Mureka V9.5重磅發(fā)布，AI音樂(lè)告別“AI味”｜甲子光年

AI音樂(lè)開始進(jìn)入“審美競(jìng)爭(zhēng)”階段。

作者｜周悅

編輯｜栗子

7月19日，昆侖萬(wàn)維在2026世界人工智能大會(huì)（WAIC 2026）上舉辦了“世界模型與多模態(tài)范式躍遷”論壇。

這場(chǎng)論壇的嘉賓橫跨學(xué)術(shù)、產(chǎn)業(yè)和文娛領(lǐng)域。從中國(guó)科學(xué)院院士周志華、Reactor AI CEO Alberto Taiuti，到清華大學(xué)交叉信息研究院助理教授、破殼機(jī)器人創(chuàng)始人許華哲、黎曼機(jī)器人創(chuàng)始人劉揚(yáng)，再到黃曉明、王珞丹、《消失的她》導(dǎo)演崔睿、愛奇藝高級(jí)副總裁楊海濤和甲子光年創(chuàng)始人兼CEO張一甲，不同背景的嘉賓圍繞技術(shù)突破、內(nèi)容生產(chǎn)和產(chǎn)業(yè)落地展開討論。

當(dāng)天，昆侖萬(wàn)維發(fā)布和升級(jí)了三款模型：可交互世界模型Matrix-3.5、AI音樂(lè)大模型Mureka V9.5，以及具身智能機(jī)器人模型Riemann-1.0，分別覆蓋可交互世界、音樂(lè)生成和具身智能。

其中，Mureka V9.5的升級(jí)最容易被現(xiàn)場(chǎng)觀眾感知。現(xiàn)場(chǎng)展示的Funk音樂(lè)一響，臺(tái)下觀眾整齊抬起頭。十幾部手機(jī)很快舉了起來(lái)，前排還有觀眾跟著節(jié)奏用腳打拍子。

Mureka V9.5配樂(lè)MV，視頻來(lái)源：昆侖萬(wàn)維

圓桌上，黃曉明談起一次錄歌經(jīng)歷，AI演唱的Demo“太完美了”，沒(méi)有換氣，也沒(méi)有呼吸感，聽起來(lái)反而“沒(méi)有人味”。他提到，真人不必再和AI比誰(shuí)更完美，獨(dú)特的個(gè)性和表達(dá)才更重要。

國(guó)家一級(jí)演員、中國(guó)電影家協(xié)會(huì)副主席黃曉明，圖片來(lái)源：昆侖萬(wàn)維

黃曉明還分享了今早使用Mureka的經(jīng)歷。他讓模型生成了兩首歌，一首參考楊宗緯《空白格》的抒情氣質(zhì)，另一首則借鑒他最近喜歡的顏人中，主題是“中年危機(jī)”。“還不錯(cuò)，詞還挺觸動(dòng)人心的。”他說(shuō)。

王珞丹則認(rèn)為，AI可以給自己的想法“增加很多翅膀”，但“決定往哪飛的權(quán)利要在我手里”。

“世界模型與多模態(tài)范式躍遷”論壇圓桌討論，圖片來(lái)源：昆侖萬(wàn)維（從左至右分別為：甲子光年創(chuàng)始人張一甲，昆侖萬(wàn)維董事長(zhǎng)兼CEO方漢，中國(guó)電影家協(xié)會(huì)副主席黃曉明，演員王珞丹，愛奇藝高級(jí)副總裁楊海濤，青年導(dǎo)演崔睿）

在隨后接受「甲子光年」在內(nèi)媒體采訪時(shí)，昆侖萬(wàn)維董事長(zhǎng)兼CEO方漢反復(fù)強(qiáng)調(diào)的關(guān)鍵詞是“克制”。

這也是Mureka V9.5此次升級(jí)的重點(diǎn)。過(guò)去，一些AI音樂(lè)模型習(xí)慣通過(guò)增加聲部、加厚音色和持續(xù)推高情緒來(lái)制造完成感，容易出現(xiàn)人聲被伴奏遮蓋、編曲擁擠、歌曲缺少起伏等問(wèn)題。

