機器之心原創(chuàng)

機器之心編輯部

AI正悄悄「攻占」你的歌單。

前幾天在網易云音樂上瞎逛，被意外種草一首歌，真一開口就是月色迷蒙的味道。

目前，該歌曲拿下了15萬小紅心。本想看看是哪位大神的作品，沒想到底下一水的評論：這是AI生成的！

其實細聽之下還是能找出「端倪」的，比如音質糊的像畫面馬賽克、人聲跟牙齒漏風似的。但經過持續(xù)的進化，AI音樂越來越真假難辨。

現在，AI音樂的這把火，越燒越旺。

7月23日，大模型廠商昆侖萬維正式發(fā)布了新一代音樂大模型MurekaV7，成為了當前國產最強，并在多個關鍵指標上顯著超越海外AI音樂平臺Suno（V4.5），包括平均表現評分、混音質量與質感、人聲真實感與表現力、整體音質評價。

不僅如此，與上一版本V6相比，MurekaV7生成的音樂品質更高，不僅大幅提升旋律動機和編曲質量，還進一步增強了人聲與樂器真實度。

這么說吧，即使你是個五音不全的音樂小白，也能拿它做出超細膩的個人獨家BGM。而對于專業(yè)的音樂人而言，MurekaV7生成的音樂又極具創(chuàng)新性，在一定程度上可以啟發(fā)靈感。

MurekaV7作品《杜甫》

目前，MurekaV7已經全面上線，感興趣的小伙伴可以前往官網進行體驗。

官網地址：https://www.mureka.cn/

接下來，我們就來實測一下，看看MurekaV7在搞音樂創(chuàng)作時是否還有那種「牙齒漏風」的感覺。

一手實測

能模仿王菲，還能生成「土味」MV

MurekaV7真不只是「AI幫你寫首歌」那么簡單，現在它還上線了新功能——自定義歌手

我們可以上傳音頻，或者直接丟一個視頻鏈接進去，AI就能自動模仿音色，唱出全新創(chuàng)作的歌曲。

以天后王菲為例。眾所周知，王菲是鄧麗君的鐵桿粉絲，在2013年「鄧麗君60追夢紀念演唱會」上，鮮少出席活動的王菲與偶像隔空對唱了這首《清平調》。

王菲演唱會原唱

這一次，我們讓Mureka模擬王菲的音色，并在此基礎上重新譜曲、演唱。

Mureka生成的聲線再現了王菲特有的空靈、通透，處理歌曲中的弱唱又模擬出王菲標志性的氣聲效果。咬字方面，Mureka同樣還原了王菲不咬死字頭，讓聲音在口腔中自然流淌的唱法，尤其在尾音收放上，更是有股菲式慵懶感。

我們再來試試它的「音樂參考」功能。

所謂音樂參考，就是通過分析用戶上傳的音樂，Mureka能夠精準識別原曲的類型、節(jié)奏、配器和情緒，并據此生成具有相似風格的原創(chuàng)作品。

前段時間，中國網紅「豪哥哥」改編印度神曲《TunakTunakTun》（也就是那首著名的《我在東北玩泥巴》），創(chuàng)作出這首魔性十足的《剛買的飛機被打啦》。

視頻來自博主「豪哥哥-魔性改歌」

這首歌一經發(fā)布就在全球社交媒體瘋狂刷屏，甚至一度把印度網友搞破防，聯名「上書」聯合國。

我們也拿Mureka做了一版，曲風相當洗腦，要是口音咖喱味再濃點就好了。更有意思的是，Mureka還能自動生成MV，抽象畫面配上黃色描邊歌詞，又土又上頭。

此外，Mureka還升級了歌曲描述、純音樂生成等常規(guī)功能。

比如，我們輸入李白的《將進酒》，再選擇音樂風格「說唱金屬，另類金屬，說唱搖滾，男聲」，Mureka立馬化身搖滾老炮，激情開唱。

或者通過文字Prompt直接生成免版權的BGM：

提示詞：回憶童年的溫暖鋼琴旋律

也可以上傳參考音頻，讓模型創(chuàng)作出風格相近的純音樂片段。

如果對生成的音樂不滿意，MurekaV7還提供音頻編輯功能，可以局部編輯、延長歌曲、樂器分軌甚至裁剪音頻，并支持10種語言的AI音樂創(chuàng)作。

自研音樂思維鏈「MusiCoT」再次進化

不到四個月的時間，MurekaV7相較于上代MurekaV6的表現又提升了一大截，這源自昆侖萬維對自研音樂生成專用思維鏈——MusiCoT的持續(xù)優(yōu)化。

我們知道，大語言模型的內容輸出方式是「預測下一個token」，這顯然與音樂創(chuàng)作的過程不同。為此，昆侖萬維在Mureka中引入了生成式AI領域流行的思維鏈（CoT）提示方法，并通過V6版本完成了首秀。

此次，MurekaV7進一步優(yōu)化了MusiCoT（AnalyzableChain-of-Musical-ThoughtPrompting）技術，顯著提升了模型生成結果的整體性與發(fā)聲表現，具體包括以下三大方面的創(chuàng)新。

