AI淘汰歌手又近一步，昆仑万维正式上线Mureka V7-品玩

Mureka O1模型与Mureka V6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Mureka V7，以及全新的音频模型Mureka TTS V1——支持Voice Design音色设计能力。

Mureka V7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。

Mureka V7 ：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Mureka V7，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。

Mureka V7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. Mureka V7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. Mureka V7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Mureka V7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Mureka V7版本大幅优化了 MusiCoT (Analyzable Chain-of-Musical-Thought Prompting) 技术，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。

Mureka TTS V1：无限音色，零门槛定制

此外，还首次推出Mureka TTS V1 ，支持 Voice Design 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。

Mureka TTS V1 的 Voice Design 功能技术指标上也获得了提升。