人工智能时代创作者的抗议!

news2024/11/24 5:25:34

创造力作为人类智力结构中的璀璨瑰宝,一直以来被视为推动文明进步和社会演进不可或缺的关键要素。难以设想一个没有创造力的世界会是怎样一番景象——那或许是一个机械单调的社会,科技创新止步不前,文化艺术枯竭凋零,人们的精神世界贫瘠无趣,生活质量的提升失去源泉动力。若人类彻底丧失了创造力,我们所依赖的社会发展模式无疑将陷入僵局,无法解锁未来的无限可能。

然而,现实并非如此悲观,在科技飞速发展的今天,人工智能技术正以前所未有的姿态涉足创造力领域。诸如文本创作工具ChatGPT之类的先进技术,凭借其强大的自然语言生成能力,已经在文学、新闻乃至学术研究等方面展现出显著的辅助作用。与此同时,视频创作工具如Sora等则通过智能化手段革新了视觉艺术的表现形式和创作流程。

图片

近期,音乐创作领域更是迎来了一波前所未有的AI技术浪潮。一系列基于人工智能技术的音乐创作工具相继面世,它们不仅能模拟各种音乐风格,还能根据用户的需求创造出新颖独特的旋律和编曲,仿佛赋予了机器某种形式上的“音乐创造力”。这些替代性的音乐创作手段不仅拓宽了音乐制作的边界,也在一定程度上挑战了人们对“原创”和“创意”的传统认知。

尽管如此,关于AI能否真正替代人类的创造力,各界观点尚存分歧。一方面,AI确实为创作者提供了强大工具和广阔空间;另一方面,人类的情感、直觉和深层次的文化底蕴仍然是当下AI无法完全模拟和复制的。在这个充满变数的转折点上,人类与AI在创造力领域的交融与竞合,将共同塑造出一个全新的艺术创作格局,而人类创作者的角色及其与技术的关系也将经历深刻的重塑和再定义。

深入审视近期涌现的一系列音乐创作类AI工具,我们不禁感慨万千:在当今音乐疆域中,AI技术的日新月异已引发了对于既有创作生态的深度反思。这些先进的工具利用复杂的算法模型和大数据分析,正在以前所未有的力量冲击并重构着音乐创作的传统框架。它们不仅能快速产出大量高质量的旋律片段、和弦编排以及完整歌曲,而且还能根据不同情境和情感需求定制音乐作品,其精准度和效率令人叹为观止。

图片

不可否认的是,AI创作能力的迅猛提升似乎触及了音乐人赖以生存的职业底线,引发业内对创作个体价值和独特性思考的激烈讨论。一些担忧的声音指出,AI创作工具的广泛应用可能会挤压原创音乐人的发展空间,甚至可能导致某些音乐岗位被取代。但另一方面,也有乐观的观点视此为一种创新驱动力,认为AI能与人类智慧相结合,催生更多元化的音乐形态,并激发音乐家们的灵感与潜能,从而开启一个全新的跨界合作时代。

随着音乐创作AI工具的持续迭代与普及,如何妥善平衡技术创新与人文精神,确保音乐创作既能保持其丰富多元的人文内涵,又能充分利用科技进步带来的便利与机遇,将是未来音乐行业及全社会共同面临的重大课题。简单来看近期一系列的音乐创作工具,在音乐领域,AI的创作能力确实已经严重威胁到了创作人的生存。

以下是目前比较热门流行的几款音乐创作生成类工具:

MusicLM:MusicLM 是谷歌推出的一款 AI 音乐生成器,能够基于文本描述生成高保真的音乐。可直接将文字、图像自动生成音乐,并且曲风多样,凡是想听的音乐,基本都能自动生成。在给出提示后,MusicLM 将音乐生成过程视为分层的序列到序列建模任务,它以 24 kHz 的频率生成音乐,并在几分钟内保持一致。

图片

MusicGen:Meta公司的音乐生成模型,该模型不仅在某些方面超越了谷歌推出的MusicLM,而且利用的是授权音乐数据进行训练,并且开源给非商业用途。每首作品都展示了自己对主旋律的不同诠释。。自发布以来,MusicGen一直是HuggingFace上最受欢迎的模型之一。

