AI音乐周刊 W.A 033

AI音乐周刊 W.A 033 AI音乐周刊 W.A 033 Modified June 22 6 月 20 日，Mozart AI 上线 Remix（重混）功能，支持用户对本地上传或平台现有的歌曲进行风格、人声及配器的全方位改编创作。与传统工具粗暴的“一键替换”不同，Mozart 的 Remix 深度集成于其浏览器 DAW（数字音频工作站）中，带来了极具掌控力的“人机共创”模式： • 分轨微调：用户可对分离后的音轨（Stems）进行精细编辑，自由调整参数并添加 VST 插件效果。 • 语言指挥：支持使用自然语言直接指挥 AI 智能体（Agent）修改特定轨道，或结合 Layers 工作流继续叠加新元素。该功能非常适合将个人 Demo 快速重制为 TikTok/Reels 爆款，或对经典老歌进行现代翻新。联动平台内置的人声克隆、歌词编辑和 MV 生成功能，创作者可以凭借一个灵感，在单次会话中快速闭环产出高品质的商业级成品。（相关示例视频请到原文观看）链接：https://mozartai.com/ AI偷歌铁证？《大西洋月刊》上线公开数据库，可查哪些音乐被“白嫖” 6 月 21 日，《大西洋月刊》（The Atlantic）记者披露了4个已被公开下载数千次的超大规模AI训练音乐数据集（规模最大者达1200万首曲目），并将其整理为公开、可搜索的“AI看门狗”（AI Watchdog）数据库。调查表明，谷歌（Google）和Stability AI等科技巨头已在研究论文中证实使用过这些数据集。被侵权的音乐人阵容极其庞大，横跨流行与独立乐界，包括 Lady Gaga、Radiohead、Wu Tang Clan等。揭秘显示，这些数据集本身不包含音频文件，而是包含了大量指向 YouTube 和 Spotify 的歌曲链接。AI开发商利用特定的自动化工具批量下载音频，恶意绕过了平台登录、广告和创作者的变现机制，严重违反了流媒体平台的服务条款。如今，全球音乐人均可登录该网站，自查自身心血是否沦为了AI训练的免费燃料。阿里通义发布 UniVocal：纯文本驱动的“说唱无缝切换”语音模型 6 月 22 日，阿里通义实验室（Fun Team）联合独立研究者发布了突破性成果 UniVocal。作为已被 ACL 2026 主会接收的顶会论文，它开创了全新的“语音歌唱自由切换（SCS）”合成任务，颠覆了传统系统对切换控制标签的依赖。语义驱动与人声“思维链” 用户只需输入纯文本，UniVocal 即可完全基于文本语义，自主、连续地在说话、歌唱或哼唱模态之间进行无缝的人声转换。 • 语音 CoT 机制：创新引入精细音分标记（Cent Token）与人声思维链（Chain of Thought）技术。模型会率先预测音高轮廓，再以此为条件生成语义标记，大幅增强了歌声旋律与语言韵律的共情力。 • 两阶段课程训练：先后在 960 小时语音与 3700 小时歌唱数据上联合预训练以构建统一表征，再用 262 小时合成切换数据精调，使得音色跨模态转换的保真度远超级联系统。在同步推出的多场景基准 SCSBench 上，模型展现出行业顶尖的性能（F1指标领先）。官方宣布，包含推理、训练代码、数据处理脚本及预训练权重在内的完整开源流水线即将正式公开发布。论文：https://arxiv.org/abs/2606.01677 秒级自动对齐！Krotos 发布 Premiere 智能音效插件 Video to Sound （相关视频请到原文观看）最近，知名音效软件 Krotos 正式为 Adobe Premiere Pro 推出了全新面板插件 Video to Sound。作为 Krotos Studio 订阅生态的最新力作，它旨在帮助剪辑师摆脱空白时间线的焦虑，快速、直观地完成院线级的声音设计。核心亮点与技术革新： • 非生成式 AI 辅助：坚守“非生成、非合成”的纯真实录原则。AI 算法不凭空制造声音，仅用于分析画面，并从包含 10 万余款专业实录音效的库中智能筛选与组合。 • 全自动画面对齐：剪辑师只需在 Premiere 时间线上标记出入点（I/O）并挑选所需元素，系统便会在数秒内将无版权纠纷的真实音效精准对齐并渲染至轨道。 • 隐私无忧：官方明确承诺，系统在分析视频时绝不将用户的画面数据用于任何 AI 模型的训练。该插件目前已面向 Studio/Pro/Max 订阅用户开放，让非音频专家也能轻松驾驭高品质的影视后期初审（First Pass）配音工作。