2步生成Rap版《高速运转的机械》
继Suno、Udio带火AI音乐生成大模型之后，第一个国产“音乐版Sora”，终于来了！
话不多说，直接“开箱”听效果，看看到底怎么事。
我们开始就上一下难度，让它根据《高速运转的机械》这个网络段子来做首个歌。
若是让它爆改一下文字较为工整的古诗词，AI又该如何接招？
有请李清照的《声声慢》：
效果听起来还算不错，那么操作上是否会很麻烦呢？不，巨简单。
简单2步就能做首歌
目前，SkyMusic已经集成到了手机上的天工APP，入口就在主页顶部的“音乐”一栏中。
要想生成刚才那样的音乐，只需点击“开始写歌”就可以了。
在接下来的界面中，正如上文所言，你只要执行2个操作即可：
- 填写歌词（300字内）
- 选择参考曲目
如果在写歌词的过程中没有灵感，你还可以通过“AI写词”的功能让大模型给你帮忙哦~
最后，点击底部的“生成歌曲”按钮，大约1到2分钟左右（亲测），就会出结果了。
而且还不是只有1首，是直接给到3个完全不同的版本！
除此之外，在天工APP“音乐”栏目的下方，也有展示用户筛出来的AI作品。
如果你在听完某首歌曲之后觉得效果不错，也想尝试生成类似风格的音乐，可以点击旁边的“做同款”按钮，只需填写歌词就能再生成一首不一样的歌曲了。
从目前的结果来看，天工SkyMusic可以支持生成80秒左右时长的歌曲；不过一个好消息是，昆仑万维表示马上就会开放3分钟版本了~
而也正如刚才所言，天工SkyMusic是国内首个“音乐版Sora”，并且也取得了不错的效果。
如此又快又稳，昆仑万维又是如何做到的呢？
全球首个公开的技术路线
在AI生成音乐这件事上，即使是像Suno、Udio这样掀起热潮的玩家，也同Sora一样，并没有公开其背后的技术细节内容。
但值得一提的是，昆仑万维此次不仅是把AI生成音乐的产品给发布出来这么简单，更是做到了在技术上的“全球首家公开”。
在聊SkyMusic关键技术之前，我们需要了解的是，AI音乐生成从技术角度来看，可以分为两大流派：
- 符号音乐生成路线
- 大模型音乐音频生成路线
符号音乐生成比较典型的技术就是MIDI（Musical Instrument Digital Interface，乐器数字接口），通常需要先对大量的乐谱做标注的工作，再对模型进行训练。
其结果最后得到是乐谱，而并非是真正意义上的音乐，还需要其它的工具来对乐谱做“善后”的工作。
虽然此前学术界也尝试了在MIDI这样的技术基础上，后期加入人声、乐器、旋律、音色等元素，但所得到的结果并不是非常理想。
而天工SkyMusic选择的大模型音乐音频生成，则是与之截然相反的技术路线——
是通过直接地学习来生成音频波形，并做到把乐器、人声、旋律、音量、音符等等元素都“一锅出”。但这条路线需要大量的研发投入和资金支持，让大多数人望而却步。即使强如Google、Meta等科技巨头，目前也没有发布在这条路线上的突破性成果。
同时，这条路线又分为Song、BGM、Speach三个细分领域；由于行业内普遍都在研究无人声的BGM领域，导致行业内对有人声的Song领域近乎没有很好的解决方案，更没有开源的方案可借鉴。
也正因如此，音乐届的“Sora时刻”才会来得比图像和视频更晚一些。
为了解决这两个老大难的问题，昆仑万维自研出一套架构来解决，它主要由Encoder、DiT和Decoder三个模块组成
具体而言，其采用的架构可视为音乐音频领域的类Sora模型：
- Large-scale Transformer：负责谱曲，来学习Music Patches的上下文依赖关系，同时完成音乐可控性；
- Diffusion Transformer：负责演唱，通过LDM让Music Patches被还原成高质量音频。
这也是天工SkyMusic能够支持生成80秒44100Hz采样率双声道立体声歌曲的关键所在。
在我们与昆仑万维的交流中，研究人员进一步表示：
从效果中来看，天工SkyMusic在音乐中的咬字（尤其是中文）、情绪、技巧等元素的效果也是达标的。
昆仑万维董事长兼CEO方汉和量子位CEO孟鸿在昨天的对话直播中，便现场展示了比较有意思的几个曲子。
例如把《道德经》和宝妈一天的“吐槽”喂给天工SkyMusic，它生成的音乐是这样的：
在全球权威多模态性能测试MMBench和MMBench-CN的评估中，天工3.0不仅在A属性推理、关系推理、细粒度感知-交叉实例、粗略感知四项性能拿下第一，综合评分更超越GPT-4V、Gemini Pro等知名文本大模型。
