WanSong 纯扩散模型支持 5 分钟长歌生成
Crazy-Repeat-2006 · reddit · 2026-08-15
WanSong v1.0 技术报告发布。这是一个基于纯扩散框架的长音乐生成模型，可一次性输出最高 5 分钟的高保真双音轨（人声与伴奏）。相比级联架构，它简化了流程并支持通过步蒸馏加速推理，适用于商业级歌曲生成与编辑任务。
「多模态」频道最新
- AI 重制版《霹雳游侠》走红,马斯克与 Lex Fridman 担纲主演 — bennash · 2026-10-16
- ImageNet 该退休了:ImageNet 与文生图方法排名相关性为负 — YouJiacheng · 2026-10-16
- 开源 anatomy-reveal skill:把 Claude 变成产品拆解动画工作室 — msharmas · 2026-10-16
- 实测结论:Flux 3 Klein 不如上一代,Base 版被评「几乎不可用」 — Both-Rub5248 · 2026-10-16
- 中科大团队提出 Speculative Sampling，交互式视频生成延迟大降 — ustc · 2026-10-16
- 80万 Gaussian Splat 跑在 WebGPU，a16z 合伙人称可近无限扩展 — generativist · 2026-10-16