中國首個音樂SOTA模型「天工音樂大模型」今日公測

2024年4月17日，在「天工」大模型一周年之際，昆侖萬維重磅宣布，「天工3.0」基座大模型與「天工SkyMusic」音樂大模型正式開啟公測！一年前的今天，第一版天工大模型正式對外發(fā)布上線，一年來我們不斷迭代模型，迭代應用產(chǎn)品，模型和應用都越做越好，以此回報廣大用戶的支持。

「天工3.0」擁有4000億參數(shù)，超越了3140億參數(shù)的Grok-1，是全球最大的開源MoE大模型。「天工3.0」在語義理解、邏輯推理、通用性、泛化性、不確定性知識、學習能力等領域擁有突破性的性能提升，數(shù)學/推理/代碼/文創(chuàng)能力提升超過30%。

（天工3.0模型參數(shù)超越Grok-1，成全球最大開源MoE專家混合大模型）

強大的模型技術實力賦予「天工3.0」超強的性能表現(xiàn)。在MMBench等多項權威多模態(tài)測評結果中，「天工3.0」超越GPT-4V，全球領先。

（天工3.0多模態(tài)性能超越GPT-4V，全球領先）

同時，「天工3.0」旗下的「天工SkyMusic」音樂大模型也在今日面向全社會開放公測。「天工SkyMusic」是中國首個音樂SOTA模型，更是中國的自研大模型技術第一次在AIGC領域領跑全球。

（天工SkyMusic綜合性能超越Suno V3，取得音樂大模型SOTA，領跑全球）

天工SkyMusic：中國首個音樂AIGC SOTA模型

此前，大模型已經(jīng)在文本、圖像等多個技術領域取得突破，帶來產(chǎn)業(yè)全面變革。然而，在AI音樂生成領域，全球遲遲等不到一款產(chǎn)品，開啟「音樂ChatGPT時刻」。

這是因為一直以來，AI音樂行業(yè)大量研究都集中在符號音樂生成技術路線上，并且大多只能實現(xiàn)無人聲背景音樂（Background Music，BGM）的生成，音樂的質量、效果、審美都遠遠達不到可用水平，產(chǎn)業(yè)遲遲未能爆發(fā)。

（「天工SkyMusic」自研AI音樂大模型技術架構）

與行業(yè)主流路徑不同，「天工SkyMusic」采用自研大模型音樂音頻生成技術路線。這一路線直接通過大模型技術實現(xiàn)樂器、人聲、旋律、音量、音符的一體化端到端音樂生成，技術難度極大，全球只有包括昆侖萬維在內的極少數(shù)頂尖玩家參與。

在與海外頂尖的AI音樂大模型Suno V3的橫向測評中，「天工SkyMusic」在人聲&BGM音質、人聲自然度、發(fā)音可懂度等領域顯著領先對手，并以6.65分的綜合得分超越Suno V3，成為全球AI音樂SOTA模型。

此外，「天工SkyMusic」還擁有獨創(chuàng)的參考音樂生成與方言歌曲生成能力。

參考音樂生成：用戶可上傳自有參考音樂，或選擇「天工SkyMusic」資料庫中現(xiàn)有的參考音樂，從而生成風格、唱腔類似的歌曲，進一步降低音樂大模型的使用門檻，讓不熟悉樂理知識的用戶也能輕松玩轉。

方言歌曲生成：「天工SkyMusic」生成的音樂不僅在人聲自然度、發(fā)聲可懂度等領域表現(xiàn)優(yōu)秀，更能夠支持粵語、成都話、北京話等眾多方言，讓用戶能夠更自由地實現(xiàn)音樂表達，傳播方言文化。

「天工SkyMusic」是中國首個公開可用的AI音樂生成模型，更是中國自研大模型技術第一次在AIGC領域領跑全球。

當前，在文本大模型領域，OpenAI吸引了全球的注意力；但是在AI搜索、AI音樂生成等細分領域，中國玩家們正在奮勇前行，不斷通過自研技術取得細分領域頂尖的SOTA表現(xiàn)，共同建設中國大模型產(chǎn)業(yè)，打造自主可控的大模型產(chǎn)業(yè)生態(tài)。

天工3.0：4000億參數(shù)，全球最大開源MoE大模型

在上一代「天工2.0」MoE大模型的領先基礎上，「天工3.0」實現(xiàn)了全面的性能升級，采用了4000億級參數(shù)MoE混合專家模型架構，是目前全球模型參數(shù)最大、性能最強的開源MoE模型。

