天譜樂大模型發(fā)布4.7，讓AI音樂更懂“二次創(chuàng)作”｜獨家

作者獨家獲悉，2026 WAIC世界人工智能大會期間，趣丸科技正式發(fā)布天譜樂大模型V4.7，并將其接入旗下對話式音樂創(chuàng)作智能體Tunee，同時通過天譜樂OpenAPI向開發(fā)者和企業(yè)用戶開放。

相比單純提高音質(zhì)或延長歌曲時長，V4.7此次更新的重點，是讓AI生成的音樂變得更容易控制，也更適合繼續(xù)修改。

它意味著，AI音樂的競爭正在進入新的階段：在“能不能生成一首歌”之后，行業(yè)開始回答另一個問題——用戶能否把這首歌持續(xù)改到滿意。

第三方測試結(jié)果顯示，天譜樂V4.7在60組中英文測試樣本中，與Suno V5.5、Mureka V9和MiniMax V2.6進行了對比。

在Meta Audiobox Aesthetics與SongEval兩套評估體系下，V4.7在內(nèi)容享受度、作品記憶點和聲音清晰度等指標(biāo)中獲得較高分?jǐn)?shù)，其余音樂性、連貫性和自然度指標(biāo)也處于第一梯隊。

音樂大模型走向“聽得懂修改意見”

圍繞二次創(chuàng)作，天譜樂V4.7重點升級了Remix改寫和翻唱Cover能力。

用戶可以上傳已有的音樂素材，在保留核心旋律或音樂動機的基礎(chǔ)上，對作品的曲風(fēng)、編排和演唱方式進行重新設(shè)計。

例如，一段原本偏抒情的旋律，可以被重新改編為電子、搖滾或輕爵士風(fēng)格；一首已有歌曲可以更換歌詞和演唱音色，同時盡可能保持原有旋律的辨識度；創(chuàng)作者也可以通過提示詞，調(diào)整樂器音色、和聲、人聲以及伴唱等元素。

這種能力的關(guān)鍵，在于既要允許模型自由發(fā)揮，又要避免它脫離創(chuàng)作者原意。

尤其在翻唱場景中，新歌詞與原歌曲的字?jǐn)?shù)、段落長度往往并不一致。如果模型只機械地復(fù)刻原曲，歌詞與旋律很容易錯位；如果賦予模型過多自由，它又可能逐漸偏離原來的核心旋律。

天譜樂團隊將V4.7在這一場景中的能力稱為“快速回歸動機”：模型可以根據(jù)新的歌詞和結(jié)構(gòu)進行適當(dāng)改寫，同時在關(guān)鍵位置重新收束到主旋律，維持整首作品的辨識度。

V4.7還針對參考音頻泄露進行了優(yōu)化。模型在學(xué)習(xí)原歌曲旋律和結(jié)構(gòu)時，會盡量減少對原始人聲和音色的直接復(fù)制，使生成結(jié)果擁有更獨立、干凈的聲音表現(xiàn)。

對于普通用戶，這些升級意味著創(chuàng)作不再需要頻繁“推倒重來”。對于音樂人、短視頻創(chuàng)作者以及廣告和影視從業(yè)者，AI生成的結(jié)果也更接近可以繼續(xù)加工的創(chuàng)作素材。

除二次創(chuàng)作外，天譜樂V4.7也繼續(xù)提升了常規(guī)歌曲生成能力。

據(jù)天譜樂團隊介紹，新版本對旋律動機、樂句氣口和歌曲動態(tài)進行了優(yōu)化，試圖減少AI音樂中常見的機械重復(fù)感。模型在鼓、貝斯、和聲與人聲之間的空間分離度也有所提升，尤其在慢節(jié)奏和放松類曲風(fēng)中，能夠呈現(xiàn)更細(xì)膩的情緒和編排層次。

更重要的一項變化發(fā)生在提示詞響應(yīng)上。

過去，用戶即使在提示詞中明確提出“減少鼓點”“增加伴唱”或“突出某種樂器”，模型也不一定能夠穩(wěn)定執(zhí)行。V4.7重新調(diào)整了訓(xùn)練數(shù)據(jù)的標(biāo)簽體系，提高對樂器音色、和聲、人聲等信息的識別和響應(yīng)能力。

