Spotify 打擊 AI 垃圾內容，5,000 萬首曲目被排除於推薦之外

Spotify 表示，該公司今年打擊 AI 垃圾內容的行動，已將超過 5,000 萬首曲目排除於推薦之外。這項公告為一項影響深遠的區別提供了龐大數字：音樂可以繼續供人收聽，卻未必會獲平台協助接觸聽眾。

公司於 10 月 20 日星期二公布這項數字，並說明旨在讓真人藝人獲得更多曝光的調整。然而，Spotify 沒有交代被排除的曲目中，有多少是 AI 生成，而非其他形式的垃圾內容。

這令 Spotify 必須平衡互相競爭的責任：阻止工業規模的上傳行為，同時保留正當音樂人被發掘的機會。競爭對手 Deezer 提供了有用的比較，但核心衝突存在於 Spotify 本身：開放發行與選擇性推廣之間的取捨。

Spotify 的 AI 垃圾內容管控針對曝光，而不只是可用性

這個標題數字衡量的是推薦決定，而不是從曲庫刪除的數量。 這項差異決定聽眾應有何預期，以及藝人需要理解甚麼。

Spotify 的音樂推薦調整在 2026 年間，將超過 5,000 萬首被歸類為低質內容或垃圾內容的曲目排除於推薦之外。公司另提及，因嚴重或重複違規而從服務中移除的垃圾曲目超過 7,500 萬首。

這些數字描述的是不同的執法措施。讀者不應將它們合併計算為單一報告期內被刪除的 AI 生成歌曲數量。

公告描述了過去六個月推出的推薦更新。Spotify 表示，其編輯亦會避免編排被識別為低質內容或垃圾內容的作品。

其偵測程序結合收聽行為、上傳模式、中繼資料及第三方偵測工具。中繼資料是附加於錄音的描述性資料，例如作品名稱及藝人署名。

公司亦表示，調整後聽眾的憂慮有所減少。不過，它沒有提供數字化的降幅，或支持這項評估的獨立驗證指標。

這些細節界定了公告的範圍，卻未能解決其成效問題。龐大的排除數量顯示執法活動存在，但未揭示聽眾此前實際遇到多少不受歡迎的音樂。

比較主動搜尋與未經請求的推薦，這項實際差異便更清楚。尋找特定錄音的人表達了意向；接受下一首推薦歌曲的人，則將決定權交予平台。

每當串流服務填補這個被交託的空間時，都作出了編輯選擇。保留錄音的可用性，不代表必須將它展示給從未要求收聽的聽眾。

因此，推薦資格構成另一種獨立的接觸途徑。上傳者可以保留發行渠道，卻失去接觸陌生聽眾的重要路線。

對已有知名度的藝人來說，聽眾或許已知道應搜尋甚麼。對無名音樂人而言，透過推薦被發掘，可能是建立初步認知的一部分。

因此，即使排除措施未至於下架，仍值得仔細審視。錄音仍然可以收聽，但其前景會更依賴人們帶着理由前來聆聽。

這亦是為何將這項公告形容為 AI 音樂禁令會誤導讀者。Spotify 報告的是涉及垃圾內容及低質內容的執法類別，而非禁止所有 AI 創作應用。

缺乏細分資料相當重要。垃圾內容描述的是濫用發行行為；AI 生成描述的則是一種製作方式。兩個標籤都不會自動完整解釋另一個標籤。

有說服力的評估必須將這些問題分開：作品是如何生成、如何發行，以及 Spotify 為何決定停止推薦？

真人藝人需要保護，同時不能失去自身的曝光途徑

政策的價值取決於正當藝人能否獲得更佳機會，而不會成為附帶受害者。 這對音樂人、發行商及 Spotify 的執法系統構成壓力。

Spotify 在其 2025 年 9 月的音樂垃圾內容政策中確立了方向。該政策將大量上傳、重複作品、操縱搜尋結果，以及濫用異常短曲目的行為，列為需要介入的情況。

