AI音乐周刊 W.A 008

AI音乐周刊 W.A 008 AI音乐周刊 W.A 008 Modified December 29, 2025 链接：https://www.haimian.com/ 12月22日，字节跳动旗下的AI音乐创作平台海绵音乐（网页端）正式解锁“歌曲分轨”功能。该功能能够将生成的AI歌曲深度拆解，为音乐二次创作提供极大便利。【功能详情】 • 两轨模式：快速提取人声与伴奏，满足常规K歌及视频配乐需求。 • 八轨模式：业界领先的精细化分离，包括人声、钢琴、吉他、弦乐、管乐、贝斯、鼓、合成器。【使用须知】 1. 1. 限额制度：每位用户每天享有 3次免费分离额度。 2. 2. 不可逆性：单首歌曲选择分离方式（两轨/八轨）后，将无法更改或重新选择，请谨慎操作。 Eleven Music 重磅更新：分轨、重绘 API 与探索模式来了 Audio or video is not supported Please download the file and open it with the appropriate software. eleven music.mp4 · 1.63MB eleven music 00:00 链接：https://elevenlabs.io/music ElevenLabs 在12月23日发布了一系列针对音乐生成、编辑和制作的重大更新），核心亮点如下： 🆕 Explore (探索) 模式 • 发现与二创：浏览可商用的公开曲库，可以直接 Remix 别人的提示词，或 Fork 并在工作室中直接编辑。 • 筛选：支持按流派、情绪、热度等快速查找素材。 🎹 Stems Separation (分轨功能) • 多轨分离：现支持将歌曲分离为 2轨（人声/伴奏）、4轨（人声/鼓/贝斯/其他）甚至 6轨。 • 渠道：Web 端 UI 和 API 均可使用（需付费，消耗生成额度）。 🛠️ Music Inpainting API (音乐重绘 API) • 开发者神器：提供对歌曲的精细控制。支持修改特定片段、改歌词、无缝循环、延长/缩短歌曲，甚至转换曲风。 ✨ 体验与细节优化 • 歌词优化：生成更连贯、清晰，风格更契合。 • UI 升级：播放时歌词实时高亮（卡拉 OK 效果）；支持局部重生成（不必重跑整首）。 • 精准时间戳：返回每个歌词的精确时间点，方便视频/字幕对齐。腾讯音乐入局AI社区：VEMUS未音开启内测 12月23日，腾讯音乐娱乐集团（TME）正式推出AI音乐创作社区APP——VEMUS未音。目前该产品处于内测阶段，小编第一时间深度体验了其核心玩法。【核心玩法】 VEMUS采用“生成+社区”模式。用户可通过文字描述、图片感悟等多种Prompt方式实时创作歌曲，并支持对热门曲目进行个性化二创。此外，平台构建了完整的社交链路，用户可自由分享、收听并互动。 🙌 【体验笔记】 • 激励机制：采用积分制，每日登录赠送积分，单次生成消耗100积分（产出2首）。 • 功能权限：支持整曲免费下载，专业级的伴奏与干声分离下载则面向会员开放。独家内测码：V8T7DE（名额有限，先到先得）论文 InstructDubber：基于指令对齐的零样本电影配音论文：https://arxiv.org/abs/2512.17154 电影配音旨在根据给定剧本并使用特定声音合成语音，同时确保与角色的视觉表演实现精确的唇形同步和情感韵律对齐。然而，现有基于视觉特征的对齐方法面临两大局限：(1) 依赖复杂的、手工设计的视觉预处理流水线（如面部关键点检测和特征提取）；(2) 在未见过的视觉领域泛化能力较差，常导致对齐和配音质量下降。为解决这些问题，我们提出了 InstructDubber，这是一种新型的基于指令对齐的配音方法，适用于鲁棒的域内和零样本电影配音。具体而言，我们首先将视频、剧本及相应提示输入多模态大语言模型（MLLM），生成关于视频中说话速率和情感状态的自然语言配音指令，该方法对视觉领域的变化具有鲁棒性。其次，我们设计了一个指令时长蒸馏模块，从语速指令中挖掘判别性时长线索，以预测与唇形对齐的音素级发音时长。第三，针对情感韵律对齐，我们设计了指令情感校准模块，利用真实配音情感作为监督信号微调基于大模型的指令分析器，并基于校准后的情感分析预测韵律。最后，将预测的时长、韵律与剧本一起输入音频解码器，生成与视频对齐的配音。在三个主要基准数据集上的大量实验表明，InstructDubber 在域内和零样本场景下均优于现有最先进方法。基础音频编码器理解音乐结构吗？论文：https://arxiv.org/abs/2512.17209 在音乐信息检索（MIR）研究中，使用预训练基础音频编码器（FAE）已成为一种趋势。