对话优化：
音乐创作往往需要多轮修改。我们在连续对话上做了很多努力，一方面要尽量减少 Token 消耗，另一方面要保证上下文记忆准确，让用户能不断修改，直到满意。
除此之外，我们还在做周边模块，比如很多人喜欢的智能母带，它能提升音乐的质感和动态效果。再比如分享场景，我们做了 MV 功能，下周版本还会推出“一镜到底”的新能力，能保持人物、风格一致，画面连贯，效果更好。
特工少女：
但我看到有用户反馈，说 Tunee 在歌词等部分效果不如天谱乐。
龚天翼：
对，这个情况我们也注意到了。天谱乐当时主要面向国内市场，我们在中文写词上做过优化，虽然迭代不多，但确实对中文效果会更好。而 Tunee 面向全球市场，要同时支持英文、日语等多语言，这会导致我们选择了一个相对中庸的路线。结果就是在中文上可能没有天谱乐那么精细。
不过我们计划在 10 月上线一个新功能：允许用户自定义歌词提示词，并针对不同语言和文化背景做差异化优化。这样会显著改善在中文等语境下的体验。
特工少女：
明白，也就是说这次训练集里没有专门为中文语境和国风语境做优化？
龚天翼：
可以这么理解。
我们的训练集其实超过了 700 万条，
非常庞大。其中英文数据占比最大，中文排第二，从数量级上看没有太大问题。但一些多音字、语调等问题，
本质还是数据平衡的问题，就像一个人在国外长大，哪怕会中文，发音也会受影响。
另外，
歌词对音乐整体效果影响特别大，所以一旦歌词优化到位，中文表达自然也会变好。
这是我们接下来要重点调整的方向。
特工少女：
其实我之前也用过一些别的音乐产品，但感觉出来的音乐比较千篇一律。在风格多样性上，咱们有没有做一些特别的优化？
龚天翼：
这个问题其实分两个层面。
第一个是
用户表达。
很多人写歌时会输入“我要一个流行音乐”、“我要洗脑的”、“要有『抖音』感”之类的提示。但模型并不真的理解这些词背后的意思，它可能只会给你一个很普通的流行乐方案，于是大家就觉得生成结果差不多。去年我们在这方面做了优化，让模型更好理解用户的意图。比如你说“『抖音』感”，它会去抓取当前『抖音』上正在流行的子风格、配器元素，然后生成的结果就会更贴近你心里的期待。
第二个是
技术层面。
早期的数据集风格分布很不均衡，比如 70–80% 都是流行音乐，其他风格占比极少。
这样模型自然就偏向主流风格，导致生成的音乐缺乏多样性。我们现在已经细分了超过 6000 种子风格，还把“流行乐”进一步拆分成 80s pop、city pop 等等，并在注意力机制上做了优化，这样模型不会过度偏向某一类风格，多样性就会更好。
说通俗一点：
过去用户输入“流行音乐”，脑海里想的可能是『周杰伦』或『林俊杰』，但对模型来说“流行音乐”是个非常宽泛的学术标签，结果两边对不上
。我们要做的就是降低提示词的门槛，让用户用更口语化的词，比如“『抖音』感”、“活人感”，模型就能理解并生成更接近需求的结果。
特工少女：
目前 Tunee 现在有带记忆功能，会不会去影响到用户的创造性？
龚天翼：
我理解你想说的，就是有点像“信息茧房”，大家听到的歌最后都差不多。
但我觉得这从个人层面来说不算问题。举个例子，『周杰伦』的歌风格特别鲜明，一听就知道是他的。甚至有时候我听他的新歌，如果味道不对，还会觉得不像他了。音乐的审美和风格，本来就是个性化的。
所以如果一个人通过使用产品，能逐渐“调教”出一种符合自己审美的风格，那就已经足够了
。至于多样性，本身是由不同的人带来的，而不是强行要求每个人的作品都要截然不同。
