中国首个音乐SOTA模型「天工音乐大模型」今日公测

量子位的朋友们 2024-04-17 21:20:15 来源：量子位

2024年4月17日，在「天工」大模型一周年之际，昆仑万维重磅宣布，「天工3.0」基座大模型与「天工SkyMusic」音乐大模型正式开启公测！一年前的今天，第一版天工大模型正式对外发布上线，一年来我们不断迭代模型，迭代应用产品，模型和应用都越做越好，以此回报广大用户的支持。

「天工3.0」拥有4000亿参数，超越了3140亿参数的Grok-1，是全球最大的开源MoE大模型。「天工3.0」在语义理解、逻辑推理、通用性、泛化性、不确定性知识、学习能力等领域拥有突破性的性能提升，数学/推理/代码/文创能力提升超过30%。

（天工3.0模型参数超越Grok-1，成全球最大开源MoE专家混合大模型）

强大的模型技术实力赋予「天工3.0」超强的性能表现。在MMBench等多项权威多模态测评结果中，「天工3.0」超越GPT-4V，全球领先。

（天工3.0多模态性能超越GPT-4V，全球领先）

同时，「天工3.0」旗下的「天工SkyMusic」音乐大模型也在今日面向全社会开放公测。「天工SkyMusic」是中国首个音乐SOTA模型，更是中国的自研大模型技术第一次在AIGC领域领跑全球。

（天工SkyMusic综合性能超越Suno V3，取得音乐大模型SOTA，领跑全球）

天工SkyMusic：中国首个音乐AIGC SOTA模型

此前，大模型已经在文本、图像等多个技术领域取得突破，带来产业全面变革。然而，在AI音乐生成领域，全球迟迟等不到一款产品，开启「音乐ChatGPT时刻」。

这是因为一直以来，AI音乐行业大量研究都集中在符号音乐生成技术路线上，并且大多只能实现无人声背景音乐（Background Music，BGM）的生成，音乐的质量、效果、审美都远远达不到可用水平，产业迟迟未能爆发。

（「天工SkyMusic」自研AI音乐大模型技术架构）

与行业主流路径不同，「天工SkyMusic」采用自研大模型音乐音频生成技术路线。这一路线直接通过大模型技术实现乐器、人声、旋律、音量、音符的一体化端到端音乐生成，技术难度极大，全球只有包括昆仑万维在内的极少数顶尖玩家参与。

在与海外顶尖的AI音乐大模型Suno V3的横向测评中，「天工SkyMusic」在人声&BGM音质、人声自然度、发音可懂度等领域显著领先对手，并以6.65分的综合得分超越Suno V3，成为全球AI音乐SOTA模型。

此外，「天工SkyMusic」还拥有独创的参考音乐生成与方言歌曲生成能力。

参考音乐生成：用户可上传自有参考音乐，或选择「天工SkyMusic」资料库中现有的参考音乐，从而生成风格、唱腔类似的歌曲，进一步降低音乐大模型的使用门槛，让不熟悉乐理知识的用户也能轻松玩转。

方言歌曲生成：「天工SkyMusic」生成的音乐不仅在人声自然度、发声可懂度等领域表现优秀，更能够支持粤语、成都话、北京话等众多方言，让用户能够更自由地实现音乐表达，传播方言文化。

「天工SkyMusic」是中国首个公开可用的AI音乐生成模型，更是中国自研大模型技术第一次在AIGC领域领跑全球。

当前，在文本大模型领域，OpenAI吸引了全球的注意力；但是在AI搜索、AI音乐生成等细分领域，中国玩家们正在奋勇前行，不断通过自研技术取得细分领域顶尖的SOTA表现，共同建设中国大模型产业，打造自主可控的大模型产业生态。

天工3.0：4000亿参数，全球最大开源MoE大模型

在上一代「天工2.0」MoE大模型的领先基础上，「天工3.0」实现了全面的性能升级，采用了4000亿级参数MoE混合专家模型架构，是目前全球模型参数最大、性能最强的开源MoE模型。

