而位居这场改造风暴中央的，正是昆仑万维推出的海内唯一公开可用的AI音乐天生大模型——「天工SkyMusic」。
自开启邀测以来，「天工SkyMusic」已经在互联网上刷爆了存在感，成为网友们改编、二创音乐的新晋网红神器。
【天工SkyMusic天生优质作品】
迟迟等不到的“音乐ChatGPT”时候
相信大家在体验「天工SkyMusic」时，都会有一个疑问：隔壁AI***天生大模型都开始赞助创作了，为什么「天工SkyMusic」这类AI音乐天生大模型才才崭露锋芒？
缘故原由在于构建天生高质量音乐的AI大模型，所面临的繁芜度远超想象。
一方面是技能路线的选择，AI音乐天生大模型有两种主流技能路线，符号音乐天生和大模型音乐音频天生。前者以MIDI为紧张流派，其本身不包含音频文件，而是记录音乐演奏的指令，比如哪个音符被播放、音量是多少、音符持续的韶光等，不能天生直接听的音乐。
学术与家当界在符号派的AI音乐天生上投入了大量研究，但是始终效果不佳。
相反，深度学习大规模音频数据则通过大模型端对真个方案，直接天生包含乐器、人声、旋律等音乐元素的完全音频作品。它须要模型具备极高的仿照精确度、大规模的高品质音频数据集、弘大的算力支撑……
这是一条预期效果更好，但是难度非常高的技能路径，业内只有很少玩家展开研究。
同时，鉴于歌声在音乐审美中的核心地位，AI对人声歌唱逼真仿照的研究也尤为关键。遗憾的是，受限于技能发展，以往AI音乐天生模型更关注无人声演唱的背景音乐（Background Music，BGM）领域，而非包含人声演唱的Song领域，因此行业内缺少有效的办理方案。
因此在AI音乐天生领域，无论是OpenAI的JukeBox、Meta的MusicGen，还是Google的MusicLM，它们虽然逐步办理了AI音乐天生中的痛点，但间隔天生高品质且类型丰富的音乐作品还有一定间隔。
「天工SkyMusic」自研发阶段即确立目标，要开拓一款赞助用户创作高质量音乐的工具。团队毅然选择了AI音乐天生大模型的道路，并决定重点占领人声歌唱难题，年夜胆涉足AI音乐制作领域内两个最具寻衅的无人区。
「天工SkyMusic」架构出身记
面对大模型音乐音频天生+人声Song这两个近乎空缺的技能领域，昆仑万维倾注了海量研发资源和算力算法投入，不断试错，终于自主研发出一套音乐音频领域的大模型架构。
这是一套类似Sora的DiT大模型架构，采取LLM+Diffusion的核心模块组成。
个中，用户输入的参考音乐会被拆解为不同的Music Patches，由Large-scale Transformer卖力谱曲，来学习Music Patches的高下文依赖关系，同时完成音乐可控性。
同时，Diffusion Transformer将卖力大模型的“演唱”部分，通过LDM（Latent Diffusion Model）扩散模型让Music Patches被还原成成44.1KHz的高品质立体声的音频。
昆仑万维这套高效、灵巧且具有情绪表达能力的音乐天生模型架构，补充了音频天生+人声Song这两技能领域的空缺，堪称AI音乐天生领域的一大技能飞跃，也让昆仑万维公开「天工SkyMusic」技能事理图的举措更让人敬佩，它不仅冲破了行业内的封闭状态，更为更是为全体家寺库垫了一条可复现的技能路径，大大降落全体AI音乐天生家当的研发风险。
AI音乐清晨：「天工SkyMusic」的中国式打破
从「天工SkyMusic」的技能剖析中我们可以看到，昆仑万维在研发过程中战胜了诸多技能难题，为我们打造出一个真正意义上，能高效创作高品质音乐的AI音乐天生大模型。在这里，我们可以天生时长80秒，采样率44.1KHz的双声道立体声歌曲，还可以通过歌词掌握歌曲的感情变革，精确区分不同音乐构造间的情绪起伏，也可完成各种繁芜歌唱技巧。
而且较之国外同类产品，「天工SkyMusic」最明显的差异是在中文人声歌唱上发音纯洁清晰，无明显机器痕迹，效果逼真的程度足以“以假乱真”。这不仅让中文歌词韵味和情绪表达更为出色，也在表达中国文化特有的意境与情绪内涵时，更加贴合国人的审美习气与情绪认同，形成独占的差异化上风。
情绪AGI待放：天工SkyMusic」引领情感创作变革
「天工SkyMusic」作为昆仑万维 “All in AGI和AIGC”计策下在音乐领域的先锋之作，补充了传统AGI侧重于智力拓展而忽略情绪维度的空缺，标志着昆仑万维在情绪AGI研究中取得的重大打破。
如今，「天工SkyMusic」不仅降落音乐创作门槛，让更多普通用户能够借助这款全民音乐创尴尬刁难象的力量，更好地通过音乐这一媒介，表达自己的情绪和创意。未来，随着昆仑万维在情绪AGI技能上不断的打破，「天工SkyMusic」将具备更多令人惊叹的创作能力，亦有望成为赞助专业音乐创作者的利器。