在大量音乐和音频数据上预训练的 FAE 已被证明能提高音乐标记和自动音乐转录等 MIR 任务的性能。然而，其在音乐结构分析（MSA）中的应用研究仍较少。尽管已有许多开源 FAE 模型，但仅有极少数在 MSA 任务上得到了检验，且学习方法、训练数据和模型上下文长度等因素对 MSA 性能的影响尚不明确。在本研究中，我们对 11 种 FAE 进行了全面实验，调查这些因素如何影响 MSA 性能。我们的结果表明，在音乐数据上通过掩码语言建模（MLM）进行自监督学习的 FAE 对 MSA 尤为有效。这些发现为未来的 MSA 研究铺平了道路。以速度为稳定线索：用于音乐生成 3D 舞蹈的分层速度与节拍专家混合模型论文：https://arxiv.org/abs/2512.18804 音乐生成 3D 舞蹈旨在根据音乐合成逼真且节奏同步的人类舞蹈。虽然现有方法通常依赖额外的风格标签来提升生成效果，但此类标签往往带有噪声、粒度粗、难以获取或不足以涵盖现实音乐的多样性，从而导致节奏失调或风格偏移。相比之下，我们观察到“速度”（Tempo）作为反映音乐节奏和步伐的核心属性，在不同数据集和风格中保持着相对一致性（通常在 60 到 200 BPM 之间）。基于这一发现，我们提出了 TempoMoE，这是一个分层的速度感知专家混合（MoE）模块，用于增强扩散模型及其节奏感知能力。TempoMoE 将动作专家按速度结构化地分组，对应不同的速度范围，并利用多尺度节拍专家捕捉精细及长程的节奏动态。分层节奏自适应路由根据音乐特征动态选择并融合专家，实现了无需手动风格标签的灵活、节奏对齐的生成。大量实验表明，TempoMoE 在舞蹈质量和节奏对齐方面达到了最先进的水平。让模型学会感受：用于符号音乐情感识别的调性引导注入论文：https://arxiv.org/abs/2512.17946 音乐情感识别是符号音乐理解（SMER）中的关键任务。近期方法通过微调大规模预训练模型（如符号音乐理解基准 MIDIBERT），将音乐语义映射到情感标签，并取得了显著成果。虽然这些模型能有效捕捉分布式音乐语义，但往往忽略了调性结构（尤其是音乐调式），而根据音乐心理学，调式在情感感知中起着至关重要的作用。本文研究了 MIDIBERT 的表示能力，并指出了其在捕捉“调式情感”关联方面的局限性。为解决此问题，我们提出了一种调式引导增强（MoGE）策略，将关于调式的心理学洞察融入模型。具体而言，我们首先进行了调式增强分析，揭示了 MIDIBERT 无法有效编码情感与调式之间的相关性。随后，我们识别出 MIDIBERT 中情感相关性最低的层，并引入了调式引导特征线性调制注入（MoFi）框架来注入显式的调式特征，从而提升模型的情感表示和推理能力。在 EMOPIA 和 VGMIDI 数据集上的广泛实验证明，我们的调式注入策略显著提升了 SMER 性能，准确率分别达到 75.2% 和 59.1%。这些结果验证了调式引导建模在符号音乐情感识别中的有效性。琴弦把位对大提琴家揉弦的影响论文：https://arxiv.org/abs/2512.18162 本研究分析了揉弦如何随大提琴琴弦上的手指位置而变化。通过检查 94 段录音摘录，我们发现手指越向琴码方向移动，声学揉弦深度显著增加 ($\rho = 0.6902, p = 1.408 \cdot 10^{ 14}$)。然而，演奏者手指的物理摆动幅度却同时减小 ($\rho = 0.6391, p = 4.172 \cdot 10^{ 12}$)。这表明演奏者在高把位会减少手指动作，但这种减少不足以抵消该位置产生的高音高偏差，从而揭示了补偿性揉弦行为的存在及其局限性。 AutoSchA：通过多关系节点隔离实现自动分层音乐表示论文：https://arxiv.org/abs/2512.18232 分层表示为分析多种音乐流派提供了强大且有原则的方法。此类表示在音乐理论中得到了广泛研究，例如通过申克分析（Schenkerian analysis, SchA）。然而，分层音乐分析的成本极高；分析单首乐曲需要受过训练的专家投入大量时间和精力。此外，将分层分析以计算机可读格式表示也是一大挑战。鉴于分层深度学习的最新进展和计算机可读数据量的增加，扩展此类工作以建立自动分层表示框架具有巨大前景。因此，本文介绍了一种名为 AutoSchA 的新方法，它将图神经网络（GNN）的最新进展扩展到分层音乐分析中。AutoSchA 包含三大核心贡献：1) 一种用于分层音乐表示的新型图学习框架；2) 一种基于节点隔离的新型图池化机制，可直接优化学习到的池化分配；3) 一种集成了这些进展的先进架构，用于自动分层音乐分析。