Mureka V9.5重磅發布，AI音樂告別“AI味”｜甲子光年

AI音樂開始進入“審美競爭”階段。

作者｜周悅

編輯｜栗子

7月19日，昆侖萬維在2026世界人工智能大會（WAIC 2026）上舉辦了“世界模型與多模態范式躍遷”論壇。

這場論壇的嘉賓橫跨學術、產業和文娛領域。從中國科學院院士周志華、Reactor AI CEO Alberto Taiuti，到清華大學交叉信息研究院助理教授、破殼機器人創始人許華哲、黎曼機器人創始人劉揚，再到黃曉明、王珞丹、《消失的她》導演崔睿、愛奇藝高級副總裁楊海濤和甲子光年創始人兼CEO張一甲，不同背景的嘉賓圍繞技術突破、內容生產和產業落地展開討論。

當天，昆侖萬維發布和升級了三款模型：可交互世界模型Matrix-3.5、AI音樂大模型Mureka V9.5，以及具身智能機器人模型Riemann-1.0，分別覆蓋可交互世界、音樂生成和具身智能。

其中，Mureka V9.5的升級最容易被現場觀眾感知。現場展示的Funk音樂一響，臺下觀眾整齊抬起頭。十幾部手機很快舉了起來，前排還有觀眾跟著節奏用腳打拍子。

Mureka V9.5配樂MV，視頻來源：昆侖萬維

圓桌上，黃曉明談起一次錄歌經歷，AI演唱的Demo“太完美了”，沒有換氣，也沒有呼吸感，聽起來反而“沒有人味”。他提到，真人不必再和AI比誰更完美，獨特的個性和表達才更重要。

國家一級演員、中國電影家協會副主席黃曉明，圖片來源：昆侖萬維

黃曉明還分享了今早使用Mureka的經歷。他讓模型生成了兩首歌，一首參考楊宗緯《空白格》的抒情氣質，另一首則借鑒他最近喜歡的顏人中，主題是“中年危機”。“還不錯，詞還挺觸動人心的。”他說。

王珞丹則認為，AI可以給自己的想法“增加很多翅膀”，但“決定往哪飛的權利要在我手里”。

“世界模型與多模態范式躍遷”論壇圓桌討論，圖片來源：昆侖萬維（從左至右分別為：甲子光年創始人張一甲，昆侖萬維董事長兼CEO方漢，中國電影家協會副主席黃曉明，演員王珞丹，愛奇藝高級副總裁楊海濤，青年導演崔睿）

在隨后接受「甲子光年」在內媒體采訪時，昆侖萬維董事長兼CEO方漢反復強調的關鍵詞是“克制”。

這也是Mureka V9.5此次升級的重點。過去，一些AI音樂模型習慣通過增加聲部、加厚音色和持續推高情緒來制造完成感，容易出現人聲被伴奏遮蓋、編曲擁擠、歌曲缺少起伏等問題。

Mureka V9.5沒有繼續增加音樂的復雜度，而是改善人聲、編配和曲風控制，讓生成結果更自然，也更貼合用戶的創作意圖。方漢將這一方向概括為“克制、真實、貼合創作意圖”。

與V9.5同時亮相的，還有基于這一底座的O3音樂推理擴展方案。前者提高生成質量和穩定性，后者通過推理時選優，讓更多作品接近模型的能力上限。

「甲子光年」認為，AI音樂已經跨過“能不能寫歌”的第一道門檻。下一階段的競爭，是模型能否作出更好的音樂選擇。

1.Mureka V9.5，讓AI音樂少一點“AI味”

一些AI音樂模型擅長通過密集聲部和厚重音色制造完成感，容易出現人聲被遮蓋、編曲擁擠和情緒缺少起伏等問題。

Mureka V9.5沒有繼續追求“更滿”，而是把重點放在人聲、編配和情緒之間的關系上。

中文流行歌曲《夜色緩緩》是其中一例。

它的提示詞包括柔和鋼琴、氛圍合成器、漸進式弦樂和貼近演唱的男聲，想要呈現的是“雨夜里未說出口的告別”，憂傷但溫柔，情緒從低聲訴說逐漸走向釋放，又不能顯得過分煽情。

這類歌曲考驗的是模型對分寸的控制。伴奏太重，人聲會被壓住；情緒推進太快，后半段便失去變化；弦樂進入得過早，也容易讓整首歌顯得用力過猛。

從這首Demo呈現的效果看，V9.5試圖讓伴奏、人聲和情緒層次保持更自然的關系。編配既要托住人聲，也要為人聲留出空間。

另一首《Melted Chrome》，重點變成了模型對復雜曲風的理解和還原。

提示詞要求的是迷幻的西海岸G-Funk街頭說唱，并進一步限定了滑動合成器低音、Moog哨音、Talkbox、Rhodes電鋼琴、哇音吉他和復古磁帶質感。鼓點要略微落后于節拍，人聲則要保持沙啞、松弛的質感。