同时昆仑万维还将将天工3.0“上架”自家的天工APP。
效果怎么样？一言蔽之：
- 更聪明：技术知识能力提升20%，数学/推理/代码/文创能力提升30%
- 更独立：独立规划、调用、组合外部工具及整合信息来完成复杂需求
- 更全能：提升了专项Agent应对复杂需求的能力
- 多才多艺：内容创作能力全面升级，包括搜、写、读、聊、说、画、听、唱
例如“弱智吧Benchmark”难不倒天工大模型：
在AI搜索方面，天工3.0APP在调用能力上做了增强，甚至在“研究”模式下还能自动生成大纲、图谱、思维导图等内容。
以搜索“AIGC产业发展”为例，现在的打开方式可以是这样的：
在大火的Agent技术方面，天工3.0也专门开设了“智能体”广场，用户可以自行构建专属的超强AI智能体，也可以在广场中pick自己想要的那一个。
以工作、生活都比较常用到的“扩图”为例，只需要丢给它一张图并提出要求，智能体就能生成4种不同的扩图效果。
总而言之，现在的天工3.0整体体验的最直观感受就是面面俱到，最前沿、最fashion的技术和应用统统都可以拥有。
最后，对于国内首发“音乐版Sora”这事，还有个话题值得聊一聊：
为什么是昆仑万维？
自从Sora问世引爆全球AIGC大热潮以来，昆仑万维绝对称得上是众多入局百模大战选手中的黑马。
此前，或许很多人对于昆仑万维的印象还停留在“游戏”、“出海”，但现在，“AIGC”已然成为它最鲜明的标签。
深入探究昆仑万维在AIGC领域的发展历程，我们可以清晰地看到其迅猛的发展步伐。
就在Sora发布仅一个月后，2022年12月，昆仑万维便发布了自主研发的全系列AIGC算法及模型，这套模型不仅具备先进的文本对话功能，还覆盖了图像生成、音乐创作、文本理解等多个模态领域。
从起步开始，昆仑万维就把“格局打开”，剑指多模态，而这正是今年AI产业最火热的赛道之一。
2023年4月17日，昆仑万维正式发布其自研的千亿级大语言模型“天工”，并于同年7月在天工APP上线。紧随其后，8月又推出了国内首款AI搜索产品——天工AI搜索，成为首批将AI大模型直接推向市场并服务于C端用户的企业。
在这场“AI一日，人间一年”的产业竞赛中，昆仑万维并没有安于现状，而是持续死磕技术：从公开测试多模态大模型Skywork-MM，到开源百亿参数级别的大语言模型天工Skywork-13B系列，继而又推出天工SkyAgents平台，并在今年2月，将国内首个采用MoE架构的大语言模型天工2.0免费向全社会开放。
而现在，正值天工大模型发布一周年之际，昆仑万维在2个月内将其迭代到3.0版本，再次拿下两个业界之最。
至此，也就不难回答“为什么是昆仑万维”这个疑问。因为昆仑万维始终坚守并践行“All in AGI 与 AIGC”战略，凭借敏锐的前瞻性和高效的行动力，始终站在AIGC技术发展的最前沿。
3月18日，记者从山西省人民政府获悉，“山西煤炭工业互联网智算平台”日前在山西联通大数据中心建设完成。该平台由中国联通与山西晋云互联科技有限公司共同打造，是山西省目前唯一的垂直行业类智 记者3月18日从安徽明天氢能科技股份有限公司（以下简称明天氢能）获悉，国家电网近日向明天氢能及董事长王朝云分别授予科学技术进步奖一等奖，获奖项目为“大规模氢电一体化站关键技术、核心装备及 南方财经全媒体记者马嘉璐 研究员仇雯 广州报道凭借一纸证书，就能获批100万、500万、甚至千万元贷款……数据要素链接金融市场开辟的新财路，正吸引着越来越多的入局者。南方财经全媒 记者3月21日从核工业北京地质研究院（以下简称核地研院）获悉，该院自1959年成立以来，在天然铀保障、高放废物地质处置、核遥感技术与应用、分析测试等领域科技攻关，以及重点工程建设、国际合作交流 再打一局游戏就睡，再刷几个视频就睡，终于放下手机，关灯睡觉了……结果翻来覆去睡不着，半夜醒来再也睡不着，为什么明明睡着了，睡眠质量却不高？3月21日是世界睡眠日，最新发布的《2024中国 3月24日消息，据媒体报道，huawei电话供应链公司，已开始向huaweiP70系列高端旗舰电话批量供货。同时有产业链人士透露，huawei给出的P70系列出货目标指引相对乐观。据数码博主“数码闲聊站”爆料，huaweiP 。本文链接：直播网友AI写歌征婚，实测最新登榜音乐SOTA模型：免费无限次，一键生成http://www.sushuapos.com/show-2-5184-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。