Mureka V9.5沒(méi)有繼續(xù)增加音樂(lè)的復(fù)雜度，而是改善人聲、編配和曲風(fēng)控制，讓生成結(jié)果更自然，也更貼合用戶的創(chuàng)作意圖。方漢將這一方向概括為“克制、真實(shí)、貼合創(chuàng)作意圖”。

與V9.5同時(shí)亮相的，還有基于這一底座的O3音樂(lè)推理擴(kuò)展方案。前者提高生成質(zhì)量和穩(wěn)定性，后者通過(guò)推理時(shí)選優(yōu)，讓更多作品接近模型的能力上限。

「甲子光年」認(rèn)為，AI音樂(lè)已經(jīng)跨過(guò)“能不能寫歌”的第一道門檻。下一階段的競(jìng)爭(zhēng)，是模型能否作出更好的音樂(lè)選擇。

1.Mureka V9.5，讓AI音樂(lè)少一點(diǎn)“AI味”

一些AI音樂(lè)模型擅長(zhǎng)通過(guò)密集聲部和厚重音色制造完成感，容易出現(xiàn)人聲被遮蓋、編曲擁擠和情緒缺少起伏等問(wèn)題。

Mureka V9.5沒(méi)有繼續(xù)追求“更滿”，而是把重點(diǎn)放在人聲、編配和情緒之間的關(guān)系上。

中文流行歌曲《夜色緩緩》是其中一例。

它的提示詞包括柔和鋼琴、氛圍合成器、漸進(jìn)式弦樂(lè)和貼近演唱的男聲，想要呈現(xiàn)的是“雨夜里未說(shuō)出口的告別”，憂傷但溫柔，情緒從低聲訴說(shuō)逐漸走向釋放，又不能顯得過(guò)分煽情。

這類歌曲考驗(yàn)的是模型對(duì)分寸的控制。伴奏太重，人聲會(huì)被壓住；情緒推進(jìn)太快，后半段便失去變化；弦樂(lè)進(jìn)入得過(guò)早，也容易讓整首歌顯得用力過(guò)猛。

從這首Demo呈現(xiàn)的效果看，V9.5試圖讓伴奏、人聲和情緒層次保持更自然的關(guān)系。編配既要托住人聲，也要為人聲留出空間。

另一首《Melted Chrome》，重點(diǎn)變成了模型對(duì)復(fù)雜曲風(fēng)的理解和還原。

提示詞要求的是迷幻的西海岸G-Funk街頭說(shuō)唱，并進(jìn)一步限定了滑動(dòng)合成器低音、Moog哨音、Talkbox、Rhodes電鋼琴、哇音吉他和復(fù)古磁帶質(zhì)感。鼓點(diǎn)要略微落后于節(jié)拍，人聲則要保持沙啞、松弛的質(zhì)感。

提示詞還明確排除了Trap踩镲、Drill節(jié)奏和EDM式落點(diǎn)。模型不僅要識(shí)別G-Funk的核心元素，還要理解這些元素如何組合，才能形成低底盤夜間巡游般的迷幻氛圍。

對(duì)AI音樂(lè)來(lái)說(shuō)，理解“不要什么”，有時(shí)和理解“要什么”同樣重要。識(shí)別一個(gè)曲風(fēng)標(biāo)簽并不困難，難的是讓音色、節(jié)奏、人聲和整體氛圍始終指向同一種表達(dá)。

前兩首作品主要展示V9.5對(duì)人聲、編配和曲風(fēng)的控制，與之同時(shí)亮相的O3，則把重點(diǎn)放在全曲結(jié)構(gòu)和情緒推進(jìn)上。

《誤差》是一首極簡(jiǎn)電子與Cosmic Pop風(fēng)格的無(wú)人聲作品。提示詞以晶瑩的合成器脈沖、低頻氛圍和空間混響，描繪一座漂浮在軌道上的空間站，要求整首歌保持冰冷、空曠和緩慢的基調(diào)。