在一系列实验中，我们展示了 AutoSchA 在分析巴洛克赋格主题时表现出与人类专家相当的水平。迈向实用的自动钢琴改编：使用 BERT 与半监督学习论文：https://arxiv.org/abs/2512.21324 在本研究中，我们提出了一种结合半监督机器学习的新型自动钢琴改编方法。钢琴改编（Piano Reduction）是一个重要的音乐转换过程，作为演奏和分析的音乐草图，对音乐家和作曲家大有裨益。实现这一过程的自动化是一个极具挑战性的研究课题，但由于手动进行钢琴改编耗时耗力，自动化将带来极大便利。虽然监督学习通常是学习输入输出映射的有效工具，但很难获取大量的标注数据。我们旨在通过利用半监督学习来解决这一问题，从而利用古典音乐中丰富的现有数据，在极少或无需标注工作的情况下完成任务。为此，我们制定了一个“音乐简化后进行和声化”的两步走方法。此外，我们利用现有的机器学习框架 MidiBERT 提出并实现了两种可能的解决方案。结果显示，我们的方案能够输出实用且真实的样本，其准确的改编结果仅需在后期处理中进行微调。我们的研究为在自动钢琴改编中使用半监督学习奠定了基础，未来研究者可参考此工作以产生更多先进成果。参考资料 https://news.aibase.com/news/23884 https://medium.com/@CherryZhouTech/kling 2 6 elevates ai video integrate advanced voice and motion control 944677780c50 https://tophit.com/news/pro/14275 https://www.universalmusic.com/universal music group and roblox announce strategic agreement to expand creative and commercial music experiences on the platform for artists labels and fans/ https://x.com/elevenlabsio/status/2003168454006743082?s=20 https://www.xiaohongshu.com/discovery/item/694a7198000000001b02509c?app platform=android&ignoreEngage=true&app version=9.14.0&share from user hidden=true&xsec source=app share&type=normal&xsec token=CBH zTpW6ixw7GYdfZ6tAlBX3vtYT4S1L 4Uh3 mLNnGU%3D&author share=1&shareRedId=ODY5QzhLPD02NzUyOTgwNjY0OThKNz9L&apptime=1767013717&share id=fec6517cb7264f0d8e8b05d93499d67b&share channel=copy link&appuid=607c5f84000000000101f29b&xhsshare=CopyLink 链接：https://www.haimian.com/ 12月22日，字节跳动旗下的AI音乐创作平台海绵音乐（网页端）正式解锁“歌曲分轨”功能。该功能能够将生成的AI歌曲深度拆解，为音乐二次创作提供极大便利。【功能详情】 • 两轨模式：快速提取人声与伴奏，满足常规K歌及视频配乐需求。 • 八轨模式：业界领先的精细化分离，包括人声、钢琴、吉他、弦乐、管乐、贝斯、鼓、合成器。【使用须知】 1. 1. 限额制度：每位用户每天享有 3次免费分离额度。 2. 2. 不可逆性：单首歌曲选择分离方式（两轨/八轨）后，将无法更改或重新选择，请谨慎操作。 Eleven Music 重磅更新：分轨、重绘 API 与探索模式来了 Audio or video is not supported Please download the file and open it with the appropriate software. eleven music.mp4 · 1.63MB eleven music 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. eleven music.mp4 · 1.63MB eleven music 00:00 链接：https://elevenlabs.io/music ElevenLabs 在12月23日发布了一系列针对音乐生成、编辑和制作的重大更新），核心亮点如下： 🆕 Explore (探索) 模式 • 发现与二创：浏览可商用的公开曲库，可以直接 Remix 别人的提示词，或 Fork 并在工作室中直接编辑。 • 筛选：支持按流派、情绪、热度等快速查找素材。 🎹 Stems Separation (分轨功能) • 多轨分离：现支持将歌曲分离为 2轨（人声/伴奏）、4轨（人声/鼓/贝斯/其他）甚至 6轨。 • 渠道：Web 端 UI 和 API 均可使用（需付费，消耗生成额度）。 🛠️ Music Inpainting API (音乐重绘 API) • 开发者神器：提供对歌曲的精细控制。支持修改特定片段、改歌词、无缝循环、延长/缩短歌曲，甚至转换曲风。 ✨ 体验与细节优化 • 歌词优化：生成更连贯、清晰，风格更契合。 • UI 升级：播放时歌词实时高亮（卡拉 OK 效果）；支持局部重生成（不必重跑整首）。 • 精准时间戳：返回每个歌词的精确时间点，方便视频/字幕对齐。腾讯音乐入局AI社区：VEMUS未音开启内测 12月23日，腾讯音乐娱乐集团（TME）正式推出AI音乐创作社区APP——VEMUS未音。目前该产品处于内测阶段，小编第一时间深度体验了其核心玩法。【核心玩法】 VEMUS采用“生成+社区”模式。用户可通过文字描述、图片感悟等多种Prompt方式实时创作歌曲，并支持对热门曲目进行个性化二创。此外，平台构建了完整的社交链路，用户可自由分享、收听并互动。 🙌 【体验笔记】 • 激励机制：采用积分制，每日登录赠送积分，单次生成消耗100积分（产出2首）。 • 功能权限：支持整曲免费下载，专业级的伴奏与干声分离下载则面向会员开放。【体验笔记】 • 激励机制：采用积分制，每日登录赠送积分，单次生成消耗100积分（产出2首）。 • 功能权限：支持整曲免费下载，专业级的伴奏与干声分离下载则面向会员开放。独家内测码：V8T7DE（名额有限，先到先得）论文 InstructDubber：基于指令对齐的零样本电影配音论文：https://arxiv.org/abs/2512.17154 电影配音旨在根据给定剧本并使用特定声音合成语音，同时确保与角色的视觉表演实现精确的唇形同步和情感韵律对齐。然而，现有基于视觉特征的对齐方法面临两大局限：(1) 依赖复杂的、手工设计的视觉预处理流水线（如面部关键点检测和特征提取）；(2) 在未见过的视觉领域泛化能力较差，常导致对齐和配音质量下降。为解决这些问题，我们提出了 InstructDubber，这是一种新型的基于指令对齐的配音方法，适用于鲁棒的域内和零样本电影配音。具体而言，我们首先将视频、剧本及相应提示输入多模态大语言模型（MLLM），生成关于视频中说话速率和情感状态的自然语言配音指令，该方法对视觉领域的变化具有鲁棒性。其次，我们设计了一个指令时长蒸馏模块，从语速指令中挖掘判别性时长线索，以预测与唇形对齐的音素级发音时长。第三，针对情感韵律对齐，我们设计了指令情感校准模块，利用真实配音情感作为监督信号微调基于大模型的指令分析器，并基于校准后的情感分析预测韵律。最后，将预测的时长、韵律与剧本一起输入音频解码器，生成与视频对齐的配音。在三个主要基准数据集上的大量实验表明，InstructDubber 在域内和零样本场景下均优于现有最先进方法。基础音频编码器理解音乐结构吗？论文：https://arxiv.org/abs/2512.17209 在音乐信息检索（MIR）研究中，使用预训练基础音频编码器（FAE）已成为一种趋势。在大量音乐和音频数据上预训练的 FAE 已被证明能提高音乐标记和自动音乐转录等 MIR 任务的性能。然而，其在音乐结构分析（MSA）中的应用研究仍较少。尽管已有许多开源 FAE 模型，但仅有极少数在 MSA 任务上得到了检验，且学习方法、训练数据和模型上下文长度等因素对 MSA 性能的影响尚不明确。在本研究中，我们对 11 种 FAE 进行了全面实验，调查这些因素如何影响 MSA 性能。我们的结果表明，在音乐数据上通过掩码语言建模（MLM）进行自监督学习的 FAE 对 MSA 尤为有效。这些发现为未来的 MSA 研究铺平了道路。以速度为稳定线索：用于音乐生成 3D 舞蹈的分层速度与节拍专家混合模型论文：https://arxiv.org/abs/2512.18804 音乐生成 3D 舞蹈旨在根据音乐合成逼真且节奏同步的人类舞蹈。虽然现有方法通常依赖额外的风格标签来提升生成效果，但此类标签往往带有噪声、粒度粗、难以获取或不足以涵盖现实音乐的多样性，从而导致节奏失调或风格偏移。相比之下，我们观察到“速度”（Tempo）作为反映音乐节奏和步伐的核心属性，在不同数据集和风格中保持着相对一致性（通常在 60 到 200 BPM 之间）。