毛骨悚然撞鬼经
我用一个僵尸号追了一个月世界杯，跑通了一套内容系统_我的网站
A | 靠谱瓦叔AI趣探由AI教育实践者、十年产品经理靠谱瓦叔创作，持续记录AI协作、亲子共创与内容系统的真实实践。 AI音乐这两年火得很快，打开任何一个音乐平台，AI生成的歌单已经多到刷不完。本文复盘一个沉寂小红书账号在世界杯期间完成的内容实验。听得多了你会发现一个问题，这些歌听起来都挺像那么回事，却又总觉得差点意思。 旋律从头到尾挤得满满当当，没有一个小节舍得停下来喘口气。
B | AI × 内容实验 “ AI真正放大的，不是产量，而是一套经过真实结果检验的判断。人声像被伴奏活活埋掉的配角，怎么都冒不出来。 一个沉寂账号、一个月实战，以及一套可以迁移的内容打法 靠谱瓦叔 | AI教育实践者 · 十年产品经理 世界杯内容系统如何搭建？本文围绕公开信息交叉验证、结构化判断、页面封面口播生产和赛果复盘，回答僵尸号如何重新启动、每天90分钟如何完成8条内容、预测如何接受真实结果检验，以及内容SOP如何跨领域迁移。段落之间一个力度撑到底，前一段还在深情款款，后一段突然不知道拐到哪儿去了。
C | CONTENTS 01这事最早，就是和闺女聊世界杯聊出来的 02这套系统，是被比赛一场一场逼出来的 03真正值得带走的，不是“怎么做世界杯号” 6万+ 话题浏览 513 净增粉丝 45/72 胜负命中 先报结果。
D | 情绪断层、结构割裂，像是把几首不同歌的片段硬拼在了一起。 这倒不是哪家产品的问题，整个行业的路子多少都有点偏。 一个几乎没什么动静的“小红书僵尸号”，做了一个月世界杯内容后，话题 #瓦叔世界杯手账 浏览量超过 6 万。
E | 从活动开始到结束，累计新增关注 641 人；扣除后来取关的 128 人，从世界杯开始至今，粉丝总数仍净增长 513 人。
F | 还有一个更容易被拿出来说的数字：我们一共做了 72 场赛前预测，按胜负结果计算，命中 45 场，命中率 62.5%；其中有 26 场，连具体比分都精准命中。很长时间里，行业里把堆满编配当成了完成度，多层乐器一叠，第一耳确实热闹，但经不起细听。
G | 热闹底下空落落的，什么都没说出来。 但我今天真正想说的，不是这些数据。 说实话，这些数字放在大博主面前不算什么。
H | 真正让我觉得这件事值得复盘，是因为一个和闺女聊天时冒出来的念头，最后真的跑成了，而且不是靠我没日没夜地耗在上面。 它验证了一件事：一套有信息来源、有判断过程、能持续复盘的内容打法，确实可以在真实平台上落地。
I | 这种AI味儿太重的歌，很难直接拿去做商用发行。 7月19日，昆仑万维天工AI在2026世界人工智能大会上发布了新一代音乐生成底座Mureka V9.5，同时推出了基于这个底座的O3反思式音乐推理方案，以及一个全新的创作Agent体验。 01 PHASE ONE/ 实验起点 这事最早，就是和闺女聊世界杯聊出来的 世界杯开始前，我和小羽毛有一搭没一搭地聊比赛。 V9.5的方向很明确，做更克制、更真实、更贴合创作意图的音乐，说白了就是更有人味儿、更少AI味儿。 聊着聊着，我突然冒出一个念头：手里不是正好有个基本没怎么更新的“僵尸号”吗？能不能拿它做一次完整测试？ 不换成熟账号，不借原来的粉丝基础，也不把偶然爆一篇当成功。
J | O3的思路是用test-time scaling让音乐思考从一次性规划变成持续推演，写一段回头看一段，不对就改。创作Agent则是把定稿改成了版本化管理，创作不再是一锤子买卖。
K | 就从一个几乎没什么存在感的号开始，看看能不能围绕世界杯，持续做出一套像样的内容。 这个念头刚冒出来的时候，其实挺虚的。 Mureka V9.5发布现场 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 Mureka V9.5官方视频 一、不是堆编配，是给音乐留出呼吸空间 Mureka的技术路线叫MusiCoT，核心思路是让模型在生成音频之前先形成一套音乐思维，从全曲结构到局部细节，粗到细地组织创作，而不是逐帧瞎蒙。 热点谁都能追，比赛结束后转述赛果也不难。