《Still in the Room》則轉(zhuǎn)向Dream Pop。混響吉他、漂浮感男聲、柔和的氛圍合成器，加上溫暖貝斯和松弛鼓組，構(gòu)成一個(gè)獨(dú)處于房間中的夜晚。提示詞同時(shí)要求作品保留親密感和距離感，讓情緒緩慢展開。

這兩首作品都不依賴密集編配或明顯的副歌爆發(fā)，更看重氛圍能否貫穿全曲，以及局部變化是否破壞整體表達(dá)。O3所做的，是在V9.5提供的音樂(lè)基礎(chǔ)上，進(jìn)一步檢查和調(diào)整這些選擇。

從中文流行到G-Funk，再到極簡(jiǎn)電子和Dream Pop，四首Demo分別對(duì)應(yīng)人聲與情緒、曲風(fēng)控制和全曲一致性。Mureka V9.5展示的變化，不是加入更多聲音，而是讓每一種聲音更好地服務(wù)整體表達(dá)。

2.V9.5打底，O3提高優(yōu)質(zhì)結(jié)果的穩(wěn)定性

Mureka此次升級(jí)包含兩個(gè)層次。

Mureka V9.5是音樂(lè)生成的底座模型，決定人聲、編配、曲風(fēng)和情緒表達(dá)的基礎(chǔ)質(zhì)量；O3建立在V9.5之上，通過(guò)推理階段的持續(xù)比較和選優(yōu)，提高單次生成接近模型能力上限的概率。

簡(jiǎn)單來(lái)說(shuō)，V9.5負(fù)責(zé)抬高模型的基礎(chǔ)水平，O3則盡量減少優(yōu)質(zhì)結(jié)果對(duì)單次采樣運(yùn)氣的依賴。兩者共同指向一個(gè)問(wèn)題：如何降低AI音樂(lè)生成的隨機(jī)性。

這也是Mureka V9.5和O3此次最重要的亮點(diǎn)。它想做的不是偶爾生成一首好歌，而是把“好聽”拆解為可評(píng)測(cè)、可訓(xùn)練、可部署，并能在推理階段繼續(xù)優(yōu)化的系統(tǒng)能力。

在訓(xùn)練階段，V9.5通過(guò)強(qiáng)化學(xué)習(xí)，同時(shí)改善整體聽感、創(chuàng)作控制和生成穩(wěn)定性。在MusiCoT音樂(lè)思維鏈的基礎(chǔ)上，模型會(huì)先確定全曲的結(jié)構(gòu)、曲風(fēng)和情緒方向，再安排段落推進(jìn)、樂(lè)器進(jìn)出和強(qiáng)弱變化。

Mureka V9.5/O3發(fā)布，圖片來(lái)源：昆侖萬(wàn)維

這種變化首先體現(xiàn)在結(jié)構(gòu)與編配上。

主旋律需要突出時(shí)，其他聲部會(huì)相應(yīng)退后；情緒尚未發(fā)展到高潮時(shí)，編配也不會(huì)提前加碼。所有音樂(lè)元素不再各自追求存在感，而是共同服務(wù)整首歌的表達(dá)。

第二項(xiàng)能力，是對(duì)復(fù)雜創(chuàng)作意圖的控制。一首歌的主歌、副歌和橋段承擔(dān)著不同作用。主歌通常負(fù)責(zé)敘事，副歌集中釋放情緒，橋段則完成轉(zhuǎn)折。模型如果只理解單句歌詞，便容易出現(xiàn)歌詞內(nèi)容與音樂(lè)推進(jìn)脫節(jié)。

V9.5需要判斷每段歌詞在全曲中的位置，再安排旋律、節(jié)奏和編配的變化。它不僅要把歌詞唱出來(lái)，還要讓音樂(lè)結(jié)構(gòu)跟隨語(yǔ)義自然推進(jìn)。

第三項(xiàng)能力，是人聲表達(dá)與情緒的匹配。AI人聲是否可信，并不只取決于音準(zhǔn)和音質(zhì)。同一句歌詞，在低聲講述和情緒釋放時(shí)，需要采用不同的唱腔和力度；伴奏也要隨之變化，不能始終保持相同的密度。

