7月18日，WAIC 2026世界人工智能大会期间，趣丸科技正式发布了天谱乐大模型V4.7，并同步将其接入对话式音乐创作智能体Tunee，同时也通过天谱乐OpenAPI向开发者和企业用户开放。

这次V4.7的更新，重点不在于单纯提升音质或者把歌拉长，而是让AI生成的音乐变得更好控制——也更适合拿来继续修改。这意味着什么？AI音乐的竞争，正在进入一个新的阶段。过去大家关心的是“能不能生成一首歌”，现在行业开始追问另一个问题：用户能不能把这首歌持续改到满意。

一首歌生成之后，创作才真正开始

围绕二次创作这个核心，天谱乐V4.7重点升级了两项能力：Remix改写和翻唱Cover。

具体来说，用户可以上传已有的音乐素材，在保留核心旋律或音乐动机的基础上，对作品的曲风、编排和演唱方式进行重新设计。举个例子，一段原本偏抒情的旋律，可以被重新改编为电子、摇滚或轻爵士风格；一首已有歌曲，可以更换歌词和演唱音色，同时尽可能保持原有旋律的辨识度。创作者也可以通过提示词，微调乐器音色、和声、人声以及伴唱等元素。

这种能力的关键，在于既要允许模型自由发挥，又要避免它脱离创作者的原意。尤其是在翻唱场景中，新歌词与原歌曲的字数、段落长度往往并不一致。如果模型只机械地复刻原曲，歌词与旋律很容易错位；如果赋予模型过多自由，它又可能逐渐偏离原来的核心旋律。

天谱乐团队将V4.7在这一场景中的能力称为“快速回归动机”：模型可以根据新的歌词和结构进行适当改写，同时在关键位置重新收束到主旋律，从而维持整首作品的辨识度。此外，V4.7还针对参考音频泄露进行了优化。模型在学习原歌曲旋律和结构时，会尽量减少对原始人声和音色的直接复制，使生成结果拥有更独立、干净的声音表现。

对于普通用户来说，这些升级意味着创作不再需要频繁地“推倒重来”。而对于音乐人、短视频创作者以及广告和影视从业者，AI生成的结果也更接近可以继续加工的创作素材。

Cover效果示意：

·保留原曲歌词，将风格改为R&B

·将歌词改成中文（改语种）， 但不改变风格与元素

从“会写歌”，走向“听得懂修改意见”

除了二次创作，天谱乐V4.7在常规歌曲生成能力上也有提升。据团队介绍，新版本对旋律动机、乐句气口和歌曲动态进行了优化，试图减少AI音乐中常见的机械重复感。模型在鼓、贝斯、和声与人声之间的空间分离度也有所提升，尤其在慢节奏和放松类曲风中，能够呈现更细腻的情绪和编排层次。

更重要的一项变化发生在提示词响应上。过去，用户即使在提示词中明确提出“减少鼓点”“增加伴唱”或“突出某种乐器”，模型也不一定能够稳定执行。V4.7重新调整了训练数据的标签体系，提高对乐器音色、和声、人声等信息的识别和响应能力。

这使AI音乐模型开始更像一个能够理解修改意见的创作搭档。用户提出的要求越具体，模型越需要准确地区分一首歌中的旋律、节奏、音色和演唱方式，并判断哪些部分需要保留，哪些部分可以重新生成。从实际使用体验看，这类技术升级最终指向的是一种“确定性”：用户输入相同的创作要求时，模型更容易给出符合预期的结果，减少反复生成和筛选的成本。

在生成性能方面，天谱乐称V4.7整体性能提升约20%，流式生成首包响应时间在20秒左右，输出为48kHz双声道音频。

四代架构，分别补上上一代的短板

从2024年至今，天谱乐先后探索了四代音乐生成架构。不同架构之间存在时间重叠，一些路线曾经并行研发。

第一代采用语言模型与离散音乐表征，解决的核心问题是让模型根据一句话，生成一段拥有旋律、节奏和基本段落的音乐。这也是国内率先推出自研音乐大模型的厂商。这一阶段，可以理解为AI开始学会“写出一段歌”。

第二代采用掩码自回归模型与连续声学表征，重点转向完整歌曲结构，包括主歌、副歌以及不同段落之间的前后呼应。到了这一阶段，AI需要学会“把歌写完整”。

第三代使用扩散模型与连续音频表征，将重点放在音质、人声、器乐细节和局部修改能力上，并大幅提升生成速度。同时，天谱乐团队推出了全球首个多模态音乐生成大模型，支持文本、图片和视频等多种输入方式生成音乐。这一阶段，模型开始解决“怎样让歌更好听”。

第四代采用分层渐进式方案，将音乐生成拆分为音乐性、语义和声学三个层次，再由粗到细依次完成。模型先确定歌曲的主题动机和整体结构，再生成具体内容，最后补充人声、音色与器乐细节。用创作流程来理解，就是先确定一首歌要表达什么、怎样展开，再完成编曲和演唱，而非在同一个阶段同时处理所有信息。这种分层方式牺牲了一部分纯扩散模型的极致速度，却换来了更清晰的歌曲结构、更稳定的提示词响应，以及更适合二次创作的控制能力。

V4.7是第四代架构上的第七个版本。它延续的核心方向，是让音乐模型既拥有创作空间，又能够遵循用户意图。

AI音乐的下一场竞争：从生成结果到创作工作流

据第三方测试结果显示，天谱乐V4.7在60组中英文测试样本中，与Suno V5.5、Mureka V9和MiniMax V2.6进行了对比。在Meta Audiobox Aesthetics与SongEval两套评估体系下，V4.7在内容享受度、作品记忆点和声音清晰度等指标中获得较高分数，其余音乐性、连贯性和自然度指标也处于第一梯队。

不过，对AI音乐模型而言，客观评分只能反映一部分能力。从行业发展来看，音乐生成模型已经完成了从短音频、纯音乐到完整歌曲和人声演唱的快速跨越。模型之间的差距，也开始从“第一次生成是否惊艳”，逐渐转向对创作过程的理解。

当生成一首歌的门槛不断降低，创作者会提出更多要求：能否保留其中最喜欢的旋律？能否只修改某一种乐器？能否换一种人声，却不破坏原来的情绪？能否让同一份素材快速适配短视频、广告、游戏和影视等不同场景？这些问题，显然很难通过单次生成解决。

2024年天谱乐首次对外发布时，趣丸科技副总裁贾朔曾提出，AI音乐工具需要真正嵌入内容创作者的工作流，解决创作过程中的实际问题。两年之后，V4.7可以被视为对这一问题的进一步回答。一键成曲让更多人第一次拥有了创作音乐的机会，但真正的创作通常包含选择、修改、推翻和重来。当AI开始理解这些过程，它提供的也不再只是一首偶然生成的歌曲，而是一种可以被持续使用的音乐创作能力。