AI 做的 demo，為什麼專業耳朵一聽就抓到「假假的」？不是玄學，是四個具體、聽得出來的破綻——不是每一首都會全部踩到，但只要踩中一個，錄音室裡受過訓練的耳朵就會心裡咯噔一下。這四個破綻背後都有明確的聲學原理，不是印象流的批評。
破綻一：人聲整段不換氣
真人唱長句子時，身體會誠實地告訴你極限在哪——句子唱到一半，會有一個很輕、很快的偷換氣，這是生理限制，躲不掉。AI 生成的人聲常常整段唱完都不喘，因為它沒有肺活量這回事，模型只負責把音符和歌詞對上，不會替自己安排呼吸。判斷方法很簡單：把副歌放到 0.75 倍速慢速聽，真人版本一定聽得到換氣的縫隙；如果整段完全平順、沒有任何停頓感，那大概率是機器唱的。
破綻二：主歌到副歌的動態被壓成一條線
好的混音，主歌到副歌之間會有一個「打開」的瞬間——音量、能量感忽然撐大，這個對比是歌曲情緒堆疊的關鍵。專業母帶的動態範圍通常落在 6 到 10 分貝之間；AI 生成的混音經常把整首歌壓進 3 到 5 分貝這種很窄的動態區間，聽起來每一小節都差不多響，副歌並沒有比主歌「大聲」多少。這不是音量夠不夠大的問題，是「對比夠不夠」的問題——AI 目前還不太會處理這種情緒起伏該留在哪裡。
破綻三：句尾的收音有破綻
聽每一句歌詞的最後一個字怎麼收尾，是老製作人的習慣動作。真人唱歌的尾音會自然地收、常常帶一點點抖音，那是聲帶放鬆的生理反應。AI 生成的人聲在尾音處經常出現不自然的痕跡——要嘛整個音被硬生生切斷，要嘛用一層厚厚的殘響蓋過去，掩蓋收尾銜接不上的問題。這個破綻最容易被一般聽眾忽略，但對做過現場配唱的耳朵來說，是最快抓到的一個。
破綻四：鼓點準到像節拍器，沒有呼吸感
真鼓手不會把每一拍都打在絕對精準的格線上——尤其是 backbeat（也就是 2、4 拍的小鼓），有經驗的鼓手習慣稍微「拖」一點點，這種微小的延遲叫做人類的微時差（micro-timing），通常落在 5 到 30 毫秒之間。這幾毫秒的「不準」，反而是聽起來「有人味」的關鍵。AI 生成的鼓軌經常完全卡在數學格線上，零偏移、零拖拍，理論上很「精準」，但聽起來反而生硬、沒有律動的呼吸感。
這代表什麼
這四個破綻，沒有一個是「AI 做不到」的技術極限——換氣、動態、收音、微時差，每一項都有明確的後製方法可以修正，只是這些修正需要一雙聽過大量真實錄音、知道「人味」聽起來該是什麼樣子的耳朵去做判斷。這正是我們常說的：AI 能有效率地把一首歌做到 60 分的骨架，但最後決定這首歌聽起來像不像「有人在乎地做出來」的那 40 分，還是得靠人耳去補。
下次你在聽自己或別人的 AI demo 時，不妨照這四個破綻一項一項檢查——你會發現，抓破綻其實比想像中容易，只是沒人告訴過你要聽哪裡。