「天工3.0」的邏輯推理能力、語義理解能力、應對復雜需求能力、內容創(chuàng)作能力全面升級，并新增了多輪搜索與綜合工具調用、圖表繪制、研究模式、增強模式、改圖擴圖等多項AI能力，為用戶帶來全新AI體驗。

多輪搜索與綜合工具調用：「天工3.0」針對模型獨立規(guī)劃、調用、組合外部工具及整合信息的能力進行了專項訓練，使其能夠獨立生成并調用代碼，完成包括產(chǎn)業(yè)研究、產(chǎn)品橫評、信息分析、圖片生成、圖表繪制等多種復雜用戶需求。

同時，「天工3.0」能夠通過強大的語義理解能力將用戶任務拆解成細分環(huán)節(jié)，實時判斷是否需要聯(lián)網(wǎng)或調用工具，進行單輪或多輪的聯(lián)網(wǎng)搜索、工具調用，完成包括多輪搜索、熱點信息分析、圖片生成等復雜用戶需求。

（Query：查詢最新中國歷史電影票房排行，圖表展示）

圖表繪制：「天工3.0」全面提高了邏輯推理能力與用戶自然語言Query的理解能力，使其能夠更精準地判斷用戶需求，獨立生成并調用代碼，結合文本需求實時進行內容分析及圖表構建，為用戶帶來更直觀、高效的對比結果。

（Query：北京、上海、重慶哪個好玩？）

多輪搜索、綜合工具調用、圖表繪制等都是「天工3.0」所獨有的大模型綜合能力，其從底層打通了「天工3.0」的AI搜索、AI對話、AI代碼生成、AI圖片識別、AI圖像生成等底層能力，通過語義識別能力直接觸發(fā)，為用戶帶來更加便捷、高效的AI體驗，成為真正的AI生產(chǎn)力工具。

此外，「天工3.0」中還增加了研究模式、增強模式、改圖擴圖等多項AI能力。

研究模式：在研究模式中，「天工3.0」能夠圍繞用戶的某個簡單指令進行相關問題的延伸，自動生成研究大綱、圖譜、實踐總結、思維導圖，幫助用戶快速清晰地把握核心內容，完成用戶復雜的研究需求。

（Query：康乾盛世年代）

增強模式：在增強模式中，「天工3.0」能夠針對用戶的復雜Query進行拆解、細化、并進行追問、信息理解與補全，使其在自然語義理解方面性能更強，面對不確定性知識時表現(xiàn)更好，能夠更精準、高效地滿足用戶需求。

（Query：2024年春節(jié)檔電影；「天工3.0」理解并追問用戶需求）

改圖擴圖：「天工3.0」多模態(tài)性能取得全面突破，超越GPT-4V，綜合排名全球第一。在強大的技術底座支持下，「天工3.0」的AI繪圖能力新增了圖片尺寸擴展、圖片定向調整、墊圖生圖、墊圖進化、墊圖擴圖等全新功能。

（「天工3.0」的AI改圖、修圖、擴圖等功能）

關于昆侖萬維

自去年4月17日「天工」大模型正式推出以來，昆侖萬維已圍繞「天工」系列大模型建起AI大模型、AI搜索、AI音樂、AI視頻、AI社交、AI游戲等AI業(yè)務矩陣，是國內模型技術與工程能力最強、布局最全面的人工智能科技企業(yè)之一。

這一年里，除了對「天工」系列基座大模型進行不斷升級迭代，昆侖萬維還推出了國內第一款AI搜索引擎「天工AI搜索」、開源了百億級大語言模型「天工Skywork-13B」、推出國內領先的AI Agent開發(fā)平臺「天工SkyAgents」等一系列前沿大模型產(chǎn)品。

當前，「天工」系列大模型已集成了AI音樂、AI搜索、AI寫作、AI長文本閱讀、AI畫圖、AI語音合成、AI漫畫創(chuàng)作、AI圖片識別、AI代碼寫作、AI表格生成等多項能力，并將在未來加入AI視頻功能，對標“超級應用”，成為人工智能時代的“超級大模型”（Super Model）。在“實現(xiàn)通用人工智能，讓每個人更好地塑造和表達自我”的公司使命驅動下，昆侖萬維將始終致力于AI技術與產(chǎn)品的創(chuàng)新開拓，不斷提高AI產(chǎn)品的用戶體驗，與用戶、研究人員、開發(fā)者們攜手，共創(chuàng)國產(chǎn)大模型的未來。