链接：https://krotos.studio/premiere pro plugin 教程：https://krotos.studio/blog/premiere plugin getting started 论文 🌈 以下是 6.16—6.22 期间发布的相关论文，已整理翻译当相同的音乐知识以不同的方式被遗忘：对路径依赖性遗忘的纯净探测概述：模型可以通过聆听音频或阅读文本描述来学习钢琴曲《致爱丽丝》是平静且具有沉思感的，但当这些知识随后面临被遗忘的风险时，其获取路径是否会产生影响？多模态模型中的遗忘研究主要测量在模型自适应（adaptation）过程中丢失了哪些知识，但尚未探讨获取路径是否会影响该知识被遗忘的难易程度。我们将这一未经测试的前提称为“路径无关假设”（Pathway Invariant Assumption）。音乐理解提供了一个纯净的测试场景，因为一段音乐片段和一段规范的文本描述可以对齐到相同的感知内容上，从而允许相同的知识单元在目标保持固定的情况下，通过“听”或“读”进入模型。在多个架构不同的音频语言模型中，我们观察到一种一致的不对称现象：在完全相同的自适应压力下，通过文本路径获取的知识比通过音频路径获取的匹配知识更容易被遗忘。为了将这种效应归因于路径而非混淆因素，我们引入了“配对路径控制协议（PPCP）”，这是一种三阶段设计，旨在建立匹配的路径基线，在对相同知识库的对称监督下激活两条路径，并对两条路径施加相同的遗忘压力。这一差距在不同模型和增益控制分析中保持稳定；当矛盾的覆盖重写被正确标签的跨领域学习取代时，该差距依然存在；在单模态压力下依然延续；且无法通过轻量级重放（replay）来消除。两次独立的路由深度控制实验证实，该效应无法用架构深度来解释，从而指向输入表征（input representation）才是主导因素。在 PPCP 协议下，我们的结果表明遗忘高度依赖于路径，从而将“获取路径”确立为遗忘研究和多模态系统设计的一个全新分析维度。论文链接：https://arxiv.org/abs/2606.15088 超越伪影：通过音乐固有特征走向可泛化的合成歌曲检测概述：AI 音乐生成器的飞速发展突显了对可靠的合成歌曲检测（SSD）的紧迫需求。现有的 SSD 方法往往依赖于底层伪影（artifacts）或固定的特征假设，难以捕获与生成器无关的线索。为了解决这个问题，我们提出了 Sofia（基于音乐特征的合成歌曲检测框架），这是一个灵活的框架，通过特定特征的专家和自适应专家混合（MoE）模块对音乐的固有属性进行建模。通过为 Sofia 配置具有代表性的人声、音频效果、全局结构特征及其组合，我们展示了它们各自以及互补的贡献。为了全面评估我们的框架，我们进一步构建了 MUSIC8K，这是一个包含最新涌现的生成器和真实音频扰动的极具挑战性的基准测试。实验表明，Sofia 能从音乐固有特征中学习到与生成器无关的表征，在 MUSIC8K O 上将 F1 分数比最强基线提高了 18.5 个百分点，同时保持了强大的鲁棒性。论文链接：https://arxiv.org/abs/2606.16612 TuneJury：一种用于提升音乐生成偏好对齐的开源指标概述：我们推出了 TuneJury，这是一个用于文本转音乐的开源、实例级成对奖励模型（pairwise reward model），它能根据文本提示词和音频片段预测音乐偏好得分。发布的模型权重是在公开的人类偏好标签上训练而成的，涵盖了竞技场风格（A vs. B）投票、指标对齐偏好对、众包成对比较以及专家美学评分。两个片段之间预测的得分差（margin）在我们的留出测试集（held out test split）上得到了良好的校准，支持通过简单的得分阈值进行数据过滤。TuneJury 可以很好地泛化到留出测试对和分布外（OOD）基准测试，并且在后者上与先前的基线模型相比依然极具竞争力。针对训练后才发布的生成器，我们引入了锚点校准（anchor calibration），这是一种事后的、针对每个系统的 Bradley Terry 校准，能够以显著优于从头重新训练的数据效率来恢复一致性。这一冻结的奖励模型在三个下游应用中驱动了持续的奖励轴增益：推理时的 Best of N 筛选、DITTO 风格的潜在空间优化（latent optimization）以及专家迭代后训练（expert iteration post training）。论文链接：https://arxiv.org/abs/2606.17006 引入增强独立控制的歌声转换颤音表达控制概述：歌唱风格是自然且富有表现力的歌声中至关重要的方面。歌手利用歌唱风格来传达歌曲的情感或情绪。已经有一些研究被提出用于控制歌唱风格以制造更具表现力的歌声。最近，VibE SVC 通过预测高频 F0 轮廓成功控制了颤音（vibrato）。在本文中，我们引入了一个名为 VibE SVC2 的歌声转换框架，以提高歌唱风格转换的性能和可控性。