相較于主流音樂所追求的高保真、高質量，Lofi（Low Fidelity：低保真）音樂正在成為年輕人心靈療愈的良方。

　　在上世紀五十年代，受限于當時的音樂錄制設備和場地要求，一些音樂人在錄制過程中無法避免地在音質上存在瑕疵。而這種有缺陷的音樂由于“滋滋啦啦”的雜音，讓人聽上去更感到放松，后來演變成了一種獨特的音樂風格— —Lofi風格

　　隨著Lofi圈子的逐漸擴大，一些Lofi音樂制作人嘗試在音樂中增加自然的采風或是特效音，形成與白噪音不同的音樂內容。慢慢地，聽Lofi也成了年輕人在學習、工作、放松時的選擇。尤其是在疫情期間，YouTube上的Lofi girl頻道，憑借著24小時直播播放Lofi音樂，吸引了超過3萬名同時在線觀眾和超過9億次的觀看次數。通過音樂去緩解心情和釋放情緒，也讓Lofi有著當代年輕人的音樂“療養劑”之稱。

　　用戶側需求上漲，加之大模型原生應用開發熱潮的驅動，讓李智威決定做一款能夠生成Lofi音樂的工具應用。作為一名技術型產品經理，李智威會寫代碼、能做開發，他借助低代碼平臺Colingo的能力，結合AI工具來搭建應用框架，讓該工具實現以對話交互的形式對用戶反饋的情緒、心理狀態進行分析，并基于大模型生成緩解用戶當前情緒的音樂。

　　Lofi心情（參賽作品）

　　在與36氪AI協同創新中心的交流中，李智威提到，生活在一二線城市的年輕人經常會感受到情緒上的焦慮和壓抑。他希望通過大模型生成的音樂，為這一群體提供情感疏導。在這個過程中，用戶只需要“闡述”當前情緒狀態，大模型就可以根據用戶的情緒狀態生成專屬的Lofi音樂場景。

　　盡管目前產品還處于Demo階段，但為了讓應用在后期商業化落地過程中更具競爭力，李智威計劃未來通過三個方面來做差異化：

　　首先是領域的垂直度。Lofi音樂已經在主流音樂之外形成新的領域流派，該領域中的用戶粘性較高，人群也足夠垂直。

　　第二個是做小而精的輕量化應用。通過和市場上的大模型廠商合作，將開源性較好的大模型進行微調，把大模型的能力固化成產品的核心能力，以便于后期朝多元化的方向發展。

　　第三個是產品呈現上加入創新的交互方式。用戶不僅能夠聽到Lofi音樂，還能夠看到視頻，并且會增加類似冥想類App的專注效果。

　　從GPT3.5到4.0，大模型技術持續演進。在開發產品的過程中，李智威一邊學習大模型，一邊去尋找應用的落地場景。也正是因其具備技術理解及代碼編寫的能力，李智威的Lofi音樂項目在36氪我愛黑“可頌”大語言模型應用創新挑戰賽中脫穎而出，獲得了優勝獎。

　　“大模型很好地拉低了應用開發的門檻，無論是音樂的合成，還是圖片、文字的生成，都大大降低了應用的開發速度。”李智威說道。

　　在大賽路演結束后，李智威透露，該項目得到了資方關注，并進行了積極的交流，他希望這款應用能夠盡快落地，并在垂直領域的實踐中不斷迭代，為一部分年輕人提供專屬的音樂情緒“療養劑”。