提示詞還明確排除了Trap踩镲、Drill節奏和EDM式落點。模型不僅要識別G-Funk的核心元素，還要理解這些元素如何組合，才能形成低底盤夜間巡游般的迷幻氛圍。

對AI音樂來說，理解“不要什么”，有時和理解“要什么”同樣重要。識別一個曲風標簽并不困難，難的是讓音色、節奏、人聲和整體氛圍始終指向同一種表達。

前兩首作品主要展示V9.5對人聲、編配和曲風的控制，與之同時亮相的O3，則把重點放在全曲結構和情緒推進上。

《誤差》是一首極簡電子與Cosmic Pop風格的無人聲作品。提示詞以晶瑩的合成器脈沖、低頻氛圍和空間混響，描繪一座漂浮在軌道上的空間站，要求整首歌保持冰冷、空曠和緩慢的基調。

《Still in the Room》則轉向Dream Pop。混響吉他、漂浮感男聲、柔和的氛圍合成器，加上溫暖貝斯和松弛鼓組，構成一個獨處于房間中的夜晚。提示詞同時要求作品保留親密感和距離感，讓情緒緩慢展開。

這兩首作品都不依賴密集編配或明顯的副歌爆發，更看重氛圍能否貫穿全曲，以及局部變化是否破壞整體表達。O3所做的，是在V9.5提供的音樂基礎上，進一步檢查和調整這些選擇。

從中文流行到G-Funk，再到極簡電子和Dream Pop，四首Demo分別對應人聲與情緒、曲風控制和全曲一致性。Mureka V9.5展示的變化，不是加入更多聲音，而是讓每一種聲音更好地服務整體表達。

2.V9.5打底，O3提高優質結果的穩定性

Mureka此次升級包含兩個層次。

Mureka V9.5是音樂生成的底座模型，決定人聲、編配、曲風和情緒表達的基礎質量；O3建立在V9.5之上，通過推理階段的持續比較和選優，提高單次生成接近模型能力上限的概率。

簡單來說，V9.5負責抬高模型的基礎水平，O3則盡量減少優質結果對單次采樣運氣的依賴。兩者共同指向一個問題：如何降低AI音樂生成的隨機性。

這也是Mureka V9.5和O3此次最重要的亮點。它想做的不是偶爾生成一首好歌，而是把“好聽”拆解為可評測、可訓練、可部署，并能在推理階段繼續優化的系統能力。

在訓練階段，V9.5通過強化學習，同時改善整體聽感、創作控制和生成穩定性。在MusiCoT音樂思維鏈的基礎上，模型會先確定全曲的結構、曲風和情緒方向，再安排段落推進、樂器進出和強弱變化。

Mureka V9.5/O3發布，圖片來源：昆侖萬維

這種變化首先體現在結構與編配上。

主旋律需要突出時，其他聲部會相應退后；情緒尚未發展到高潮時，編配也不會提前加碼。所有音樂元素不再各自追求存在感，而是共同服務整首歌的表達。

第二項能力，是對復雜創作意圖的控制。一首歌的主歌、副歌和橋段承擔著不同作用。主歌通常負責敘事，副歌集中釋放情緒，橋段則完成轉折。模型如果只理解單句歌詞，便容易出現歌詞內容與音樂推進脫節。

V9.5需要判斷每段歌詞在全曲中的位置，再安排旋律、節奏和編配的變化。它不僅要把歌詞唱出來，還要讓音樂結構跟隨語義自然推進。

第三項能力，是人聲表達與情緒的匹配。AI人聲是否可信，并不只取決于音準和音質。同一句歌詞，在低聲講述和情緒釋放時，需要采用不同的唱腔和力度；伴奏也要隨之變化，不能始終保持相同的密度。

模型不僅要保證音準和音質，還要處理唱腔、情緒與伴奏之間的關系。例如，演唱方式是否符合歌曲氛圍，伴奏是否給人聲留下足夠空間，人聲的力度能否隨著段落自然變化。

第四項能力，是對復雜創作意圖的控制。用戶輸入的Prompt通常不只包含曲風和樂器，還可能同時涉及演唱方式、情緒變化、段落結構，甚至明確要求避開某些節奏和音色。模型需要判斷這些條件之間的主次，再把它們落實到旋律、節奏、人聲和編配中。

這是V9.5區別于關鍵詞拼接式生成的地方。識別出“G-Funk”“Dream Pop”或“中文流行”等標簽只是第一步，模型還要讓整首歌在音色、節奏、唱腔和整體氛圍上保持一致。

