古人10人がオープンマイクでラップ、このAI楽曲が1日で100万いいね

この二日、抖音（ドゥオイン）と動画号をスクロールしていると、避けようのない映像が一つある。十人の古人がお笑いのオープンマイクの舞台に立ち、一本のマイクを囲んで、次々とラップを歌い出す。

杜甫、蘇軾、劉邦、項羽、勾践、孫悟空、曹操、李白、諸葛亮、司馬懿。龍袍もなければ戦場もない。煙のエフェクトもない。あるのは真上からの一筋のライトと、一本のマイク。一人が歌い終われば横に下がり、次の人が前に出る。

この作品は《过来人》（『過來人』、先を歩いてきた人という意味）という。10月13日から15日にかけて、微博、抖音、動画号で同時に広がり、公開初日でいいねが100万を突破。ネットでは「2026年で最もアツいAI楽曲」と呼ばれている。最もいいねが多いコメントは、たった六文字だった。「心に染みた」。

まず正しかったのは、古人を祭壇から引きずり下ろしたこと

AIに古人を作らせると、最もよくあるのは「大きなもの」を積み上げるやり方だ。鉄馬金戈、そびえ立つ宮殿、ひるがえる衣の裾。技術としては気持ちいいが、感情としては空っぽだ。観客には一瞬で、それがエフェクトだと分かるからだ。

《过来人》はその逆を行く。舞台をオープンマイクに似た小さなステージに定め、歴史人物たちを「先を歩いてきた人」という立場で、現代人の生きづらさについて語らせる。

杜甫はもう「国破れて山河あり」だけを語らない。四十歳になっても長安で部屋を借りて生計を立てている、その切迫を語る。蘇軾は「大江東去」を語らない。四十三歳で黄州に左遷され、畑を耕して暮らし、それでも自分のために灯りを一つ残さなければならなかったことを語る。劉邦は四十七歳になっても末端の下級官吏で、親戚も友人も見込みがないと思っていた。

この設定の賢さは、AIが最も苦手とするもの——複雑な人間関係と繊細な微表情——を避け、その重みをすべて台詞とリズムに載せた点にある。そしてこの二つは、ちょうど人間が完全にコントロールできる部分だ。

本当に価値があるのは、あの一節のコピーだ

作中で最もスクリーンショットされ、拡散された一文はこれだ。「私はあなたを教えに来たのではなく、この道のりを一緒に歩きに来た。あなたが起きていた夜も、飲み込んだ言葉も、勝てなかった戦いも、私にも覚えがある」。

この言葉はAIとは何の関係もない。完全に手書きで、しかも極めて正確だ。諭さず、教えず、励まさず、ただ認める。

観客が動かされるのは、この一文が特定の種類の疲労を言い当てているからだ。住宅ローン、職場、いい年になってもまだ成し遂げられていないあれこれ。千年前の古人も同じことに向き合っていた——この類推は目新しくはないが、「先を歩いてきた人」という立場が加わった途端、急に成立する。

だからこの作品の核となる競争力はコピーであり、モデルではない。ここが重要なのは、この種のコンテンツが模倣できるかどうかを決めるからだ。

作り手は技術畑の人間ではない

メインの作り手は王琨喆（ワン・クンジャー）、武漢出身。2013年に武漢広播電視台に入社し、三年間ディレクターを務めたあと退社して自分のスタジオを立ち上げた。《此心安处是江城》（『此心安處是江城』）と《琴键上的江湖》（『琴鍵上的江湖』）は全国写真芸術展に入選している。AIGCに転じてからは《千年跑团》（『千年跑團』）も作った。李白を武漢マラソンのコースに走らせ、岳飛にゴール手前で「八千里路、壁にぶつかるボトルネックを突破せよ」と歌わせた作品だ。

この経歴が示すのは一つ。彼は先にAIを学んでから中身を考えたのではなく、十数年分の「物語る訓練」が先にあり、そのあとでAIなら頭の中の映像を形にできると気づいたのだ。

本人の総括は潔い。「技術は表、人心は核」。

スローガンのように聞こえるが、この作品に当てはめると正確だ。十人の古人、一つのオープンマイク、一節のラップ。このアイデアはどんな技術水準でも成立する。AIが変えたのは、「十人の古人を本当に舞台に立たせて歌わせる」ことが、不可能から一週末の仕事になったことだけだ。

AI音楽という領域のハードルはどこにあるのか

この一年、AI音楽の量は異常なほど膨らんだ。毎日一万単位の新曲がプラットフォームに流れ込み、その大半は最初の十五秒でスワイプされる。理由は単純だ。メロディは生成でき、歌声はクローンできる。だが「この曲はなぜ存在するのか」という問いに、モデルは答えられない。

《过来人》は一つの答えを示した。曲に具体的な感情の仕事を負わせる。「いい曲を作る」のではなく、「疲れたと口に出せない人たちの代わりに、言葉にする」。

技術的にも見るべき点がいくつかある。十人の声は聞き分けられなければならない。でなければ同じ人が衣装を替えているように聞こえる。ラップの発音は明瞭でなければならない。観客は雰囲気ではなく情報を聴いているからだ。口の動きとリズムは合っていなければならない。時代劇の衣装の下でリップシンクがずれた瞬間、荒唐無稽さが共感を圧倒する。こうした細部ができていなければ、100万いいねはあり得なかった。

だが、模倣は難しい

この二日で、すでに追随作が並び始めている。別の歴史人物、別の曲調、別の舞台。多くは数字が伸びていない。

理由はいつもの問題だ。AIが「作る」のコストをほぼゼロまで下げた結果、「何を作るか」だけが唯一のハードルになった。誰もが一午後で十人の古人がラップする映像を生成できるなら、成否を分けるのはあの一節がうまいかどうかだけになる。

だからこの作品の拡散経路は、技術デモではなく従来のコンテンツに似ている。まず微信のモーメンツや動画号で転送され、添えられる言葉は「泣いた」「二回目でやっと意味が分かった」が大半で、そのあとでようやく「これ何で作ったの？」と聞く人が出てくる。

順番が大事だ。先に中身に動かされ、そのあとで道具が気になる。コンテンツプロダクトとはそうあるべきものだ。逆に、先に道具を見せてから感動を求めるやり方は、たいてい両方とも空振りに終わる。

あの十人の古人も、まさか千年後にオープンマイクの舞台に立って、残業に追われる人たちのためにラップを一節歌うとは思わなかっただろう。だがよく考えれば、彼らが当時書いた言葉も、もともとそのためにあった。