国内首个音乐ChatGPT来了!提前试用「天工SkyMusic」后,整个编辑部暴风式哭泣:它改编的周杰伦和凤凰传奇简直封神。团队选择了一条少有人走的路,他们赌赢了:比OpenAI提前押中了Sora架构,并且首次在业内公开技术图。
最近几周的震撼,是Suno给的。
重磅升级的Suno V3,不断有刷屏全网的「神曲」诞生,让全世界为之疯狂。
谁能想到,音乐的ChatGPT时刻,竟然就这么来了。
圈内所有人都在讨论:这一波,音乐产业没准要被AI一锅端了。
国内首款音乐AI来了!
这不,就在上周,国内首款AI音乐生成大模型「天工SkyMusic」也正式开启内测了!
各路「大神」已经开始在首页秀创作了
没有灵感怎么办?产品页面甚至为你配备好了灵感话题。
试玩一番后,小编再次体会了一遍,当初Suno给人的那种惊艳感。
初体验:一秒梦回80年代,人声以假乱真
比如这首《古韵悠长》,清亮的女声一开口,瞬间梦回80年代,是我妈跳广场舞的那个feel了。
这首《爱是幸福》,更是好听到让小编惊掉下巴。旋律朗朗上口,歌词隽永又令人无限回味,细听有一股蔡健雅的味道。
除了歌曲整体的音乐品质非常高,极具欣赏价值之外,「天工SkyMusic」的最大亮点之一,就是它清晰逼真的人声。
要知道,人声合成,是AI音乐生成中最重要、最能体现生成效果和品质的维度。
而「天工SkyMusic」的AI人声合成,能够产生中文水平极高、发音清晰的歌声,展现出卓越的音频质量和逼真的演唱效果,已经达到业内SOTA水平!
在这方面,「天工SkyMusic」可是爆杀了几个外来大模型。他们在中文发音上,简直是惨不忍睹没眼看。
比如Suno的这首《宫保鸡丁》,唱起中文歌来也是老外说中文那味儿。
可见,要想做中文歌,还得看咱自己的音乐大模型!
可控性,音乐人的专业指标
接下来,我们就得上一些专业指标了。
歌词段落
一首歌为什么能够爆红全网,火遍大江南北?
从流行音乐的角度,它需要有强烈的旋律、鲜明的节奏、多彩的和声、激昂的情感。
因此,想要做出一首抓耳的流行歌,不同歌词段落间微妙的情绪变化,就是一个很关键的点。
而「天工SkyMusic」在这方面,就格外擅长——
它能通过歌词来控制歌曲,体现出主歌和副歌、前奏和主歌的段落差异。
比如这首《龙行龘龘》,开头悠扬的女声民歌和激昂扬的男女声对唱部分形成鲜明对比,一首大气磅礴的国风歌曲浑然天成。
风格
在风格控制上,它可以参考指定音频,学习特定特定的曲风。
它创作的这首《飞翔鸟》,听起来非常像学习了许巍的民谣风。
自动前奏、间奏、尾奏
音乐制作人时常面临的一个问题是,已经有了合适的歌曲,但缺少前奏和尾奏,绞尽脑汁也找不到合适的。
这时候,就可以找「天工SkyMusic」帮忙了。它补充完整的这首《Guitar》,慵懒随意的唱腔搭配恰到好处,听起来非常治愈。
和声
根据歌词描述,「天工SkyMusic」给这首《水调歌头》自动添加上了和声。
几个男声的和声和主唱的音色十分契合,再结合节奏鲜明的鼓点,一首旋律激昂大气的国风《水调歌头》就这样诞生了。
歌词技巧
而且,模型还可以参考音频的特征,智能地学习演唱技巧。
比如这首歌剧版的《我的滑板鞋》,就演绎出了别样的风味。
王者荣耀、周杰伦、凤凰传奇,你想要的它都有
时下的流行icon,怎么和流行音乐融合?如果找对了叩击大众心弦的那个点,抖音神曲并不是一件难事。
「天工SkyMusic」,让这一切都成为可能。
输入带有结构的歌词+参考音频,就能把自己玩王者荣耀的体验写出一首歌了:「我真的气死了,skr skr~」
我今天打开王者荣耀选赵云
开局后我走到哪里都被爆杀
我真的气死了只能躲在草丛
或者,我们还可以根据已有的歌词进行二创。
比如输入《彩虹》的歌词,再录一段《最长的电影》主歌和副歌30s的音频做参考,两首歌「生出」的一首新歌就诞生了:
听得出来,部分旋律还是有可圈可点之处的。
再用蕾哈娜的《Diamonds》的词,配上霉霉维密秀震撼神曲《See You Again》试试?
