Web3+AI赋能个人品牌：万事达卡案例分析以及AI时代的版权挑战

Mastercard Artist Accelerator 是一个音乐人加速器项目，提供独家内容、AI 音乐工具和多种 Web3 机会，通过发掘新兴人才推动音乐行业的发展。

通过 Mastercard Music Pass NFT，音乐人可以

Follow 5 位新兴音乐家 + 5 位 mentor 的指导，学习如何建立 web3 驱动的音乐品牌
访问独家内容，学习如何利用区块链技术进行创意和营销
使用 AI 工具来作曲

【社区 + 内容 + 工具】组成了一个典型的基于 Web3 + AI 的个人品牌孵化器

音乐人在社区里面交流和积攒粉丝，学习必要的技能，使用 AI 工具提升创作效率
音乐人通过孵化，打造个人的内容、社区和 NFT Pass, 形成个人品牌

整个孵化计划分为 4 个部分，还是比较完整的

4 月：开放 Mastercard Music Pass 给公众 mint
5 月：发布 AI 作曲工具
5 月：5 位新兴艺术家分别与一位导师搭档，帮助他们在 Web3 的世界中建立个人品牌
6 月：5 位新兴艺术家毕业演出

Mastercard Music Pass 卡的目标用户是谁？

Mastercard Music Pass 卡的 mint 门槛相当低，用户只需要填写邮箱就可以 Claim，不需要连接小狐狸钱包，也不需要 gas 费

官方称该项目是与 Polygon 共同创建，为每个用户创建了一个托管钱包。简单理解就是目前钱包类似 web2 的体验，好处是门槛低，短期没有炒作风险，但是否能转移和交易需要官方来决定，另外官方称未来允许将资产转移到非托管钱包。

这种【先让用户低门槛进入 + 必要时转到链上】：https://twitter.com/starzqeth/status/1647933432616620032

的方式我们之前也介绍过，目前看来是最适合 onboarding web2 用户的方案。网站上也准备了《Web3 音乐入门》，由此来看，Mastercard 音乐计划的主力用户的确定位在 web2 里对音乐感兴趣的用户, 希望有一个大基数的社区基础。

不过小小的吐槽一下，对于【钱包】和【客服】问题，万事达卡也没有做好充分的准备，官推下不少人问如何把 Pass 转移到 MetaMask：https://twitter.com/Mastercard/status/1646173292917555208，官方建议 DM 提供更多信息。我也去 DM 了一下，结果收到了先测试网速的自动回复

不确定现在有多少用户 claim 了这张 Pass, 以及如何进入官方社区，看到月底会不会有公告。

btw, 看到一个观点「过去一年多 Web2 到 Web3 的用户迁移，是个伪命题」。我认真看了曾鸣、冯波、蔡文胜三位大佬讨论的原文，个人理解，曾鸣在提出这个观点的时候，更多是在强调「创造出足够大的用户价值」，而不是说不需要降低用户进入 Web3 的门槛。同场的蔡文胜也做了对应的补充：

移动互联网的爆发与两个东西有关系。2009 年 iPhone 的横空出世，包括安卓在 2010 年出现以后，整个操作系统带来巨大的革命。以中国为例，真正在中国普及也是 2011 年、2012 年华为、小米的出现，把手机的卖价成功降到 2000 块以下。

谷歌刚出来第一代第一台都七八千块，你是很难接受的。我们在谈的 Crypto，现在以太坊费用已经降到 1、2 美金，但还是相当于十几块人民币，能不能再降一个台阶？熟度再到一个台阶。

10 年前也有大量讨论「为什么要这么贵的手机，续航还不如诺基亚」。智能手机从 8000 块降到 1000 块带来的门槛巨大下降，以及大量有价值的 App, 把数十亿用户迁移到移动互联网，【降门槛】和【提供价值】是相辅相成的关系。很难想象，如果智能手机还是 8000 块，Web2 会是一个什么样的世界。

Web2 App 的核心壁垒是网络效应，所以获取大量用户，本身就是在增加价值；对于主打价值储存和交换的 Web3 DApp（典型如以太坊），同样具备网络效应，期待看到获取更多用户后，可以孵化出更多有价值的 Dapp.

