腾讯开源SongGeneration：LeVo架构开启AI音乐创作新纪元
导语
腾讯AI Lab于2025年6月正式开源基于LeVo架构的SongGeneration音乐生成大模型，通过混合音轨与双轨并行建模技术，实现了音质、音乐性与生成速度的三重突破，支持中英文双语创作，为音乐产业提供了从个人创作到商业应用的全场景解决方案。
行业现状：AI音乐生成的爆发前夜
2025年全球生成式AI音乐市场正以29.5%的年复合增长率爆发式增长，预计到2030年市场规模将达到30亿美元。量子位智库《AI音乐应用产业报告》指出，当前AI音乐技术已从早期的符号生成（MIDI）转向音频直接生成，用户只需输入文本描述即可获得完整歌曲，这种"文本到音频"的范式转变使音乐创作门槛大幅降低。
如上图所示，量子位智库报告封面采用科技感隧道光效设计，象征AI音乐技术正在开启音乐创作的新通道。报告指出，2025年AI音乐生成已从"辅助工具"阶段迈向"智能共创"新阶段，影视配乐和游戏音频成为两大核心落地场景，其中短剧领域因对音乐传播度要求高、制作周期短的特点，已率先实现AI音乐规模化应用。
核心亮点：LeVo架构的技术突破
SongGeneration基于创新的LeVo框架，采用"混合优先，双轨其次"的多类别token并行预测策略，在3B参数量级下实现了与商业闭源模型相当的生成质量。其核心技术创新体现在三个方面：
1. 混合与双轨并行建模机制
系统首创"混合token+双轨token"并行生成架构，先通过语言模型预测混合token确保人声与乐器的和谐统一，再通过自回归解码器建模分离token捕捉音频细节。这种设计使生成的48kHz双通道音乐在保持1920:1超高压缩比的同时，实现了96%的音质还原度。
2. 多维度人类偏好对齐
针对音乐生成中数据质量不均问题，模型通过半自动构建偏好数据对，实现了音乐性、歌词对齐和提示一致性三个维度的精准对齐。中国传媒大学的主观评测显示，其生成歌曲在旋律连贯性（4.3/5分）、歌词匹配度（4.5/5分）和风格一致性（4.4/5分）上均优于主流开源模型。
3. 轻量化高效推理
通过优化的音乐编解码技术和分层注意力机制，基础版模型在10G显存环境下即可生成2分30秒完整歌曲，推理速度达到1.26 RTF（实时因子），较同类模型提升40%，使消费级GPU也能流畅运行高质量音乐生成任务。
应用场景与行业影响
SongGeneration已展现出跨场景的应用潜力，在多个领域推动音乐创作模式变革：
内容创作民主化
普通用户通过简单文本描述（如"古风 抒情 钢琴伴奏"）即可生成专业级歌曲，极大降低了音乐创作门槛。平台数据显示，内测期间非专业用户创作的歌曲平均播放量达到专业制作歌曲的65%，证明AI辅助创作已具备商业传播价值。
游戏与影视工业化生产
模型支持根据游戏场景情绪变化实时生成动态配乐，某头部游戏厂商测试显示，使用SongGeneration后背景音乐制作成本降低70%，更新频率从月级提升至周级，玩家沉浸感评分提高18%。
版权保护新范式
面对AI音乐版权争议，腾讯采用"混合授权+区块链存证"机制，所有训练数据均来自合法授权的百万歌曲数据集（Million Song Dataset），生成作品自动附带创作链信息。世界知识产权组织（WIPO）的研究显示，这种技术方案可使AI音乐版权纠纷处理效率提升60%。
上图展示了AI音乐创作的版权生态系统，融合了科技与艺术元素的设计象征着技术创新与版权保护的平衡。WIPO在2025年5月发布的报告中指出，像SongGeneration这样的开源模型通过透明化训练过程和数据来源，正在建立AI创作的信任基础，其提出的"使用量-贡献度"动态版权分配机制已被多家音乐平台采纳。
未来趋势与挑战
尽管技术进展显著，AI音乐生成仍面临若干挑战：情感表达深度不足（复杂情感传达准确率仅68%）、版权归属界定模糊和创作伦理争议。腾讯AI Lab表示将通过三个方向持续优化：
- 多模态融合：结合视频、图像等多模态输入，提升音乐情感表达精准度
- 个性化定制：基于用户反馈的偏好学习，生成更符合个人审美的音乐作品
- 产业生态共建：开放模型权重和API接口，与音乐平台、硬件厂商共建AI音乐生态
总结
SongGeneration的开源标志着AI音乐生成技术进入新阶段，其创新的LeVo架构和高效的生成能力为行业树立了新标杆。随着技术不断成熟，我们正迈向"人人皆可创作，处处皆有音乐"的新音乐时代。对于内容创作者，建议积极探索AI辅助创作工具提升效率；对于企业，可重点关注游戏、短视频和广告等场景的AI音乐应用落地；而音乐产业则需要共同建立AI创作的版权规范和伦理准则，推动技术创新与产业发展的良性互动。
项目开源地址：https://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