出来的「混血」女声英文歌是这样的:
AI版Diamonds,新智元,54秒
唱腔控音极好,高低音转换流畅,其中几句的多处转音颇为神奇,值得细品。在人类作曲家中似乎很少听到这么「鬼才」的旋律组合,这就是来自AI的巧思吧。
而且非常神奇的是,歌曲的唱腔忽然就变得像蕾哈娜了,跟霉霉的嗓音并不像。
接下来,让我们来爆改一下凤凰传奇的《最炫民族风》,不过跟刚才不同的是,这次输入的都是原歌词和原曲,让它自我「整改」一下。
出来的,是另一种感觉的广场舞神曲。
不仅如此,我们甚至还可以把突发的热点事件,分分钟变成一首爆款潜力股。
说唱版热梗「高速运转的机械」了解一下:
那么,「天工SkyMusic」是怎么做到如此惊艳的效果呢?
为此,我们最近特地找到初创团队的大佬聊了聊。
走少有人走的路
MIDI or 音频?破釜沉舟
相信大家心里都有一个疑问:怎么以前没有好听的音乐AI,最近才扎堆冒出来呢?
当然是因为——它非常难!
好的AI音乐难做,一个原因是此前主流的符号派(MIDI)技术效果太差;还有一个原因,就是过往的音乐AI基本都在无人声的BGM领域,有人声的Song要么做不出来,要么效果也是很差。
一首歌有人声和无人声的吸引力程度差别有多大,不言自明。
具体来说,AI音乐生成有两大主要技术路径,符号派、大模型派。
符号派以MIDI为主流。MIDI全称Musical Instrument Digital Interface,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、音符持续的时间等。
因为不能直接生成歌曲,后期还需加上乐器、旋律、音色、人声。
第二条大模型音乐音频生成路线,能够直接学习并生成音频波形,乐器、人声、旋律、音量、音符都是一体化端到端生成。
符号(MIDI)方向的研究,学界有很多,然而效果却很差;大模型音频方向则极难,做的极少。
面对两条路线,选哪个呢?
立项之初,公司内部就面临着这一艰难的选择。前者效果不好,后者则极有可能会做不出来,整个项目鸡飞蛋打。
最后,「天工SkyMusic」研发团队经过投票,一致决定选择音频方案。大家公认:宁愿冒着巨大风险,也要做出真正好的AI音乐。
幸运的是,他们成功了。
注意,下面你看到的这张图,可谓价值连城。
SkyMusic核心技术架构
因为,目前市面上没有任何可用的AI音乐大模型企业,公开过自己的技术路径,包括Suno。
ChatGPT出来后,LLM百花齐放,这是因为有无数开源项目可以参考。
但音频路线+人声Song路线,没有任何公开资料可参考,天工砸进去数不清的研发资源和算力算法投入,才摸索出了上面这张极其宝贵的路径图。
该踩的坑,团队都已经提前踩过了,而如今这个可复现的方案,也被他们慷慨贡献了出来。
而且巧合的是,虽然最终的框架与Sora类似,但其实在研发的时候Sora还没诞生呢。
只能说,英雄所见略同。
谈一谈音乐
在类Sora架构中,Large-scale Transformer负责谱曲,通过学习Music Patches的上下文依赖关系来控制音乐结构和风格。
这样,就完全实现了对风格的掌控。
而Diffusion Transformer则负责演唱,也即声音的生成和渲染,通过LDM技术,将Music Patches转换为高质量音频输出,因此音乐具有清晰的风格特征和音质表现。
当AI开始学习情感
而如果我们仔细听上面的作品,就会感觉到:「天工SkyMusic」对于音乐情感的捕捉极为细腻。
它生成的音乐,仿佛有着丰富的情感脉络,和一种动态的变化。
正是这种对于情感表达的强化,让它的作品能够根据歌词和音乐元素,生成不同情感氛围的作品。
相比于以往侧重于智力提升的AGI模型,它的「情感AGI」路线,则显得尤为珍稀和宝贵。
因为,它不仅是一个聪明的AI,还是一个努力去理解和模拟人类情感、用音乐去表达情感的AI。
跟市面上那些侧重旋律创作、学习大量乐段的旋律,或是深入和弦、节奏、编曲层次的AI相比,「天工SkyMusic」的情感维度,也成为它在行业中的差异化亮点。
比Suno和Stable Audio2.0强在哪儿
与市面上Suno等AI音乐工具相比,AI音乐生成大模型「天工SkyMusic」有着独特的优势。
它背后采用的,是基于MoE架构的4000亿级参数多模态超级大模型「天工3.0」。
在业界领先的逻辑推理、语义理解和泛化能力的加持下,「天工SkyMusic」的响应速度和训练推理效率,也得到了极大地提升。
首先在中文上,「天工SkyMusic」的AI人声合成极为优秀,发音清晰、无异响。
特别是,得益于在中文语境中的深度优化,其在中文演唱效果上,更符合中国市场的需求。
其次,在音乐风格上,「天工SkyMusic」更略胜一筹。
它能够通过歌词控制情绪变化,并实现如颤音、歌剧、吟唱等多种歌唱技巧,使生成的音乐作品,情感更加丰富且贴合情境。
此外,「天工SkyMusic」还支持创作说唱、民谣、放克、古风、电子等多种音乐风格,用户可以根据个人喜好定制音乐风格。
不过,不仅仅是「天工SkyMusic」,包括Suno等AI工具,都距以假乱真的专家音乐水平相对较远。
因此,这也是昆仑万维决定将其技术架构公开,希望业界一同推动这一领域发展的原因。
AI不会取代音乐人
「天工SkyMusic」、Suno之外,近几天另一个堪称「Sora版」的神秘音乐模型Udio,也引发了全网关注。
拿到测试资格的网友,纷纷表示Udio音乐生成强太多了,甚至让人感受到了AGI的力量。
难道AI已经真的到了,能够取代人类音乐歌手的地步了吗?
