全球首个公开的技术路线

在AI生成音乐这件事上，即使是像Suno、Udio这样掀起热潮的玩家，也同Sora一样，并没有公开其背后的技术细节内容。

但值得一提的是，昆仑万维此次不仅是把AI生成音乐的产品给发布出来这么简单，更是做到了在技术上的“全球首家公开”。

在聊SkyMusic关键技术之前，我们需要了解的是，AI音乐生成从技术角度来看，可以分为两大流派：

• 符号音乐生成路线
• 大模型音乐音频生成路线

符号音乐生成比较典型的技术就是MIDI（Musical Instrument Digital Interface，乐器数字接口），通常需要先对大量的乐谱做标注的工作，再对模型进行训练。

其结果最后得到是乐谱，而并非是真正意义上的音乐，还需要其它的工具来对乐谱做“善后”的工作。

虽然此前学术界也尝试了在MIDI这样的技术基础上，后期加入人声、乐器、旋律、音色等元素，但所得到的结果并不是非常理想。

而天工SkyMusic选择的大模型音乐音频生成，则是与之截然相反的技术路线——

是通过直接地学习来生成音频波形，并做到把乐器、人声、旋律、音量、音符等等元素都“一锅出”。但这条路线需要大量的研发投入和资金支持，让大多数人望而却步。即使强如Google、Meta等科技巨头，目前也没有发布在这条路线上的突破性成果。

同时，这条路线又分为Song、BGM、Speach三个细分领域；由于行业内普遍都在研究无人声的BGM领域，导致行业内对有人声的Song领域近乎没有很好的解决方案，更没有开源的方案可借鉴。

也正因如此，音乐届的“Sora时刻”才会来得比图像和视频更晚一些。

为了解决这两个老大难的问题，昆仑万维自研出一套架构来解决，它主要由Encoder、DiT和Decoder三个模块组成

总而言之，现在的天工3.0整体体验的最直观感受就是面面俱到，最前沿、最fashion的技术和应用统统都可以拥有。

最后，对于国内首发“音乐版Sora”这事，还有个话题值得聊一聊：

为什么是昆仑万维？

自从Sora问世引爆全球AIGC大热潮以来，昆仑万维绝对称得上是众多入局百模大战选手中的黑马。

此前，或许很多人对于昆仑万维的印象还停留在“游戏”、“出海”，但现在，“AIGC”已然成为它最鲜明的标签。

深入探究昆仑万维在AIGC领域的发展历程，我们可以清晰地看到其迅猛的发展步伐。

就在Sora发布仅一个月后，2022年12月，昆仑万维便发布了自主研发的全系列AIGC算法及模型，这套模型不仅具备先进的文本对话功能，还覆盖了图像生成、音乐创作、文本理解等多个模态领域。

从起步开始，昆仑万维就把“格局打开”，剑指多模态，而这正是今年AI产业最火热的赛道之一。

2023年4月17日，昆仑万维正式发布其自研的千亿级大语言模型“天工”，并于同年7月在天工APP上线。紧随其后，8月又推出了国内首款AI搜索产品——天工AI搜索，成为首批将AI大模型直接推向市场并服务于C端用户的企业。

在这场“AI一日，人间一年”的产业竞赛中，昆仑万维并没有安于现状，而是持续死磕技术：从公开测试多模态大模型Skywork-MM，到开源百亿参数级别的大语言模型天工Skywork-13B系列，继而又推出天工SkyAgents平台，并在今年2月，将国内首个采用MoE架构的大语言模型天工2.0免费向全社会

开放。

而现在，正值天工大模型发布一周年之际，昆仑万维在2个月内将其迭代到3.0版本，再次拿下两个业界之最。

至此，也就不难回答“为什么是昆仑万维”这个疑问。因为昆仑万维始终坚守并践行“All in AGI 与 AIGC”战略，凭借敏锐的前瞻性和高效的行动力，始终站在AIGC技术发展的最前沿。

文章来自微信公众号“量子位”，作者：金磊 发自 凹非寺