AI淘汰歌手又近一步昆仑万维正式上线MurekaV7

MurekaO1模型与MurekaV6模型自3月底发布以来，收获了全球用户的广泛好评，新增注册用户近300万。

7月23日，昆仑万维为全球用户带来最新音乐模型MurekaV7，以及全新的音频模型MurekaTTSV1——支持VoiceDesign音色设计能力。

MurekaV7是一座24小时不打烊的私人录音棚，它懂得旋律的呼吸，也懂得你偶尔的情绪化。只需要敲下一个主题、几行歌词、想要的风格，两分钟后就能在电脑中听到一首完整且愿意立刻分享给好友的音乐作品。

01

MurekaV7：给你更好听的音乐旋律

过去制作一首歌，从灵感到成品需要很多步：写词→作曲→编曲→约棚→混音→成品。而今天，我们使用MurekaV7，用户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。

MurekaV7全新升级后，将用户的音乐灵感折叠成了一次「点击」，这不仅是一次效率的大幅跃迁，更是音乐品质的质变：

1.MurekaV7带来的音乐品质更好：大幅提升旋律动机与编曲质量，人声与乐器真实度进一步增强，做出来的每一首歌都好听；

2.MurekaV7的音乐创新性更强：生成的歌曲对于音乐从业者更具启发。

当然，这些听感上的提升，是背后技术指标的提升：

1.良品率从V6的43.4%提升到57.7%，这意味着输入歌词生成后获得好听歌曲的概率；

2.人声真实度和表达力提升44%，让人不禁感叹“这真是AI做的？”；

3.整体音质提升近一倍，告别“AI味”的千篇一律。

图丨MurekaV7歌曲质量评估（主观评价指标）

为什么Mureka能做到让音乐这么好听？

因为传统的自回归（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。

为此，我们在MurekaV7版本大幅优化了MusiCoT(AnalyzableChain-of-Musical-ThoughtPrompting)技术（https://musicot.github.io/），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，具体体现在以下三方面创新：

先结构，后生成：拟合人类创作逻辑

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。

可解释的音乐思维链，兼容参考样式

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。

从主观到客观，全面验证效果领先

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，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。未来，我们将持续迭代该技术，进一步提升AI音乐生成的创意性与工业化能力。

02

MurekaTTSV1：无限音色，零门槛定制

此外，还首次推出MurekaTTSV1，支持VoiceDesign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。

不论是真实人物、虚拟人物还是配音角色，都能够通过文本来控制，摆脱了过去只能通过现有音色库实现音色克隆，或是只能使用已经存在的音色形式。

MurekaTTSV1的VoiceDesign功能技术指标上也获得了提升。

图丨MurekaTTSV1的VoiceDesign质量评估（主观评价指标）

整体而言，MurekaV7的诞生，标志着AI音乐生成从“工具化”走向“人性化”。它不再局限于技术的进步，而是真正理解人类对音乐的渴望——用旋律传递情感，用节奏讲述故事。

音乐从来不是少数人的特权。

从洞穴里的骨笛到流媒体时代的数字音乐工作站，再到今天的AI音乐平台Mureka，技术的每一次进步，都在让每一位音乐爱好者能够享受创作音乐的乐趣。

今天，MurekaV7把个人专属录音棚放进口袋。明天，我们希望听到你用它在卧室、厨房、地铁写出下一首音乐流行榜的Top1。

打开Mureka，即刻体验！