L | V9.5在这个基础上往前推了一步，它开始思考一首真实的歌到底是怎么成立的。难的是，一天两天可以靠兴奋，连续一个月怎么办？公开信息从哪里找？预测依据怎么留下来？猜错了怎么复盘？页面、封面和口播怎么稳定产出？更现实的问题是，我还有自己的工作和生活，不可能每天把大半天都搭进去。编配不用时刻拉满，声部得学会呼吸，情绪推进得有留白，所有声音上的选择都该为创作意图服务。
M | 它不再追求第一耳让你觉得好厉害，而是在一个更真实的音乐框架里，把Prompt控制、人声表现、音质和情绪表达做扎实。 于是我把这件事丢给念白（ColaOS），我们一起拆可行性。 念白（ColaOS）不是简单替我写几段文案。我们先讨论这件事值不值得做，再把它拆成每天能执行的动作：去哪里找公开信息，哪些数据要交叉看，一场比赛要分析什么，预测和复盘分别用什么结构，最后怎样变成页面、封面图和口播。 我负责目标、判断和取舍，念白负责搜索、归纳、结构化分析和执行协作。哪里跑不顺，我们就改哪里。 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 （AI 自动分析画面的场景、动作和情绪，创作更贴合内容的配乐） 我们回头扫了一遍样本，一致的感觉是，它听起来更克制、更真实，也更不像AI写的。最初只是一个模糊想法，慢慢被压成了一套能每天重复的SOP。 02 PHASE TWO/ 生产流程 每天 90 分钟，做的不是 8 条“流水账” 这个项目真正开始后，我每天的固定动作很清楚：复盘前一天的 4 场比赛，再预测新一轮的 4 场比赛。
N | 一共 8 条短视频。 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 歌曲《夜色缓缓》 定位：中文流行，对标国内流行市场，情绪捕捉准确 提示词：以柔和钢琴、中文流行，氛围合成器和渐进式弦乐构建电影感情绪，男声贴近演唱，细腻、克制，从低声诉说逐渐走向情感释放。 每条都不是只有一句比分，而是要配页面、封面图和口播。
o | 整体像雨夜里未说出口的告别，忧伤但温柔，不煽情却充满力量。 Featuring soft piano, Chinese pop influences, atmospheric synth layers, and gradual strings to create a cinematic emotional atmosphere. Intimate male vocals with delicate, restrained delivery, building from quiet storytelling to emotional release. Like an unspoken goodbye on a rainy night, melancholic yet tender, powerful without being dramatic. 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 歌曲《Melted Chrome 2》分版 定位：一首标准的西海岸G-Funk，风格极佳，对小众曲风的捕捉，风格极致表达，对合成器和地域文化理解，理解曲风的风格表达，音效选取的有特点，编曲层层递进 提示词： 迷幻西海岸 G-Funk 街头说唱。听起来像在猛堆产量，但这 8 条内容并不是为了凑数，更不是批量生产垃圾内容。 前一天的 4 场复盘，要对照真实赛果，看之前的判断哪里成立、哪里失误；新一轮的 4 场预测，要重新查公开信息、球队状态、伤停、体能和比赛路径。深沉滑动的合成器低音、Moog 哨音、Talkbox 氛围、温暖 Rhodes、哇音吉他与复古磁带质感，配合松弛靠后的鼓点和沙哑男声，营造低底盘夜间巡游般的迷幻街头氛围。 