最近这段时间，SUNO刷屏了全球科技圈。
这是国外一家AI初创公司研发的一款文本生成音乐工具，用户只需输入几句歌词，选择自己喜欢的音乐风格，便可创作出属于自己的一首歌。很多网友把它称为AI音乐的CHATGPT时刻。
但事实上，在大洋彼岸的中国科技界，同样精彩的故事也正在发生。
自从4月2日推出以后，国内首款AI音乐生成大模型「天工SkyMusic」产品体验广受关注。
和SUNO一样，「天工SkyMusic」的操作门槛也非常低，用户只需输入歌词，再参考一些音频，一首AI音乐就搞定了。
目前，「天工SkyMusic」是国内唯一公开可用的AI音乐生成大模型。
我们来看看「天工SkyMusic」的用户们都整了哪些花活儿～
周杰伦不出新专辑，好，那就用AI写一首歌催更吧！话说这首参考《哪里都是你》生成的AI歌曲还真有点周氏情歌那味道了～
下班的钟声敲响，老板却通知要开会。还能怎么办呢，不如用AI写一首歌表达一下自己的精神状态～！
突然想起中学时期最难背的《滕王阁序》，何不唱诗为歌，寓教于乐？
选择一条难却值得的路
或许有人会问，CHATGPT爆红后，国内很快就如雨后春笋出现了各种类似的产品。
但为何在AI音乐生成领域，国内却只有「天工SkyMusic」一枝独秀？为什么没有别的公司来做这件事？
当面对一条少有人选择的路时，可能意味着这条路上会有更多的困难和挑战。
其实，做AI音乐生成，原本是还有一条路可以走的——符号音乐生成，我们简称为“符号派”。
符号派以MIDI为主流，全称是Musical Instrument Digital Interface。
它的基本原理是将音乐转化为一系列符号或代码，比如音符、音高、音量、音色信息，然后通过对这些符号进行处理和组合来生成新的音乐作品。
要注意，MIDI是不能直接生成歌曲的，仍然需要后期加入乐器、旋律、音色以及人声等元素。
然而，「天工SkyMusic」选择了一条更难的路——大模型音乐音频生成路线。
它是怎么做到的？「天工SkyMusic」公开了自己的技术路径，我们在这里可以找到答案。
在「天工SkyMusic」的架构中，一部分叫Large-scale Transformer，它负责把音乐串起来，学习音乐片段之间的联系，确保音乐听起来顺畅；
另一部分叫Diffusion Transformer，它负责唱歌，把音乐片段变成高质量的声音。
这样一来，「天工SkyMusic」能够生成80秒长、44100Hz 采样率双声道立体声歌曲。
巧合的是，「天工SkyMusic」框架与Sora非常类似，不过别误会，但「天工SkyMusic」在研发的时候Sora还没出现呢。
总而言之，「天工SkyMusic」不但把它选择的路走通了，还走到了“国内唯一公开可用”的行业地位。
它不仅让音乐创作变得更加简单、高效，也为音乐产业注入了新的活力。
通过「天工SkyMusic」，任何人都可以成为音乐创作者，都可以创作出高质量的音乐作品。
这不仅为音乐爱好者提供了一个展示自己创作才华的平台，也为专业音乐人提供了一个快速实现创意的工具。
做中文歌，还得是看本土大模型
「天工SkyMusic」最突出的功能亮点之一，就是其“以假乱真”的清晰人声。
它能够创作出极高中文水平的清晰人声音乐作品，音频质量和逼真的演唱效果，秒杀同一赛道内几个国外选手。
这源于其根植于中国本土文化的诞生背景。相对于海外对手，「天工SkyMusic」对中文语言的理解和处理有天然的优势，更准确地把握语言的韵律、节奏以及中文独有的意境。
举例来说，如近期火到连上热搜的#成都迪士尼#，网友可以用「天工SkyMusic」轻松玩梗，创作不同风格版本的“迪士尼”神曲，其“造梗、玩梗”的潜力和创意实力，深受用户喜欢，用户玩得越开心，「天工SkyMusic」就能涌现更多的创作热情，并且激发全民音乐创作的高潮。
「天工SkyMusic」还能通过歌词来控制歌曲，生成的歌曲能够明确分辨出不同歌词段落的情绪变化，恰好与中文本身自带节奏和韵律的特点，完美地融合，因此，一首歌也能明显地体现出主歌和副歌、前奏和主歌之间的差别。
此外，「天工SkyMusic」能支持说唱、民谣、放克、古风、电子等多种音乐风格，最大化的满足用户的创作尝鲜的乐趣。
用户可以通过参考特定音频，创作想要的音乐风格，则对没有专业背景的小白用户极为友好。
未来，随着「天工SkyMusic」等技术的不断发展和完善，我们有理由相信，人工智能将会成为音乐创作的重要助手，为音乐产业带来更多的惊喜和创新。