孵化器社区的典型结构是什么？

万事达卡搭建的孵化器社区是一个典型的金字塔结构，可以作为参考，一共三层

最顶层是导师，代表这个行业的最尖端水平。这 5 位导师各有特色，在音乐领域和 Web3 都相当有建树，特别是 Tushar / Latashá / Ian, 既懂音乐又懂 web3，简直是万事达卡 Web3 音乐计划导师的不二人选

Tushar Apte: 来自澳大利亚的音乐制作人和词曲作者，曾为许多知名的歌手和团体创作和制作歌曲，例如 Chris Brown、BTS、Blackpink、Demi Lovato、Zayn Malik、Nicki Minaj 等，创作的歌曲有超过 20 亿的播放量；同时他也发行过自己的 NFT，担任创业公司顾问
Latashá: 来自 LA 的 Rapper, 同时也是 Zora 的社区 leader, 帮助独立音乐人在 web3 发展（简直太酷了）。
Ian Rogers: 音乐（雅虎音乐总经理、Beats CEO、苹果音乐资深总监）和奢侈品（LV 集团首席数字官、Lyft 董事会成员）行业老兵 +Web3 领导者，目前是 Ledger 的首席体验官，负责推动加密货币和 Web3 的安全和用户体验
Nife: 非洲舞者和内容创作者，在 Instagram 上有近 100 万粉丝。
Brian Trunzo: 一位多才多艺的人，曾经是一位成功的律师，然后转行成为一位时尚创业者和顾问，现在是 Polygon Labs 的北美业务发展主管

中间是新兴音乐人，一方面向导师学习音乐和 web3，另一方面也是其他音乐人和爱好者的参考榜样

最后是其他音乐人和爱好者，他们是社区的主力成员，用自己的行动来支持音乐人的发展，同时往上晋级

在这样的金字塔结构里，每一层用户都有自己的目标，共同组成一个有活力的社区

关于如何建立 token-gated 社区，Ruby 刚写了一条推，欢迎延伸阅读。

什么样的内容适合做 token gated?

目前官网上放出来了 4 篇内容，除了上面提到的《Web3 音乐入门》外，其他 3 篇都需要持有 Pass 才能访问，包括

《如何通过数字藏品建立社区》
《如何发布数字藏品》
《Web3 中的参与模型》

说实话，这 3 篇内容都非常浅，而同样主题下写的更好的内容非常多。这里引发一个探讨：什么样的内容适合做 token gated？

我自己的答案，3 类内容适合做 token gated

有「在场感」：比如直播、线下聚会等。这类内容的本质是互动，用户会为「不能错过的在场感」买单，同时 token gated 也保障了互动的质量
有「优先感」：比如抢先体验新发布的音乐
有「独享感」：比如独家花絮，和艺人交流的机会等

这 3 类内容本质上都是通过「稀缺性」来吸引用户付费，同时 token gated 又进一步保障了稀缺性。

「非稀缺」内容用来做获客，「稀缺」内容用来做 token gated 的社区权益，这样的划分就会比较清晰。

AI 时代，如何对作品确权？

AI 作曲工具说实话已经不少了，万事达卡肯定也不会自己做，基于目前收集的信息，应该是和 WarpSound 合作，帮助音乐人提升效率。

这个部分，我们来探讨一个有趣的话题：AI 时代，如何对作品确权？

用 Web3 完美解决音乐版权问题的时代还在远方，用 AI 大批量生成音乐的时代已经来临了。

AI 生成的作品，版权如何做归属呢，这是每一个音乐人 / 创作者都关心的问题。Water&Music 有一篇关于音乐版权归属的文章很精彩（感谢 Henry 推荐和分享），我们做了一些编译，刚好对这个部分做个探讨。

《AI 音乐版权归属问题》By Yung Spielburg

为什么创作归属在当今音乐产业中至关重要
为什么创意人工智能让归属变得如此困难
案例研究：小规模方式解决权利归属
结论：归属优势

原文链接：https://www.waterandmusic.com/the-music-ai-attribution-problem/

1. 为什么创作归属在当今音乐产业中至关重要

在今天 TikTok 驱动的音乐传播市场中，音乐人越来越多地采用「放手」他们的作品作为一种生存策略。病毒式的未经授权的混音和片段可能会意外地改变音乐人的职业生涯。

目前这种传播模式的核心是，通过不受限制的分发（例如盗版混音、TikTok 视频）扩大音乐作品的传播面，最终使得音乐人的品牌受益。

这个模式通过在大众观众中增加曝光，不仅推动了音乐消费，还有门票销售、商品、赞助和其他收入；使得音乐产业价值归属到音乐人本人品牌而非音乐资产本身。

这是一个双赢局面：未经授权的翻唱（衍生作品）作品的创作者建立了他们的受众粉丝，而原创作品的创作者则获得了后续的兴趣以及对衍生作品进行商业化的能力（如果他们愿意的话）。