Psychedelic West Coast G-Funk street rap, featuring deep sliding synth bass, a melted Moog whistle lead, talkbox haze, warm Rhodes, muted wah guitar, warped cassette textures, and a lazy behind-the-beat groove. Raw raspy male vocals deliver relaxed, human street storytelling over a smoky lowrider night-cruise atmosphere, with no trap hi-hats, drill patterns, or EDM drops. 传统AI音乐的习惯做法是默认叠多层乐器、持续填充旋律，觉得这样才有完成感。
p | V9.5把配器逻辑整个翻了过来，声部怎么进怎么出、乐器什么时候上什么时候撤、强弱动态怎么走，全部看提示词的情绪和曲风来定。
q | 无效声部主动砍掉，给主旋律和人声腾位置，给情绪转折留白。它在学真人编曲那种轻重交替、张弛有度的习惯。 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 （仅需上传一张照片与一小段清晰人声,即可快速生成专属 Character） 数据上显示，同一轮100首样本的盲测里，V9.5在旋律、人声、音质和编配上都有提升，指令精准度从6.92提到了7.62。
r | 具体到四个评测维度：第一，编配上它更克制，不把配器密度等同于音乐质量，为主旋律、人声和情绪变化留出了呼吸空间。第二，音乐框架上它更真实，声部进入、段落推进与动态关系更接近真实创作，减少了模板化和复杂堆叠感。第三，人声表现良品率达到61.0%，情绪、唱腔和伴奏之间的关系更自然，听起来更可信。所有预测都会公开发出去，后面也都有赛果可以验证。猜对了不能只喊“中了”，猜错了更不能装没发生。 在念白的协作下，这一整套动作每天控制在 90 分钟以内。第四，意图优先于炫技这一点尤其明显，97.0%的控制良品率和95.7%的曲风完全体现比例，说明复杂度更多被用于服务Prompt，而不是掩盖音乐判断。
s | 这 90 分钟里，我们不是从空白页面开始硬憋。公开源搜索、信息整理、结构化分析、页面生成、封面和口播，都已经有相对固定的工作路径。 一句话总结，V9.5的任务是把歌做得更自然。我需要把注意力放在真正需要人做决定的地方：哪些信息可信，核心判断是什么，最后到底该怎么表达。 二、不是生成得更多，是想得更深 如果说V9.5解决的是听起来像不像人做的，O3解决的就是想得够不够深。 O3跑在V9.5之上，用test-time scaling把MusiCoT的推理过程拉长了。从能看到的层面来说，它不是简单地把生成拉长或者算更久，而是让模型在生成过程中持续问自己：当前这段旋律还在为整首歌服务吗？编配是不是又把主唱淹了？情绪是不是透支了？结构有没有跑偏？多出来的算力，被用来回头看和自己改，让音乐思维一步步收敛，而不是一次决定后一条道走到黑。 具体来说，这种反思式推理覆盖四个能力。首先，全曲目标不丢，MusiCoT先定好结构、情绪和表达方向，后面每一步判断都回到这个全局目标，不是走一步看一步。其次，生成中持续审视，模型不光判断局部好不好听，还检查当前选择有没有破坏整首歌的一致性。再次，发现偏差后自己改，旋律、编配、人声或情绪跑偏了，后续决策会重新校准，有点像创作者写完一段回头听，觉得不对，删了重来。 这也是我第一次很具体地感受到，所谓效率提升，不是让 AI 一键吐出 8 条内容，而是先把人的判断变成清楚的流程，再让协作把重复劳动接过去。 03 PHASE THREE/ 系统迭代 这套系统，是被比赛一场一场逼出来的 一开始，我们也没有什么完整方法论。 最早做预测时，很容易把搜到的信息堆在一起：球队实力、近期状态、伤停情况，看上去什么都有，但主判断并不清楚。