Suno、Udio都被它干翻！中國AI音樂模型拿下AA全球榜單雙料冠軍

編輯｜楊文、+0

先給大家聽幾首歌，猜猜哪首是 AI 生成的？

答案是：全部。

這些聽起來與真人演唱無異的歌曲，均出自昆侖萬維旗下的AI 音樂大模型 Mureka V8之手。

前幾天，昆侖萬維旗下的視頻生成模型 SkyReels-V4，剛剛在 Artificial Analysis 的文生視頻（帶音頻）榜單中拿下第一。

緊接著，旗下 AI 音樂大模型 Mureka V8 又在同一機(jī)構(gòu)的榜單上，同時(shí)登頂 vocals（人聲）和 instrumental（樂器）雙榜第一，綜合實(shí)力超越 Suno V4.5、Udio v1.5 Allegro、Lyria 2 等國際主流 AI 音樂模型，成為目前全球綜合能力最強(qiáng)的 AI 音樂模型。

圖片來源：https://artificialanalysis.ai/music/leaderboard/vocals

圖片來源：https://artificialanalysis.ai/music/leaderboard/instrumental

Artificial Analysis 在業(yè)界素有「AI 領(lǐng)域 Gartner」之稱，是當(dāng)前全球最具影響力的 AI 大模型獨(dú)立評測機(jī)構(gòu)之一。它的評測強(qiáng)調(diào)獨(dú)立性，所有測試均由機(jī)構(gòu)內(nèi)部完成，不依賴 AI 實(shí)驗(yàn)室自行報(bào)告的數(shù)據(jù)，評測結(jié)果曾被 OpenAI、Anthropic、Google 等全球頭部 AI 公司以及權(quán)威媒體認(rèn)可和引用。

在這樣的評測體系下拿到雙榜第一，說明 Mureka V8 經(jīng)過了最嚴(yán)苛的第三方檢驗(yàn)。

當(dāng)然，好看的榜單還需要真實(shí)體驗(yàn)來印證。接下來，我們還是老規(guī)矩，上手實(shí)測一番。

• 全球官網(wǎng)：https://www.mureka.ai/
• 國內(nèi)官網(wǎng)：https://www.mureka.cn/

一手實(shí)測，這個(gè)中國 AI 音樂模型有點(diǎn)東西

相比于之前版本，Mureka V8 最大的亮點(diǎn)是生成的音樂完全可以直接發(fā)行，人聲更富情感，旋律也更有記憶點(diǎn)。

Mureka V8 提供「簡易」和「自定義」兩種模式。

「簡易」模式下，只需輸入一段歌曲描述便能直接生成完整歌曲，還可上傳參考音頻，模型會在理解創(chuàng)作意圖的基礎(chǔ)上完成完整編曲、人聲演唱和混音輸出。

它支持中英文及多語種，段落結(jié)構(gòu)、情緒推進(jìn)、唱法選擇均可通過提示詞介入控制。

先來首硬核 Phonk，提示詞給的是「有種喝了第 4 杯濃縮咖啡帶來的亢奮」，聽聽看，是不是還沒到一半就開始抖腿了？

或者輸入「生成一首春日小曲」，其他啥也不用管，不到 30 秒，Mureka V8 直出兩首輕松歡快的民謠。溫柔的演唱配合柔和的編曲，讓人聽完就想出門曬太陽。

說唱風(fēng)格也能 hold 住。我們輸入提示詞：中文說唱，男聲，歌詞關(guān)于城市里的漂泊與奮斗，節(jié)奏感強(qiáng)，帶有嘻哈風(fēng)格的 beat。

咱先不聊音樂性，看看這歌詞寫的：「紅綠燈閃爍著這座城冷漠的頻率，無數(shù)個(gè)靈魂在斑馬線上交錯(cuò)浮沉，我抬頭看那云端上高聳的起重機(jī)，正一點(diǎn)點(diǎn)吊起我那顆懸空的野心……這座城從不承諾誰會衣錦還鄉(xiāng)，只在每一個(gè)深夜里審視你的頑強(qiáng)」，很有畫面感和象征性的隱喻。

我們再來整個(gè)活，專門測一下 Mureka V8 的口條：生成一首高速中文流行說唱，女聲主唱，歌詞包含大量繞口令和密集輔音，比如「四是四，十是十」，要求咬字清晰、節(jié)奏貼合鼓點(diǎn)、情緒有推進(jìn)。

