Automix智能过渡技术漫谈

与传统DJ混音相比

传统DJ混音需要：

• 专业的硬件设备（CDJ、混音台等）
• 丰富的音乐知识和混音技巧
• 实时的手动操作和判断
• 大量的练习和经验积累

而Automix则：

• 无需专业设备，在手机App上即可完成
• 算法自动处理，降低技术门槛
• 可预览和调整，容错性更高，普通用户也能享受专业级的混音体验

在流媒体平台中的表现形式

目前，主流流媒体平台引入 Automix 的形式均为在播放列表播放时，将相邻的歌曲以DJ Mix的形式播放，这个播放列表可以是歌单、排行榜、个性化推荐等场景下的播放队列。

*只有一种情况各平台没有也不应该引入Automix：专辑。专辑（Album）在音乐中通常被视为一个完整的、有特定叙事或艺术流程的作品。艺术家对专辑的曲目顺序、曲目之间的停顿时间都有明确的控制和设计。Automix/Crossfade会在歌曲之间添加智能或固定的过渡，这会改变艺术家最初设定的听感体验。例如，有些专辑曲目之间本身就是无缝连接的（Gapless Playback），或者特意留下了较长的沉默以营造氛围。自动混音会打破这种原有的安排。

DJ文化的起源与发展

DJ（Disc Jockey）文化起源于20世纪30-40年代的美国，最初是指播放唱片的人。电台DJ 在节目中播放音乐并穿插以评论和新闻播报。电台是彼时音乐传播的主要渠道。

50-60年代，随着声学技术的进步，电台DJ在推广摇滚乐、灵魂乐和节奏蓝调这些新兴音乐流派中发挥了至关重要的作用。DJ开始进入社区电台和俱乐部，利用播放唱片来控制和引导舞池的能量。

70年代是混音技术革新的黄金时代，也是DJ从简单的“放歌的人”转变为“音乐艺术家”的关键十年。

• 在牙买加上班的Dub音乐人开创了分离人声伴奏的技术，并将Echo和Reverb效果引入进行二次创作；
• 在纽约The Loft俱乐部上班的DJ开始实验对拍（Beat Matching）技术以保持音乐不间断，并开始强调使用高保真的音响系统创造沉浸式的派对体验；
• 在另一位纽约上班的牙买加裔DJ创造性地在两台播放相同碟片的唱机之间来回切换，创造Breakbeat效果，奠定了采样”（Sampling）和“打碟”（Turntablism）以至Hip-Hop音乐的技术基础；
• [Disco音乐]的爆发催生了配备Crossfader和EQ效果器的混音台的诞生，使得实时混音和音效操作成为可能。

80年代，House和Techno两种风格在芝加哥和底特律发源。House音乐拥有标志性的四四拍节奏和温暖的采样音色，Techno则以工业化、未来感的声音和重复的合成器循环著称。这两种音乐风格影响至今，也为后来DJ文化和EDM的爆炸式发展奠定了基础。

世纪之交，数字音乐和软件DJ工具如Traktor(2000)、Serato(1998)的出现，降低了DJ的技术门槛。DJ表演与文化日益普及。2000年代 最伟大的电视剧 中就有一整集的剧情都围绕婚礼中 Band or DJ的话题展开。大型电音节遍地开花，EDC(1997)、Tomorrowland(2005)、UMF(1999)、Creamfields(1998)先后开办。DJ表演逐渐进入主流文化。

直到今天，在数字音乐和社交媒体时代，DJ表演已经超越了传统夜店和电音节的物理边界，成为一个出现在各个场景的艺术形式。随着门槛的持续降低，DJ表演也逐渐去中心化，我们可以看到专业的DJ/制作人出现在法式厨房、午夜天台、欧洲九寨沟半山腰上，也可以看到业余DJ出现在川西凯江大回湾、城市骑行队伍和精酿酒吧。2025年底金融DJ 在中文互联网打响DJ宇宙第一枪，不到两个月师范DJ、电工DJ、科研DJ等数十上百个品类纷纷冒头，蔚为壮观。

数字流媒体平台中的DJ文化

受播放版权限制，流媒体平台上线DJ Mix内容的进度并不顺利。

在一个 DJ Mix 中，DJ 可能会混入十几首甚至几十首不同艺术家的歌曲，每一首歌曲都需要同时获得音乐作品版权和录音作品版权的授权。这些歌曲在 DJ Mix 中通常会被加速、减速、循环、叠加效果（如混响、延迟）以及与其他歌曲混合（Mashup）。这就造成版税分配难以被识别和计算。

直到2021年，Apple 宣布引入Shazam的识曲技术，识别和补偿参与制作 DJ 混音的创作者。并与主要和独立厂牌合作，确保流媒体版税在 DJ、唱片公司和混音中出现的艺术家之间公平分配。自此DJMix内容 得以大规模上线流媒体平台。

