歌歌AI发布全栈自研华语音乐大模型，主打本土化创作
国内团队从零训练华语AI音乐模型，技术突破咬字与效率，并通过版权分成打通商业化路径。
杭州音律闪动推出歌歌AI音乐大模型，从零预训练，专注华语音乐。通过音素-时间帧软对齐解决咬字问题，双流架构同步生成人声与伴奏，10秒产出3分钟歌曲。已与字节签署非独家版权分成协议，并启动民乐AI模型采风。
正文摘录
杭州这家公司，训了个「最懂中国话」的 AI 音乐大模型 热闹和争议，是当下 AI 音乐行业的真实底色。 上个月，Suno 完成 4 亿美元 D 轮融资，估值达到 54 亿美元，稳居全球 AI 音乐赛道 Top 1。 与此同时，它与环球音乐、索尼音乐的版权诉讼仍未了结，涉及曲目从最初的 560 首增加到超过 6.1 万首。 一边是资本疯狂涌入，一边是行业规则尚未成型。 国内的竞争格局同样处于胶着状态。 字节跳动、腾讯、网易这类大厂把 AI 音乐当作生态补充和流量入口，昆仑万维、MiniMax 这类大模型公司把它当作独立商业化路径，更多垂直创业公司则在细分场景里找机会。 杭州音律闪动不算新玩家。 早在 2019 年，创始人龙勇便定了 AI 音乐赛道的长期战略规划，团队自此持续深耕音乐生成技术领域。项目核心合伙人也拥有网易、阿里头部互联网音乐业务的实操经验，兼具产业落地与 AI 技术积累的双重背景。 就在近日，其全栈自研的 歌歌 AI 音乐大模型 正式完成版本迭代、全面上线。 该模型主打本土化 AI 音乐创作，人声自然通透、情绪表达细腻，曲风高度本土化，对华语流行、国风、民谣的适配远超通用模型。[](https://mp.weixin.qq.com/s/AcAoo-Z5eY7Rd-Voxjdssw) 它的生成效率也行业领先。单张 H 系 GPU 约 10 秒即可产出一首 3 分钟立体声歌曲，并同步输出人声、伴奏分轨，兼具低成本商用的经济性。