腾讯开源SongGeneration：LeVo架构重构AI音乐创作生态

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，中文歌词对齐准确率超越Suno等商业模型，推动AI音乐创作进入"人人皆可创作"的新阶段。

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》显示，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架构的三大技术突破

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。

1. 双轨并行建模技术

SongGeneration创新性设计了混合轨道与双轨并行建模系统。混合轨道模式确保人声与伴奏的和谐统一，双轨模式则实现人声与背景音乐的独立建模，使两者细节表现更加清晰。这种设计使48kHz高质量音频编解码仅需0.35kbps的超低比特率，较传统方案降低60%计算成本。

2. 多维度人类偏好对齐

针对音乐性、歌词对齐和提示一致性三大偏好维度，设计半自动数据构建方法生成大规模偏好数据对。通过基于插值的直接偏好优化技术，在歌词准确度等关键指标上超越Suno等主流商业模型。在中国传媒大学的评测中，SongGeneration中文歌词准确率达到92%，超越Suno v4.5的87%。

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。

性能评测：开源模型全面领先

腾讯AI Lab联合中国传媒大学音乐与录音艺术学院建立专业评测体系，对SongGeneration与三款商业模型（Suno v4.5、海绵音乐、Mureka O1）及四款开源模型进行全方位测评。

如上图所示，雷达图对比了SongGeneration与Suno v4.5、海绵音乐、Mureka O1在旋律、伴奏、结构、音质、歌词精准度等维度的表现。SongGeneration在歌词准确度上以89分位列第一，整体表现与Suno v4.5难分高下，展现出强劲的综合竞争力。

客观评测中，SongGeneration在CE（内容欣赏度）、CU（内容实用性）和PQ（制作质量）三个维度中均位列榜首；主观评分中，在旋律、伴奏、结构、音质维度均列开源模型首位，整体表现与Suno v4.5并列第二。

应用场景与行业影响

创作门槛大幅降低

普通用户仅需输入"国风 抒情 二胡"等关键词，即可生成带人声的完整歌曲。平台提供风格跟随功能，上传10秒参考音频就能生成同风格作品，极大降低创作门槛。据统计，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%。

B端生态重构

短视频行业：30秒广告配乐成本从千元级降至百元内；游戏开发：背景音效生成效率提升80%；虚拟偶像：实时歌声合成成为可能，演出成本降低60%。腾讯云开发者社区数据显示，集成SongGeneration的内容创作平台用户留存率提升27%，内容生产效率提高3倍。

版权保护新范式

通过区块链技术为每首生成歌曲附加唯一凭证，用户可选择保留创作权或进入版权池。腾讯音乐已为AI歌曲开辟专属通道，解决了长期困扰行业的版权归属问题。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%。

该图片展示了科技感十足的AI音乐生成概念图，融合弯曲钢琴键盘、芯片元件与音符符号，象征AI技术与音乐创作的融合。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。

未来展望：从工具到生态的进化

腾讯AI Lab同时公布三大技术路线图：2025年Q4支持48kHz高保真音频处理，2026年实现实时交互创作，2027年推出多感官协同生成系统。随着端侧AI算力的提升，SongGeneration计划推出体积压缩40%的移动端版本，适配2025年普及的AI手机，催生"实时即兴创作"新场景。

行业分析师指出，AI音乐创作正从"辅助工具"向"智能共创"演进。SongGeneration的开源不仅提供技术方案，更构建了开放、灵活、可持续的音乐AI生态系统。对于内容创作者，这意味着更低的创作门槛和更高的生产效率；对于音乐产业，则预示着版权授权、内容分发等商业模式的创新可能。

如何开始使用

SongGeneration模型已登陆Hugging Face，全部模型权重与代码已全面开源，用户可通过以下命令获取：

git clone https://gitcode.com/tencent_hunyuan/SongGeneration cd SongGeneration pip install -r requirements.txt

基础生成示例：

from songgeneration import SongGenerator model = SongGenerator.from_pretrained("tencent/SongGeneration-base") result = model.generate( text="开心 流行", duration=180 # 生成3分钟歌曲 ) result.save("output.wav")

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。