共计 1305 个字符，预计需要花费 4 分钟才能阅读完成。
打开音乐平台,AI 生成的歌单已铺天盖地 , 但听起来总差那么一点: 旋律拥挤、人声被埋没、情绪断层——一股挥之不去的“AI 味”。7 月 19 日, 昆仑万维天工 AI 在 2026 世界人工智能大会上发布了新一代音乐生成底座 Mureka V9.5, 以及基于它的 O3 反思式推理方案和创作 Agent 体验, 试图解决这一痛点。V9.5 的方向明确: 做更克制、更真实、更贴合创作意图的音乐, 说白了就是更有人味儿、更少 AI 味儿。
📌 从堆编配到留呼吸:V9.5 如何让音乐更自然?
传统 AI 音乐习惯叠多层乐器、持续填充旋律, 以为这样才算完成 。V9.5 则彻底翻新了配器逻辑, 声部何时进出、乐器何时增减、强弱动态如何变化, 全部根据提示词的情绪和曲风决定。无效声部主动砍掉, 给主旋律和人声腾位置, 给情绪转折留白。这种思路源自真人编曲的轻重交替、张弛有度。
V9.5 的技术核心是 MusiCoT(音乐思维链), 让模型在生成音频前先形成一套音乐思维: 从全曲结构到局部细节 , 粗到细地组织创作, 而非逐帧瞎蒙。新版本在此基础上进一步优化, 让编配不再时刻拉满, 声部学会呼吸, 情绪推进有留白。
- 指令精准度 : 从 6.92 提升至 7.62
- 人声表现良品率 : 达到 61.0%
- 控制良品率 :97.0%
- 曲风完全体现比例 :95.7%
🔍 O3 反思式推理: 生成不是终点, 思考才是
如果说 V9.5 解决的是“听起来像不像人做的”, 那么 O3 解决的就是“想得够不够深”。O3 运行在 V9.5 之上, 通过 test-time scaling 拉长 MusiCoT 的推理过程。模型在生成中持续自问: 当前旋律是否仍在为整首歌服务? 编配是否淹没了主唱? 情绪是否透支? 结构是否跑偏? 多出的算力被用来回头看和修改, 让音乐思维一步步收敛, 而非一次决定后一条道走到黑。
- 全曲目标不丢 : 先定好结构、情绪和表达方向, 后面每一步都回到全局目标
- 生成中持续审视 : 不仅判断局部好不好听, 还检查是否破坏整体一致性
- 发现偏差后自我修正 : 旋律、编配、人声跑偏时, 后续决策重新校准
- 成本换质量 : 更高推理成本用于审视、修正和收敛, 而非算力炫耀
实验数据表明, 推理扩展将听感良品率从 35% 提升至 43%, 综合可用率从 35% 提升至 39%。V9.5 负责让歌更自然,O3 负责交付前多看多想多修一遍, 两者结合实现了从一次性生成到完整思考打磨的跨越。
💡 从 0 到 1 到行业登顶: 自主可控的技术路线
Mureka 是昆仑万维天工 Skywork AI 自研的国内最早端到端落地的通用 AI 音乐大模型 。从 2024 年初初代 SkyMusic 1.0 内测起步, 到 2025 年 Mureka V6+O1 全球首发 MusiCoT 框架, 再到 V7.6+O2 优化人声和混音, 每一步都在积累。2026 年初,Mureka V8 在国际权威 AI 音乐评测榜单拿下人声、器乐双榜第一, 综合实力超越 Suno、Udio 等海外竞品。V9.5 的发布, 标志着这条自主路线进入了更成熟的阶段。
📊 总结:AI 音乐的下一个路口
围绕“没有 AI 味的 AI 音乐来了,Mureka V9.5 交出满分”，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。