有一說一，聽感很不錯(cuò)，唱詞比很多年輕演員的臺詞還清晰（doge）。

如果懶得想提示詞，我們還可以使用「投骰子」功能，讓其隨機(jī)生成。那主題就五花八門了，什么打字機(jī)有節(jié)奏的敲擊聲、油漬里的彩虹色、抓不到的那只嗡嗡叫蚊子、健身房里嗓門巨大的肌肉男，啥都能拿來做成音樂。

（提示詞：抓不到那只嗡嗡叫的蚊子）

自定義模式就進(jìn)階一些，不僅可以選擇風(fēng)格和人聲，還能直接輸入歌詞，把一首歌從情緒到表達(dá)完全掌控在自己手里。

前段時(shí)間，一首叫《菩薩魚》的 AI 歌曲火遍全網(wǎng)，它之所以爆火，是因?yàn)?AI 用慵懶冷峻的旋律和充滿反諷的哲思，唱出了人類在現(xiàn)實(shí)規(guī)訓(xùn)下的掙扎與無奈，那種反差感直擊靈魂。

順著這個(gè)思路，我們也來復(fù)刻一首。我們要用 AI 來唱一首「反抗 AI 與算法」的歌，主題是：科技沒有讓人更輕松，反而把我們變成了更精致的零件，讓人越發(fā)焦慮。

這一次，我們直接給 Mureka V8 喂入完整歌詞，并明確設(shè)定風(fēng)格。

大家可以直接跳轉(zhuǎn)到 30s、56s、2m26s 欣賞 Mureka V8 的神仙轉(zhuǎn)音。

拿下雙榜第一，AI 音樂如何擁有「靈魂」？

Mureka V8 在 Artificial Analysis（AA）評測中，人聲與樂器雙榜單取得第一的成績，是其底層技術(shù)架構(gòu)長期演進(jìn)的量變引起質(zhì)變。在過往的 AI 音樂生成賽道中，行業(yè)普遍面臨著旋律缺乏發(fā)展、編曲元素停滯不前、人聲機(jī)械化以及聽感扁平化等核心技術(shù)瓶頸。Mureka V8 與即將發(fā)布的 V9，正是針對這些真實(shí)創(chuàng)作痛點(diǎn)給出的系統(tǒng)性技術(shù)解法。

不僅要「能出聲」，更要工業(yè)標(biāo)準(zhǔn)的「能打」

Mureka V8 的技術(shù)進(jìn)步，標(biāo)志著 AI 音樂從「實(shí)驗(yàn)性聲音段落」的生成，向具備完整審美價(jià)值的「音樂作品」邁進(jìn)。

在生成邏輯層面，V8 顯著提升了音樂的結(jié)構(gòu)完整性與動態(tài)發(fā)展能力。與以往簡單循環(huán)片段的輸出不同，V8 能夠構(gòu)建出清晰的主副歌對比、具有記憶點(diǎn)的旋律以及完整的段落結(jié)構(gòu)。

在聲學(xué)表現(xiàn)上，V8 在人聲的表現(xiàn)和編曲層次上也進(jìn)行了深度優(yōu)化。通過精準(zhǔn)匹配人聲音色與唱法，模型能賦予虛擬演唱者更強(qiáng)的「主唱存在感」與情感張力。

此外，混音與聲場構(gòu)建技術(shù)的提升，讓 V8 的配器更加飽滿，混響比例與空間層次接近專業(yè)音樂制作水準(zhǔn)，顯著消除了早期 AI 音樂中的「粗糙感」與「干澀感」。

MusiCoT 構(gòu)建思維閉環(huán)，讓 AI 真正「聽懂」審美

支撐 Mureka 核心模型持續(xù)進(jìn)化的基礎(chǔ)技術(shù)，是昆侖萬維自研的MusiCoT（Music Chain-of-Thought）技術(shù)體系。自 2024 年初啟動以來，研發(fā)團(tuán)隊(duì)逐步完成了評測、后訓(xùn)練與強(qiáng)化學(xué)習(xí)的技術(shù)閉環(huán)。