图片

Suno V3:Suno AI发布的一款音乐生成模型,可生成歌词、曲谱,自动演唱。它可以依据用户输入快速生成不同风格的高质量音乐作品。相比前代,Suno V3在音质、表现力和易用性上均有显著提升,降低了音乐创作门槛并支持精细化控制。此工具免费开放给公众使用,引发业界关于AI技术如何重塑音乐创作生态的热议。其目标是成为一项革命性的音乐创作辅助工具,惠及广大音乐爱好者及专业人士。

图片

Stable Audio 2.0:Stability AI发布的一款音乐创作模型。用一条自然语言指令,它就能创作出高质量、结构完整的音乐作品。每首曲目最长可达3分钟!而且是高质量的 44.1 kHz 立体声。这个数字表示的是音频信号的采样频率,采样率越高,越能够捕捉更细微的声波变化,录制的声音也就越接近原始声音。44.1 kHz 是 CD 音质标准的采样率,能够提供较高的音频质量。除了用文本直接生成音乐,用户也可以先上传一段音频,再用文字描述想要的效果,Stable Audio 2.0 就能按指示改造该音频,也就是拥有音频到音频的转换能力。此外,它还能生成特定的音效,创作形式十分灵活。

图片

Udio:一款音乐生成模型,支持文字描述生成音乐、艺术家风格模仿、自定义歌词。用户可以通过简单的文字描述创作带有歌词的音乐作品。这一新工具极大地降低了音乐创作的门槛。Udio支持广泛的音乐类型和风格,包括EDM、钢琴爵士、新灵魂乐、极端金属等,满足不同用户的需求。不论是流行音乐爱好者还是古典音乐迷,都能在Udio找到适合自己的音乐风格。Udio比Suno有更多的自定义能力,支持多种音乐类型和风格,包括流行音乐和古典音乐不仅全面模仿现有音乐,还模仿了歌手的声音,提供多语言歌声创作功能,包括但不限于 J-pop、俄罗斯梦幻流行、雷鬼音乐和宝莱坞音乐。

图片

随着这一系列的音乐创作工具的问世,社会各层面的反应犹如潮水般涌动,其中交织着欣喜与忧虑的复杂情绪。对于普罗大众而言,这是一个令人振奋的进步,它标志着音乐创作不再仅仅是专业人士的专属领域。如今,无论是业余爱好者还是音乐初学者,都能通过AI技术的赋能,按照自己的喜好和创意来创作独一无二的音乐作品,这一转变极大地激发了公众的艺术参与度和创造性表达的热情。

同时,对于不少中小型音乐工作室乃至草根级音乐创作者来说,这样的技术创新无疑带来了一场革命性的期待。他们预见到,在未来,凭借AI音乐创作工具,或许可以轻松打造出品质优良、结构完整的音乐作品,这将大大减轻他们的经济负担,缩短制作周期,从而提升整个音乐创作流程的效率与灵活性,为他们在市场中争取到更多的竞争优势。

图片

然而,这一波科技新浪潮也在高端音乐制作圈内引起了深度焦虑与质疑。对于那些依赖独特创作风格和精湛技艺立足市场的顶级音乐工作室及独立音乐人来说,AI音乐创作工具的普及无异于对其职业核心价值的挑战。他们担忧,一旦AI能够规模化地生成质量上乘且成本低廉的音乐作品,市场需求可能会转向更为便捷和经济的AI创作模式,从而挤压他们原有的市场空间和盈利能力。这样一来,高度个性化和匠心独运的音乐创作可能会面临前所未有的生存压力,迫使他们重新审视自身定位和业务发展方向。

于是,一场关于捍卫艺术尊严与权利的呼声应运而生:“我们恳请AI开发者、科技企业、相关平台及数字音乐服务供应商,立即停止让人工智能(AI)侵害并贬损人类音乐家的权益!”4月2日,包括比莉·艾利什(Billie Eilish)、妮琪·米娜(Nicki Minaj)在内的逾200位国际著名音乐家联袂发表了一份抵抗AI侵袭的公开信,引起了全球广泛关注。在这群发起者中,既有摘得格莱美桂冠的乐坛巨星,亦有荣获奥斯卡殊荣的跨界天才。

