WanSong 可生成5分钟分轨歌曲
Justgototheeffinmoon · reddit · 2026-07-17
Wan 团队在 arXiv 发布了 **WanSong** 技术报告，介绍一个基于扩散的音乐生成模型： - 可一次生成最长 **5 分钟** 的完整歌曲 - 生成结果里会同时保留 **人声轨** 和 **伴奏轨**，而且是在同一轮生成中直接输出 - 作者强调这不是自回归模型，也不是多阶段级联管线，而是 **纯 diffusion** 方案 - 论文还提到可以通过 **step distillation** 进一步加速 - 模型支持 **fine-tuning / 自定义**，便于下游编辑和二次创作 帖子认为，如果“分轨输出 + 可微调”的说法经得起独立验证，这类基础模型会特别利好做音乐编辑器、插件和工作流工具的团队，因为它比黑盒混音输出更容易接入。