基于这一发现，我们提出了 TempoMoE，这是一个分层的速度感知专家混合（MoE）模块，用于增强扩散模型及其节奏感知能力。TempoMoE 将动作专家按速度结构化地分组，对应不同的速度范围，并利用多尺度节拍专家捕捉精细及长程的节奏动态。分层节奏自适应路由根据音乐特征动态选择并融合专家，实现了无需手动风格标签的灵活、节奏对齐的生成。大量实验表明，TempoMoE 在舞蹈质量和节奏对齐方面达到了最先进的水平。让模型学会感受：用于符号音乐情感识别的调性引导注入论文：https://arxiv.org/abs/2512.17946 音乐情感识别是符号音乐理解（SMER）中的关键任务。近期方法通过微调大规模预训练模型（如符号音乐理解基准 MIDIBERT），将音乐语义映射到情感标签，并取得了显著成果。虽然这些模型能有效捕捉分布式音乐语义，但往往忽略了调性结构（尤其是音乐调式），而根据音乐心理学，调式在情感感知中起着至关重要的作用。本文研究了 MIDIBERT 的表示能力，并指出了其在捕捉“调式情感”关联方面的局限性。为解决此问题，我们提出了一种调式引导增强（MoGE）策略，将关于调式的心理学洞察融入模型。具体而言，我们首先进行了调式增强分析，揭示了 MIDIBERT 无法有效编码情感与调式之间的相关性。随后，我们识别出 MIDIBERT 中情感相关性最低的层，并引入了调式引导特征线性调制注入（MoFi）框架来注入显式的调式特征，从而提升模型的情感表示和推理能力。在 EMOPIA 和 VGMIDI 数据集上的广泛实验证明，我们的调式注入策略显著提升了 SMER 性能，准确率分别达到 75.2% 和 59.1%。这些结果验证了调式引导建模在符号音乐情感识别中的有效性。琴弦把位对大提琴家揉弦的影响论文：https://arxiv.org/abs/2512.18162 本研究分析了揉弦如何随大提琴琴弦上的手指位置而变化。通过检查 94 段录音摘录，我们发现手指越向琴码方向移动，声学揉弦深度显著增加 ($\rho = 0.6902, p = 1.408 \cdot 10^{ 14}$)。然而，演奏者手指的物理摆动幅度却同时减小 ($\rho = 0.6391, p = 4.172 \cdot 10^{ 12}$)。这表明演奏者在高把位会减少手指动作，但这种减少不足以抵消该位置产生的高音高偏差，从而揭示了补偿性揉弦行为的存在及其局限性。 AutoSchA：通过多关系节点隔离实现自动分层音乐表示论文：https://arxiv.org/abs/2512.18232 分层表示为分析多种音乐流派提供了强大且有原则的方法。此类表示在音乐理论中得到了广泛研究，例如通过申克分析（Schenkerian analysis, SchA）。然而，分层音乐分析的成本极高；分析单首乐曲需要受过训练的专家投入大量时间和精力。此外，将分层分析以计算机可读格式表示也是一大挑战。鉴于分层深度学习的最新进展和计算机可读数据量的增加，扩展此类工作以建立自动分层表示框架具有巨大前景。因此，本文介绍了一种名为 AutoSchA 的新方法，它将图神经网络（GNN）的最新进展扩展到分层音乐分析中。AutoSchA 包含三大核心贡献：1) 一种用于分层音乐表示的新型图学习框架；2) 一种基于节点隔离的新型图池化机制，可直接优化学习到的池化分配；3) 一种集成了这些进展的先进架构，用于自动分层音乐分析。在一系列实验中，我们展示了 AutoSchA 在分析巴洛克赋格主题时表现出与人类专家相当的水平。迈向实用的自动钢琴改编：使用 BERT 与半监督学习论文：https://arxiv.org/abs/2512.21324 在本研究中，我们提出了一种结合半监督机器学习的新型自动钢琴改编方法。钢琴改编（Piano Reduction）是一个重要的音乐转换过程，作为演奏和分析的音乐草图，对音乐家和作曲家大有裨益。实现这一过程的自动化是一个极具挑战性的研究课题，但由于手动进行钢琴改编耗时耗力，自动化将带来极大便利。虽然监督学习通常是学习输入输出映射的有效工具，但很难获取大量的标注数据。我们旨在通过利用半监督学习来解决这一问题，从而利用古典音乐中丰富的现有数据，在极少或无需标注工作的情况下完成任务。为此，我们制定了一个“音乐简化后进行和声化”的两步走方法。此外，我们利用现有的机器学习框架 MidiBERT 提出并实现了两种可能的解决方案。结果显示，我们的方案能够输出实用且真实的样本，其准确的改编结果仅需在后期处理中进行微调。我们的研究为在自动钢琴改编中使用半监督学习奠定了基础，未来研究者可参考此工作以产生更多先进成果。