图片

这封集结了众多音乐力量的联署信宛如一组强有力的旋律,迅速在全球音乐版图上激起层层波澜。海外音乐人们此次齐力对抗AI并非出于一时冲动,实则是对当前可能损害音乐创作链中艺术家的既有权益、可能破坏目前音乐生态平衡现象的深切忧虑。AI技术发展如双刃剑,经过不断训练优化的数据驱动型AI,同样有可能为音乐创作提供崭新的思路和最优化策略。

放眼国际,AI Rihanna正模拟演绎Beyoncé的经典之作,而AI Kanye West则尝试重绎Plain White T's乐队的《Hey There Delilah》;在国内,诸如B站上的AI王心凌翻唱《套马杆》,AI孙燕姿凯越时空与周杰伦合唱《七里香》等现象亦屡见不鲜。利用真实歌手的声音素材训练AI,进而令AI进行翻唱表演的做法,在国内外各大社交媒体平台上,如抖音、B站、TikTok及YouTube,已成一种颇为流行的“新颖手法”。《纽约时报》的记者Joe Coscarelli曾形象地将其比喻为“无伤大雅的模仿者”,这些AI生成的内容在网上流传,博得了观众一笑,创作者借此积累了流量,似乎形成了一种和谐共生的局面。

图片

直至AI Drake和AI Weeknd翻唱的《Heart on My Sleeve》在流媒体平台上爆红,并伴随着匿名创作者巧妙的网络营销手段,使得幕后的环球音乐集团再也无法置身事外,在这场始于欧美的AI争议旋涡中,率先采取行动。

关于对AI工具的抗议,此次的抗议不是第一次,也不是最后一次。去年以ChatGPT为主的文本生成类工具盛行的时候,美国编剧界就已经掀起过一场抗议浪潮了。美国编剧工会大规模罢工的主要的原因是人工智能(AI)可能取代演员和编剧的威胁。这不仅是好莱坞自63年来首次全行业罢工,也被视为人类对抗人工智能威胁的首次集体行动。SAG-AFTRA主席法兰·德瑞雪新闻发布会上表示:“如果我们不挺起胸膛,我们将陷入困境,面临被机器取代的危险。”

图片

这场由海外音乐人引领的AI抗议浪潮,引发了深刻的反思:究竟何为AI触及不到的“音乐核心”?在全速迈进AI时代的背景下,音乐人应当如何坚守和发扬自身的独特性和创造力呢?

不论此次围绕AI创作音乐所引发的讨论与争议将如何演变,一个不容忽视的事实已然显现,即人工智能不仅有能力接手重复性的流程工作,更在创造性领域展现出了挑战甚至超越人类的可能性。这就引出了一个值得深入探讨的问题:究竟什么是创造力的本质?实际上,最初级且最根本的创造力体现为一种整合与创新的过程,即将各种元素、特点相互融合,从而催生出前所未有的新事物或新见解。值得注意的是,大多数的创造性产物都不是无中生有的,它们往往植根于既有的经验、知识或感知,是对已有事物的再解读与重构。

图片

举例来说,在文学创作中,作家通过对现实生活素材的选择、提炼和想象化处理,构建出丰富多彩的故事世界;而在艺术创作过程中,艺术家们或是对现实世界进行逼真的再现,或是对其进行高度概念化的抽象变形。至于音乐创作,则常常源自生活中的点滴声响,那些无意间捕捉到的旋律、节奏、情感波动,经过艺术家内心的体验和匠心独运的编排,得以转化为美妙的音乐篇章。

这些看似无形的艺术创造源泉,实质上都可以被视为不同形式的数据——无论是文学作品中对现实生活的叙述描写,还是艺术画作中对视觉元素的捕捉和表现,乃至音乐创作中对声音元素的精心组织和变化运用。鉴于此,当AI能够通过算法分析图像生成文字描述或图画,通过学习声音模型模拟或改编音乐片段时,意味着这些原本依赖于人类感知和灵感转化的工作,如今在AI系统面前变得相对可操作化和程序化。

图片

由于AI能够快速地收集、分析和应用这些数据源,因此在某种程度上,它能够较为轻易地实现那些原本需要人类花费大量时间和精力才能完成的创造性任务。尽管如此,AI是否能真正把握住创造性工作的精髓所在,即那种蕴含着情感共鸣、文化传承与个体独特性的灵魂层面的创造力,仍然是学界和业界持续探索的重要课题。

