歌歌AI发布十亿参数端到端华语音乐模型，从零预训练解决中文演唱难题
2026/07/10 12:44阅读量 2
歌歌AI团队从零预训练了一个十亿参数的端到端AI音乐模型，专为华语音乐设计，解决了传统AI音乐模型在中文演唱中声调、音节边界和字音对齐的缺陷。该模型采用双流独立生成架构、音素时序软对齐和分层多维条件控制技术，可生成3分钟完整立体声歌曲。商业上，歌歌AI已与字节跳动达成版权分成合作，生成的歌曲可上架抖音、汽水音乐等平台。同时，团队已启动民乐专属AI模型研发，计划实地采集非遗民乐原声用于训练。
事件概述
歌歌AI（gegemusic.cn）发布了一款从零预训练的十亿参数端到端AI音乐模型，专门针对华语音乐场景设计。传统AI音乐模型主要为英语设计，无法处理中文的固定声调、单音节边界、字音对齐等难点，导致生成的歌曲“人机味”重。歌歌AI重新设计技术栈，解决了上述问题，能够根据用户输入的歌词、风格情绪和指定歌手，一次性生成长达3分钟、人声与伴奏俱全的完整立体声歌曲，并可输出独立分轨。
核心技术
- 双流独立生成架构：人声和伴奏分别走独立生成链路，通过跨流注意力机制实时对齐节奏与和声，模拟真人歌手与伴奏“对话”的心流。
- 音素时序软对齐：在模型生成前为每个字提供拼音在时间轴上的大致位置（先验知识），确保咬字稳定，避免音节错位和字音模糊。
- 分层多维条件控制：通过AdaLN-Zero机制将情绪、曲风、调性等全局风格信息逐层调制生成行为，并对不同条件维度设置独立的引导强度旋钮，实现对情绪和旋律的精细控制。
商业合作
歌歌AI与字节跳动签署版权分成合作。使用该模型生成的原创歌曲、录音制品、MV等版权内容可合规上架抖音、剪映、汽水音乐、西瓜视频、今日头条等字节系平台。创作者可从版权曲库中选歌用于短视频配乐、直播BGM、翻唱二创等，歌曲在汽水音乐的会员付费、数字专辑、单曲售卖、平台广告分成，以及番茄系平台有效播放产生的收益，均按合同约定进行分成结算。新生成的非独家版权曲目会自动纳入授权曲库。
未来计划
歌歌AI已启动民乐专属AI模型研发项目。团队计划前往陕西、江南、云南、陕北等地，实地采集秦腔、评弹琵琶、葫芦丝、芦笙、唢呐等非遗民乐原声，并完成正版版权归档，用于训练真正理解中国民乐韵味的AI模型。