共计 1220 个字符，预计需要花费 4 分钟才能阅读完成。
天谱乐大模型发布 4.7, 让 AI 音乐更懂“二次创作”| 独家
2026 年 7 月 18 日, 在 WAIC 世界人工智能大会期间 , 趣丸科技正式发布天谱乐大模型 V4.7, 并将其接入旗下对话式音乐创作智能体 Tunee, 同时通过 OpenAPI 向开发者和企业用户开放。这一版本不再单纯追求音质或时长, 而是聚焦于让 AI 生成的音乐更易控制、更适合二次创作。
📌 从“生成”到“修改”:AI 音乐的新阶段
- 重点: 音乐大模型竞争从“第一次生成是否惊艳”转向对创作过程理解。
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
过去,AI 音乐模型的竞争焦点在于“能不能生成一首好听的歌”。如今, 随着生成门槛不断降低 , 用户开始提出更高要求: 能否保留喜欢的旋律? 能否只修改某一种乐器? 能否换一种人声而不破坏原有情绪? 天谱乐 V4.7 正是对这些问题的回应。
第三方测试显示, 在 60 组中英文样本中 , 天谱乐 V4.7 与 Suno V5.5、Mureka V9 和 MiniMax V2.6 进行了对比。在 Meta Audiobox Aesthetics 与 SongEval 两套评估体系下,V4.7 在内容享受度、作品记忆点和声音清晰度等指标中得分较高, 音乐性、连贯性和自然度也处于第一梯队。
🔍 核心升级:Remix 改写与翻唱 Cover
V4.7 重点升级了 Remix 改写和翻唱 Cover 能力, 允许用户上传已有音乐素材 , 在保留核心旋律或音乐动机的基础上, 对曲风、编排和演唱方式进行重新设计。例如, 一段抒情旋律可改编为电子、摇滚或轻爵士风格; 一首已有歌曲可更换歌词和演唱音色, 同时保持原有旋律的辨识度。
这种能力的关键在于“快速回归动机”: 模型根据新歌词和结构进行改写, 同时在关键位置重新收束到主旋律 , 维持作品的辨识度。此外, 模型还针对参考音频泄露进行了优化, 减少对原始人声和音色的直接复制, 使生成结果更干净、独立。
💡 技术突破: 分层架构与提示词响应
天谱乐 V4.7 采用第四代分层渐进式架构, 将音乐生成拆分为音乐性、语义和声学三个层次 , 由粗到细依次完成。模型先确定主题动机和整体结构, 再生成具体内容, 最后补充人声、音色与器乐细节。这种设计牺牲了一部分生成速度, 但换来了更清晰的歌曲结构、更稳定的提示词响应。
📊 行业影响: 从生成结果到创作工作流
然而, 客观评分只能反映一部分能力。 当生成一首歌的门槛不断降低 , 创作者会提出更多要求, 例如: 能否保留其中最喜欢的旋律? 能否只修改某一种乐器? 能否换一种人声却不破坏原来的情绪? 能否让同一份素材快速适配短视频、广告、游戏和影视等不同场景? 这些问题很难通过单次生成解决, 而 V4.7 正是对这一问题的进一步回答。
🚀 总结
围绕“天谱乐大模型发布 4.7, 让 AI 音乐更懂“二次创作”| 独家”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
