☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
近日，昆仑万维正式上线最新音乐模型mureka v7，以及全新的音频模型mureka tts v1。此前，mureka o1模型与mureka v6模型自3月底发布后，收获全球用户广泛好评，新增注册用户近300万。过去制作一首歌，流程繁琐，需经历写词、作曲、编曲、约棚、混音等步骤才能得到成品。而使用Mureka V7，用户只需输入歌词或选择风格、主题，再点击“生成”，即可快速生成一首歌。这不仅极大提高了效率，更是音乐品质的一次飞跃。
Mureka V7能大幅提升旋律动机与编曲质量，使人声与乐器真实度更强，音乐创新性也更突出。昆仑万维在Mureka V7版本对MusiCoT（Analyzable Chain-of-Musical-Thought Prompting）技术进行了大幅优化，这是专为音乐生成设计的链式思维（Chain-of-Thought，CoT）提示方法。
传统的自回归（Autoregressive, AR）模型虽有较强音频保真能力，但基于逐token预测的范式，与人类音乐创作中“先规划整体，再填充细节”的思维过程不匹配，导致生成音乐缺乏连贯的结构性与艺术性。而MusiCoT技术在正式生成音频token前，会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，有效解决了传统AR模型“只顾局部，不顾全局”的问题，让生成作品有更自然的乐章推进与情绪递进。此外，MusiCoT技术结合CLAP（对比式语言 - 音频预训练模型），构建出具备明确语义指向的“音乐思维链”。这不仅使整体结构更可分析与可控，还允许输入任意长度的参考音频作为风格提示，提升了模型在复刻、变奏等创作需求中的灵活性，规避了直接复制的风险。大量实验表明，MusiCoT技术在主观与客观双重指标下均表现卓越，在结构完整性、旋律连贯性和整体音乐性方面，均优于传统方法，在多项评测中达到行业一流水准。
在这个版本中，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，还通过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，进一步缩小了文本 - 音频模态之间的差距。
librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具，基于 NumPy 和 SciPy 构建，用于科学音频计算。
除了Mureka V7，昆仑万维还首次推出Mureka TTS V1，该模型支持Voice Design能力，用户通过文本输入想要的语音特征就能获得对应的音色。
后续，昆仑万维在8月15日又正式上线了音乐模型Mureka V7.5。Mureka V7.5在中文歌曲演绎上更进一步，实现了中文歌曲音色、演奏技法、咬字与情感表现的提升。同时，在语音模型方向，昆仑万维语音团队推出MoE - TTS——首个基于MOE的角色描述语音合成框架。MoE - TTS创新性地结合预训练大语言模型（LLM）文本能力与语音专家模块（Speech Expert Modules），为文本与语音分别配置专用专家模块，并在Transformer核心结构中引入模态路由，确保各模态独立优化、互不干扰。MoE - TTS目前仍在迭代中，后续规划将集成至旗下Mureka - Speech平台作为角色配音的基座模型。
昆仑万维作为专注于互联网服务的科技企业，在人工智能技术研发上持续投入。未来，昆仑万维将持续迭代相关技术，进一步提升AI音乐生成的创意性与工业化能力。