這使AI音樂模型開始更像一個能夠理解修改意見的創(chuàng)作搭檔。

用戶提出的要求越具體，模型越需要準(zhǔn)確地區(qū)分一首歌中的旋律、節(jié)奏、音色和演唱方式，并判斷哪些部分需要保留，哪些部分可以重新生成。

為了支撐這種控制能力，天譜樂團隊重新設(shè)計了自研的自監(jiān)督音樂表征模型，嘗試將音樂中的音色、旋律和節(jié)奏進行拆分，再按照用戶要求重新組合。

在生成效率方面，天譜樂稱V4.7整體性能提升約20%，完整歌曲生成耗時控制在60秒以內(nèi)，輸出規(guī)格為48kHz雙聲道音頻。

AI音樂下一戰(zhàn)：從生成結(jié)果到創(chuàng)作工作流

從2024年至今，天譜樂先后探索了四代音樂生成架構(gòu)。不同架構(gòu)之間存在時間重疊，一些路線曾經(jīng)并行研發(fā)。

第一代架構(gòu)采用語言模型與離散音樂表征，解決的核心問題是讓模型根據(jù)一句話，生成一段擁有旋律、節(jié)奏和基本段落的音樂。可以將這一階段理解為：AI開始學(xué)會“寫出一段歌”。

第二代架構(gòu)采用掩碼自回歸模型與連續(xù)聲學(xué)表征，重點轉(zhuǎn)向完整歌曲結(jié)構(gòu)，包括主歌、副歌以及不同段落之間的前后呼應(yīng)。到了這一階段，AI需要學(xué)會“把歌寫完整”。

第三代架構(gòu)使用擴散模型與連續(xù)音頻表征，將重點放在音質(zhì)、人聲、器樂細(xì)節(jié)和局部修改能力上，并大幅提升生成速度。同時，天譜樂團隊推出了全球首個多模態(tài)音樂生成大模型，支持文本、圖片和視頻等多種輸入方式生成音樂。這一階段，模型開始解決“怎樣讓歌更好聽”。

第四代架構(gòu)則采用分層漸進式方案，將音樂生成拆分為音樂性、語義和聲學(xué)三個層次，再由粗到細(xì)依次完成。模型先確定歌曲的主題動機和整體結(jié)構(gòu)，再生成具體內(nèi)容，最后補充人聲、音色與器樂細(xì)節(jié)。

用創(chuàng)作流程來理解，就是先確定一首歌要表達(dá)什么、怎樣展開，再完成編曲和演唱，而非在同一個階段同時處理所有信息。

這種分層方式犧牲了一部分純擴散模型的極致速度，卻換來了更清晰的歌曲結(jié)構(gòu)、更穩(wěn)定的提示詞響應(yīng)，以及更適合二次創(chuàng)作的控制能力。

V4.7是第四代架構(gòu)上的第七個版本。它延續(xù)的核心方向，是讓音樂模型既擁有創(chuàng)作空間，又能夠遵循用戶意圖。

不過，對AI音樂模型而言，客觀評分只能反映一部分能力。音樂生成模型已經(jīng)完成了從短音頻、純音樂到完整歌曲和人聲演唱的快速跨越。模型之間的差距，也開始從“第一次生成是否驚艷”，逐漸轉(zhuǎn)向?qū)?chuàng)作過程的理解。

當(dāng)生成一首歌的門檻不斷降低，創(chuàng)作者會提出更多要求：能否保留其中最喜歡的旋律？能否只修改某一種樂器？能否換一種人聲，卻不破壞原來的情緒？能否讓同一份素材快速適配短視頻、廣告、游戲和影視等不同場景？

這些問題很難通過單次生成解決。兩年之后，V4.7可以被視為對這一問題的進一步回答。（本文首發(fā)于鈦媒體APP，作者｜李程程，編輯｜楊林）