腾讯正式开源基于LeVo架构的AI歌曲生成项目SongGeneration，通过创新的混合音轨与双轨并行建模技术，实现了人声与伴奏的和谐融合及高质量分离处理，为音乐创作领域带来突破性解决方案。
【免费下载链接】SongGeneration腾讯开源SongGeneration项目，基于LeVo架构实现高品质AI歌曲生成。它采用混合音轨与双轨并行建模技术，既能融合人声与伴奏达到和谐统一，也可分别处理实现更高音质。模型在百万歌曲数据集上训练，支持中英文生成，效果媲美业界顶尖系统，为音乐创作带来突破性AI解决方案项目地址: https://ai.gitcode.com/tencent_hunyuan/SongGeneration
近年来，AI生成内容（AIGC）技术在音乐领域加速演进，从早期的旋律生成到如今的完整歌曲创作，技术边界不断拓展。据相关数据显示，2024年全球AI音乐市场规模已突破12亿美元，预计2025年将保持65%的同比增长率。然而，现有解决方案普遍面临人声与伴奏融合度低、多语言支持不足、生成时长受限等问题，制约了商业化应用落地。
作为腾讯AILab的核心研究成果，SongGeneration模型在技术架构上实现了三大突破。其核心创新点在于采用LeVo架构设计，通过LeLM语言模型与音乐编解码器的协同工作，首创混合音轨与双轨并行建模技术。这种设计既能将人声与伴奏作为整体进行联合优化，确保音乐情感表达的统一性，又可对两者进行独立处理，显著提升音频细节质量。
如上图所示，该Logo直观呈现了项目的核心定位——通过AI技术连接文本与音乐创作。图形化设计象征着文本输入到音频输出的转化过程，体现了SongGeneration"以文生曲"的核心功能。
从模型性能来看，SongGeneration在百万级歌曲数据集上完成训练，支持中英文双语生成，最长可创作4分30秒的完整歌曲。根据官方提供的技术指标，其生成音频的RFT（相对保真度测试）评分达到1.51，这一数据已超越同类开源模型30%以上，媲美当前业界顶尖的闭源系统。在实际应用中，创作者仅需输入歌词文本与风格描述，系统即可自动完成作曲、编曲、演唱的全流程创作。
项目提供了多版本模型选择，满足不同场景需求。基础版（SongGeneration-base）仅需10G显存即可运行，适合个人创作者与小型工作室；专业版（SongGeneration-large）则针对企业级应用优化，在22G显存支持下可实现更高音质输出。值得关注的是，即将发布的v1.5版本将进一步扩展至西班牙语、日语等多语言支持，全球化布局意图明显。
从图中可以看出，LeVo架构通过LeLM模型实现文本到混合音轨/双轨 tokens 的转化，再经由音乐编解码器生成最终音频。这种分层设计既保证了生成效率，又为音质优化提供了灵活空间，是SongGeneration技术领先的关键所在。
SongGeneration的开源发布将对音乐产业产生多维度影响。对于独立音乐人，该工具可大幅降低创作门槛，原本需要数天完成的编曲工作现在可缩短至分钟级；在游戏、影视等内容生产领域，AI生成的背景音乐能够根据剧情实时调整风格，实现个性化配乐；教育场景中，系统可作为音乐教学辅助工具，帮助初学者理解词曲创作规律。特别值得注意的是，腾讯开放了模型权重与推理代码，允许商业使用，这将加速AI音乐技术的产业化落地。
随着SongGeneration的开源，AI音乐创作领域的技术竞争将进入新阶段。该项目不仅填补了国内高端音乐生成模型的空白，更通过多语言支持与长时长创作能力，展现了中国AI技术的全球竞争力。未来，随着多模态输入（如情感标签、曲风参考）、实时互动创作等功能的迭代，AI有望从辅助工具进化为具备独立创作能力的"虚拟作曲家"，重塑音乐产业的创作生态与商业模式。
【免费下载链接】SongGeneration腾讯开源SongGeneration项目，基于LeVo架构实现高品质AI歌曲生成。它采用混合音轨与双轨并行建模技术，既能融合人声与伴奏达到和谐统一，也可分别处理实现更高音质。模型在百万歌曲数据集上训练，支持中英文生成，效果媲美业界顶尖系统，为音乐创作带来突破性AI解决方案项目地址: https://ai.gitcode.com/tencent_hunyuan/SongGeneration
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