當時，公司形容會採取審慎的推行方式，以避免懲罰錯誤的上傳者。它亦承認藝人在不同層面的創作活動中使用 AI。

這個較早的框架，為評估目前公告提供了重要標準。保護藝人需要區分濫用性的規模與正當實驗，而不是將不熟悉的製作方式視為充分證據。

試想一位獨立音樂人以項目名稱發行器樂作品。簡略的個人簡介或電子音樂風格，並不能證明該項目具有欺騙性。

同樣地，高頻率發行本身亦不能證明是垃圾內容。執法系統需要足夠脈絡，才能區分高產的音樂人與旨在淹沒發行渠道的操作行為。

這些是假設性的邊緣案例，而不是對 Spotify 決定的已證實發現。它們說明了當發行模式成為證據時，藝人為何需要易於理解的規則。

發行商面對相關挑戰。他們需要協助正當客戶準確描述錄音，同時識別會損害信任的提交做法。

提供清晰署名的上傳者，與將虛構表演者包裝成真實個人的人，提出的是不同主張。一項有用的政策應保留這種區別。

對聽眾而言，眼前的關注較少是程序問題。他們希望獲得值得聆聽的推薦，以及關於幕後人物的準確資料。

對音樂人而言，程序則變得核心，因為錯誤決定可能影響他們接觸這些聽眾的機會。一個系統可以提升整體收聽品質，卻仍可能對個別藝人作出影響深遠的錯誤決定。

因此，最完善的藝人保護機制包括糾正錯誤的途徑。藝人應能理解相關類別，並提交針對該類別的證據。

這不要求披露每一項用於偵測協同行為的訊號。詳細公開執法門檻，可能協助上傳者設計規避方法。

但它確實要求區分權利爭議與垃圾內容認定，或身份疑慮與製作披露。這些決定需要不同證據及不同補救方法。

因此，Spotify 的 AI 垃圾內容公告應從推薦隊列的兩方來評價。聽眾需要更少不受歡迎的內容，而正當藝人需要公平的途徑進入考慮範圍。

這種平衡對新入行者尤其重要。平台應避免將既有聽眾，變成證明藝人值得擁有聽眾的最容易方法。

否則，原本旨在保護人類創意的系統，可能反而偏袒已擁有最強知名度的創作者。

AI 身份與 AI 輔助創作的歌曲並不相同

可信的曝光政策必須區分藝人是誰，以及錄音如何製作。 這些問題有所重疊，但不能互相替代。

Spotify 的 8 月AI Persona 政策針對公開身份看似由 AI 生成的帳戶。政策描述了識別這些帳戶的標籤，以及預設將其排除於編輯及演算法推薦之外的安排。