模型不僅要保證音準(zhǔn)和音質(zhì)，還要處理唱腔、情緒與伴奏之間的關(guān)系。例如，演唱方式是否符合歌曲氛圍，伴奏是否給人聲留下足夠空間，人聲的力度能否隨著段落自然變化。

第四項(xiàng)能力，是對(duì)復(fù)雜創(chuàng)作意圖的控制。用戶輸入的Prompt通常不只包含曲風(fēng)和樂(lè)器，還可能同時(shí)涉及演唱方式、情緒變化、段落結(jié)構(gòu)，甚至明確要求避開某些節(jié)奏和音色。模型需要判斷這些條件之間的主次，再把它們落實(shí)到旋律、節(jié)奏、人聲和編配中。

這是V9.5區(qū)別于關(guān)鍵詞拼接式生成的地方。識(shí)別出“G-Funk”“Dream Pop”或“中文流行”等標(biāo)簽只是第一步，模型還要讓整首歌在音色、節(jié)奏、唱腔和整體氛圍上保持一致。

根據(jù)昆侖萬(wàn)維的數(shù)據(jù)，在歌曲的主觀評(píng)分中，V9.5的指令精準(zhǔn)度從6.92提高至7.62，旋律、人聲、音質(zhì)和編曲等維度也有所改善。這說(shuō)明模型不僅需要生成一首結(jié)構(gòu)完整的歌，還要更準(zhǔn)確地理解用戶究竟想創(chuàng)作什么。

Mureka V9.5等模型生成歌曲的主觀評(píng)分，圖片來(lái)源：昆侖萬(wàn)維

底座模型的能力提高后，O3進(jìn)一步處理生成過(guò)程中的偏差。

O3通過(guò)test-time scaling擴(kuò)展MusiCoT的推理過(guò)程。模型不會(huì)按照最初的選擇一路生成到底，而是在生成過(guò)程中比較候選方案，并檢查局部旋律是否仍然服務(wù)全曲、編配是否遮蓋人聲、情緒是否提前釋放，以及段落結(jié)構(gòu)是否偏離最初的提示詞。

發(fā)現(xiàn)偏差后，模型可以調(diào)整后續(xù)決策，讓旋律發(fā)展、編曲結(jié)構(gòu)和情緒推進(jìn)逐步回到全曲目標(biāo)上。

由此，V9.5和O3形成了一條相互銜接的技術(shù)路徑：V9.5通過(guò)訓(xùn)練提高底座質(zhì)量與穩(wěn)定性，O3再通過(guò)推理時(shí)優(yōu)化，提高優(yōu)質(zhì)結(jié)果出現(xiàn)的概率。

Mureka形成了一條可以隨版本持續(xù)迭代的技術(shù)路徑，而不是依賴少數(shù)Demo或某一次采樣的運(yùn)氣。

從這個(gè)意義上看，Mureka在模型層面的差異，不只是“能不能生成音樂(lè)”，而是能否把“好聽”從偶然結(jié)果，轉(zhuǎn)化為可評(píng)測(cè)、可訓(xùn)練、可復(fù)現(xiàn)，并能在推理階段繼續(xù)優(yōu)化的系統(tǒng)能力。

穩(wěn)定生成更好的音樂(lè)只是第一步。Mureka的完整差異還包括版本化創(chuàng)作工具和平臺(tái)分發(fā)能力。模型負(fù)責(zé)提高作品質(zhì)量，工具承接比較與修改，平臺(tái)則連接創(chuàng)作、發(fā)布和消費(fèi)。

3.AI音樂(lè)開始進(jìn)入“審美競(jìng)爭(zhēng)”階段

過(guò)去，AI音樂(lè)最先吸引人的，是速度——幾十秒生成一首完整歌曲。但當(dāng)“會(huì)寫歌”逐漸成為基礎(chǔ)能力，行業(yè)競(jìng)爭(zhēng)也開始轉(zhuǎn)向更難的問(wèn)題：模型能否理解取舍。