随着技术的发展，DJ逐渐演变为通过混音、打碟等技术手段创造独特音乐体验的艺术家。从黑胶唱片到CD，再到数字音频，DJ表演的门槛不断降低，但始终需要专业设备、丰富的经验和音乐直觉。流媒体平台中混音内容的数量和曲风分布仍然有限。混音文化尚未真正进入尤其是国内的大众视野。

2025下半年，国内外几个主流音乐平台先后上线了Automix功能。看上去2025是Automix的诞生之年。但实际上Automix在流媒体平台和数字DJ软件中已经探索了至少十年。

类Automix功能的产业时间线

• ~2015-12 Pacemaker 应用支持类自动混音功能。该功能会分析播放列表中的歌曲，并在它们之间创建专业的、节拍同步的过渡。

• ~2017-12 djay Pro 2 for Mac 发布，增加AI-Driven DJ Mixing，允许用户开启开关，使播放列表中的歌曲以混音的形式播放。

• 2018-03-12 Spotify Automix 推出。开启功能后会在歌曲之间创建节拍匹配的过渡。虽然该功能仅在 特定的、由 Spotify 官方策划的播放列表（例如 Drum & Bass Fix、Housewerk 等电子舞曲/派对音乐类型）生效。但这是流媒体平台对于类Automix功能的第一次尝试。

• ~2021-05djay Pro AI on iOS 重大更新推出了更智能的 Automix AI。

• ~2022-09 酷狗DJ app上线智能DJ功能，允许用户选择歌曲队列合成混音长音频，并支持用户选择参与混音的歌曲片段。离线处理合成的方式规避了客户端实时处理的性能问题。

• 2025-06-10 Apple 发布 Automix 功能 功能将跟随IOS/MacOS 26 beta 上线Apple Music
• 2025-07-31 酷狗音乐上线Automix智能过渡功能。
• 2025-08-19 Spotify公测Spotify Mix功能，支持用户在自建歌单中开启Automix，并在此基础上支持自定义每个过渡的效果。
• 2025-09-16 QQ音乐上线Automix智能混音过渡功能功能。
• 2025-11-12 网易云上线智能过渡AutoMix功能.

不止于模仿DJ混音技术

Automix作为一个流媒体中的功能性应用，实现这一技术可以简单理解为模拟DJ混音创作中的思路和技巧。但又不止步于此，还需要考虑几个额外因素

• 多数DJMix都是在一个或几个特定的电子音乐风格中创作混音，平台的功能需要考虑几乎所有风格的音乐。
• DJ作为艺术家拥有很大程度的创作自由，可以只取歌曲中的短片段或者部分元素来进行混音/mashup，可以自由地大幅度变速、变调、looping、加入其他歌曲的片段/音效。而Automix作为播放器基础功能，既要尽可能保留歌曲的时长、速度、调性，又要最大程度保留歌曲的主旋律等听众认知强的元素。
• DJ在歌曲衔接段落调整控制器参数时会实时监听并调整控制方法。Automix则需要更智能的分析和预设来保持混音技巧的合理性。

Automix功能能在2025年在流媒体平台集中落地，主要得益于这几项技术的进展：

• 音乐信息检索（MIR）技术，包括节拍、曲式结构、调性、流派风格标签检测任务准确率近年提升到了可用的水平。
• 移动端实时音频处理能力的提升是基础之一，酷狗播放器在无缝播放、无缝切音质、混音层等功能上验证了低延迟播放多个音频流的可行性。

MIR 技术在Automix中的应用

过渡时机的计算方法

效果器参数自动化

混音中，DJ通过使用效果器，分别削减/增益两首歌曲的音量或者特定频段的能量，来实现听感的过渡。常用的效果器有：EQ均衡器、Filter滤波器、Volume音量推子、Reverb混响等等。在这一流程中Automix需要解决如下问题：

• 各个效果器模块如何设计。
• 效果器控制参数的变化如何实现，以及在混音中如何变化。

// 曲线类型常量
static const int CURVE_LINEAR = 0; // 线性插值
static const int CURVE_EXPONENTIAL = 1; // 指数插值
static const int CURVE_LOGARITHMIC = 2; // 对数插值
static const int CURVE_SMOOTH = 3; // 平滑插值
static const int CURVE_STEP = 4; // 阶梯式