演算法推薦是由自動化排序系統作出的選擇。Spotify 表示，當聽眾表達意向時可有例外，包括追蹤 AI Persona。

該政策亦將身份披露，與 AI 在音樂製作中所扮演角色的資訊區分開來。藝人使用合成樂器，並不能回答公開展示的表演者是否代表真實人物。

這種區分令背後的取捨更容易理解。聽眾可以接受電腦輔助製作，同時仍希望獲得關於呈現在自己面前的藝人的真實資料。

虛構的音樂角色帶來另一個問題。虛構本身不等於欺騙；關鍵在於觀眾被引導相信甚麼。

因此，標籤必須傳達精確訊息。有關身份的標籤，不應變成對錄音中每一種聲音均缺乏根據的主張。

同樣地，製作披露不應暗示音樂人沒有真實的人物背景。創作輔助與虛構身份，需要不同解釋。

這項區分很重要，因為廣泛的標籤可能帶有超出預期範圍的判斷。聽眾或會將任何可見的 AI 標記理解為對藝術品質或權利合規性的警告。

這兩項結論都不會自動成立。披露描述一項相關屬性；它本身不能證明錄音是否侵犯權利或值得關注。

Spotify 亦必須區分刻意的興趣與被動接觸。追蹤合成項目的聽眾，提供的資訊與意外接收到該項目的受眾不同。

這支持將未經請求的推廣與有意識的收聽分開處理的政策。它亦要求介面清楚說明追蹤或標籤會帶來甚麼改變。

否則，雙方都會面對模糊不清的情況。創作者無法預期會受到何種處理，而聽眾無法知道標籤描述的是身份、聲音生成，還是涉嫌濫用。

對音樂以外的 AI 產品用戶來說，這項區分並不陌生。已披露的合成聲音，與未經許可冒充他人的合成聲音，會引發不同問題。

更廣泛的教訓在於歸屬說明。產品應清楚交代系統生成了甚麼、人作出了甚麼貢獻，以及受眾面對的是甚麼身份。

當這些類別保持清晰可見時，Spotify 的 AI 垃圾內容執法便更容易評估。當單一籠統術語同時涵蓋欺騙、重複、製作工具及審美厭惡時，評估便變得更困難。

因此，公司的任務一部分是技術性的，一部分則是編輯性的。偵測可以提供證據，但政策決定這些證據對接觸聽眾意味着甚麼。

Deezer 說明聽眾選擇為何正成為競爭議題

串流服務正在競爭的，不只是平台自行篩選內容的成效，也包括聽眾能獲得多少控制權。 Deezer 展示了這場競爭中另一種側重。

Deezer 在其 4 月公布的AI 上傳數據中表示，每日收到接近 75,000 首 AI 生成曲目。它估計，這些曲目約佔每日上傳量的 44%。

Deezer 亦表示，AI 生成音樂佔串流播放量的 1% 至 3%。這些數字描述的是其自身平台，不應套用於 Spotify。

上傳量與收聽量之間的對比很有參考價值。龐大的錄音供應量，並不能證明受眾希望將相若比例的聆聽時間投入其中。

供應量、曝光度與需求是不同的衡量指標。把其中一項當作另一項的替代品，會掩蓋串流平台實際需要管理的問題。

10 月，Deezer 公布了一項額外的 AI 韞樂篩選器，計劃在 2026 年底前推出。公告表示，聽眾搜尋音樂時將可排除由 AI 生成的內容。

這項建議把討論延伸至被動推薦以外。它提出了一個問題：即使聽眾主動搜尋，是否應讓他們控制某類內容的可見度。

Spotify 的公告重點在於平台執法。Deezer 建議的控制項則把額外的決定權交給聽眾。

這些做法可以並存。服務可限制濫用式分發行為，同時為其他獲准上架的錄音提供偏好設定。

不過，偏好開關並不能消除分類問題。平台仍須判定哪些錄音應歸入該篩選之下。

可選用的篩選器亦可能帶來超出其能力範圍的期待。聽眾或會以為啟用後，目錄便完全由人類創作的作品組成。

要兌現這項承諾，所需的證據必須比偵測某些已知生成模式更充分。未知的製作工具、混合工作流程及不完整披露，都會令結果變得複雜。

因此，競爭問題不止在於是否存在一個按鈕。服務需要說明其控制項涵蓋甚麼，以及不確定性如何影響聆聽體驗。

有用的比較應檢視清晰度、一致性與修正機制。服務是否解釋其分類、可預測地套用分類，並在出現可信證據時修正錯誤？

新聞標題中的排除總數無法回答這些問題。不同的目錄、期間、定義與執法政策，令直接比較並不可靠。

較大的數字也不會自動代表系統較強。它可能反映更廣泛的分類、更大的供應問題，或不同的衡量時段。

對選擇服務的聽眾而言，實際結果更重要。他們需要明白預設會出現甚麼內容，以及表達偏好後會有何改變。

對 Spotify 而言，這帶來競爭壓力，要求它令自身立場更易理解。更好的篩選固然有幫助，但聽眾亦需要明白平台替他們作出的選擇。

偵測準確度仍是最難審核的主張

移除數量無法證明偵測系統準確。 它反映的是已作出的決定，而非那些決定是否正確。

一項獨立的 音樂偵測研究說明了評估條件為何重要。研究人員 David López-Ayala 及其同事以乾淨的音樂樣本，以及條件愈來愈困難的電視廣播環境，檢視偵測表現。