旋律什么時(shí)候推進(jìn)，什么時(shí)候留白；什么元素應(yīng)該保留，什么需要?jiǎng)h掉；同一個(gè)創(chuàng)意，能否沿著不同方向繼續(xù)發(fā)展。下一階段的差距，不只在生成速度，也在音樂(lè)判斷和創(chuàng)作控制。

「甲子光年」認(rèn)為，AI音樂(lè)的“審美競(jìng)爭(zhēng)”，并不是讓模型替用戶決定什么是好音樂(lè)，而是讓用戶的取舍和判斷更持續(xù)地作用于作品。

多數(shù)AI音樂(lè)工具仍以“一次生成”為基本單位。結(jié)果不滿意，用戶往往只能重新生成，此前滿意的旋律、人聲或段落也可能被全部改寫。

方漢強(qiáng)調(diào)，作為模型廠商，他們希望“讓提示詞寫得不好的人，也能做出更好的作品”，把模型的遵從性和易用性繼續(xù)往前推，降低普通人的創(chuàng)作門檻。

Mureka希望把創(chuàng)作從一次性生成，轉(zhuǎn)向版本化工作流。圍繞同一個(gè)創(chuàng)意，用戶可以快速生成不同版本，比較旋律、唱腔、編配和結(jié)構(gòu)；滿意的部分可以保留，不合適的部分則可以單獨(dú)替換。

在產(chǎn)品層面，Mureka Studio承接了這套工作流。傳統(tǒng)數(shù)字音頻工作站需要?jiǎng)?chuàng)作者熟悉軌道、插件、混音和大量參數(shù)。Studio試圖把部分操作轉(zhuǎn)化為更直接的創(chuàng)作指令。

它改變的不只是操作方式，也是人與工具之間的分工。創(chuàng)作者的重心，也由執(zhí)行具體操作轉(zhuǎn)向比較方案和作出審美判斷，也就是從“操作DAW”走向“指揮創(chuàng)作”。

對(duì)專業(yè)音樂(lè)人來(lái)說(shuō)，V9.5生成的旋律、編曲和人聲可以成為繼續(xù)發(fā)展的素材；對(duì)普通用戶來(lái)說(shuō)，不熟悉編曲和混音，也可以圍繞一個(gè)想法逐步完成作品。音樂(lè)由此不再只是供人收聽的內(nèi)容，也可以用來(lái)記錄一段關(guān)系、一種情緒或一段記憶。

在產(chǎn)業(yè)端，游戲、短劇、影視和有聲內(nèi)容需要大量穩(wěn)定、可控的音樂(lè)素材。昆侖萬(wàn)維也將游戲工業(yè)化、短劇量產(chǎn)、音樂(lè)創(chuàng)作平民化和影視降本增效列為重點(diǎn)落地場(chǎng)景。

Mureka此前已經(jīng)開放API，服務(wù)于短視頻、游戲、播客和影視配樂(lè)等場(chǎng)景。 V9.5和O3進(jìn)一步提高作品質(zhì)量與生成穩(wěn)定性后，模型能力也更容易通過(guò)Studio和API進(jìn)入真實(shí)的內(nèi)容生產(chǎn)流程。

Mureka的差異因此不只來(lái)自某一次生成效果，而來(lái)自模型訓(xùn)練、推理時(shí)選優(yōu)、版本化創(chuàng)作工具和平臺(tái)分發(fā)能力的組合。

當(dāng)“會(huì)寫歌”不再稀奇，誰(shuí)能讓用戶持續(xù)比較、修改和使用作品，才可能建立下一階段的優(yōu)勢(shì)。

Mureka V9.5只是昆侖萬(wàn)維此次WAIC發(fā)布中的一個(gè)模型，卻提供了一個(gè)更容易被感知的觀察窗口。

從Matrix-3.5到Mureka V9.5，再到Riemann-1.0，昆侖萬(wàn)維試圖連接可交互世界、內(nèi)容生成和現(xiàn)實(shí)行動(dòng)。對(duì)Mureka而言，下一步也不只是生成更多歌曲，而是讓模型、工具與分發(fā)共同進(jìn)入真實(shí)的創(chuàng)作流程。

（封面圖及文中視頻、音頻、配圖素材均來(lái)自昆侖萬(wàn)維）