该模型提供了对两种歌唱风格的控制：音高风格和音色风格。对于音高风格，为了解决以往工作中未解决的音高能量纠缠（pitch energy entanglement）问题，我们引入了一种新颖的能量风格转换器（Energy Style Converter），来处理能量轮廓中残留的风格信息。此外，我们提出了一种零样本（Zero shot）音高风格转换器，它可以模仿参考音频的音高风格。为了扩展模型的可控性，我们提出了颤音速率缩放（vibrato rate scaling），这是对颤音幅度（vibrato extent）的独立控制，而在 VibE SVC 中是无法实现的。对于音色风格，我们扩展了模型以处理多种发声（phonation）风格。然而，应对诸如气泡音（vocal fry）等特定风格提出了挑战，因为传统的 F0 提取往往会由于其固有的次谐波（subharmonic）特征而失效，从而降低了转换质量。为了解决这一问题，我们提出了一种新颖的次谐波修正（Subharmonic Correction）算法来精修 F0 轮廓，以实现更自然的音色转换。通过全面的客观和主观评估，我们证明了 VibE SVC2 能够对两种歌唱风格提供细粒度的、独立的控制，表现优于现有方法。论文链接：https://arxiv.org/abs/2606.17126 将音乐识别转化为单次神经网络前向传播概述：搜索作为计算机科学中的一项基础操作，将查询映射到集合中的匹配项。它通常被实现为类似于“系统2”（System 2）的、基于规则的流水线，在其中计算键值、探测索引并验证候选者。相比之下，人类的识别类似于一种“系统1”（System 1）式的、身份恢复的联想模型（associative model），在这种模型中，即使是部分线索也能触发召回，而无需明确枚举、排序或访问离散的候选者。在这里，我们展示了音乐声音识别（一个困难的搜索问题）可以通过生成式 Transformer 在单次神经网络前向传播（feed forward pass）中完成。在音频数据集上训练后，该模型可以从简短的音频片段中直接预测出相应的轨道标识符（track identifier）。这种方法超越了最先进的声学指纹（acoustic fingerprinting）技术，尤其在短音频片段（1秒）上的提升幅度最大，证明了该方法不仅可行而且更具优势。此外，它将外部存储需求缩减至基线占用的 0.33%，并将推理延迟（p95）提升了 2.3 倍。此外，该模型可以拒绝未见轨道的查询，从而在降低误归属风险的同时支持开集（open set）运行。本文以音乐轨道识别为例重构了搜索，使其在精神上更接近人类的联想识别，而远离传统的算法数据库检索。 6 月 20 日，Mozart AI 上线 Remix（重混）功能，支持用户对本地上传或平台现有的歌曲进行风格、人声及配器的全方位改编创作。与传统工具粗暴的“一键替换”不同，Mozart 的 Remix 深度集成于其浏览器 DAW（数字音频工作站）中，带来了极具掌控力的“人机共创”模式： • 分轨微调：用户可对分离后的音轨（Stems）进行精细编辑，自由调整参数并添加 VST 插件效果。 • 语言指挥：支持使用自然语言直接指挥 AI 智能体（Agent）修改特定轨道，或结合 Layers 工作流继续叠加新元素。该功能非常适合将个人 Demo 快速重制为 TikTok/Reels 爆款，或对经典老歌进行现代翻新。联动平台内置的人声克隆、歌词编辑和 MV 生成功能，创作者可以凭借一个灵感，在单次会话中快速闭环产出高品质的商业级成品。（相关示例视频请到原文观看）链接：https://mozartai.com/ AI偷歌铁证？《大西洋月刊》上线公开数据库，可查哪些音乐被“白嫖” 6 月 21 日，《大西洋月刊》（The Atlantic）记者披露了4个已被公开下载数千次的超大规模AI训练音乐数据集（规模最大者达1200万首曲目），并将其整理为公开、可搜索的“AI看门狗”（AI Watchdog）数据库。调查表明，谷歌（Google）和Stability AI等科技巨头已在研究论文中证实使用过这些数据集。被侵权的音乐人阵容极其庞大，横跨流行与独立乐界，包括 Lady Gaga、Radiohead、Wu Tang Clan等。揭秘显示，这些数据集本身不包含音频文件，而是包含了大量指向 YouTube 和 Spotify 的歌曲链接。AI开发商利用特定的自动化工具批量下载音频，恶意绕过了平台登录、广告和创作者的变现机制，严重违反了流媒体平台的服务条款。如今，全球音乐人均可登录该网站，自查自身心血是否沦为了AI训练的免费燃料。