AI视频明星公司开始向音乐领域延伸。8月，以AI视频生成工具闻名的Pika Labs正式发布音乐生成模型Pika Music，这是其首次进入音频生成赛道。与市面上主流的AI音乐模型不同，Pika Music支持文本、歌词、人声参考与音乐参考四种输入方式，用户可以单独使用其中一种，也可以自由组合混合输入，所有信号最终汇入一个共享的潜在扩散解码器，一次性输出完整歌曲。这一设计把音乐生成从单一提示词驱动的模式，推进到多模态信号混合创作的新阶段。
Pika Music的技术路径颇具巧思。按照Pika官方技术博客的介绍，这款模型的核心卖点并非又一个文本生成音乐模型，而是创作素材的混合能力。用户可以提供风格描述（包含BPM、乐器、情绪）、结构化歌词（包含主歌副歌标签）、一段人声参考（确定音色与演唱方式）或者一首音乐参考（表达难以言说的整体感觉），这些输入可以单独使用，也可以任意组合，共同进入同一个潜在扩散解码器完成生成，而不是像传统流程那样把不同输入拆成多个独立工作流依次处理。
这种混合输入设计直击AI音乐创作的实际痛点。现实中的创作者往往手里既有零散的旋律灵感，又有部分歌词，还有对某首作品风格的模糊追求，过去需要把这些诉求分别转化为文字提示，信息损耗在所难免。Pika Music允许创作者直接上传参考素材，让模型从素材中提取风格特征与演唱特点，创作意图的传递更加直接。官方演示中，用户上传一段人声与一段参考音乐，加上简单的歌词，就能得到融合了指定音色与风格特征的完整歌曲，创作过程的参与感显著增强。
Pika Music在生成能力上的参数同样值得关注。官方给出的单曲生成时长上限为6分钟，这一规格直接对标行业主流水平，Suno的生成时长通常在数分钟级别，MiniMax Music的时长则与歌词长度绑定。Pika在API中暴露了时长参数，允许开发者直接控制生成时长，这在MiniMax Music等竞品中并未提供，后者只能通过歌词长度间接决定歌曲时长。更灵活的时长控制，让Pika Music在长音频生成场景中具备更高的适配性，例如配乐、播客与影视声音设计等对时长有精确要求的应用。
在生成速度上，Pika官方公布的本地测试数据显示，生成一首90秒的歌曲平均耗时6.21至6.25秒，约为播放时长的14.5倍速，当然这一数据为厂商本地环境测试结果，实际排队与生成时间取决于服务端负载。Pika还发布了基于固定歌词的15个创意方向的盲测对比，在内容享受与制作质量两个维度上，Pika Music的评分与Suno基本持平，差距仅在误差范围内。这意味着Pika Music在音质与创意表达上已经具备与头部产品正面对话的底气，而非以试水姿态进入市场。
价格策略是Pika Music进入市场的重要武器。Pika官方API的定价为每分钟0.015美元，且仅在生成成功时收费，失败不扣费。这一价格在AI音乐市场处于较低水位，与MiniMax Music等竞品相比具有明显性价比优势。Pika还通过其API平台向开发者开放接入，开发者可以在Pika Music、MiniMax Music、Suno等模型之间自由切换，按需选择适配任务的模型。低定价加按成功计费的模式，降低了开发者尝鲜的试错成本，有利于快速积累用户与场景数据。
从商业逻辑看，Pika的定价策略与其视频业务的协同密不可分。Pika的核心用户群是视频创作者，音乐是他们创作流程中的刚需，把音乐生成能力以低价接入，能够完善Pika的内容创作生态，让用户在一个平台上完成画面与声音的全部生成。部分第三方平台已把Pika Music接入其模型列表，与MiniMax Music 3.0、Suno V5.5并排提供，用户生成歌曲后可直接获取配套画面，生成可发布的音乐视频。这种视频加音乐的组合拳，正是Pika跨界音乐的战略意图，用生态协同而非单纯比拼音质来构筑竞争壁垒。
Pika Music的发布，是AI内容生成行业边界融合的缩影。过去，文本、图像、视频、音频生成各自独立发展，每家创业公司聚焦单一模态，随着底层大模型技术的通用化，模态之间的壁垒正在瓦解，视频公司进军音乐、音乐公司拓展视频成为趋势。Pika从视频切入音乐，MiniMax则从音乐与对话拓展到视频，字节跳动、谷歌等巨头更是全模态布局。技术底座的同源化，让跨模态扩展的成本大幅降低，谁能率先打通多模态内容生产链条，谁就能在创作者经济中占据更有利的位置。
对于创作者而言，模态融合意味着工作流的高度整合。过去制作一条音乐视频，需要在视频生成工具与音乐生成工具之间来回切换，素材格式转换、风格对齐都是额外负担。当视频与音乐生成能力在同一平台贯通，创作者可以用一套工具完成从创意到成片的全流程，创作效率与表达自由度同步提升。Pika Music目前的音乐质量与头部产品仍有细节差距，但其多输入混合、低价策略与视频生态协同的组合拳，正在为AI音乐市场带来新的竞争变量，也预示着内容创作工具将进入跨模态整合的新阶段，单一模态的工具孤岛将逐渐消失。