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。
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
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- Wan2GP AMD 版一键安装上线，6GB 显存即可跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- WanGP v18.81 支持 Hy-Nomas 世界模型，8GB 显存可用 WASD 探索 — cocktailpeanut · 2026-10-27
- 可编程视频编辑器 Butter 走红:时间线上搭积木做动效模板 — beechinour · 2026-10-27
- AI 视频：布洛克·莱斯纳对决「高个邓肯」玩具对决 — KloneStudios · 2026-10-27
- 2 小时 50 美元复刻 Kurzgesagt 格式，引出「AI 创作缺意图」之争 — motionbynick · 2026-10-27