参考资料 https://news.aibase.com/news/23884 https://medium.com/@CherryZhouTech/kling 2 6 elevates ai video integrate advanced voice and motion control 944677780c50 https://tophit.com/news/pro/14275 https://www.universalmusic.com/universal music group and roblox announce strategic agreement to expand creative and commercial music experiences on the platform for artists labels and fans/ https://x.com/elevenlabsio/status/2003168454006743082?s=20 https://www.xiaohongshu.com/discovery/item/694a7198000000001b02509c?app platform=android&ignoreEngage=true&app version=9.14.0&share from user hidden=true&xsec source=app share&type=normal&xsec token=CBH zTpW6ixw7GYdfZ6tAlBX3vtYT4S1L 4Uh3 mLNnGU%3D&author share=1&shareRedId=ODY5QzhLPD02NzUyOTgwNjY0OThKNz9L&apptime=1767013717&share id=fec6517cb7264f0d8e8b05d93499d67b&share channel=copy link&appuid=607c5f84000000000101f29b&xhsshare=CopyLink 🏆 本文作者：智音Brook 链接：https://mp.weixin.qq.com/s/uI039AAtN0sUpiHlDEHWzQ 本文作者：智音Brook 链接：https://mp.weixin.qq.com/s/uI039AAtN0sUpiHlDEHWzQ 👾 2025年岁末，AI音乐行业在技术与商业化上取得双重突破： • 创作端：快手可灵2.6实现原生“音视频同步”，支持AI唱歌说唱且口型精准；字节海绵音乐与ElevenLabs不约而同上线“分轨功能”，最高支持8轨拆解，后者更推出重绘API，标志着AI音乐进入精细化剪辑时代。 • 平台端：腾讯音乐推出VEMUS“未音”社区，主打“生成+社交”模式，深耕用户创作生态。 • 商业端：环球音乐与Roblox、Shopify达成合作，粉丝可在虚拟音乐体验中直接购买实体周边，跑通了“虚拟互动+实体电商”的闭环。这一周的动态显示，AI音乐正从简单的“提示词生成”向专业创作工具及多元商业变现快速进化。 2025年岁末，AI音乐行业在技术与商业化上取得双重突破： • 创作端：快手可灵2.6实现原生“音视频同步”，支持AI唱歌说唱且口型精准；字节海绵音乐与ElevenLabs不约而同上线“分轨功能”，最高支持8轨拆解，后者更推出重绘API，标志着AI音乐进入精细化剪辑时代。 • 平台端：腾讯音乐推出VEMUS“未音”社区，主打“生成+社交”模式，深耕用户创作生态。 • 商业端：环球音乐与Roblox、Shopify达成合作，粉丝可在虚拟音乐体验中直接购买实体周边，跑通了“虚拟互动+实体电商”的闭环。这一周的动态显示，AI音乐正从简单的“提示词生成”向专业创作工具及多元商业变现快速进化。快手可灵（Kling）2.6发布原生AI唱歌与说唱同步功能快手于2025年12月22日前后为其视频生成大模型可灵（Kling）发布了2.6版本更新，核心突破在于引入了行业领先的原生“语音控制”与音频同步技术。不同于以往视频与音频分离生成的模式，Kling 2.6实现了音视频的一次性同步生成，特别新增了高保真的AI唱歌（Singing）和说唱（Rapping）功能。该更新使得生成的视频角色能够根据音频节奏进行精准的口型同步、面部表情变化以及肢体动作配合。此外，用户可以上传自己的声音样本训练专属语音模型，确保了跨片段的角色声音一致性。这一进步极大地提升了AI视频在短视频、广告营销和音乐娱乐领域的实用性，标志着生成式AI步入全模态实时创作的新阶段。环球音乐与Roblox通过Shopify实现实体商品销售集成环球

在小宇宙note 阅读完整内容