📰 概要

2026年4月30日，一个匿名博士生左臂骨折，用三个月空白时间在网上发了一首用AI改编的歌，主题是读博的焦虑与崩溃。

48 小时播放破 5 万。现在这个系列已经有 42 首歌，累计 5000 万次播放，376 万点赞，3000 多封信写给他说"谢谢"。

他用的工具包括 Suno、MiniMax Music、HeartMuLa、ACE-Step 这些开源模型。

一首歌他会生成 100 多个版本，挑最好的那条。最后出来的成品，好听到让听众暂时忘了这是一首 AI 二创。

他给自己取了个网名叫"馄饨皮茄总"，至今没人知道他的真实身份。

🔍 解读

这件事有意思的地方不在于 AI 能写歌，而在于：AI 成为了一个普通人表达真实情绪的媒介。

"写词需要人脑主动去思考，需要温度，这是 AI 给不了的。"——这是茄总自己对 AI 的评价，意外地诚实。

AI 在整个创作流程里承担了最重的执行工作，但最核心的东西——那些情绪、那些歌词、那些选题——全是人脑的活儿。

5000 万播放背后，是一群真实的、正在经历学术困境的人。

他们需要的不只是解决方案，而是一个能说"我懂"的声音。AI 恰好提供了一种低成本、高效率的方式，让这种声音可以被规模化生产。

创作流程：选歌→填词→AI生成音乐

第一步选歌，茄总有三个标准：他听过、他不讨厌、他身边的人也听过。同时他会看粉丝评论，统计点歌需求，目前整理了上千条数据。

第二步填词，他把它比作"八股文"——有严格格式，但给了表达空间。他对着原曲记录字数、断句、重音位置，确保韵脚对齐。填词大部分一气呵成，他觉得"这是 AI 给不了的"。

第三步 AI 生成，这是最耗时间的部分。他的策略是"赛马"：同时动用多个 AI 模型，对同一段内容反复抽卡，100 多个版本里挑一个。

他改了什么地方？改配乐、改咬字（AI 发不准的中文换成同音英文词）、改调（Key）。他还花过钱找真人歌手录制 Demo，再让 AI 过一遍，只为增添一点"悲情现实主义"的质感。

AI 的局限

密集复杂的和声叠唱是 AI 至今无法处理的。在多声道音频面前，模型会失去辨别力，把几个人的声音误认为是同一个人。茄总把这称为"唯一真正放弃的遗憾"。

3000 多封信

茄总在 B 站收到的感谢信里，有人说做实验时会循环播放他的歌，有人打算把他写进论文致谢。但没人因为他的歌真正改变了人生走向。

他们来这里只是在寻找一种共鸣：我不是唯一一个在挣扎的人。有人看完了庆幸自己没读博，有人觉得——这说的就是我现在的感受。

全国在学研究生人数从 2023 年的 388 万增长到 2025 年的 430 万。这个群体在持续扩张，而他们的真实处境很少被看见。

什么情况不建议用

如果你期望从这类内容里得到读博的"正确答案"或决策建议，那这些歌不是为你准备的。它们的价值不在于解决问题，而在于让你知道你不是一个人。

什么时候值得跟进

如果你自己或身边有人在学术困境里，这些歌可能比任何建议都有用。每年 430 万研究生，每年都有新人走进来——这个需求不会消失。