WanSong：五分钟长歌生成模型
Wan-AI · hf · 2026-07-17
WanSong v1.0：面向长篇歌曲生成的纯扩散模型
Wan-AI 发布 WanSong v1.0 技术报告，目标是做“商业级”的长篇歌曲生成。作者认为当前音乐生成的难点在于：既要高保真、又要长时长，还要支持可控和定制。
模型特点
- 采用纯扩散方案，而不是 AR 或级联多阶段流水线
- 可直接生成最长 5 分钟 的高保真、多语言歌曲
- 一次生成即可输出双轨：人声 + 伴奏
- 支持通过 step-distillation 提升推理速度
- 也提供较高效的微调和定制路径，便于下游编辑任务
这篇报告的重点不在单点 demo，而是把长篇音乐生成的效率、质量和可控性一起往前推进。
所属事件:Wan 团队发布 WanSong 音乐生成模型(2 条相关)→
「多模态」频道最新
- Midjourney 创作者分享 sref 风格参考出图:暗黑哥特人物 — OVolosin82152 · 2026-10-27
- AI 艺术家新作《In the Storm》:融合数年技巧的赛博故障风 — LudovicCreator · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27
- MOSS Image Edit 对比 Fibo-2.0-edit:五组编辑效果实测 — Illustrious_Row_9971 · 2026-10-27
- 纯用雾气和建筑做出电影级片头:ComfyUI 图生视频工作流分享 — magratheya_64 · 2026-10-27
- Fish Audio 开源发布 Drama 3 TTS,博主演示旧帖一键转有声视频 — alex_verem · 2026-10-27