原创,真的已经不再重要?
显然都不是。
AI音乐生成技术的快速迭代,无疑正在改变音乐创作的方式和体验。
但,这并不意味着AI会完全取代音乐人,或让原创变得不再重要。
相反,AI音乐生成技术与音乐创作者,可以相辅相成。
一方面,强大的AI可以降低音乐创作的门槛。
即便是非专业人士,也拥有机会接触音乐,创作出有一定水准的音乐作品。
这将极大地拓展音乐创作者群体,激发多元的音乐形态和跨界合作。
另一方面,如「天工SkyMusic」这样的工具可以赋能音乐创作者。
它们可以通用简化旋律原型生成、提供创意灵感、协助制作高质量伴奏等创作环节,帮助音乐人提高创作效率。
昆仑万维董事长兼CEO方汉曾在采访中说过这么一句话:
在内容生产行业,有这么一条规律:如果内容制作门槛降低1倍,那么内容创作者的创作数量将会增加10倍。
因此,当音乐创作门槛降低之后,就会有更多的人成为「原创音乐人」。
总而言之,若以静态的角度看待行业,许多人会认为,AI音乐的出现「切走了音乐行业的蛋糕」。
但动态地来看,技术的进步能够让音乐市场越来越大,行业蓬勃发展,孕育出全新的内容生态、音乐业态。
比如,按需定制音乐服务、在线音乐创作工具订阅等新的商业模式,可以为音乐产业带来新的消费增长。
当前,国内许多音乐平台都为Suno AI做了专栏,直接解锁了一把新的流量密码。
而面向教育,AI音乐创作可以帮助我们快速感知音乐创作原理,尝试多种音乐风格创作,为音乐产业培养孵化新一代人才。
让每个人更好表达自我
更宏观地讲,除了图片、视频、AI音乐也是通向情感AGI路上的一个重要的组成部分。
音乐,不仅是一种艺术形式,更是情感交流和表达的方式。
而且,音乐更能触及人的情感深处,是情感表达的重要媒介。
针对AGI开展的研究中,许多团队都将重点放在模型智力的扩展与增强上。
而真正的AGI的终极目标是——更像人,兼具感性理性、推理逻辑思维,以及情感理解等能力。
正是意识到了这点,一直将情感AGI视为重要方向的昆仑万维,希望攻克音乐AI这一大技术难题。
在研发「天工SkyMusic」过程中,研究团队积极探索音频内容,尤其是音乐对于情感理解与表达的独特优势。
他们不仅关注音乐作品的谱曲、编排和演唱等技术层面,更强调模型对音乐情感色彩的感知和再现能力。
「天工SkyMusic」在情感表达的准确性、多样性,以及歌词段落情绪变化的敏感捕捉,印证了昆仑万维在情感AGI上取得实质性进展。
当然,除了AI音乐生成,AI写作、绘画、动画等领域,昆仑万维也在探索其在创作工具中的应用。
在情感AGI这条主线上,他们希望通过自研技术,帮助创作者更好地通过AI技术表达和传递情感内涵。
未来三十年,会有越来越多的人表达自我,人类社会的自我表达侧要翻1000倍。
昆仑万维接下来所做的,便是让AI降低人类创作门槛,让我们每个人都加入这股AI音乐大潮。
文章内容仅供阅读,不构成投资建议,请谨慎对待。投资者据此操作,风险自担。
12 月 3 日消息,公开信息显示,美团关联公司北京三快科技有限公司因未对平台商户证照资质进行真实性审查,被北京市市场监督管理局罚款 20 万元,没收违法所得约 46 万元。
奥维云网(AVC)推总数据显示,2024年1-9月明火炊具线上零售额94.2亿元,同比增加3.1%,其中抖音渠道表现优异,同比有14%的涨幅,传统电商略有下滑,同比降低2.3%。
“以前都要去窗口办,一套流程下来都要半个月了,现在方便多了!”打开“重庆公积金”微信小程序,按照提示流程提交相关材料,仅几秒钟,重庆市民曾某的账户就打进了21600元。
华硕ProArt创艺27 Pro PA279CRV显示器,凭借其优秀的性能配置和精准的色彩呈现能力,为您的创作工作带来实质性的帮助,双十一期间低至2799元,性价比很高,简直是创作者们的首选。