天譜樂大模型發佈4.7，讓AI音樂更懂“二次創作”｜獨家

天譜樂大模型推出 4.7 版本，AI 音樂的二次創作能力成為升級核心。2026 年世界人工智慧大會（WAIC）期間，趣丸科技正式發表天譜樂 V4.7，並同步將該版本接入旗下對話式音樂創作智能體 Tunee，同時透過天譜樂 OpenAPI 向開發者與企業用戶開放。不同於過去單純提升音質或延長歌曲時長，V4.7 此次更新的重點在於讓 AI 生成的音樂更容易被控制、也更適合後續修改。這標誌著 AI 音樂的競爭已從「能不能生成一首歌」邁向另一個關鍵問題：用戶能否把這首歌持續修改到滿意為止。在天譜樂 V4.7 中，圍繞二次創作的兩大核心功能是 Remix 改寫與翻唱 Cover。

用戶可以上傳現有音樂素材，在保留核心旋律或音樂動機的基礎上，重新設計曲風、編排與演唱方式。例如，一段原本偏向抒情的旋律可以被改編成電子、搖滾或輕爵士風格；一首已有歌曲可以更換歌詞與演唱音色，同時盡量保持原旋律的辨識度。創作者也能透過提示詞，調整樂器音色、和聲、人聲與伴唱等元素。這類能力的關鍵在於，模型必須在自由發揮與不偏離創作者原意之間取得平衡。特別是在翻唱場景中，新歌詞與原歌曲的字數、段落長度往往不一致。如果模型只機械式複製原曲，歌詞與旋律容易錯位；若給予模型過多自由度，又可能逐漸偏離原本的核心旋律。天譜樂團隊將 V4.

7 在此場景中的能力稱為「快速回歸動機」：模型可根據新的歌詞與結構進行適當改寫，同時在關鍵位置重新收束到主旋律，維持整首作品的辨識度。此外，V4.7 針對參考音頻洩露進行了優化，在學習原歌曲旋律與結構時，盡量減少對原始人聲與音色的直接複製，使生成結果擁有更獨立、乾淨的聲音表現。對一般用戶而言，這些升級意味著創作不再需要頻繁「推倒重來」；對音樂人、短視頻創作者以及廣告與影視從業者來說，AI 生成的結果也更接近可以繼續加工的素材。除了二次創作能力，天譜樂 V4.7 也持續提升常規歌曲生成品質。據團隊說明，新版對旋律動機、樂句氣口與歌曲動態進行了優化，試圖減少 AI 音樂中常見的機械重複感。

模型在鼓、貝斯、和聲與人聲之間的空間分離度也有所提升，特別是在慢節奏與放鬆類曲風中，能呈現更細膩的情緒與編排層次。更重要的變化發生在提示詞響應上。過去，即使用戶在提示詞中明確要求「減少鼓點」、「增加伴唱」或「突出某種樂器」，模型未必能穩定執行。V4.7 重新調整了訓練數據的標籤體系，提高對樂器音色、和聲、人聲等資訊的識別與響應能力。這使 AI 音樂模型開始更像一位能理解修改意見的創作夥伴。用戶提出的要求越具體，模型越需要準確區分一首歌中的旋律、節奏、音色與演唱方式，並判斷哪些部分該保留、哪些可以重新生成。

為了支撐這種控制能力，天譜樂團隊重新設計了自研的自監督音樂表徵模型，嘗試將音樂中的音色、旋律與節奏拆開，再依用戶要求重新組合。在生成效率方面，天譜樂稱 V4.7 整體性能提升約 20%，完整歌曲生成耗時控制在 60 秒以內，輸出規格為 48kHz 雙聲道音頻。第三方測試結果顯示，天譜樂 V4.7 在 60 組中英文測試樣本中，與 Suno V5.5、Mureka V9 及 MiniMax V2.6 進行了比較。在 Meta Audiobox Aesthetics 與 SongEval 兩套評估體系下，V4.

7 在內容享受度、作品記憶點與聲音清晰度等指標獲得較高分數，其餘音樂性、連貫性與自然度指標也處於第一梯隊。從技術演進的角度來看，天譜樂從 2024 年至今先後探索了四代音樂生成架構，部分路線曾並行研發。第一代架構採用語言模型與離散音樂表徵，解決的核心問題是讓模型根據一句話生成一段擁有旋律、節奏與基本段落的音樂。第二代架構採用掩碼自迴歸模型與連續聲學表徵，重點轉向完整歌曲結構，包括主歌、副歌以及段落之間的前後呼應。

第三代架構使用擴散模型與連續音頻表徵，重點放在音質、人聲、器樂細節與局部修改能力上，並大幅提升生成速度；同期天譜樂也推出了全球首個多模態音樂生成大模型，支援文字、圖片與影片等多種輸入方式。第四代架構則採用分層漸進式方案，將音樂生成拆分為音樂性、語義與聲學三個層次，由粗到細依序完成。模型先確定歌曲的主題動機與整體結構，再生成具體內容，最後補充人聲、音色與器樂細節。這種分層方式犧牲了一部分純擴散模型的極致速度，卻換來了更清晰的歌曲結構、更穩定的提示詞響應，以及更適合二次創作的控制能力。V4.7 正是第四代架構上的第七個版本，延續的核心方向是讓音樂模型既擁有創作空間，又能遵循用戶意圖。

對 AI 音樂模型來說，客觀評分只能反映部分能力。音樂生成模型已完成從短音頻、純音樂到完整歌曲與人聲演唱的快速跨越。模型之間的差距，也逐漸從「第一次生成是否驚豔」轉向對創作過程的理解。當生成一首歌的門檻不斷降低，創作者會提出更多要求：能否保留最喜歡的旋律？能否只修改某一種樂器？能否換一種人聲卻不破壞原來的情緒？能否讓同一份素材快速適應短視頻、廣告、遊戲與影視等不同場景？這些問題很難透過單次生成解決。天譜樂 V4.7，正是對這一系列問題的進一步回應。