目前的AI生成音乐，虽然效果也很惊艳，但随机性太强，要出一首质量在水平线之上的歌，需要大量的随机生成，然后从里面挑（这个过程一般被玩儿AI的人称之为抽卡）。
但实际情况是，生成出来的歌大概率会有一部分非常令人惊艳，如果AI生成了一首我们觉得大体上满意的歌，存在局部瑕疵需要修改，现有的第一梯队的音乐生成AI并没有这种对局部进行修改的能力。而单独对这一段存在瑕疵的歌曲进行重新生成，它又没办法和其他部分的旋律保持风格的一致性。
所以AI生成音乐，当下亟待解决的一个问题是，在能参考风格的前提下，脑补缺失部分音乐的能力。
这是什么意思呢？举个例，一首两分钟的歌，其中一分半钟质量都可以，而有半分钟质量不太好，这个时候，如果我们可以手动告诉AI，哪一段有问题，需要重新生成，它能知道这一段有问题的歌前后部分的旋律，并生成一段新的旋律，还能和这前后的旋律在情感基调上保持连贯，那就真的令AI音乐大有可为了。
就像SD的controlnet那样，把一个东西从玩具提升为生产力工具。