Nach fünf Jahren der Schließung wurde Xiami von Alibaba mittels KI „wieder zum Leben erweckt“.

Jahre später – erlebt Xiami Music eine „Wiederauferstehung aus der Unterwelt“?

Vor kurzem hat Alibaba offiziell das KI-Musikmodell HappyShrimp 1.0 vorgestellt, das gleichzeitig für inländische und ausländische PC-Webseiten veröffentlicht wurde. Am ersten Tag der Produktveröffentlichung kündigte Happy Shrimp eine strategische Zusammenarbeit mit der Taihe Music Group an, deren Umfang das Ökosystem der Musikindustrie, KI-Musikplattformen und die gemeinsame Gestaltung mit Musikern umfasst.

Im Februar 2021 stellte Xiami Music offiziell seinen Dienst ein. Mehr als fünf Jahre später, wenn der Name „Xiami“ wieder in der Musiklandschaft von Alibaba auftaucht, bedeutet dies für viele langjährige Nutzer eine gewisse emotionale Rückkehr. Allerdings ist das zurückgekehrte „Xiami“ eine von KI neu definierte Garnel.

Im Jahr 2026, in dem der Markt für KI-Musikplattformen zunehmend überfüllt ist, wie viel Neues hat das verspätete „Happy Shrimp“ eigentlich zu bieten? Und warum erinnert sich Alibaba, das seit Jahren nicht mehr am Online-Musikgeschäft teilnimmt, ausgerechnet jetzt an „Xiami“?

Xiami wird durch KI „wiederbelebt“

Betrachtet man nur die Produktform, so überschreitet Happy Shrimp die bestehende Vorstellung von KI-Musikwerkzeugen nicht.

Seine Startseite ähnelt dem bereits von Suno bewährten Produktparadigma: Ein großes Eingabefeld für Prompts nimmt das visuelle Zentrum ein. Außerhalb des Eingabefelds erfüllt die Plattform die Verbrauchsnachfrage durch beliebte Lieder, neue Lieder und personalisierte Empfehlungen.

Im Vergleich zu den inländischen KI-Musikplattformen, die bereits mehrere Iterationen durchlaufen haben, erscheinen seine Interaktionsmethoden und nachfolgenden Erstellungswerkzeuge jedoch relativ einfach.

Derzeit verwenden die meisten gängigen inländischen KI-Musikprodukte ein zweistufiges Design aus „niedrigschwelliger Generierung und professioneller Steuerung“. Nehmen wir Mureka als Beispiel: Einerseits bietet es einen „einfachen“ Modus, in dem normale Nutzer ihre Inspiration beschreiben können, um Lieder zu generieren; andererseits bietet es einen „benutzerdefinierten“ Modus und erweitert ihn um Werkzeuge wie Liedbearbeitung, Notenkonvertierung, Spurenaufteilung, Fortsetzung und Remix, um KI in den vollständigeren Musikproduktionsprozess einzubetten.

Ein ähnliches hierarchisches Konzept findet sich auch bei Sponge Music, NetEase Tianyin und Tencent VEMUS Weiyin, die alle Erstellungszugänge unterschiedlicher Tiefe anbieten.

Im Vergleich zu den KI-Musikplattformen, die bereits mehrere Iterationen durchlaufen haben, hat Happy Shrimp derzeit keine komplexe Erstellungsarbeitsumgebung aufgebaut, sondern reduziert die Auswahl, die Nutzer vor der Generierung treffen müssen, so weit wie möglich.

Betrachtet man die tatsächlichen Generierungsergebnisse, so ist eine deutlichere Veränderung zu erkennen: Bei der Generierung eines vollständigen Liedes verringert sich die Kluft zwischen den verschiedenen KI-Musikmodellen rasch.

Um den Einfluss des Prompts selbst so weit wie möglich auszuschließen, haben wir Happy Shrimp, Mureka, Suno, Minimax, Sponge Music, VEMUS Weiyin und NetEase Tianyin mit ähnlichen Anforderungen an chinesische Popmusik getestet. Wir haben das Thema des Liedes, die männliche und weibliche Stimme sowie die allgemeine Stimmung einheitlich festgelegt und die Ergebnisse möglichst aus einer einzigen Generierung zum Vergleich herangezogen.

Einheitlicher Prompt (einschließlich Liedtext): Erstelle ein chinesisches Popmusikstück, dessen Szene auf der Dachterrasse einer Stadt liegt und von der entspannten Haltung des „Laufens mit dem Strom“ handelt. Die menschliche Stimme ist eine tiefe, erzählerische Männerstimme. Die Strophe entfaltet sich langsam mit einem schlichten Gewebe, während der Refrain mit Harmonien gefüllt ist und Energie freisetzt. Die Melodie des Refrains soll eingängig und einprägsam sein. Das Ganze ist leidenschaftlich und erleichternd, sodass man beim Hören sofort ein Bild vor Augen hat.