阿里通义发布 UniVocal：纯文本驱动的“说唱无缝切换”语音模型 6 月 22 日，阿里通义实验室（Fun Team）联合独立研究者发布了突破性成果 UniVocal。作为已被 ACL 2026 主会接收的顶会论文，它开创了全新的“语音歌唱自由切换（SCS）”合成任务，颠覆了传统系统对切换控制标签的依赖。语义驱动与人声“思维链” 用户只需输入纯文本，UniVocal 即可完全基于文本语义，自主、连续地在说话、歌唱或哼唱模态之间进行无缝的人声转换。 • 语音 CoT 机制：创新引入精细音分标记（Cent Token）与人声思维链（Chain of Thought）技术。模型会率先预测音高轮廓，再以此为条件生成语义标记，大幅增强了歌声旋律与语言韵律的共情力。 • 两阶段课程训练：先后在 960 小时语音与 3700 小时歌唱数据上联合预训练以构建统一表征，再用 262 小时合成切换数据精调，使得音色跨模态转换的保真度远超级联系统。在同步推出的多场景基准 SCSBench 上，模型展现出行业顶尖的性能（F1指标领先）。官方宣布，包含推理、训练代码、数据处理脚本及预训练权重在内的完整开源流水线即将正式公开发布。论文：https://arxiv.org/abs/2606.01677 秒级自动对齐！Krotos 发布 Premiere 智能音效插件 Video to Sound （相关视频请到原文观看）最近，知名音效软件 Krotos 正式为 Adobe Premiere Pro 推出了全新面板插件 Video to Sound。作为 Krotos Studio 订阅生态的最新力作，它旨在帮助剪辑师摆脱空白时间线的焦虑，快速、直观地完成院线级的声音设计。核心亮点与技术革新： • 非生成式 AI 辅助：坚守“非生成、非合成”的纯真实录原则。AI 算法不凭空制造声音，仅用于分析画面，并从包含 10 万余款专业实录音效的库中智能筛选与组合。 • 全自动画面对齐：剪辑师只需在 Premiere 时间线上标记出入点（I/O）并挑选所需元素，系统便会在数秒内将无版权纠纷的真实音效精准对齐并渲染至轨道。 • 隐私无忧：官方明确承诺，系统在分析视频时绝不将用户的画面数据用于任何 AI 模型的训练。该插件目前已面向 Studio/Pro/Max 订阅用户开放，让非音频专家也能轻松驾驭高品质的影视后期初审（First Pass）配音工作。链接：https://krotos.studio/premiere pro plugin 教程：https://krotos.studio/blog/premiere plugin getting started 论文 🌈 以下是 6.16—6.22 期间发布的相关论文，已整理翻译以下是 6.16—6.22 期间发布的相关论文，已整理翻译当相同的音乐知识以不同的方式被遗忘：对路径依赖性遗忘的纯净探测概述：模型可以通过聆听音频或阅读文本描述来学习钢琴曲《致爱丽丝》是平静且具有沉思感的，但当这些知识随后面临被遗忘的风险时，其获取路径是否会产生影响？多模态模型中的遗忘研究主要测量在模型自适应（adaptation）过程中丢失了哪些知识，但尚未探讨获取路径是否会影响该知识被遗忘的难易程度。我们将这一未经测试的前提称为“路径无关假设”（Pathway Invariant Assumption）。音乐理解提供了一个纯净的测试场景，因为一段音乐片段和一段规范的文本描述可以对齐到相同的感知内容上，从而允许相同的知识单元在目标保持固定的情况下，通过“听”或“读”进入模型。在多个架构不同的音频语言模型中，我们观察到一种一致的不对称现象：在完全相同的自适应压力下，通过文本路径获取的知识比通过音频路径获取的匹配知识更容易被遗忘。为了将这种效应归因于路径而非混淆因素，我们引入了“配对路径控制协议（PPCP）”，这是一种三阶段设计，旨在建立匹配的路径基线，在对相同知识库的对称监督下激活两条路径，并对两条路径施加相同的遗忘压力。这一差距在不同模型和增益控制分析中保持稳定；当矛盾的覆盖重写被正确标签的跨领域学习取代时，该差距依然存在；在单模态压力下依然延续；且无法通过轻量级重放（replay）来消除。两次独立的路由深度控制实验证实，该效应无法用架构深度来解释，从而指向输入表征（input representation）才是主导因素。在 PPCP 协议下，我们的结果表明遗忘高度依赖于路径，从而将“获取路径”确立为遗忘研究和多模态系统设计的一个全新分析维度。论文链接：https://arxiv.org/abs/2606.15088 超越伪影：通过音乐固有特征走向可泛化的合成歌曲检测概述：AI 音乐生成器的飞速发展突显了对可靠的合成歌曲检测（SSD）的紧迫需求。