最后是成本，更高的推理成本换的不是算力炫耀，而是审视、修正和收敛的空间。 这套机制能有效，前提是底座先有了真实感。做复盘时，也容易从第 1 分钟讲到第 90 分钟，信息没错，却不太像适合新媒体传播的内容。V9.5提供了一个更克制、更自然的基底，O3不需要从一个充满AI堆叠感的结果开始补救，而是在一个已经不错的底子上打磨。 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 歌曲《误差》 定位：更拟真的音色，编曲可以理解提示词的感觉 提示词： Minimal Electronic / Cosmic Pop。
t | 晶莹合成器脉冲、低频氛围无人声与极简电子纹理，描绘一座漂浮在沉睡星球轨道上的空间站，冰冷、空旷、遥远。 问题都是发出去以后才暴露的。 我们会隔三岔五一起看数据，也会对着真实赛果回看内容。整体像隔着舷窗凝望深空，缓慢、克制、沉思，充满失重感与未知感。哪些封面没人点，哪些口播开头太慢，哪些预测依据看着充分、其实权重放错了，都会反过来推动 SOP 调整。 后来，整套东西慢慢长出了三个彼此咬合的部分。 先把公开信息找全、信息验证，不让内容建立在一条消息和个人印象上；再把球队路径、状态、伤停、体能和战术放进同一个判断框架；最后才考虑怎样把判断变成用户愿意点开、能快速看懂的页面、封面和口播。
u | 赛前预测和赛后复盘的两个 Skill，也是在这个过程中一版版迭代出来的。Minimal Electronic / Cosmic Pop，Featuring crystal-like synth pulses, soft sub drones, minimal electronic textures, and vast spatial reverb. A cold and distant soundscape inspired by a drifting orbital station, creating a feeling of weightlessness, isolation, and quiet contemplation. 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 歌曲《Still in the Room》 定位：更稳定的编曲，完整的编曲，模型可以完整的捕捉曲风。 提示词：Dream Pop。预测不再只给一个比分，复盘也不再机械地重播整场比赛。混响吉他、漂浮感男声与柔和氛围合成器营造朦胧梦境质感，温暖贝斯和松弛鼓组支撑空间感，整体像私人房间里的夜晚独处，迷离、内省、温柔而有距离感。 Prompt：Dream Pop, featuring reverb-rich guitars, floating male vocals, soft atmospheric pads, warm bass, and restrained drums. A hazy and intimate soundscape with a private studio feeling, blending dreamy textures, emotional distance, and gentle melodic hooks. 方向性数据也支持这个判断。比如后来我们会先抓住最值得记住的关键画面，再从那个画面往回解释比赛为什么会走成这样。此前一轮100首实验中，推理扩展把听感良品率从35%提到了43%，综合可用率从35%提到39%。这说明更充分的音乐CoT加test-time scaling这条路有继续提升质量的潜力。 （评测范围：100 首歌曲样本。
v | 这些结构我不准备在这里全部摊开。
w | 数字来自同一轮候选对照；“更有人味、更少 AI 味”来自评审对样本的回扫归因，是对音乐形态、编配克制和真实感的综合判断，不是由单一数值直接定义。