一是，先想結構后生成，符合人類創(chuàng)作邏輯

MusiCoT在輸出音頻token之前，會先讓模型生成對音樂結構的全局規(guī)劃，確定整體的段落、情緒、編排等布局。這就能讓AI生成的作品具備清晰的結構。

二是，生成結構可解釋、可控

通過CLAP（對比式語言-音頻預訓練模型），MusiCoT的明確思維鏈讓AI生成的音樂具有明確的可讀性和可控性。用戶可以輸入任意長度的參考音頻作為風格提示。

三是，主觀+客觀驗證效果全面領先

基于大量實驗，MusiCoT在主客觀雙重指標下均展現出了卓越的效果。無論是結構完整、旋律連貫還是整體音樂性均優(yōu)于傳統(tǒng)方法，在多項評測中表現達到行業(yè)頂流水準。

在MurekaV7上，MusiCoT不僅在結構層面實現對音樂創(chuàng)作思維的擬合與對齊，更借助數據的進一步擴展、嵌入信息粒度的細化，完善了可控性與可擴展性。

得益于MusiCoT的升級和應用，Mureka部分生成作品已經能夠為音樂人提供更多創(chuàng)作靈感，并加速從靈感到成品的落地過程。

定制語音有了更好的國產選擇

此次，除了更強、更擬人、更自然的音樂生成之外，昆侖萬維還帶來了一款音頻模型——MurekaTTSV1。該模型支持的語音創(chuàng)作功能也已經上線官網。

與音樂生成強調旋律、和聲、節(jié)奏、風格等音樂語言的表達不同，音頻模型更關注對所有聲音類型的通用表示與理解，包括語音、人聲、環(huán)境音、音效等。MurekaTTSV1的最大亮點是引入了VoiceDesign能力，可以通過文本輸入想要的語音特征來獲得對應的音色。

這意味著，不論是真實人物、虛擬人物還是配音角色都能夠通過文本來控制，不用像過去一樣只能通過預設音色庫來實現音色克隆。相反，用戶能夠通過自然語言指令靈活定義聲音的性別、年齡、情感狀態(tài)、語氣風格、表達節(jié)奏，達成真正個性化、場景化的語音合成體驗。

跑分結果顯示，在與競對ElevenLabsTTSV2的較量中，MurekaTTSV1的語音質量、分詞與語句節(jié)奏準確性以及整體聽感體驗均實現了超越，只在發(fā)音準確性方面略遜一籌。如此一來，昆侖萬維在語音合成的多個核心維度上已具備行業(yè)領先優(yōu)勢，可以進一步滿足更高階的語音創(chuàng)作與交互場景的需求。

最終好不好，還是得看實際效果。

我們來聽一段人聲，「童音女聲，12歲左右，聲音清脆悅耳，熱情洋溢，語速略快但不慌亂?！?/p>

再來一個「男性新聞播音員，語音清晰且穩(wěn)定，語調平穩(wěn)、沉著，語速適中，語氣冷靜理性，情感中性且客觀，音量適中，聲音具有一定的厚重感，體現專業(yè)性與可信度」。

可以看到，MurekaTTSV1從創(chuàng)意描述到聲音輸出實現了全流程生成，聲音創(chuàng)造更加高效與自由，不僅大大拓展了語音生成的應用邊界，也為內容創(chuàng)作與交互體驗打開了想象空間。未來，該模型可以進一步在影視、游戲、廣告等行業(yè)的配音場景大顯身手。

最近一段時間，隨著Scalinglaws放緩，模型規(guī)模擴展所帶來的邊際收益減弱，各家廠商卷基礎大模型的步伐也開始放緩。相反，大模型的「價值兌現」與「商業(yè)化落地」正在加速推進中。

隨之而來，一些垂直大模型成為新一輪技術博弈與產品競速的焦點，如AIGC領域的視頻大模型、音樂大模型等。大家都卯足了勁搶占規(guī)?；涞氐募t利，率先打通從技術到產品的轉化路徑，占據內容創(chuàng)作、營銷、娛樂等高頻應用場景的生態(tài)入口。

這一趨勢與昆侖萬維長久以來的戰(zhàn)略天然契合。在「實現通用人工智能，讓每個人能夠更好地表達自我」的使命驅使下，該公司形成了「AI前沿基礎研究——基座模型——AI矩陣產品/應用」的全產業(yè)鏈，持續(xù)發(fā)力AIGC創(chuàng)作領域，并推出覆蓋視頻、音樂、Agent等多個方向的創(chuàng)新型產品。

其中自2024年4月亮相以來，Mureka作為「會思考」音樂模型的名頭越打越響。今年，Mureka已經迎來了兩次大版本更新，上個版本V6直到最近仍被很多國外網友「安利」。

甚至從3月底到現在，Mureka的新增用戶就接近300萬。顯然，昆侖萬維的音樂大模型獲得了用戶的高度認可，并正在引領音樂創(chuàng)作方式的變革。

未來，隨著模型能力的持續(xù)增強與創(chuàng)作門檻的進一步降低，AI有望演變成為音樂創(chuàng)作的核心驅動力。同時，音樂創(chuàng)作也將繼續(xù)打破專業(yè)壁壘，走向全民表達。

文中視頻音頻鏈接：https://mp.weixin.qq.com/s/D-Qq9QvAQZzfTEAT_NrxlA