现有的 SSD 方法往往依赖于底层伪影（artifacts）或固定的特征假设，难以捕获与生成器无关的线索。为了解决这个问题，我们提出了 Sofia（基于音乐特征的合成歌曲检测框架），这是一个灵活的框架，通过特定特征的专家和自适应专家混合（MoE）模块对音乐的固有属性进行建模。通过为 Sofia 配置具有代表性的人声、音频效果、全局结构特征及其组合，我们展示了它们各自以及互补的贡献。为了全面评估我们的框架，我们进一步构建了 MUSIC8K，这是一个包含最新涌现的生成器和真实音频扰动的极具挑战性的基准测试。实验表明，Sofia 能从音乐固有特征中学习到与生成器无关的表征，在 MUSIC8K O 上将 F1 分数比最强基线提高了 18.5 个百分点，同时保持了强大的鲁棒性。论文链接：https://arxiv.org/abs/2606.16612 TuneJury：一种用于提升音乐生成偏好对齐的开源指标概述：我们推出了 TuneJury，这是一个用于文本转音乐的开源、实例级成对奖励模型（pairwise reward model），它能根据文本提示词和音频片段预测音乐偏好得分。发布的模型权重是在公开的人类偏好标签上训练而成的，涵盖了竞技场风格（A vs. B）投票、指标对齐偏好对、众包成对比较以及专家美学评分。两个片段之间预测的得分差（margin）在我们的留出测试集（held out test split）上得到了良好的校准，支持通过简单的得分阈值进行数据过滤。TuneJury 可以很好地泛化到留出测试对和分布外（OOD）基准测试，并且在后者上与先前的基线模型相比依然极具竞争力。针对训练后才发布的生成器，我们引入了锚点校准（anchor calibration），这是一种事后的、针对每个系统的 Bradley Terry 校准，能够以显著优于从头重新训练的数据效率来恢复一致性。这一冻结的奖励模型在三个下游应用中驱动了持续的奖励轴增益：推理时的 Best of N 筛选、DITTO 风格的潜在空间优化（latent optimization）以及专家迭代后训练（expert iteration post training）。论文链接：https://arxiv.org/abs/2606.17006 引入增强独立控制的歌声转换颤音表达控制概述：歌唱风格是自然且富有表现力的歌声中至关重要的方面。歌手利用歌唱风格来传达歌曲的情感或情绪。已经有一些研究被提出用于控制歌唱风格以制造更具表现力的歌声。最近，VibE SVC 通过预测高频 F0 轮廓成功控制了颤音（vibrato）。在本文中，我们引入了一个名为 VibE SVC2 的歌声转换框架，以提高歌唱风格转换的性能和可控性。该模型提供了对两种歌唱风格的控制：音高风格和音色风格。对于音高风格，为了解决以往工作中未解决的音高能量纠缠（pitch energy entanglement）问题，我们引入了一种新颖的能量风格转换器（Energy Style Converter），来处理能量轮廓中残留的风格信息。此外，我们提出了一种零样本（Zero shot）音高风格转换器，它可以模仿参考音频的音高风格。为了扩展模型的可控性，我们提出了颤音速率缩放（vibrato rate scaling），这是对颤音幅度（vibrato extent）的独立控制，而在 VibE SVC 中是无法实现的。对于音色风格，我们扩展了模型以处理多种发声（phonation）风格。然而，应对诸如气泡音（vocal fry）等特定风格提出了挑战，因为传统的 F0 提取往往会由于其固有的次谐波（subharmonic）特征而失效，从而降低了转换质量。为了解决这一问题，我们提出了一种新颖的次谐波修正（Subharmonic Correction）算法来精修 F0 轮廓，以实现更自然的音色转换。通过全面的客观和主观评估，我们证明了 VibE SVC2 能够对两种歌唱风格提供细粒度的、独立的控制，表现优于现有方法。论文链接：https://arxiv.org/abs/2606.17126 将音乐识别转化为单次神经网络前向传播概述：搜索作为计算机科学中的一项基础操作，将查询映射到集合中的匹配项。它通常被实现为类似于“系统2”（System 2）的、基于规则的流水线，在其中计算键值、探测索引并验证候选者。相比之下，人类的识别类似于一种“系统1”（System 1）式的、身份恢复的联想模型（associative model），在这种模型中，即使是部分线索也能触发召回，而无需明确枚举、排序或访问离散的候选者。在这里，我们展示了音乐声音识别（一个困难的搜索问题）可以通过生成式 Transformer 在单次神经网络前向传播（feed forward pass）中完成。