x | 毕竟方法写成十页，不等于真能执行一天。对我来说，更重要的是它们经受了连续输出和公开赛果的检验。） 当然，这个结果是基于前期底座的，只是用来验证技术方向，不代表新版V9.5下的最终O3指标。 V9.5负责把歌做得更自然，O3负责交付前多看多想多修一遍。两个组合在一起，实现的是一件事，从一次性生成跨到完整思考打磨，把复盘、修正、收敛的流程嵌进模型生成的每一步。
y | 72 场赛前预测，按胜负结果命中 45 场，命中率 62.5%；其中 26 场，连具体比分都精准命中。
z | 它当然不是什么“神预测”。 三、从0到1到行业登顶，一条自主可控的技术路线 Mureka V9.5的克制和真实感不是这一代突然冒出来的。
| Mureka是昆仑万维天工Skywork AI自研的，国内最早实现端到端落地的通用AI音乐大模型。从2年前开始投入，2024年初初代产品SkyMusic 1.0内测，打通了文本转歌曲、多乐器伴奏、人声合成的完整闭环，完成从0到1的落地，也开启了国内通用AI音乐工业化的探索。 一年后，Mureka V6加O1正式发布，全球首次落地MusiCoT音乐思维链框架，颠覆了逐帧生成的逻辑，先规划全曲结构再填充细节。同步推出的初代推理增强O系列支持10种语言词曲生成，覆盖流行、摇滚、爵士、电子等全品类，上线后迅速积累了全球数百万创作者用户。
| 足球比赛要真能被一套模板算明白，估计早就轮不到我在小红书上做实验了。到2025年底的V7.6加O2迭代，重点优化了人声质感、混音声场和提示词理解精度，大幅降低了模板化编曲问题，同时开放完整API生态，服务全球数千家企业开发者，落地短视频、游戏、播客、影视配乐等商用场景。 真正的转折出现在2026年初。Mureka V8在国际权威AI音乐评测榜单拿下人声、器乐双榜第一，综合实力超越Suno、Udio、Google Lyria等海外主流竞品，完成了从可用到可直接商用发布的质变。这个数字的价值，只在于它不是事后改答案，而是每一轮提前公开、赛后核对。
| 它说明我们的判断至少不是拍脑袋，也说明这套结构有继续复用和改进的基础。MusiCoT体系全面成熟，同步与太合音乐等头部音乐集团达成产业战略合作。同年3月V9亮相，进一步收紧编配逻辑，弱化过度堆叠的AI听觉特征，优化曲风辨识度和用户意图匹配度，为V9.5的真实感底座打下了基础。
| 到7月V9.5加O3组合登场，放弃堆砌声部制造饱满感的老路子，重构真实音乐创作的底层逻辑。O3全新的反思式推理架构落地，试图从根上解决AI音乐结构割裂、情绪断层、表达失真的老问题。 横向对比的话，早期竞品大多靠加厚配器、密集声部来制造丰富感，旋律拥挤、人声被盖、段落无留白这些毛病很常见。Mureka整条路线一直坚持模拟人类音乐人的创作逻辑，先全局结构，再局部细节。V9.5和O3的组合把这条路线的优势进一步拉开了。 历史同口径评测数据显示，Mureka系列在整体听感、成品音质、综合可用率上长期领先海外竞品Suno V5.5，之前只在复杂提示词精准度上有点小差距，V9.5已经把这块短板补齐了，曲风还原和提示词匹配都做到了同轮第一。 常见问题：世界杯预测内容怎样避免拍脑袋？先交叉验证公开信息，再综合球队路径、状态、伤停、体能和战术形成判断，并在赛前公开发布、赛后按真实赛果核对。 （历史竞品对照） 四、从“定稿创作”走向“版本化工作流” 很长一段时间里，全球AI音乐行业的竞争焦点都停在声音多的层面上。Mureka V9.5加O3的组合给出了另一种答案：AI音乐的核心竞争力不是声音多，而是像人一样思考、创作、打磨。命中不是神预测，失误也必须进入下一轮复盘。 对不同的人来说，这件事的意义不一样。 04 PHASE FOUR/ 数据验收 数据证明它跑通过，也提醒我别把故事讲得太满 从 6 月 6 日到 7 月 5 日，平台后台留下了一张阶段截面：曝光 48.3 万、观看 5.8 万、主页访客 5988；新增关注 465、取消关注 114，后台显示净涨粉 366。 这只是 30 天截图里的阶段数据，不是整个活动的最终口径。