「天工3.0」的逻辑推理能力、语义理解能力、应对复杂需求能力、内容创作能力全面升级，并新增了多轮搜索与综合工具调用、图表绘制、研究模式、增强模式、改图扩图等多项AI能力，为用户带来全新AI体验。

多轮搜索与综合工具调用：「天工3.0」针对模型独立规划、调用、组合外部工具及整合信息的能力进行了专项训练，使其能够独立生成并调用代码，完成包括产业研究、产品横评、信息分析、图片生成、图表绘制等多种复杂用户需求。

同时，「天工3.0」能够通过强大的语义理解能力将用户任务拆解成细分环节，实时判断是否需要联网或调用工具，进行单轮或多轮的联网搜索、工具调用，完成包括多轮搜索、热点信息分析、图片生成等复杂用户需求。

（Query：查询最新中国历史电影票房排行，图表展示）

图表绘制：「天工3.0」全面提高了逻辑推理能力与用户自然语言Query的理解能力，使其能够更精准地判断用户需求，独立生成并调用代码，结合文本需求实时进行内容分析及图表构建，为用户带来更直观、高效的对比结果。

（Query：北京、上海、重庆哪个好玩？）

多轮搜索、综合工具调用、图表绘制等都是「天工3.0」所独有的大模型综合能力，其从底层打通了「天工3.0」的AI搜索、AI对话、AI代码生成、AI图片识别、AI图像生成等底层能力，通过语义识别能力直接触发，为用户带来更加便捷、高效的AI体验，成为真正的AI生产力工具。

此外，「天工3.0」中还增加了研究模式、增强模式、改图扩图等多项AI能力。

研究模式：在研究模式中，「天工3.0」能够围绕用户的某个简单指令进行相关问题的延伸，自动生成研究大纲、图谱、实践总结、思维导图，帮助用户快速清晰地把握核心内容，完成用户复杂的研究需求。

（Query：康乾盛世年代）

增强模式：在增强模式中，「天工3.0」能够针对用户的复杂Query进行拆解、细化、并进行追问、信息理解与补全，使其在自然语义理解方面性能更强，面对不确定性知识时表现更好，能够更精准、高效地满足用户需求。

（Query：2024年春节档电影；「天工3.0」理解并追问用户需求）

改图扩图：「天工3.0」多模态性能取得全面突破，超越GPT-4V，综合排名全球第一。在强大的技术底座支持下，「天工3.0」的AI绘图能力新增了图片尺寸扩展、图片定向调整、垫图生图、垫图进化、垫图扩图等全新功能。

（「天工3.0」的AI改图、修图、扩图等功能）

关于昆仑万维

自去年4月17日「天工」大模型正式推出以来，昆仑万维已围绕「天工」系列大模型建起AI大模型、AI搜索、AI音乐、AI视频、AI社交、AI游戏等AI业务矩阵，是国内模型技术与工程能力最强、布局最全面的人工智能科技企业之一。

这一年里，除了对「天工」系列基座大模型进行不断升级迭代，昆仑万维还推出了国内第一款AI搜索引擎「天工AI搜索」、开源了百亿级大语言模型「天工Skywork-13B」、推出国内领先的AI Agent开发平台「天工SkyAgents」等一系列前沿大模型产品。

当前，「天工」系列大模型已集成了AI音乐、AI搜索、AI写作、AI长文本阅读、AI画图、AI语音合成、AI漫画创作、AI图片识别、AI代码写作、AI表格生成等多项能力，并将在未来加入AI视频功能，对标“超级应用”，成为人工智能时代的“超级大模型”（Super Model）。在“实现通用人工智能，让每个人更好地塑造和表达自我”的公司使命驱动下，昆仑万维将始终致力于AI技术与产品的创新开拓，不断提高AI产品的用户体验，与用户、研究人员、开发者们携手，共创国产大模型的未来。