特工少女：
像刚才说的如果用户直接要求模仿某位歌手，或者上传已有的音乐，让 Tunee 改写歌词或再创作，这种情况下会不会有法律风险？
龚天翼：
与此同时，我们会给用户一个选择——是否要我们只去理解这种“风格”，然后创作一首新的、接近他脑海中感觉的音乐，但绝不会照搬那首歌。
特工少女：
那像 Tunee 生成的音乐，用户是否拥有完整的商业使用权？
龚天翼：
而对于免费用户，我们提供了大量免费额度，他们创作的音乐享有非商业使用权，可以用在个人项目或发布到『社交媒体』，但最好标注“来自于 Tunee ”。如果涉及商业用途，就需要升级到付费用户。
特工少女：
对于非专业用户来说，Tunee 的上手确实比 Templor 简单，但对普通用户来说使用场景还不算特别多。那咱们对定价策略是什么样的考虑？
龚天翼：
我觉得这可能跟我们现在的交互方式有关。因为现在就是一个对话框，缺少一些引导，所以大家会觉得功能看起来比较简单，好像能力不够强大。其实完全不是。
举个例子：前几天老罗的事，我想蹭一下热点，就直接让 Tunee 帮我找资料、写一首歌，还顺手做了一个 MV，整个过程几分钟就完成了。我发到小红书上，效果挺好。
这它能做的事很多，只是用户还没完全意识到
。
再比如有用户写了首歌让我评价，我直接把视频扔给 Tunee，Tunee 不仅认真点评，还给出了优化建议。用户照着改完再生成，发现确实比之前好很多。其实这类玩法非常多。
关于定价，我们内测时给了大量免费点数，全功能开放。但即便如此，仍有不少用户主动付费，而且数量在增加。这说明用户真切感受到了价值。
公测后我们会继续提供每日免费点数，还会在较长时间内开放全部会员功能。
我们的理念是：
让用户因为真的觉得有价值而选择付费，而不是靠“让你试一两次没明白，就强迫你付费”。
我们甚至把“退订”按钮做得特别显眼。
我们希望用户是真心觉得 Tunee 有用，才愿意长期支持。这样的付费才健康、可持续
，也更有可能让用户推荐朋友、在『社交媒体』分享。
特工少女：
也就是说咱们希望 Tunee 不是一次性使用的工具，而是能成为普通音乐爱好者的持续选择？
龚天翼：
我可以透露一个内测数据：
内测用户的次日留存超过50%，七天后留存接近30%。
这点让我们挺意外的，我们之前做Templor时发现，纯工具型产品的留存一般不会这么高，用户通常是有需求时来用一下，用完就走了。
但Tunee不太一样，现在的内测用户很有意思，他们把Tunee当成创作伙伴，没事就来聊聊、试试新想法，有些用户一天就能创作几十段音乐片段。虽然内测用户通常比普通用户更活跃，但这个数据还是给了我们信心，至少说明产品方向可能是对的。
特工少女：
像网易云、QQ 音乐这些平台有庞大的版权©️库和流量入口，如果它们也做 AI 音乐创作（比如“海绵🧽音乐”那类），那 Tunee 的核心壁垒会是什么？
龚天翼：
这个问题很有意思，也是我经常在思考、别人也常问的。先说个现状：
理论上这些音乐平台有歌、有用户，但为什么好的音乐模型几乎都不是它们做出来的？
（可能有，但没公开）
我觉得有几个关键原因：
1. 音乐平台的主要营收还是靠传统唱片公司的版权©️内容。
你有『周杰伦』那种大牌，大家就只能来你这儿听歌、开会员。如果平台大肆推广 AI 音乐，实际上是在培育一种可能替代传统音乐的新模式，这会威胁到合作方的利益。版权©️方对 AI 音乐上来就比较抵触，这是事实。
2.