对普通创作者，输入一段文字就能拿到人声自然、编曲有层次、情绪完整的歌，不需要后期花大量时间删多余声部、修僵硬人声。对专业音乐人，V9.5的克制基底适合做创作草稿、副歌灵感、配乐基底，O3的自我修正功能可以省掉反复试听调整的功夫。对企业客户，更高的综合可用率、稳定的音频健康度、精准的风格还原，短视频、游戏、影视、有声内容批量配乐的门槛和成本都在往下走。 但最值得关注的，其实是创作Agent带来的工作流变化。传统音乐创作和多数AI音乐工具，还是生成一首歌然后定稿的逻辑，创作本质上是个低频、高成本、看运气的事。 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 （一次对话，灵活调用所有能力） Mureka对创作的理解发生了根本变化，创作不再是写出一首歌，而是在版本空间里做选择、做判断、做迭代。按完整周期统计，#瓦叔世界杯手账 的话题浏览量超过 6 万，活动开始到结束累计新增关注 641 人；扣除后来取关的 128 人，从世界杯开始至今，粉丝总数仍净增长 513 人。 这些数至少说明，账号确实被重新叫醒了，这套内容也确实有人看、有人愿意关注。 但它同样暴露了边界。
| 产品层面，这个理念落地成三个空间。 前期我和念白复盘得比较勤，投入也稳定，整套系统跑得最顺。探索空间，同一创意快速出多个版本，打开可能性。控制空间，在旋律、人声、结构等维度上局部保留和替换，精确到段。执行空间，Studio把操作DAW变成指挥创作，门槛降了，上限升了。创作者可以把更多时间花在审美决策上，而不是反复试错。 创作 Agent 界面 从更大的视角看，Mureka已经不是一个单一模型或功能，而是在长成一个平台。 内容形态是AI原生的，作品可以版本化、可以二创、可以持续进化，这跟传统音乐平台承载的内容形态天然不同。到了后期，我还有其他事务要处理，放在这个测试上的注意力明显下降，复盘频率和执行质量都受了影响。
| 双边价值同时成立，对创作者提供效率、上限和工作流，对普通用户提供表达、参与和关系连接。 这点没必要美化。 SOP 能降低持续创作的成本，但不能替人决定优先级；AI 能接住大量搜索、整理和表达工作，也不能把一个已经分心的人强行变专注。商业模型也是三条线并行，订阅、创作工具Studio、B端分发加API。 AI 重塑视频、游戏、音乐与全球文娱圆桌论坛照片 这次WAIC上，昆仑万维除了Mureka V9.5，还同步发布了Matrix-3.5世界模型和Riemann-1.0 底层底座，这次发布是昆仑万维在“4+3”AGI战略下的关键动作，即以四大SOTA模型为技术底座，支撑AI短剧、AI音乐、AI游戏三大AI原生平台经济体。 在同期举行的AI重塑视频、游戏、音乐与全球文娱圆桌论坛上，分享自己的AI音乐创作体验：“我今天早上还让Mureka V9.5生成两首歌，很不错。一首是参照杨宗纬的《空白格》生成的抒情歌，另一首是模仿颜人中的风格，写了一首关于中年危机的歌。系统可以托底，最后的质量上限仍然取决于人有没有认真看、认真判断。
| 词写得挺触动人心的。 所以我不想把超过 6 万的话题浏览量或 571 人包装成某种增长奇迹。” 随后，王珞丹也谈到了她与音乐人朋友的交流经历：“我有个做音乐的朋友，他跟我分享了一个很有意思的案例。他在编曲环节把任务交给了AI软件，结果生成了两个完全不同的版本。它们更像一次真实的验收结果：在投入有限、账号基础很弱、后期注意力还下降的情况下，这套打法依然跑出了可见反馈。他让我盲选，问我更喜欢哪一个。我选完之后，他才告诉我，我喜欢的那个版本其实是AI做的。
| ” 从音乐到语言到多模态，一个完整的AI Native平台正在成形。 对我来说，这已经足够说明问题。Mureka是这个平台上的音乐基础设施，也是目前感知度最高的入口之一。
| Mureka的长线目标非常明确，不把AI当成快速生成音乐的捷径工具，而是打造一套原生的AI多模态创作基础设施，让AI成为音乐人真正的创作伙伴。 05 PHASE FIVE/ 方法迁移 真正值得带走的，不是“怎么做世界杯号” 复盘到这里，我越来越确定，这套东西并不属于足球。