但即使如此，这个系统仍然依赖于一个关键因素，如果没有它整个结构就会崩溃：创意归属，或者说识别原始作品的作者的能力。

对于现有的音乐采样或改编等情况，归属是直接明确的，并且有着既定的信用和清算系统。然而，当模仿或「从现有作品中汲取灵感」时，分析变得更加模糊，可能涉及诉讼和相互矛盾的专家意见。音乐和技术产业最近推出的一些举措，例如 Spotify 的 Songwriter 页面和 TikTok 的 Crediting Creators 工具，旨在在更加自由形式的媒体世界中增强归属可见性。

但现在进入生成式音乐模型领域后，「我们所知道的音乐产业归属方式可能被颠覆」。将现有采样结构映射到生成 AI 工具上是非常诱人的想法，但可能证明是一个难以应用的框架。

2. 为什么创意人工智能让归属变得如此困难

AI 创意在音乐领域的归属问题非常困难。与采样不同，很难确定训练数据对生成 AI 模型的输出有多大影响，或者原创作者在商业化模型中应得到多少补偿。

当前的创意 AI 架构在一个关键点上存在很大的争议：一个单独作品是否可以直接影响输出，特别是对于需要高质量结果的大规模模型。随着模型参数随着更多艺术家贡献数据的增加而增加，最终的表示变得更加复杂。

例如，一个大规模的音乐 AI 模型可以使用来自训练数据中数千个类似音乐家的重叠数据来生成特定的 EDM 艺术家风格的作品，而没有明确的确定哪些包含在内，同样重要的是哪些不包含在内。

音乐 AI 从业者 Mat Dryhurst 通过将他自己的 Holly+ 模型（基于 Holly Herndon 的声音）与 Stable Diffusion 或 Midjourney 等大模型进行比较，说明了这个问题:

「Holly+ 是全部都是 Holly 的声音，只有十个制作人的模型的收入可以分成十个部分 – 容易。有十亿参数的模型？别想了。」

到目前为止，大多数值得关注的音乐 AI 模型都是建立在大量的训练数据上的。例如，Google 的 MusicLM 部分是基于 MuLan 构建的，该数据集包括 4400 万个记录，总共 370,000 小时（约 42 年）的音频，以及包括 343 天的创意共享许可音频的 Free Music Archive 数据集。因此，Google 的研究人员可能在音乐中面临与文本和视觉艺术同行相似的归属挑战。（更加严重的是，OpenAI 等有影响力的 AI 公司由于市场竞争压力，让他们的生成模型训练数据更加不透明。）

3. 案例研究：小规模方式解决权利归属

许多音乐 AI 创始人和开发者通过小规模的方式开始（暂时）解决归属问题。

与其他创意领域相比，音乐 AI 项目的开发者更加重视训练数据的来源，以避免由于版权问题而无法推出商业产品。

我们发现开发者倾向于直接委托艺术家和制片人提供训练数据，主要以回购方式结构化交易（例如，Mubert Studio 支付艺术家每个样本 0.50 美元，以供其 Render 工具使用）。这种方法与大规模图像和文本生成器采取的方法不同，后者目前面临从互联网上抓取受版权保护内容的潜在法律风险。

原文里面介绍了几个工具，Spawning, Never Before Heard Sounds, Infinite Album, 这里不一一展开。

总结下来，暂时的解决方式是

先明确每一首作品的归属

AI 做（小规模）训练的时候，需要作品授权，同时支付训练数据费用

但因为很多内容都公开在网上，随着 ChatGPT 和 Midjourney 这类大规模 AI 模型纳入更多用户生成内容并允许任何人贡献培训数据，识别作品权利归属的困难只会增加。

4. 结论：归属优势

增强创意 AI 的归属功能和标准将为音乐产业相关方带来许多好处。除了为艺术家提供更清晰的「AI 足迹」之外，归属机制还可以使音乐 AI 初创企业探索更灵活的培训数据提供者的补偿模型。时间会告诉我们，能否提供不同的补偿结构将吸引比竞争对手更好的专有数据，并证明是初创企业的市场优势。

未来，许多这些初创企业可能想要运营的规模的替代方案会有 2 类