static const int CURVE_BEZIER = 5; // 自定义曲线

客户端实时处理

信息来源

• 用户反馈是最重要的信息来源。
• 用户播放队列的过渡生效率
• 定期的特定内容效果审听。

问题定位流程

为了快速定位从各个渠道得到的问题反馈，我们在办公网络搭建了效果仿真流程。对于反馈的case可以通过web端直观地看到仿真的生效情况、效果和各流程的技术参数。

评价标准与流程

虽然各个平台都已上线功能，然而效果的反馈仍然依赖零星的用户和内部反馈。反馈中的主观意见尚未形成一套类MOS的评价标准，客观指标系统也尚未建立。

针对这个问题我们一方面已着手搭建一套相关流程，主要包括：

• 根据多样的使用场景和音乐风格构建多个测试歌单，歌单需在各平台有版权的前提下尽量满足多样性。
• 在各平台启用对应的Automix功能，录制歌单。
• 通过识曲、对齐等技术，从歌单音频中提取过渡片段。
• 构建并持续调整一套主观评价体系，追求科学与全面，如在评估人员评价一个过渡质量之前，应首先了解人员对于当前歌曲/风格是否熟悉。

希望这套系统可以帮助各平台快速和量化地对比效果，互相取长补短。

效果问题

上线以来不论是来自用户还是同事，描述明确的反馈意见集中在过渡附近歌曲的主旋律人声被截断。

这在表象上是一个问题，实际追溯到应用和算法的深层，是旋律/节奏人声类型检测、不同风格混音策略、混音长度vs用户接受程度等多个问题互相影响的结果。实际上从设计者的角度来看，现阶段Automix系统中的优化点也远不止于此。

目前TODOlist已经排了几张纸，不同任务的技术栈和方向也各不相同，总得来说不外乎：通过细化策略在提高专业化的同时维持与大众化之间的平衡。上文背景介绍中可以看到，DJ混音文化发源也繁荣于欧美文化，如何将舶来品转译并融入我们所在的文化场景，获取最广大用户的接受和认可，也是开发者需要持续思考的问题。

从应用和算法再往上追溯，各个MIR提取任务也仍有优化空间。Automix上线之后我们在节拍和曲式结构检测两项任务的指标上都有突破，相信引入应用系统之后混音效果会有长足进步。

用户接受度、使用场景与内容建设

部分用户仍对于使用场景和对应的内容缺乏了解，对于功能的接受度就自然不高，对于效果的期望也可能出现偏差。例如上线初期有部分用户表示完全无法理解为什么歌曲需要通过叠加转场来过渡，也有用户反馈说为什么自己的歌单里有很多歌曲之间没有过渡效果。

简言之Automix功能降低了使用门槛，但还不够低。大众改变认知接受新事物固然是一个漫长的过程，但平台也不是无事可做：

• 上文中的很多歌曲之间没有过渡效果问题，很大程度上是前后两首歌曲BPM差异过大导致。针对这个问题平台可以在现有的用户个人播放列表和平台播放列表增加智能排序功能，将不同风格的歌曲通过混音有机统一起来的同时提高生效率。目前我们已与歌单业务合作验证，在播放量top1000抽样57个歌单上，基于BPM、调性、曲风的BPM聚类+混合路径规划算法排序后，智能过渡生效率~72%→92%。

• 实验数据中可以清楚看到，算法排序（hybrid_with_tempo_clustering)后对于单一风格歌单（粤语劲嗨dj），BPM差幅过大（标黄）的歌曲对数量差别微小；但对于风格众多的歌单（K-Pop/车载烟嗓/抖音爆款），排序后BPM差幅对生效率的影响几乎完全消除。

• 内容生成。Automix理论上可以在任意两首歌的排列组合上建立新的听感，在概念上增加了平台曲库的维度。那么建设新的播放列表某种程度上相当于扩大了平台内容的规模。针对运动、派对、专注场景，可以围绕诸如 House、DnB、K-pop、Hip-Hop、Ambient等等的流派标签建设精品内容，在保证节奏不中断的同时精确地控制对应场景中音乐带来的能量/氛围。针对流派风格、歌手、节日等垂类也可以划定一个能量/情绪的曲线，生成一个足以击中人心的收听体验。

创作工具与辅助

Spotify多年来一直作为混音类技术和应用的先锋。今年在各平台陆续上线基础功能期间，八月份内测的歌单和过渡编辑功能，实际上已经是DJ混音创作工具的雏形。 这会不会是数年之后，其他平台争相跟进的功能方向？我们也不知道。我们在web端轻量化地复现了这一整套交互和功能，在其基础上增加了推荐系统。

音源分离与生成式AI

• 目前的 Automix 本质上仍属于对现有音轨的“高级剪接与处理”，受限于原曲的结构和素材。真人DJ混音时会创造性地加入其他素材（鼓点，人声/音效切片）或者创造mashup来使过渡更顺滑。
• 当两首歌曲在 BPM、调性或能量级上存在巨大差异时，算法不再只是寻找过渡点，而是使用分离的人声/乐器片段，或者引入一段生成的4-8 小节的音频，来与原曲结合辅助过渡，或许可以给混音系统提供更多的可能性。