人类在各个领域的学习与发展过程中,通常需要付出巨大的努力与时间成本。以取得某一领域的卓越创作能力为例,这不仅需要个人具备一定的内在禀赋与才华,更离不开长时间的专业训练与实践积累,这一过程往往以数年的辛勤耕耘为基准。从基础知识的掌握,到技艺技巧的磨砺,再到创新思维的培养,每一阶段都需要投入大量的精力和资源。

图片

然而,对于人工智能而言,其在特定领域的学习路径迥异于人类。在AI的世界里,达成优秀创作水准的关键在于一套精准优化的权重参数。这些参数通过机器学习算法进行训练和调整,使得AI能够模拟并超越人类的部分智能行为。一旦这套参数组合得到有效训练并验证成功,理论上便可以迅速地大规模复制推广至无数个AI实例中,使其均能在该领域展现出高水平的创作能力。

因此,相较于人类个体漫长的学习曲线和不可复制的个人经历,AI在创作领域的优势体现在其高效的学习速度和批量化应用的能力上。这意味着在未来,人工智能有可能在某些创作领域能够超越人类的整体表现,以其强大的计算能力和不受限的学习迭代速度,为创意产业带来革命性的改变。虽然AI目前仍无法完全模拟人类的直觉、情感以及深层次的文化理解等独特性质,这是两者之间存在的显著区别,也是未来技术发展所需不断突破的方向。

图片

随着AI替代工具的广泛应用,来自各行各业的反对声音会越来越多,无论是作家群体对人工智能写作可能取代人文创作的忧虑,还是作曲家们对AI谱曲可能削弱音乐原创性与个性表达的异议,甚至是影视行业对AI剪辑和生成内容可能颠覆传统创作模式的警惕,这些抗议的核心动机都指向一个共通点:人类在捍卫自身的劳动成果与职业尊严,力求保护长期以来在各自领域积累的智力产权与精神财富。

自工业革命以来,蒸汽动力技术逐步淘汰了马车这一古老的交通工具,开启了机械化的大门,由此带来的社会变迁加剧了人类对于自身利益保障的关注与诉求。事实上,每当社会变革的浪潮席卷而来,新兴技术颠覆传统行业的频率加快,人类的抗议活动往往随之增多。这些动荡不安的时期,恰恰也是人类社会进步速度最快的时刻,物质文明在新技术的催化下急速跃升,生产力水平得到前所未有的提升;与此同时,精神文明也经历了深刻洗礼,思维方式、价值观念以及社会文化的内涵都在新旧交替的过程中经历了脱胎换骨的演变。

图片

抗议现象背后深藏着人们对现有成就的执着与珍惜,害怕因技术革新而失去现有的地位与收益。然而,社会进步的规律表明,真正的变革总是伴随着对旧有制度与框架的冲破与重建。每一次抗拒与接纳的博弈,最终都将孕育出更为先进、适应时代需求的新制度与新模式。因此,人类对于AI替代工具的抗议与其说是对变革的抵触,不如看作是社会在自我调节与进化过程中必然经历的阵痛与觉醒,它是推动社会向着更高文明形态发展的必经之路。

图片

可以预见,在后人工智能时代的画卷徐徐展开之际,人类社会面临的转型与调整所带来的抗议之声将会愈发频繁且多元,这波澜壮阔的变局将持续到人们逐渐找到与之共存并进的平衡点为止。届时,人工智能技术与普通劳动者在生产效率和创新能力方面的鸿沟将进一步加深,其表现形式将更加显著,让越来越多的普通人无法忽视这一现实的巨大落差。

在这场由智能科技引领的革命中,人工智能不仅挑战着传统的劳动分工与技能要求,更是在重新定义创造力的边界和实现方式。不论人类如何试图通过抗议来维护现状或者寻求权益的再分配,这场关于人类创造力本质及其应用方式的根本性转变已然启程,并以其势不可挡的态势推进。

图片

尽管如此,面对未来的不确定性,普通人并非只能被动接受冲击。他们应当积极应对这一历史性转变,认识到自身角色与定位的必要调整,把握住个人成长与社会进步的契合点。这就意味着要主动去适应变化的趋势,勇敢地迎接新时代的挑战,通过不断提升自身能力、学习新型知识与技能,从而成功融入智能化的世界。