根據昆侖萬維的數據，在歌曲的主觀評分中，V9.5的指令精準度從6.92提高至7.62，旋律、人聲、音質和編曲等維度也有所改善。這說明模型不僅需要生成一首結構完整的歌，還要更準確地理解用戶究竟想創作什么。

Mureka V9.5等模型生成歌曲的主觀評分，圖片來源：昆侖萬維

底座模型的能力提高后，O3進一步處理生成過程中的偏差。

O3通過test-time scaling擴展MusiCoT的推理過程。模型不會按照最初的選擇一路生成到底，而是在生成過程中比較候選方案，并檢查局部旋律是否仍然服務全曲、編配是否遮蓋人聲、情緒是否提前釋放，以及段落結構是否偏離最初的提示詞。

發現偏差后，模型可以調整后續決策，讓旋律發展、編曲結構和情緒推進逐步回到全曲目標上。

由此，V9.5和O3形成了一條相互銜接的技術路徑：V9.5通過訓練提高底座質量與穩定性，O3再通過推理時優化，提高優質結果出現的概率。

Mureka形成了一條可以隨版本持續迭代的技術路徑，而不是依賴少數Demo或某一次采樣的運氣。

從這個意義上看，Mureka在模型層面的差異，不只是“能不能生成音樂”，而是能否把“好聽”從偶然結果，轉化為可評測、可訓練、可復現，并能在推理階段繼續優化的系統能力。

穩定生成更好的音樂只是第一步。Mureka的完整差異還包括版本化創作工具和平臺分發能力。模型負責提高作品質量，工具承接比較與修改，平臺則連接創作、發布和消費。

3.AI音樂開始進入“審美競爭”階段

過去，AI音樂最先吸引人的，是速度——幾十秒生成一首完整歌曲。但當“會寫歌”逐漸成為基礎能力，行業競爭也開始轉向更難的問題：模型能否理解取舍。

旋律什么時候推進，什么時候留白；什么元素應該保留，什么需要刪掉；同一個創意，能否沿著不同方向繼續發展。下一階段的差距，不只在生成速度，也在音樂判斷和創作控制。

「甲子光年」認為，AI音樂的“審美競爭”，并不是讓模型替用戶決定什么是好音樂，而是讓用戶的取舍和判斷更持續地作用于作品。

多數AI音樂工具仍以“一次生成”為基本單位。結果不滿意，用戶往往只能重新生成，此前滿意的旋律、人聲或段落也可能被全部改寫。

方漢強調，作為模型廠商，他們希望“讓提示詞寫得不好的人，也能做出更好的作品”，把模型的遵從性和易用性繼續往前推，降低普通人的創作門檻。

Mureka希望把創作從一次性生成，轉向版本化工作流。圍繞同一個創意，用戶可以快速生成不同版本，比較旋律、唱腔、編配和結構；滿意的部分可以保留，不合適的部分則可以單獨替換。

在產品層面，Mureka Studio承接了這套工作流。傳統數字音頻工作站需要創作者熟悉軌道、插件、混音和大量參數。Studio試圖把部分操作轉化為更直接的創作指令。

它改變的不只是操作方式，也是人與工具之間的分工。創作者的重心，也由執行具體操作轉向比較方案和作出審美判斷，也就是從“操作DAW”走向“指揮創作”。

對專業音樂人來說，V9.5生成的旋律、編曲和人聲可以成為繼續發展的素材；對普通用戶來說，不熟悉編曲和混音，也可以圍繞一個想法逐步完成作品。音樂由此不再只是供人收聽的內容，也可以用來記錄一段關系、一種情緒或一段記憶。

在產業端，游戲、短劇、影視和有聲內容需要大量穩定、可控的音樂素材。昆侖萬維也將游戲工業化、短劇量產、音樂創作平民化和影視降本增效列為重點落地場景。

Mureka此前已經開放API，服務于短視頻、游戲、播客和影視配樂等場景。 V9.5和O3進一步提高作品質量與生成穩定性后，模型能力也更容易通過Studio和API進入真實的內容生產流程。

Mureka的差異因此不只來自某一次生成效果，而來自模型訓練、推理時選優、版本化創作工具和平臺分發能力的組合。

當“會寫歌”不再稀奇，誰能讓用戶持續比較、修改和使用作品，才可能建立下一階段的優勢。

Mureka V9.5只是昆侖萬維此次WAIC發布中的一個模型，卻提供了一個更容易被感知的觀察窗口。

從Matrix-3.5到Mureka V9.5，再到Riemann-1.0，昆侖萬維試圖連接可交互世界、內容生成和現實行動。對Mureka而言，下一步也不只是生成更多歌曲，而是讓模型、工具與分發共同進入真實的創作流程。

（封面圖及文中視頻、音頻、配圖素材均來自昆侖萬維）