用大模型生成Lofi音乐，这款应用要做年轻人的情绪「疗养剂」｜我爱黑「可颂」路演项目专访

相较于主流音乐所追求的高保真、高质量，Lofi（Low Fidelity：低保真）音乐正在成为年轻人心灵疗愈的良方。

在上世纪五十年代，受限于当时的音乐录制设备和场地要求，一些音乐人在录制过程中无法避免地在音质上存在瑕疵。而这种有缺陷的音乐由于“滋滋啦啦”的杂音，让人听上去更感到放松，后来演变成了一种独特的音乐风格— —Lofi风格

随着Lofi圈子的逐渐扩大，一些Lofi音乐制作人尝试在音乐中增加自然的采风或是特效音，形成与白噪音不同的音乐内容。慢慢地，听Lofi也成了年轻人在学习、工作、放松时的选择。尤其是在疫情期间，YouTube上的Lofi girl频道，凭借着24小时直播播放Lofi音乐，吸引了超过3万名同时在线观众和超过9亿次的观看次数。通过音乐去缓解心情和释放情绪，也让Lofi有着当代年轻人的音乐“疗养剂”之称。

用户侧需求上涨，加之大模型原生应用开发热潮的驱动，让李智威决定做一款能够生成Lofi音乐的工具应用。作为一名技术型产品经理，李智威会写代码、能做开发，他借助低代码平台Colingo的能力，结合AI工具来搭建应用框架，让该工具实现以对话交互的形式对用户反馈的情绪、心理状态进行分析，并基于大模型生成缓解用户当前情绪的音乐。

Lofi心情（参赛作品）

在与36氪AI协同创新中心的交流中，李智威提到，生活在一二线城市的年轻人经常会感受到情绪上的焦虑和压抑。他希望通过大模型生成的音乐，为这一群体提供情感疏导。在这个过程中，用户只需要“阐述”当前情绪状态，大模型就可以根据用户的情绪状态生成专属的Lofi音乐场景。

尽管目前产品还处于Demo阶段，但为了让应用在后期商业化落地过程中更具竞争力，李智威计划未来通过三个方面来做差异化：

首先是领域的垂直度。Lofi音乐已经在主流音乐之外形成新的领域流派，该领域中的用户粘性较高，人群也足够垂直。

第二个是做小而精的轻量化应用。通过和市场上的大模型厂商合作，将开源性较好的大模型进行微调，把大模型的能力固化成产品的核心能力，以便于后期朝多元化的方向发展。

第三个是产品呈现上加入创新的交互方式。用户不仅能够听到Lofi音乐，还能够看到视频，并且会增加类似冥想类App的专注效果。

从GPT3.5到4.0，大模型技术持续演进。在开发产品的过程中，李智威一边学习大模型，一边去寻找应用的落地场景。也正是因其具备技术理解及代码编写的能力，李智威的Lofi音乐项目在36氪我爱黑“可颂”大语言模型应用创新挑战赛中脱颖而出，获得了优胜奖。

“大模型很好地拉低了应用开发的门槛，无论是音乐的合成，还是图片、文字的生成，都大大降低了应用的开发速度。”李智威说道。

在大赛路演结束后，李智威透露，该项目得到了资方关注，并进行了积极的交流，他希望这款应用能够尽快落地，并在垂直领域的实践中不断迭代，为一部分年轻人提供专属的音乐情绪“疗养剂”。