2024年，趣丸的音频大模型MaskGCT和音乐大模型 “天谱乐”问世。宋克说，趣丸是幸运的，训出的模型能用、好用，如天谱乐，在当时已经十分接近行业领先的Suno的模型能力。

在MaskGCT项目立项前半年，2024年初，宋克已经想好模型的定位，七个字“情感情绪多语种”。这七个字的意思是，模型输出的声音有感情，能理解并表现情绪，而“多语种”是考虑到未来的出海，比如短剧的出海，把中文改为多语种，更适应海外传播。

宋克没有把这解释成自己的洞见，他解释说，这背后其实是老老实实的互联网思维——去发现用户的需求。七个字代表的，就是他们当时看到的用户痛点。

而创业有未知的风险，也有未知的惊喜。宋克介绍，有在非洲做影视发行的中国商人找上来，表示有一个需求，在当前的中国其他公司可能解决不了。在非洲通用两个语种，英语和法语，但是非洲人爱看韩剧，于是发行人把韩剧“搬”到非洲，中间还需要跨越韩语到中文，中文再翻成英、法文，效率不高，成本不低。

非洲人爱看韩剧和中国短剧

刚好，这事儿MaskGCT能做。

“他们也没想到，把韩语台词直接改为英语、法语的需求，居然可以由一家中国公司解决。”宋克说。

强调解决需求的“产品力”，超过了强调大模型的能力，是趣丸与一众AI公司的不同。这可能跟趣丸的 “出身”是互联网有关。

天谱乐大模型就是一个典型例子。去年9月，趣丸推出天谱乐，公司高层介绍时，对天谱乐的一句话生成、图片及视频生成配乐等“普通人玩法”面面俱到，但更大篇幅介绍的是MidiRender，一种针对音乐人严肃创作的“专业玩法”。

宋克介绍天谱乐时也提到MidiRender，它能以音乐人创造的旋律为底本，在生成时接受严格控制，并且是在音轨、音阶、采样率等方面的精细化控制。效果上，“音乐人可能以前要用一个月制作的歌，现在一个小时可能就出来了”。

天谱乐AI

宋克的逻辑清楚明了：“小白要玩音乐，天谱乐的能力也是有的、可以满足，但普通人更多是尝鲜玩下，尝过以后就算了，是低频的。对音乐人来说，这是他的工作，他才是高频用户。”宋克解释，因此在商业化的角度，应该围绕音乐人、创作者去打造产品。

了解用户是谁、发现用户需求，再去为他们提供辅助、解决问题，这是宋克的思维习惯。

这习惯的另一面是，他对一款应用是否是“AI原生”，或者趣丸是不是一家AI公司的问题，并无执着。

作为互联网创业者，宋克懂得“行规”，一些酷炫的概念或材料，比如“超强AI”“原生AI”，又或是“勤于打榜”，前缀定语很长的某个“第一”，其实目的很“复杂”。他特别提到，“很多早期的模型公司，我很不认可他们讲的这个那个模型的能力有多强，就能够挣多少多少钱”。

模型能力与盈利收入不一定成正比

讲模型能力的有很多，但很少有人讲的是，这个产品是给谁、提供了什么样的价值，以及基于这个价值的商业化该怎么做，那么，其实“从模型到所有的前置设定，都是不成立的”。

模型能力与价值、商业化，混为一谈是不行的，这是宋克作为商人的基本嗅觉。

价值主张上，趣丸团队也有明显的不同，即不追求“AI替代人类”。从天谱乐到MaskGCT的主打功能上，其实不难发现这一取向。宋克承认了这一点，并称一位趣丸同事的话很让他认同，这句话是“AI时代，算法是犀利，但重要的是人，因为洞察与热爱永远不会被替代”。

在硬科技领域，这句话显得“鸡汤”，但是不妨一尝。