Nach mehreren Testrunden zeigen Mureka und Suno nach wie vor eine relativ stabile Gesamtleistung. Unter dem einheitlichen Prompt weisen sie kaum offensichtliche Mängel in der Melodiekohärenz, der Liedstruktur und der Gesamtarrangement auf. Selbst wenn die erste Generierung nicht den Erwartungen entspricht, lassen die derzeit von der Plattform angebotenen Funktionen wie Fortsetzung, Bearbeitung, Remix und Spurenaufteilung Raum für nachfolgende Anpassungen.

Sponge Music und Minimax weisen ebenfalls eine gute Fertigstellungsqualität auf. Sie können im Grunde genommen die Struktur aufbauen, die ein gewöhnliches Poplied haben sollte, ohne besonders offensichtliche Trennungen zwischen menschlicher Stimme, Liedtext und Begleitung. Lediglich bei einigen getesteten Liedern sind die Melodiespannung, die Einprägsamkeit und die Spannung des Liedtextes etwas schwächer.

Im Vergleich dazu schwanken die Ergebnisse von Happy Shrimp, VEMUS Weiyin und NetEase Tianyin stärker. Bei dem Verständnis des Prompts, dem Fortschreiten der Melodie oder der Leistung der menschlichen Stimme treten gelegentlich geringfügige Mängel auf, und der Gesamteindruck beim Hören hat vorerst keine Vorteile erzielt.

Trotzdem zeigt Happy Shrimp seine Stärken: Bei einer einzigen Generierung ist die Fertigstellungsqualität des Liedtextes relativ hervorragend, und die Effizienz von der Eingabe der Kreativität bis zur Auslieferung des gesamten Liedes ist höher.

Zum Beispiel wurden unter der Anleitung desselben Prompts die beiden von Happy Shrimp in einer einzigen Generierung erstellten Lieder „Durchzugswind“ und „Lauf mit dem Wind“ benannt. Im Vergleich zu Titeln wie „Abendwind auf der Dachterrasse“ oder „Lauf mit dem Strom auf der Dachterrasse“, die von anderen Plattformen bereitgestellt werden, wiederholen die ersten beiden nicht mechanisch die Szenen und Schlüsselwörter im Prompt, sondern verfeinern die darin enthaltenen Bilder und Stimmungen weiter.

Ähnliche Merkmale zeigen sich auch im Liedtext. Nehmen wir als Beispiel eine Strophe: Angesichts des Prompts „Dachterrasse, Entspannung, Lauf mit dem Strom“ neigen einige Plattformen dazu, gängige Bilder von Popliedtexten wie „Lichtstrahlen“, „Ferne“, „Verwirrung“ und „Fliegen“ direkt zu verwenden. Obwohl der Ausdruck vollständig ist, wirkt er ein wenig wie eine Standardantwort.

Im Vergleich dazu wiederholen die von Happy Shrimp generierten Zeilen „Man muss nicht eilig morgen einen Namen geben“ und „Die Wolke findet selbst ihren Weg“ nicht direkt den Ausdruck „Lauf mit dem Strom“, sondern zerlegen diese Stimmung in konkretere Lebensdetails und Bilder. Bei anderen öffentlichen Praxistests wird die Qualität des Liedtextes ebenfalls als der relativ herausragende Bereich von Happy Shrimp angesehen.

Natürlich reicht ein einziger Quervergleich nicht aus, um zu beweisen, dass das Modell eine absolute Führungsrolle bei der Textfähigkeit einnimmt. In Kombination mit den Ergebnissen mehrerer Generierungen zeigt dies jedoch zumindest das derzeit sehr ausgeprägte Merkmal von Happy Shrimp: Anstatt den Nutzern zu verlangen, dass sie ihre Musikanforderungen ausreichend professionell beschreiben, hofft es, dass das Modell die unscharfe menschliche Ausdrucksweise selbst in Musik übersetzt.

Mit anderen Worten: Das Merkmal von Happy Shrimp besteht darin, das Produkt noch gründlicher auf die Interaktion in natürlicher Sprache aufzubauen.

Es muss jedoch klargestellt werden, dass dies nur eine Produktausrichtung ist und kein einzigartiger technischer Schutz von Happy Shrimp. Vielmehr trifft es den Punkt, an dem KI-Musik von der Senkung der Produktionsschwelle zur Senkung der Ausdrucksschwelle weitergeht.

Gegenwärtig ist die Generierung in natürlicher Sprache zu dem gemeinsamen Entwicklungsweg dieser Generation von KI-Musikprodukten geworden. Selbst vor einigen Monaten haben wir versucht, KI-Modelle mit ähnlichen alltäglichen Sprachbeschreibungen Lieder generieren zu lassen. Wenn der Prompt jedoch keine eindeutigen Labels für Musikstil, BPM, Instrumente und Stimmung enthielt, war die Steuerbarkeit der Generierungsergebnisse oft geringer als heute.

