项目介绍 · AI 音乐生成、评审与发行
一套每天真实运行的音乐生成与评审流程：机器负责批量产出和续跑，人负责留下什么。
每天生成一批曲目，经人工试听后决定保留或删除；评审结论可回看。偏好自动回流仍在规划，现有证据不把人工评审包装为自动化产品闭环。
AI 音乐人工审核评审记录
打开交互原型 ↗评审与运行
Music Daily
为什么做这个
AI 音乐的问题不在"能不能生成"，而在"每天生成的这些，哪些值得留下"。这套流程每天 0 点生成一批曲目，由人逐首试听后决定保留或删除，保留下来的进入专辑登记与发行。它的价值有两部分：一是系统真的在持续运行，失败能自动续跑；二是大量非视觉内容上，人的判断如何被组织成可回流的偏好。
要解决的痛点
- 每天都有新曲目，但没人筛就只是堆积
- 非视觉内容缺少可比较、可记录的评审方式
- 长任务中断后容易重复消耗或丢失已确认状态
- 对外容易把"生成量"说成"发行量"
用户体验流程
关键决策
选择 1
生成与发行分开：每天生成一批，人筛过之后才决定发什么
放弃
生成即发布
原因
发行前由人试听并确认曲目质量
选择 2
批次失败后自动续跑，并保留待发布资产与已确认状态
放弃
失败后整条流程重来
原因
长任务的价值在于中断后能接着走，不重复消耗
选择 3
人的保留 / 删除是唯一偏好来源，回流前需要人确认
放弃
把播放行为直接当作偏好反馈
原因
播放不等于认可；偏好要由人明确表达才能指导下一轮
选择 4
发行状态以平台回执为准，生成量与发行量分开统计
放弃
以生成完成代替发行完成
原因
平台回执与公开目录分别记录发行进度
我的角色与能力
我负责
我设计定时批量生成与失败续跑的调度与状态模型：机器负责批量产出、续跑与记录，人负责试听判断、偏好确认和最终发行决定；两条证据（运行日志与评审记录）分开保留、互不替代。
能力体现
把会中断的批量 AI 生产组织成可调度、可续跑、可核对状态的长期运行系统。
AI 做了
AI 负责批量生成曲目；人负责试听评审与发行决定。
我做了
我负责生成节奏、评审流程、发行状态分层与故障恢复机制。
成果与下一步
已完成
- 系统每天 0 点生成一批 20 首，有运行日志；批次失败后自动续跑
- 人工评审约 3000 次，其中保留 1222 首、删除 1861 首（截至 9 月 3 日）
- 作品站公开目录收录 1106 首、126 张专辑（截至 10 月 19 日）
公开数据
每天生成一批 20 首
人工评审约 3000 次，其中保留 1222 首、删除 1861 首（截至 9 月 3 日）2026-09-03
作品站公开目录收录 1106 首、126 张专辑（截至 10 月 19 日）2026-10-19
上传登记 159 条，按音频去重后 150 首（截至 9 月 2 日）2026-09-02
专辑登记 15 张，其中 7 张状态为已发布（截至 10 月 15 日）2026-10-15
继续看第一个亮点 →