作者独家获悉，2026 WAIC世界人工智能大会期间，趣丸科技正式发布天谱乐大模型V4.7，并将其接入旗下对话式音乐创作智能体Tunee，同时通过天谱乐OpenAPI向开发者和企业用户开放。

相比单纯提高音质或延长歌曲时长，V4.7此次更新的重点，是让AI生成的音乐变得更容易控制，也更适合继续修改。

它意味着，AI音乐的竞争正在进入新的阶段：在“能不能生成一首歌”之后，行业开始回答另一个问题——用户能否把这首歌持续改到满意。

第三方测试结果显示，天谱乐V4.7在60组中英文测试样本中，与Suno V5.5、Mureka V9和MiniMax V2.6进行了对比。

在Meta Audiobox Aesthetics与SongEval两套评估体系下，V4.7在内容享受度、作品记忆点和声音清晰度等指标中获得较高分数，其余音乐性、连贯性和自然度指标也处于第一梯队。

音乐大模型走向“听得懂修改意见”

围绕二次创作，天谱乐V4.7重点升级了Remix改写和翻唱Cover能力。

用户可以上传已有的音乐素材，在保留核心旋律或音乐动机的基础上，对作品的曲风、编排和演唱方式进行重新设计。

例如，一段原本偏抒情的旋律，可以被重新改编为电子、摇滚或轻爵士风格；一首已有歌曲可以更换歌词和演唱音色，同时尽可能保持原有旋律的辨识度；创作者也可以通过提示词，调整乐器音色、和声、人声以及伴唱等元素。

这种能力的关键，在于既要允许模型自由发挥，又要避免它脱离创作者原意。

尤其在翻唱场景中，新歌词与原歌曲的字数、段落长度往往并不一致。如果模型只机械地复刻原曲，歌词与旋律很容易错位；如果赋予模型过多自由，它又可能逐渐偏离原来的核心旋律。

天谱乐团队将V4.7在这一场景中的能力称为“快速回归动机”：模型可以根据新的歌词和结构进行适当改写，同时在关键位置重新收束到主旋律，维持整首作品的辨识度。

V4.7还针对参考音频泄露进行了优化。模型在学习原歌曲旋律和结构时，会尽量减少对原始人声和音色的直接复制，使生成结果拥有更独立、干净的声音表现。

对于普通用户，这些升级意味着创作不再需要频繁“推倒重来”。对于音乐人、短视频创作者以及广告和影视从业者，AI生成的结果也更接近可以继续加工的创作素材。

除二次创作外，天谱乐V4.7也继续提升了常规歌曲生成能力。

据天谱乐团队介绍，新版本对旋律动机、乐句气口和歌曲动态进行了优化，试图减少AI音乐中常见的机械重复感。模型在鼓、贝斯、和声与人声之间的空间分离度也有所提升，尤其在慢节奏和放松类曲风中，能够呈现更细腻的情绪和编排层次。

更重要的一项变化发生在提示词响应上。

过去，用户即使在提示词中明确提出“减少鼓点”“增加伴唱”或“突出某种乐器”，模型也不一定能够稳定执行。V4.7重新调整了训练数据的标签体系，提高对乐器音色、和声、人声等信息的识别和响应能力。

这使AI音乐模型开始更像一个能够理解修改意见的创作搭档。

用户提出的要求越具体，模型越需要准确地区分一首歌中的旋律、节奏、音色和演唱方式，并判断哪些部分需要保留，哪些部分可以重新生成。

为了支撑这种控制能力，天谱乐团队重新设计了自研的自监督音乐表征模型，尝试将音乐中的音色、旋律和节奏进行拆分，再按照用户要求重新组合。

在生成效率方面，天谱乐称V4.7整体性能提升约20%，完整歌曲生成耗时控制在60秒以内，输出规格为48kHz双声道音频。

AI音乐下一战：从生成结果到创作工作流

从2024年至今，天谱乐先后探索了四代音乐生成架构。不同架构之间存在时间重叠，一些路线曾经并行研发。

第一代架构采用语言模型与离散音乐表征，解决的核心问题是让模型根据一句话，生成一段拥有旋律、节奏和基本段落的音乐。可以将这一阶段理解为：AI开始学会“写出一段歌”。

第二代架构采用掩码自回归模型与连续声学表征，重点转向完整歌曲结构，包括主歌、副歌以及不同段落之间的前后呼应。到了这一阶段，AI需要学会“把歌写完整”。

第三代架构使用扩散模型与连续音频表征，将重点放在音质、人声、器乐细节和局部修改能力上，并大幅提升生成速度。同时，天谱乐团队推出了全球首个多模态音乐生成大模型，支持文本、图片和视频等多种输入方式生成音乐。这一阶段，模型开始解决“怎样让歌更好听”。

第四代架构则采用分层渐进式方案，将音乐生成拆分为音乐性、语义和声学三个层次，再由粗到细依次完成。模型先确定歌曲的主题动机和整体结构，再生成具体内容，最后补充人声、音色与器乐细节。

用创作流程来理解，就是先确定一首歌要表达什么、怎样展开，再完成编曲和演唱，而非在同一个阶段同时处理所有信息。

这种分层方式牺牲了一部分纯扩散模型的极致速度，却换来了更清晰的歌曲结构、更稳定的提示词响应，以及更适合二次创作的控制能力。

V4.7是第四代架构上的第七个版本。它延续的核心方向，是让音乐模型既拥有创作空间，又能够遵循用户意图。

不过，对AI音乐模型而言，客观评分只能反映一部分能力。音乐生成模型已经完成了从短音频、纯音乐到完整歌曲和人声演唱的快速跨越。模型之间的差距，也开始从“第一次生成是否惊艳”，逐渐转向对创作过程的理解。