Mureka 自研基于 MusiCoT 的自回歸模型音樂生成技術(shù)（來源：MusiCoT.github.io）

與傳統(tǒng)依賴文本提示進(jìn)行線性自回歸生成、容易偏離人類創(chuàng)作模式的模型不同，MusiCoT 在技術(shù)鏈路上進(jìn)行了創(chuàng)新重構(gòu)。它引入了中間推理機(jī)制，使模型在生成具體的音頻 token 之前，能夠先自主「思考」并預(yù)定義整體的音樂結(jié)構(gòu)、風(fēng)格與樂器配置。同時(shí)，該體系底層依托 CLAP（對比語言-音頻預(yù)訓(xùn)練）架構(gòu)，在同一個(gè)表征空間內(nèi)對文本與音頻進(jìn)行對齊訓(xùn)練。

這種深層次的協(xié)同建模能力，使模型在旋律推進(jìn)、段落表達(dá)與音色安排之間建立了內(nèi)在一致性。通過將復(fù)雜的音樂理論轉(zhuǎn)化為模型可理解的推理鏈路，MusiCoT 成功地將主觀的「好聽」轉(zhuǎn)化為了可高頻復(fù)現(xiàn)的系統(tǒng)性能力，讓 AI 具備了駕馭宏大音樂敘事的基礎(chǔ)。

V9 提前看：攻克詞不達(dá)意，讓每一次創(chuàng)作都如你所愿

在 V8 打下的音質(zhì)與樂感基礎(chǔ)上，Mureka V9 將技術(shù)演進(jìn)的重點(diǎn)放在了「創(chuàng)作意圖的可控表達(dá)」上。如果說 V8 主要解決的是「質(zhì)感」問題，V9 則致力于消除 AI 生成與創(chuàng)作者意圖之間的「表達(dá)偏差」。

V9 進(jìn)一步深化了 MusiCoT 的細(xì)粒度控制能力，優(yōu)化了推理鏈路，顯著提高了文本到音樂的處理效率與生成速度。在控制精度方面，V9 實(shí)現(xiàn)了對段落內(nèi)文本的精準(zhǔn)把控，能夠準(zhǔn)確理解歌詞中的語義重心、情緒轉(zhuǎn)折與演唱意圖，從而確保歌詞在對應(yīng)的音樂段落中得到「恰如其分」的表達(dá)，同時(shí)有效減少了無意義的哼唱和模糊的唱詞。

此外，V9 在生成結(jié)果的多樣性與混音質(zhì)量上持續(xù)優(yōu)化，推動 AI 音樂技術(shù)從「高質(zhì)感生成」向影視、游戲等全場景賦能的「精準(zhǔn)定制」邁進(jìn)。

3 月 27 日，Mureka V9 將在昆侖萬維相關(guān)發(fā)布活動中正式亮相，屆時(shí)其完整能力邊界也將進(jìn)一步揭曉。

結(jié)語：

從 SkyMusic 到 V9，

昆侖萬維這條路走了多遠(yuǎn)

回看 Mureka 的進(jìn)化軌跡，這次登頂并非一蹴而就。

早在 2024 年 2 月，昆侖萬維就開始搞 AI 音樂大模型研發(fā)，不過彼時(shí)還在用一個(gè)叫 SkyMusic 的內(nèi)測版本跑通最基礎(chǔ)的訓(xùn)練、推理和評測閉環(huán)，目標(biāo)也只是實(shí)現(xiàn)端到端「能用」。

此后兩年，昆侖萬維幾乎每隔幾個(gè)月就有一次技術(shù)躍遷。

2024 年 4 月，中英文版本上線天工，開始驗(yàn)證線上交付與穩(wěn)定迭代；8 月做了首個(gè)超大規(guī)模版本，聽感和音質(zhì)有明顯提升，獨(dú)立產(chǎn)品也同步上線；11 月，多語種工程化落地，能力從雙語變成多語種，可維護(hù)可迭代；2025 年，MusiCoT 和更系統(tǒng)化的評測、后訓(xùn)練、強(qiáng)化學(xué)習(xí)跑成閉環(huán)，模型進(jìn)入有節(jié)奏、有方向的長期進(jìn)化；2026 年 1 月，Mureka V8 正式發(fā)布，并在短短 2 個(gè)月登頂國際權(quán)威榜單。

AI 音樂的邊界，還遠(yuǎn)沒有到頭。

技術(shù)歸根結(jié)底是為表達(dá)服務(wù)，下次想寫首歌記錄生活，或者給自己的 Vlog 配個(gè)專屬 BGM，不妨去官網(wǎng)親自捏一首試試。

至于它的真實(shí)聽感到底能不能打動你？你的耳朵說了算。

文中視頻、音頻鏈接：https://mp.weixin.qq.com/s/Gnc7WHgdvneyPoUN-peTUA