7月23日股天乐，昆仑万维(300418)为全球用户带来最新音乐模型Mureka V7，以及全新的音频模型Mureka TTS V1——支持Voice Design音色设计能力。
用户使用Mureka V7，只需要输入歌词或选择风格、主题，再点击“生成”，即可生成一首歌。这不仅是一次效率的大幅跃迁，更是音乐品质的质变。
据了解，传统的自回归（Autoregressive, AR）模型虽然已经具备较强的音频保真能力，但其基于逐token预测的范式，本质上并不符合人类在音乐创作中“先规划整体，再填充细节”的思维过程，这种不匹配往往导致生成音乐缺乏连贯的结构性与艺术性。
基于此股天乐，公司在Mureka V7版本大幅优化了MusiCoT (Analyzable Chain-of-Musical-Thought Prompting)技术，专为音乐生成而设计的链式思维（Chain-of-Thought, CoT）提示方法。该方法显著提升了模型生成结果的整体性与发声表现。
据介绍，MusiCoT 技术在正式生成音频token之前，先引导模型生成一份全局音乐结构规划，明确整体的段落、情绪、编配等布局。这一过程有效解决了传统AR模型中“只顾局部，不顾全局”的问题，使生成作品具备更自然的乐章推进与情绪递进。
此外股天乐，通过结合CLAP（对比式语言 - 音频预训练模型），MusiCoT 构建出一条具备明确语义指向的“音乐思维链”，不仅让整体结构更可分析与可控，更允许输入任意长度的参考音频作为风格提示，从而提升模型在复刻、变奏等创作需求中的灵活性，规避直接复制的风险。
同时，基于大量实验，MusiCoT技术在主观与客观双重指标下均展现出卓越效果。无论是结构完整性、旋律连贯性还是整体音乐性，均优于传统方法，且在多项评测中表现已达到行业一流水准。
在本版本中，MusiCoT技术不仅在结构层面实现了对音乐创作思维的拟合与对齐，更通过Mureka团队数据的scale-up以及Embedding信息粒度的细化，完善了强可控性与可扩展性，最终实现了文本-音频模态之间的差距进一步减小。公司表示，未来将持续迭代该技术，进一步提升AI音乐生成的创意性与工业化能力。
此外，昆仑万维还首次推出Mureka TTS V1，支持Voice Design能力，用户可以通过文本输入想要的语音特征获得对应的音色。（燕云）
英赫优配提示：文章来自网络，不代表本站观点。