他们要下决心 all in AI 音乐并不容易
，
平台要权衡太多既有利益、决策链长，所以在行动速度上通常不如一个轻量级的创业团队。我们没有太多包袱，能更快地试错、迭代，在 AI 时代速度非常关键。
3. 还有一点是用户习惯。
记忆不记忆不是核心，核心是情感连接这个事儿。举个例子，观猹员里有人评论说他们觉得 Tunee 很有“活人感”，那不是偶然，我们是刻意想通过构建这种“活人感”来建立更深层次的连接——不要让用户觉得 Tunee 只是个工具。我们设想的是把 Tunee 打造成能记住你音乐喜好、记住你们共同创作历史、记住你们的创作故事的伙伴。你用得越多，它就越懂你。一旦这种情感化链接建立起来，用户切换成本就会很高。
当然坦率讲，如果有一家大厂真正下定决心、全力投入（资源+意志），我们的护城河也不是不可穿透的。所以我们的策略就是：
在他们足够重视之前，跑得足够快，先把体验、社区、记忆连带等做深做厚。
特工少女：
挺有意思的，
之前我把 Tunee 当成一个音乐生成工具，但听你这么一说，感觉它更像是个擅长音乐的朋友了。
龚天翼：
对，这就是我们的想法。举个小细节，Tunee Logo 那个眼睛，会跟着鼠标移动，很可爱。既然不把它当工具，而是当伙伴，它就得有这个感觉。
我们在画布引入了 IP，用户会看到它动来动去，我们海外用户在 Discord 上说特别喜欢，给它做各种衣服，甚至希望通过创作让它“长大”——穿上衣服、变形象这些。还有个日本用户特别有意思，他写了一段系统提示词，把 Tunee 当角色来玩，要求它更严厉一点，那种角色扮演式的使用很有趣。既然用户愿意这样去使用、去建立情感，那为什么不把 Tunee 真正打造成每个人个性化的伙伴呢？
我们不只是记住你的偏好，而是希望记住你和 Tunee 共同创作的那些故事。比如你们第一次写歌的时间、那首歌背后的故事，有一天你还可以叫它“帮我们写一首关于我们的歌”。这时候
它就不再是个冷冰冰的工具，而是一个有共创记忆、有情感连接的伙伴。
特工少女：
现在给 Tunee 下一个定义的话，你会把她定义成什么？
龚天翼：
你的音乐伙伴
。
其实我们内部还讨论过一个挺有意思的 idea，和刚才说的情感化连接很相关：我们希望用户一进来就能感觉到，这里不是单纯的“音乐工具”，而是有一个“音乐伙伴”。
所以我们挺想把 Tunee 做成 IP 化的体验。比如你进来后像选宝可梦一样，可以挑一个你喜欢的形象或性格，还可以给她定义 MBTI、星座之类的属性，每个人都不一样；更重要的是，她会跟着你一起成长。你今天写了很多歌，未来这些作品在社区里获得反馈，Tunee 会和你一起吸收这些经验、不断进化。
最终的目标就是：
你会觉得一路上有个伙伴在陪着你创作，你们一起成长。
这就是我们想构建的独特体验。
特工少女：
你们认为，未来 AI 音乐和人类音乐人最大的分工边界会在哪？
龚天翼：
我觉得首先 AI 音乐肯定会改变音乐行业的结构。那些过去标准化、重复性高的基础制作工作，确实会被 AI 替代——这事已经在发生了。
但对真正有创意、有独特视角的音乐人来说，这是他们更好的时代，也会更有价值。因为当每个人都能随便做出一首还不错的歌时，那些能创造出震撼人心作品的人就会更稀缺、更珍贵。AI 把创作民主化，让普通人能表达，但它更多是满足基础表达需求；而人类音乐人应该去专注创造那些 AI 做不出来的、带有深度情感和独特体验的作品。
你看，AI 本身没有亲身经历，它没有那些强烈的人生体验——比如老师常说“多谈恋爱、多分手”能帮你写出好歌，因为恋爱、失恋是强烈的情感体验，AI 是没有的。它可以学习技巧、模仿风格，但要激起那种深刻共鸣，就很难完全由 AI 来替代。
所以我觉得未来的分工大概就是：
AI 负责大量的、技术层面的创作与工具化生产，帮更多人表达；人类音乐人聚焦于审美、情感深度和那些 AI 永远难以复制的独特表达。
