十一月三日，iZotope发布Photon，一款独立应用兼ARA2插件，做的是AI分轨与音频清理。它最不寻常的地方不是功能，而是运行方式：十二个自训练模型全部在用户自己的显卡上跑，音频不上传云端，没有积分，也没有用量上限。定价三百四十九美元，一次买断。在音频AI普遍转向订阅与积分制的当下，这是一个明确的反向选择。
Photon内置十二个模型，六个做分离，六个做降噪。分离侧的能力分三档：把一首成品歌拆成四轨、把一个鼓组拆成五个部件、把一段录音拆成最多六个人声。降噪侧覆盖四类干扰：语音、室内噪声、交通声、风噪。
这个划分方式透露了产品定位。拆成四轨对应的是混音与重编曲需求，鼓组拆成五件对应的是采样与节奏替换，人声拆成六条对应的是合唱、对唱、多人访谈的后期。三类需求的共同点是需要"可编辑的中间态"，而不是一段处理好的成品音频。
降噪的四类分法同样是工程导向。风噪是低频宽带噪声，交通声是突发的中低频，室内噪声含混响尾巴，语音噪声（咳嗽、翻页、椅子响）是瞬态的。用一个大模型通吃四类，效果往往在某几类上塌陷；拆成专用模型，每类都能调得更凶而不误伤主体。这种拆分还有一个不显眼的好处：模型越小越容易在本地跑得动。把十二个窄模型装进一块消费级显卡，比塞一个全能大模型现实得多，代价是调度变复杂，用户得先判断自己遇到的是哪一类干扰。
云端音频AI的主流模式是按次或按分钟计费，用完再买。对偶尔处理几段素材的人，这最省钱；对每天要过几十条素材的团队，账会反过来：单价不高的服务，乘上高频使用，月度支出很快超过一张显卡的价格。
本地推理把这个成本曲线掰直了。硬件是一次性投入，之后每次处理的边际成本接近电费。三百四十九美元的软件加上一块已有或计划中的显卡，两三个月就能追平云端订阅，之后全是净收益。
但真正的驱动力往往不是钱，是保密。未发行的母带、客户访谈、影视同期声、司法取证录音，这些素材在很多合同里明确禁止上传第三方服务器。过去这类活只能靠人工，因为云端工具用不了；本地推理把这个限制解开了，等于打开了一块此前无法触达的市场。
代价也明摆着。模型在本地运行，就意味着效果上限被硬件锁死，显卡弱一点处理慢一些，长素材要等。模型更新也依赖厂商发版，用户没有云端那种"后台悄悄升级"的体验。买断制的软件必须靠持续发版本维持价值，否则两年后就会被云端工具甩开。还有一个现实约束是协作：云端工具天然支持分享链接、多人评论、版本回溯，本地软件要自己搭一套，小团队往往干脆不做。选择本地，等于同时接受了协作上的不便。
分轨质量至今没有公认的评价体系。学术上常用信号失真比这类指标，但它要求有一条干净的参考轨；真实素材里没有参考轨，人声与伴奏一开始就混在一起，任何指标都只能做近似估计。
于是判断退回到听感。专业的听法是把分离出的人声单独播放，听三件事：齿音有没有被削掉、呼吸声还在不在、背景里有没有残留的鼓点。伴奏轨则听另一端：人声有没有留下像回声一样的薄影、低频有没有被一起抽走、镲片是不是被处理成金属味的碎片。
这些瑕疵有共同成因。分离模型本质是在做频谱掩码，把属于某个声源的时频区域划出来，划错一块就会产生串音；划得过于激进，被划走的细节就补不回来。混音阶段做过压缩与限制的素材更难处理，因为动态已经被压平，模型找不到可用的边界线索。
所以任何分轨工具都要承认一个前提：已经混好的成品无法真正还原成原始分轨。它能做到的是给一个足够好的近似，让人觉得可以直接在上面加东西。判断标准因此不是"分得像不像原始轨道"，而是"分完之后能不能干活"，能不能加一轨和声、能不能换掉底鼓、能不能把对白从背景音乐里拎出来。
Photon提供独立应用，也提供ARA2插件。ARA是音频插件与宿主之间的扩展协议，允许插件在数字音频工作站里直接读写时间线上的音频片段，而不是只能实时处理流过的信号。这一层决定了它是不是"能用"。
没有ARA，分轨只能导出文件、处理、再导入，一次操作就是几轮文件搬运；有了ARA，处理结果直接落在时间线上的片段里，改名、移位、撤销都跟着宿主走。对每天在宿主里泡八小时的人来说，这决定了它是常用工具还是偶尔打开的软件。宿主支持度是另一个变量：同样是ARA，不同工作站的实现程度不一，有的能读到片段属性与增益信息，有的只支持最基本的读写，实际体验取决于你用的那版软件。
这也解释了为什么插件形态在音频行业比独立应用更吃香。混音师的工作台就是一个宿主加几十个插件，任何需要切窗口的动作都是摩擦。厂商要想进专业流程，第一件事是把自己的能力变成宿主里的一个节点。
过去三年，创意工具普遍往云端走，理由是模型太大、算力太贵、迭代太快。但这三个理由都在松动：模型蒸馏让小模型在窄任务上逼近大模型，消费级显卡的显存与算力逐年抬升，量化与推理优化把延迟压到可接受范围。
音频是最先受益的品类，因为素材体积小、处理链路短、对实时性要求不高。视频与图像的重度任务仍离不开云端，但局部环节（去噪、超分、抠像）已经开始本地化。行业的形态可能不是"云或本地"二选一，而是重活上云、轻活本地。
这个转向对定价体系有连带影响。按次计费的前提是厂商掌握算力，本地化之后算力在用户手里，计费必须改成授权制：买断、年费、或按功能模块订阅。三条路都在被试探，iZotope选了最激进的那条。
风险在于增长模型。买断制的收入集中在发布期，之后靠新版本拉动升级，现金流波动大。云端订阅的收入是平的，可预测性高，估值也更受资本市场认可。
真正决定这条路能不能走通的，是使用频率。每周处理几条素材的人，买断划算；每月处理几条的人，订阅划算。音频行业的专业用户恰好是高频群体，这个结构支撑了买断制的可行性。换到使用更零散的品类，同样的模式就未必成立。