該份 8 月預印本報告指出，系統在乾淨樣本上的表現強勁，但在廣播條件下大幅惡化。人類創作與 AI 生成音樂的分數，在真實電視錄音中有更大程度的重疊。

該研究涉及廣播監測，而非 Spotify 的生產系統。它並未確定 Spotify 的錯誤率，也沒有直接評估 Spotify 所使用的工具。

其相關性較為有限：在一種音訊環境中的表現，並不保證在其他環境亦有可比表現。任何作出偵測主張的平台，都需要提供符合其實際操作條件的證據。

對串流服務而言，重要問題包括：測試了哪些製作模型，以及評估如何處理人類與合成作品混合的情況。

若測試主要由熟悉的生成器組成，便可能錯過涉及較新系統的弱點。若測試只包含明確分隔的類別，便可能錯過模糊的製作工作流程。

假陽性是系統錯誤標記的正當錄音。假陰性則是系統本應辨識、卻遺漏的錄音。

兩者都很重要，儘管影響不同。遺漏的垃圾內容會加重聽眾與競爭藝人的負擔；錯誤標記則會令失去存取權的創作者承受代價。

平台可以透過容許較多另一類錯誤，來減少其中一類錯誤。若不報告這種平衡，公司便無法說明其執法如何影響正當作品。

聲學判定與行為判定之間亦有區別。檢查聲音的偵測器所回答的問題，與協調式上傳的證據所回答的問題不同。

結合證據可以改善決定，但不代表每個構成訊號都同樣可靠，也不會消除調查不同訊號之間分歧的需要。

假設某段錄音在偵測器看來可疑，但附有可信的製作文件。公平的程序應有方法評估這種衝突。

相反，沒有可偵測合成特徵的錄音，仍可能參與濫用式分發。垃圾內容執法不能完全依賴識別 AI 生成的聲音。

這正是為何最有力的審核應按類別檢視決定。讀者需要的不只是涵蓋每條執法路徑的單一數字。

Spotify 的 AI 垃圾內容總數亦沒有清楚交代分母。若沒有可比較的合資格錄音數量或推薦曝光量，讀者便無法計算受影響比例。

曝光量指標可回答一個更以聽眾為中心的問題：改動前後，有多少不受歡迎的內容接觸到用戶？

藝人的結果需要另一項衡量指標。成功的篩選應保留正當的發現機會，而非只是減少被納入推廣考慮的錄音數量。

這些問題並不否定該公告。它們界定了由公司自行報告的干預措施，進一步成為已證實改善所需的證據。

目前而言，可站得住腳的結論很具體。Spotify 報告稱大幅限制錄音獲推薦的資格，但公開證據仍不足以獨立衡量其整體準確度。

2026 年底前值得留意的事項

下一批有用的證據將關乎實施、修正與聽眾結果。 單靠另一個排除里程碑，只會帶來有限的清晰度。

首先，留意藝人保護工具的可用性。Spotify 表示，計劃在年底前讓所有藝人都可使用 Artist Profile Protection。

相關問題是，正當音樂人能否在毋須面對不清晰執法程序的情況下，處理錯誤發行的作品。可用性應轉化為使用者真正可行的體驗。

清晰的說明會加強公司以藝人為先的立場。混亂的資格規則或未解決的錯誤歸屬，即使新聞標題中的執法總數持續上升，也會削弱這一立場。

個人檔案保護處理的問題，亦不同於推薦排除。一方面的進展不應被視為另一方面運作準確的證明。

其次，留意承諾的聽眾控制項是否如所述推出。Deezer 計劃中的篩選器提供一個具體機會，可評估服務如何解釋內容偏好。

若控制項易於理解，且其限制清晰可見，將會加強讓聽眾擁有更多直接自主權的理據。含糊的實施方式則會暴露依賴開關的局限。

Spotify 自身的呈現方式亦值得同樣嚴格檢視。聽眾應明白標籤涉及的是藝人身分、製作參與，還是執法判斷。

第三，留意是否有超越受影響曲目數量的結果報告。有用的披露應說明曝光變化、修正率，以及正當藝人的體驗。

量化的不受歡迎推薦減幅，會比持續增加的累計數字更直接支持 Spotify 的說法。準確修正的證據則有助建立程序可信度。

相反，若持續報告卻沒有可比較的定義，核心不確定性將維持不變。讀者會知道 Spotify 有採取行動，卻難以評估其成效。

這些訊號的重要性不止於串流平台，因為推薦系統愈來愈決定哪些作品會獲得關注。AI 令創作某件作品與獲得分發之間的區別變得更重要。

對開發 AI 產品的開發者而言，Spotify 的經驗突顯了一項產品設計要求：系統需要有方法表達不確定性，並修正影響重大的決定。

對使用自動化資訊流的知識工作者而言，這強化了一種閱讀習慣：可見的排序反映篩選規則，而非可用作品的完整清單。

Spotify 的 AI 垃圾內容控制措施最終應透過這些可觀察細節贏得信任。公司所宣稱偏好人類藝術創作，需要由易於理解的分類與公平對待加以支持。

在未來數月，留意藝人工具、檢視標籤，並比較承諾與實際推出的功能。詢問服務是否把其決定解釋得足夠清楚，讓聽眾和音樂人能作出回應。尋找不受歡迎曝光下降、而正當作品仍保有公平被發現機會的證據。把更大的執法總數視為提出問題的起點，而非完整答案。有用的問題已不再只是 Spotify 能否令更多錄音不進入推薦。問題在於平台能否證明其選擇改善了作品發現、尊重有意識的聆聽，並讓藝人有可信的方法挑戰錯誤。