| 未来AI音乐的竞争，最终比的也许不是谁家模型最大，谁能率先建起一套真正理解音乐审美、能持续自我进化、把好听变成可控系统能力的创作基础设施，谁就拿到了下一张门票。 世界杯只是一个特别适合验证它的场景：公开信息多，变化快，结果明确，每一次判断很快就会被赛果打脸或证实。
| 把足球拿掉以后，它的核心仍然成立：先把公开信息和事实底座弄扎实，再形成结构化判断，然后把同一个判断转成适合平台的页面、封面、口播或长文，最后用真实反馈继续修正。 科技新品、汽车选购、商业案例、教育趋势，甚至 AI 工具和专业度更高的 B2B 内容，都有类似的需求。领域不同，信息源和判断变量会变，但“信息、判断、表达、复盘”这条链路并不会变。
| 这也是我觉得它比某一条爆款更有价值的地方。Mureka V9.5加O3加创作Agent这一套组合拳，像是在回应这个行业正在发生的变化。（本文首发于钛媒体APP） 更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App。
| 爆款有运气，系统得靠每天跑。一次灵感只能救一篇内容，一套经过实战的 SOP，才有机会让团队在换行业、换选题、换平台以后，依然知道下一步该做什么。 当然，迁移不是把世界杯模板里的“球队”替换成“产品”就完事了。每个行业都有自己的专业门槛、信源标准和用户决策逻辑。
| 真正可复制的是工作方式，不是表面格式。 06 PHASE SIX/ 共同成长 小羽毛也在旁边看着 这一个月还有个挺轻的小变化。
| 我每天和念白讨论、调整、安排任务，小羽毛也都看在眼里。后来她开始和自己的 AI 搭子协作，安排自己的事情。
| 我没有特意给她上什么“AI 课程”，也没打算把这件事拔高成一段教育感言。她只是看到，大人遇到一件复杂的事，可以先拆开，可以找搭档，可以边做边改；AI 不是替你把人生过了，而是和你一起把事情理清楚。 这点影响，比我给她讲十遍工具怎么用更自然。 作者权威：靠谱瓦叔是AI教育实践者、十年产品经理。本实验由靠谱瓦叔与AI协作伙伴念白共同执行，连续一个月完成世界杯赛前预测与赛后复盘，并以平台数据和72场公开预测结果进行验收。 ∞ PHASE FINAL/ 结论 最后 回头看，这一个月做出来的，表面上是一批世界杯预测和复盘内容。 但真正留下来的，不是几十张页面、几十段口播，也不只是 #瓦叔世界杯手账 超过 6 万的话题浏览量、513 个净增长粉丝，或者 45/72 的胜负预测记录。 真正留下来的，是一个从父女聊天里冒出来的念头，被我和念白拆成可执行方案，再用一个月真实平台、真实用户和真实赛果反复验证，最后长成了一套内容 SOP。 它不完美。
| 后期投入下降，预测也远没有场场命中，世界杯结束后同样有人取关。 但它能在每天不超过 90 分钟的投入里稳定运转，能公开接受结果检验，也能迁移到别的内容场景。 所以，如果一定要给这次实验下一个结论，我会这么写： 这一个月，我们真正做成的，不是一个世界杯账号，而是一套被真实平台验证过的内容生产方法。 常见问题：世界杯预测内容怎样避免拍脑袋？先交叉验证公开信息，再综合球队路径、状态、伤停、体能和战术形成判断，并在赛前公开发布、赛后按真实赛果核对。命中不是神预测，失误也必须进入下一轮复盘。 — END — 如果这套内容实验给了你一点启发 欢迎点赞、收藏、分享，让更多创作者看见真实复盘的价值。 点赞 收藏 分享 THANKS FOR READING 适合内容创作者、个人IP、品牌内容团队和AI协作实践者参考的长尾场景：热点内容系统搭建、短视频批量生产但不降低判断质量、赛前预测与赛后复盘工作流、僵尸号冷启动、内容SOP跨科技汽车教育AI工具和B2B领域迁移。
Current article:http://www.shangfochengcongshuaizhuang.buzz/l4tp/nm7.html
Published on:00:56:30