所以,对于每一位普通个体来说,明智之举便是拥抱人工智能时代的发展潮流,视其为机遇而非威胁,持续更新自我,顺应时势变迁,以期在不断演进的社会环境中立稳脚跟,共同塑造一个人工智能与人类智慧和谐共生的美好未来!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1588949.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

蓝桥杯 子串简写(暴力)

题目&#xff1a;子串简写 代码1&#xff1a; #include<algorithm> #include<iostream> #include<cstring> #include<queue> #include<cmath>using namespace std;char c1,c2; int k; char s[100010]; int a[100010]; int b[100010]; int cnt; …

【YOLOv9改进[损失函数]】使用结合InnerIoU和Focaler的各种损失函数助力YOLOv9更优秀

目录 一 回归损失函数&#xff08;Bounding Box Regression Loss&#xff09; 1 Inner-IoU 2 Focaler-IoU&#xff1a;更聚焦的IoU损失 二 改进YOLOv9的损失函数 1 总体修改 ① utils/metrics.py文件 ② utils/loss_tal_dual.py文件 2 各种机制的使用 ① 使用结合Inn…

Java算法小练习——五道经典算法题

练习一&#xff1a;按照要求进行排序 定义数组并存储一些朋友对象&#xff0c;利用Arrays中sort方法进行排序 要求1&#xff1a;属性有姓名、年龄、身高。 要求2&#xff1a;按照年龄的大小进行排序&#xff0c;年龄一样&#xff0c;按身高排序&#xff0c;身高一样安姓名的字母…

MES对接日常:MES对接单据上下游关联怎么处理?

很多制造企业的信息化过程中&#xff0c;金蝶云星空作为企业资源规划&#xff08;ERP&#xff09;系统的核心&#xff0c;与制造执行系统&#xff08;MES&#xff09;的有效对接&#xff0c;对于实现生产管理的精细化、智能化至关重要。其中&#xff0c;单据关联作为打通ERP与M…

小程序地理位置权限申请+uniapp调用uni.getLocation

文章目录 一、小程序地理位置权限申请二、uniapp调用uni.getLocation 一、小程序地理位置权限申请 需要确保小程序类目已经填写 点击左侧导航栏找到最后的“设置”——“基本设置”——“前往填写” 在开发管理——接口设置——地理位置中可以看到&#xff1a; 即可点击想要申…

基于Springboot的二手交易平台

基于SpringbootVue的二手交易平台的设计与实现 开发语言&#xff1a;Java数据库&#xff1a;MySQL技术&#xff1a;SpringbootMybatis工具&#xff1a;IDEA、Maven、Navicat 系统展示 用户登录页 首页 商品信息 商品求购 网站公告 留言反馈 个人中心 后台管理 后台首页 用户…

cephfs部署与使用

一、前言 CephFS&#xff08;Ceph File System&#xff09;是Ceph存储解决方案中的一个组件&#xff0c;它提供了一个分布式文件系统&#xff0c;允许用户在多个节点上访问和管理文件数据&#xff0c;相当于是共享文件系统&#xff0c;可应用于k8s的存储&#xff0c;linux系统的…

(Java)数据结构——图(第六节)Dijkstra实现单源最短路径

前言 本博客是博主用于复习数据结构以及算法的博客&#xff0c;如果疏忽出现错误&#xff0c;还望各位指正。 Dijkstra算法&#xff08;Dijkstra的实现原理&#xff09; 迪杰斯特拉算法的实现&#xff0c;很像Prim&#xff0c;基本原理是&#xff1a; 我先找到距离集合路径…

Day93:云上攻防-云服务篇对象存储Bucket桶任意上传域名接管AccessKey泄漏

目录 云服务-对象存储-权限配置不当 权限控制-公共读或公共读写&#xff1a;可完整访问但不显示完整结构目录 权限控制-Bucket授权策略&#xff1a;设置ListObject显示完整结构目录 权限控制-Bucket公共读写权限&#xff1a;公共读写直接PUT文件任意上传 云服务-对象存储-…