在音频数据集上训练后，该模型可以从简短的音频片段中直接预测出相应的轨道标识符（track identifier）。这种方法超越了最先进的声学指纹（acoustic fingerprinting）技术，尤其在短音频片段（1秒）上的提升幅度最大，证明了该方法不仅可行而且更具优势。此外，它将外部存储需求缩减至基线占用的 0.33%，并将推理延迟（p95）提升了 2.3 倍。此外，该模型可以拒绝未见轨道的查询，从而在降低误归属风险的同时支持开集（open set）运行。本文以音乐轨道识别为例重构了搜索，使其在精神上更接近人类的联想识别，而远离传统的算法数据库检索。论文链接：https://arxiv.org/abs/2606.17301 闭环控制：用于符号音乐生成中可解释激活引导的 PID 反馈控制概述：基于 Transformer 的架构显著推进了复杂符号序列的生成，但在实现对离散信号属性进行细粒度、可解释的控制方面仍存在巨大差距。本文研究了多轨音乐 Transformer（MMT）的机械可解释性（mechanistic interpretability），并提出了一个无需重新训练即可进行确定性属性调制的框架，通过推理时的激活引导（activation steering）来弥合这一差距。利用均值差（DiffMean）方法，我们在残差流（residual stream）中分离出了针对信号属性（特别是音高和时长）的潜在方向。我们在该领域验证了线性表示假设（Linear Representation Hypothesis），在引导幅度（steering magnitude）与属性偏移（attribute shift）之间实现了高度相关性。为了解决多属性引导中固有的特征纠缠问题，我们引入了一个利用施密特正交化（Gram Schmidt Orthogonalization）的双重引导框架。实验结果表明，与简单的向量相加相比，这种几何解耦减少了概念干扰和信号退化，甚至能在强自回归条件的对抗下实现独立的确定性控制。论文链接：https://arxiv.org/abs/2606.18790 参考资料 https://x.com/ElevenLabs/status/2066556760610218257?s=20 https://discord.com/channels/1253175255086661753/1514690065044078696/1516962620559855657 https://discord.com/channels/1066739690436313158/1471195463196868638/1517182108253159615 https://discord.com/channels/1389715564410441831/1390054759762890782/1517604968566358116 https://www.theverge.com/ai artificial intelligence/953183/the atlantic searchable database music ai training data https://x.com/TONGYI SpeechAI/status/2068899729040445556?s=20 https://www.linkedin.com/posts/when we launched video to sound ai one question ugcPost 7473732793659797504 5Bxy/?utm source=share&utm medium=member desktop&rcm=ACoAAEf4sYcB 7kwpHm7WTW6ML5ECD H8EXZk8c 🏆 本文作者：Keen 链接：https://mp.weixin.qq.com/s/lkMSNZetWEf8BeqY2hOowQ 注：文中部分资讯有视频演示，如需观看请到上方原帖本文作者：Keen 链接：https://mp.weixin.qq.com/s/lkMSNZetWEf8BeqY2hOowQ 注：文中部分资讯有视频演示，如需观看请到上方原帖 🌈 本周 AI 音乐资讯速览 🔌 ElevenLabs 开放 V2 API：Music v2 音乐大模型全面上线 API，解锁长篇结构化创作 🎵 海绵音乐内测“改编”功能：App 端上线核心升级，一键开启抖音等多渠道二创 ✨ Mureka 迎来重磅更新：支持 MV 多角色动态生成，上线一键魔棒“风格润色” 🎧 ElevenMusic

在小宇宙note 阅读完整内容