以下问题均来自于观猹上的 Tunee 真实用户反馈与疑问：
特工少女：
Tunee 为什么选择画布式的内容展示？
龚天翼：
这个问题很多人问过我，包括我在小红书上收到的私信，还有在观猹员平台上的提问。
我觉得画布式的设计能让创作过程变得更直观，你能看到完整的创作路径。
列表式的缺点是它只管理了时间线上的所有作品，但在一个 Project 里，画布能展现和当前创作主题相关的所有作品，以及它们之间的关联。
目前上线的画布功能是个“残血版”，所以有些人会觉得作用不大。接下来我们会在画布里加入用户上传的音频、视频、MV 等更多元素，它会变成一个真正的 MAP。这样你能轻易看到：今天这首歌词、这个需求生成了什么作品，作品又带来了哪些衍生。它体现的就是我们“对话式创作”的理念 ——
创作不是一次性的，而是一个持续的对话过程。
就像我最近玩 Nano Banana，一直反复修改，觉得特别上头。
特工少女：
用户反馈
歌词部分有时咬字不清晰，尤其是中文，甚至会混杂粤语 / 国语。团队接下来会怎么解决多语言演唱的准确性？
龚天翼：
核心是数据标注的精细度问题。目前很多中文歌曲在数据集中可能只是简单标注为'中文'，没有进一步区分是粤语还是国语，甚至可能存在一些标注错误。这导致模型在学习时把它们混在一起处理，生成时就容易出现语言混杂。
我们正在重新梳理和标注中文数据集，把粤语、国语、以及其他方言都精确区分开，这样模型就能学到更准确的语言-音乐对应关系。
特工少女：
有些用户很喜欢 Smart Mastering 的效果，但希望在编曲层面更灵活，比如支持分段修改，或者开放专家模式。这方面有计划吗？
龚天翼：
会有的，但这是个阶段性的问题。我们现在的优先级是降低门槛，让普通人快速创作出脑海中的音乐，所以偏专业的调整功能暂时会靠后。
其实如果用过 Templor 就知道，我们早就有分段调整、修改风格和乐器的能力，只是暂时没有放到 Tunee 上。后续我们计划逐步提升上限，在自然语言交互降低门槛的基础上，再逐渐开放更专业的能力。
特工少女：
未来会不会打造专属 Tunee 的社区？
龚天翼：
我们接下来一定会做社区，因为现在能看到大家有很强的分享欲。音乐创作这件事很神奇，有的人愿意把作品发出来给别人看，但也有人不想让身边的人知道，更希望在网上找到一个合适的地方去分享和交流。所以 Tunee 会提供这样一个空间。
但它和网易云那种听歌平台还是不一样。听歌这种行为肯定会存在，但我觉得不会是主流。毕竟这个世界上从来不缺好的歌，缺的是交流与创作氛围。Tunee 社区更像是一个创作者社区，每个创作者都希望自己的作品被看到，也希望能和别人交流技巧与想法。
当然，如果未来平台上有大量的创作者不断产出好的音乐，那听歌这件事也会自然而然发生，也会吸引更多人来这里听歌。但在此之前，我们更看重的是让更多人参与到创作中来。
一些有趣的小故事
特工少女：
能不能先聊聊咱们的团队？比如大家的年龄、背景，还有一些有意思的故事？
龚天翼：
我们团队整体挺年轻的，我 93 年的算是最大的。产品和设计这边很多是 00 后，最年轻的马上是 03 年的。研发同学年龄会稍大一点，但整体氛围还是很年轻、很有活力。
有不少伙伴其实并不是典型的'『互联网』产品人'，而是从音乐背景转过来的。比如我们有个产品同学，本科在中传，硕士在 NYU，学的是“音乐技术”，音乐制作、后期制作都很熟练，但几乎没有产品经验，第一次聊的时候我就决定要她，因为我觉得技能是可以培养的，但对音乐的热爱很难培养。她是真的喜欢音乐，
这种眼里有光的人，是我们一直想招的
。
我们还有一些挺传奇的经历。比如之前一个模型同学，港大的博士，原来在阿里做算法，后来 gap 了两年跑到杭州的爵士酒馆，天天弹吉他、演出。他经济条件不错，还买了不少『英伟达』的股票，来我们团队不是为了钱，而是真的喜欢音乐，他总是喜欢中午抱着电吉他弹~
