Qwen-Music 音乐生成模型报告
Qwen · hf · 2026-07-20
阿里发布 Qwen-Music 技术报告，介绍一个可生成高质量歌曲与完整人声演唱的音乐生成模型。它支持两类任务：文本生成音乐，以及对已有歌曲进行不同风格/音色的翻唱。
模型架构由三部分组成：Qwen-Music-Tokenizer 将音频压缩为 25Hz 的单码本音乐语义 token；Qwen-Music-LLM 基于这些 token 做自回归生成，并引入先规划旋律再生成整首歌的 Melody-CoT；Qwen-Music-Render 负责生成式立体声渲染，补足音质细节。训练上，团队使用了超过 500 万小时的多语种音乐数据，并结合质量感知预训练、监督初始化、offline DPO 和 online GSPO。报告称，Qwen-Music 在 16 项客观音乐/音频指标中有 13 项达到 SOTA，且专业评审更偏好它，相比主流闭源系统在翻唱时也更能保留参考旋律。
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11