秋招算法刷题7

20240410 1.接雨水 方法一&#xff0c;动态规划&#xff0c;时间复杂度O&#xff08;n^2&#xff09;&#xff0c;空间复杂度O&#xff08;n&#xff09; public int trap(int[] height) { int nheight.length; if(n0){ return 0; } …

【报错】TypeError: Cannot read property ‘meta‘ of undefined

&#x1f608;解决思路 首先这里很明显我们能看到是缺少该参数&#xff1a;meta。 但是经过查找后发现和该参数无关。 &#x1f608;解决方法 后来我上网搜了下&#xff0c;网上的回答大部分偏向于是package.json这个文件中的tabBar.list数组对象只有一条的问题。 网上的大…

Nginx小册(博客笔记迁移)

nginx基础 1.常用命令 nginx -v #查看版本 ps -ef | grep nginx #输出linux进程、 nginx #启动nginx进程 nginx -s reload #重载配置 nginx -s stop # 停止进程 nginx -t # 检查是否有语法错误&#xff0c;以及配置文件地址2.nginx的配置文件 # 用户组的设置 windows上不生…

Llama2模型本地部署(Mac M1 16G)

环境准备 环境&#xff1a;Mac M1 16G、Conda Conda创建环境配置 使用Anaconda-Navigator创建python 3.8环境 切换到新建的conda环境&#xff1a; conda activate llama38 llama.cpp 找一个目录&#xff0c;下载llama.cpp git clone https://github.com/ggerganov/llama.…

Java后端平台的搭建

后端开发准备工作(配置Tomcat) 安装tomcat安装jdk 配置JAVA HONE(到java目录),path(到 bin 目录)解压Tomcat进入到bin目录,双击startup.bat启动tomcat访问 ip端口在conf目录的 server.xml配置端口 后端平台的搭建 创建Web项目(前提搭建好Tomcat配置) 注:一定要提前配置好Ma…

Android-NDK的linux交叉编译环境

NDK工具包下载 NDK 下载 | Android NDK | Android Developers https://github.com/android/ndk/wiki/Unsupported-Downloads 以android-ndk-r26c下载为例&#xff0c;下载后将压缩包解压至/usr目录下 CMakeLists编译选项设置 编译平台变量判断条件中增加一下android条件…

Okhttp全链路监控

目标&#xff1a; 1&#xff09;.监控网络请求的各个阶段 2&#xff09;获取每一个阶段的耗时和性能&#xff0c;用于性能分析。包括dns解析&#xff0c;socket连接时间&#xff0c;tls连接时间&#xff0c;请求发送时间&#xff0c;服务器接口处理时间&#xff0c;应答传输时…

Windows搭建LightPicture图片管理网站结合内网穿透实现公网访问本地图片

文章目录 1.前言2. Lightpicture网站搭建2.1. Lightpicture下载和安装2.2. Lightpicture网页测试2.3.cpolar的安装和注册 3.本地网页发布3.1.Cpolar云端设置3.2.Cpolar本地设置 4.公网访问测试5.结语 1.前言 现在的手机越来越先进&#xff0c;功能也越来越多&#xff0c;而手机…

数字证书在网络安全中的关键作用与日常应用

在当今数字化的时代&#xff0c;网络安全问题日益凸显&#xff0c;保护数据安全和用户隐私成为了人们关注的焦点。数字证书作为一种重要的网络安全技术&#xff0c;其在网络安全中扮演着关键的角色&#xff0c;并且在我们的日常生活中有着广泛的应用。现在给大家介绍简单介绍下…

数据结构——链表变形

数据结构——链表变形 带尾指针的链表尾插的变化 循环双向双向循环 我们在上次已经了解了单链表&#xff0c;今天我们来了解一下链表的各种变形&#xff0c;如果还没有了解过上面单链表的小伙伴可以点击这里&#xff1a; https://blog.csdn.net/qq_67693066/article/details/13…

避坑指南: “低代码开发平台”怎么选看这篇!附案例参考

从事TOB行业 9 年&#xff0c;深入体验过 10 余款低代码产品。 下面基于我的个人认知给大家讲一讲&#xff1a; 低代码开发平台该如何选&#xff1f;从哪些维度可以判断低代码平台适合你的企业&#xff1f;多家企业采用低代码平台的实践案例&#xff01; 目前市面上有超过 2…