还有 Boki，本科学计算机但不爱写代码，大学时自学电子乐，靠接点小活维持生活。非科班音乐人日子一般都挺难，但他就是坚持。后来加入我们，早期在唱鸭主要负责弹唱内容。再到后来 AI 音乐刚起步，他的工作变成了人工去打磨 Demo，提升模型效果。等到我们做大模型后，他又转型去定义音乐审美——比如你说要 K-pop，他就要规定什么是“好的 K-pop”，什么风格要多一些，什么要干掉。现在我们都叫他“音乐总监”。最近因为太忙，他甚至用 Cursor 写了两个小应用，写得还挺好，成了妥妥的斜杠青年。
我们自己平时也用 Tunee 创作，甚至写了一首「Tunee 之歌」，超级洗脑。整体来说，
大家是真的因为喜欢音乐才走到一起，也愿意 all in AI，所以团队氛围特别纯粹。
特工少女：
从唱鸭到天谱乐，再到 Tunee，整个的过程是怎样的？
龚天翼：
这个过程其实挺曲折的。最早是 18、19 年的时候，短视频刚火，我们判断短音乐可能也会火，就做了唱鸭的“弹唱”功能——不会乐器也能自弹自唱。本来项目都快关了，等五一准备解散，结果这个功能一上线直接起飞，DAU 从几万冲到近 200 万、月活超 1000 万，真·绝地翻盘。也因此我们定下了那句一直坚持到现在的 Slogan：
“人人都能玩点音乐。”
这期间也踩过坑。比如我们把简化版 DAW 编曲搬到手机上，工程巨大
，但门槛太高，普通人不买单。反过来，“让普通人更简单地玩，还能玩出好效果”的东西，社会价值和产品结果都更好。所以我们一直坚持“人人都能玩”。你看现在很多生成类产品越做越复杂，教程、卖课满天飞；但像 Nano Banana 这种之所以能火，就是降低门槛、上手轻松。
Tunee 要做的，也是持续把创作门槛降下来。
再后来我们发现一个趋势：『抖音』特别火，而『抖音』和版权©️公司会收很多歌，一首歌 2000～5000 元不等。我们当时就想，如果能做出很多流行歌，卖歌也能养活团队。可问题是，那时候还没有大模型，ChatGPT 也没火，我们只能用符号域方案，把“作词—编曲—人声合成—母带”拆开再拼成一首歌，有点类似洛天依那种合成音的感觉。虽然粗糙，但在当时算国内最早一批做 AI 音乐的团队。
很快我们注意到海外有人开始端到端用大模型做音乐，比如
Suno
。一开始他们在人声清晰度、音乐性等方面确实不如我们，我们也有点轻敌。但半年后他们的收敛速度和迭代速度非常快，我们意识到必须转向。于是 2023 年底我们走上了Transformer 路线，做自己的音乐模型。第一个版本现在看挺粗糙，但在当时能“唱出像样的旋律”已经不容易了。
接下来是应用场景的选择。一开始专业音乐人看不上 AI，说做出来的都是垃圾。但视频博主很兴奋，因为他们需要免版税的 BGM，否则 YouTube 的一检测，视频就被下架。这个痛点特别刚需，所以我们做了 Templor ，核心定位就是给内容创作者提供免版税音乐。为了避免版权©️纠纷，我们还接入了专业的版权©️检测公司，每首歌先检测再放出来，用户就不用担心版权©️问题，这套流程在当时几乎没人做，Templor 因此在海外拿到了不错的口碑和一批稳定用户。
至于天谱乐和 Templor 的时间顺序：严格说，天谱乐（国内）比 Templor（海外）早一点点。当时模型出来要找地方展示，我们先做了国内的品牌和 WEB 端
；“Templor”这个发音也和“天谱乐”有关联。只是后来国内版本迭代较少。我们计划在10 月做一次国内与海外品牌的统一升级，同时更新到最新模型版本，效果会比现在好很多。
最后再说一句理念层面的小结：
从唱鸭的“弹唱”，到 Templor 的“免版税 BGM”，再到今天 Tunee 的“你的音乐伙伴”，路线在变、技术在变，但“人人都能玩点音乐”这件事我们没变。
