中国首个音乐SOTA模型天工音乐大模型,今日公测!

娱乐头条 7523℃

中国首个音乐SOTA模型天工音乐大模型,今日公测! - 陆剧吧

4月17日,在“天工”大模型一周年之际,昆仑万维宣布,“天工3.0”基座大模型与“天工skymusic”音乐大模型正式开启公测!

“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%。

中国首个音乐SOTA模型天工音乐大模型,今日公测! - 陆剧吧

(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。

中国首个音乐SOTA模型天工音乐大模型,今日公测! - 陆剧吧

(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。

中国首个音乐SOTA模型天工音乐大模型,今日公测! - 陆剧吧

(“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。

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。

中国首个音乐SOTA模型天工音乐大模型,今日公测! - 陆剧吧

(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。

中国首个音乐SOTA模型天工音乐大模型,今日公测! - 陆剧吧

(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)

标签: 娱乐头条