Daher ist für Happy Shrimp die derzeit deutlichste Produktausrichtung gleichzeitig auch ein Druck. Schließlich wird, wenn die „Generierung mit einem Satz“ selbst von einem differenzierenden Verkaufsargument zu einem Industriestandard wird, der Eintritt in einen professionelleren Produktionsprozess zur unvermeidlichen Entwicklungsrichtung. Der Steuerungsspielraum, den es derzeit bieten kann, ist jedoch noch begrenzt.

Insgesamt hat das „zurückgekehrte Xiami“ bereits die Eintrittskarte in den KI-Musikmarkt erhalten, aber diese Karte bedeutet keinen Vorsprung. Nachdem sich die Fähigkeiten der Modelle allmählich angeglichen haben, bleibt abzuwarten, ob Alibaba die Interaktion in natürlicher Sprache, die Markenvermögenswerte von Xiami, die Fähigkeit zur Inhaltsverteilung und die Ressourcen der Musikindustrie wirklich miteinander verbinden kann.

Warum erinnert sich Alibaba wieder an „Xiami“?

Alibaba ist mit der Idee, dass gewöhnliche Menschen Musik erstellen, eigentlich nicht fremd.

Bereits 2019 hat das Innovationsgeschäftsfeld von Alibaba intern die Gesangs- und Spiel-App Changya ausgebrütet. Zu dieser Zeit versuchte Changya, die Schwelle für das Spielen und Singen durch farbige Tasten und Akkordbegleitung zu senken, sodass normale Nutzer, die kein Instrument beherrschen und keine Grundkenntnisse in Musiktheorie haben, sich an der Musikerstellung beteiligen können. Alibaba definierte diese Anforderung damals sogar als „allgemeines kreatives Verhalten“ junger Menschen.

Interessanterweise hat Changya später das Alibaba-System verlassen, aber die Gruppe von Menschen, die damals an der „allgemeinen Musikkreativität“ arbeiteten, hat die Musikbranche nicht verlassen. Mit der Verkleinerung der innovativen Geschäfte von Alibaba sind das Changya-Geschäft und Teile des Teams später zu Qutun Technology übergegangen, wo sie weiterhin das KI-Musik-Großmodell Tianpule ausgebrütet haben. Der ehemalige Projektleiter Li Yang verließ Alibaba und ging zu Kunlun Wanwei, wo später das KI-Musikmodell Mureka entstand.

Das Auftauchen von Happy Shrimp heute wirkt ein wenig wie eine historische Rückkehr. Natürlich ist Happy Shrimp zuerst ein KI-Produkt und erst in zweiter Linie ein Musikprodukt. Es ist besser, es im Kontext der aktuellen KI-Strategie von Alibaba zu verstehen.

In diesem Jahr hat die Alibaba ATH-Gruppe (Alibaba Token Hub) nacheinander Produkte wie HappyHorse (Happy Pony) und HappyOyster (Happy Oyster) vorgestellt. Von der Videogenerierung über Weltmodelle bis hin zu HappyShrimp (Happy Shrimp), das für die Musikgenerierung zuständig ist, deckt die „Happy-Serie“ allmählich verschiedene Generierungsmedien ab.

Dahinter steht eine Frage, die alle großen KI-Unternehmen beantworten müssen: Wenn die Fähigkeiten der Modelle immer stärker werden, wie können diese Fähigkeiten an gewöhnliche Nutzer weitergegeben werden, außer durch den Verkauf von Modellen und Tokens?

Daten zeigen, dass der externe Umsatz von Alibaba Cloud im ersten Quartal dieses Jahres um 40 % im Jahresvergleich gewachsen ist. KI-bezogene Produkte haben 11 Quartale in Folge ein dreistelliges Wachstum erzielt und machen 30 % des externen Cloud-Umsatzes aus; die Kundengröße von Model Studio hat sich im Jahresvergleich verachtfacht. Alibaba erwartet, dass der jährliche wiederkehrende Umsatz von KI-Modellen und Anwendungsdiensten bis Ende dieses Jahres 30 Milliarden Yuan übersteigen wird.

Auf der Analystentelefonkonferenz zum dritten Quartalsbericht des Geschäftsjahres 2026 der Alibaba Group hat der Konzern-CEO Wu Yongming bereits sehr klare kommerzielle Ziele für Alibaba Cloud und das KI-Geschäft festgelegt: In den nächsten fünf Jahren soll der kombinierte Umsatz von Cloud Computing und externen KI-Geschäften mehr als 100 Milliarden US-Dollar betragen.

Gleichzeitig entwickelt sich Alibabas KI-Planung von der Fähigkeitsentwicklung hin zu einer groß angelegten Kommerzialisierung. Von den Pingtouge-Chips und der Cloud-Infrastruktur über das Tongyi-Modell und MaaS bis hin zu Qianwen und verschiedenen verbrauchernahen Anwendungen hat Alibaba eine immer vollständigere Full-Stack-KI-Kette aufgebaut. Wu