我们更愿意把门槛一直往下压，让普通人也能用音乐表达自己；专业人群也可以把我们当作一个快速探索的工具。
只要大家能更轻松地创作、更开心地分享，方向就对了。
特工少女
：Tunee 最近在观察员和社群里的反馈都挺热烈的，咱们怎么看这些反馈？
龚天翼
：
其实这个产品严格来说才刚刚上线三周，算是“双引号的上线”，真正进入内测也就是最近一个月。上线之后在观猹中获得了不少反馈，尤其是你们猹友们的评论和建议，给了我们很大信心。我们自己还建了一个内测社群，虽然大家都知道社群很耗精力和人力，但我们整个团队，包括我自己，都每天泡在里面，和用户打成一片，聊很多。
我们之前的产品也都有不错的用户基础，但Tunee这次的反响确实超出了预期，整个团队都特别兴奋，大家对每个细节的打磨都更加投入了。
再说到为什么这次国内和国外我们是一起做的，其实背后有几个很重要的原因：
第一点，海外用户的反应还不错，比如经常有用户在X上分享自己的作品，还有很多YouTuber自发做视频反馈。但由于平台和文化差异，海外用户的反馈方式往往更偏向于分享成果和整体感受。而国内用户，特别是在观猹和微信社群里，更习惯提供具体的功能建议和问题反馈，这种详细的反馈对我们快速迭代很有帮助。当然，两种反馈都很宝贵，只是类型不同。
第二点，如果离用户太远，就容易慢慢脱节。
你会发现自己最后只盯着那些冷冰冰的数字增长，而忽略了背后都是一个个活生生的人。哪怕 Discord 社区很活跃，但跟微信相比，那种实时、直接的交流还是差很多。所以我们觉得，既然想做一个长期的产品，那就必须真正和用户待在一起，听到他们的声音，感受到他们遇到的问题。
第三点，我个人也觉得特别重要的，就是
国内的影响力反过来对团队本身有很大帮助
。
比如你在国内做出一些影响力，能更容易吸引到好的人才。就拿我来说，我最近经常在小红书发内容，结果招到了一些挺不错的人才。有些人面试聊着聊着，突然说“上次你写的那个东西我看过”，才发现是粉丝。这会让大家对团队更有信任感，甚至有些顶尖的人才就是因为认同我们产品和理念，直接从在职状态被我聊过来。就像谈恋爱一样，好男人好女人都不太流通，好的人才也是这样，你必须靠真正的认可和吸引力。
特工少女
：那可以说咱们是在用户反馈中成长的么？
龚天翼
：对的，我们也一直强调跟用户共创。比如我们把更新日志从“What’s new”改成了“Tunee 有话说”，
每次更新都会写清楚是谁提的建议，并感谢他们
，还会送奖励。真的不是随便写的，很多功能就是用户提了，我们觉得有道理，就立刻加进来了。
我个人的心态也经历了转变。
5 月底的时候，我特别急，觉得一定要做 Agent，一定要做，而且要抢在前面，做全球第一个 Music Agent。
当时还在迭代 Templor 的一个大版本，大家都很累，但我还是觉得要抓住机会，哪怕硬着头皮也要上。那时候的想法特别简单：觉得这是个巨大的流量口子，一定会爆。
可后来慢慢地，尤其是因为我开始自己做社媒，和用户直接打交道，心态变了。我发现现在很多产品营销太重了，甚至吹得没边，反而缺少真诚。我在小红书上就公开说过：我不会花很多钱去搞那种虚假的营销，也不会去买通稿，更不会搞什么假自来水。
所以现在，
我已经不再执着是不是“全球第一个”，也不会过分纠结是不是一定要火。
我反而变得更佛系一些。我更在意的是能不能持续把产品做好，把音乐生成的能力、用户理解这些基础环节打磨到位。虽然这些是最基础的，但其实也是最难的。我们团队现在花了大量的时间和精力在这些地方。
我觉得，一个产品真正重要的不是靠一波流量爆发，而是能不能持续地让团队保持热情，让用户持续愿意留下来。
只要有一批人愿意长期使用、真心喜欢我们的产品，那我们就踏踏实实把它做成一个长期的事情，这就够了。
这是我个人最真实的想法。
