一个制作人敲下"一首明亮的百老汇爵士"，几秒钟后得到一首完整曲目——旋律、编配，还有一整首都维持住人设的人声。过去要人花几个小时去编排的那段，现在变成了一句话。而过去每个AI音乐工具都会露怯的中段塌方，昆仑万维说它先动手解决。
关键要点
- 昆仑万维于2025年3月26日发布Mureka O1，公司称之为首个音乐推理大模型，建立在Mureka V6基座模型之上。
- O1采用自研的MusiCoT框架，把思维链（CoT）引入音乐：先勾勒整首曲子的结构，再去预测细粒度的音频token，团队认为这提升了连贯性与编配质量。
- Mureka V6支持纯音乐与人声生成，覆盖10种语言，用上下文学习（ICL）拓宽声场、净化人声，单条最长约4.5分钟。
- 昆仑万维称Mureka已覆盖100多个国家和地区；2025年3月全球访问量约333万，环比增长约86.5%。
- 平台开放了公开API与模型微调；昆仑万维2025年上半年营收约37亿元（≈5.2亿美元/40亿港元），同比增长49%，AI音乐与AI视频被列为增长驱动之一。
结构曾是短板
多数文生音乐系统是自回归的：像打字员写句子一样，一个token接一个token地生成音频。这种做法撑几秒可以，撑满整首歌就会散——副歌漂移、乐器胡乱堆叠或突然消失、人声丢掉线索。听众未必说得出问题，但能听出来不对。
昆仑在O1上的主张是，推理应该先于渲染。O1内部的MusiCoT框架以论文形式公开，先在细粒度音频token预测之前预建全局音乐结构——段落、转场、乐器编排——再去填充细节。它的卖点不是"每秒更多音符"，而是"一个能立住的形状"。这个优势是否真如宣传那般大，要等第三方盲听测试才能下定论，但"先规划后生成"确实离开了纯下一token生成的路子。
模型到底做什么
Mureka V6是O1在其上做推理的基座模型，既能生成纯音乐也能生成带唱的曲目。昆仑列出10种支持语言，包括英语、中文、日语、韩语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语。ICL技术意在拓宽声场、收紧人声质感；模型单次可生成约4.5分钟，足够一首真正的歌，而不只是循环。
两个功能在模型之外。"歌曲参考"让用户直接丢一段音频或YouTube链接当提示，比文字更直接的brief。"音色克隆"让用户从预设歌手中挑选，或上传自己的声音让模型模仿。后者最值得关注，因为它恰好是音乐生成撞上声音权益的地方——这条法律线索正在独立推进。
向开发者敞开
昆仑没有把O1关在对话框后。它放出两类API：音乐API（文本、人声或音频参考进，歌曲与配乐出）和语音API（播客人声、预设说话人、音色克隆）。它还开放了基于V6的模型微调，让工作室用自己的曲库训练专属风格模型。公司称上传数据不会进入其基座模型训练——对任何考虑使用的品牌或厂牌，这是一句关乎信任的承诺。
API意味着游戏工作室可以调用它做背景音乐，短视频应用可以实时给片段配乐，音乐人可以把标志性音色烤进私有模型。风险也是这类产品的常态：输出好坏，取决于训练数据的权利，以及被克隆的音色是否授权。
模型背后的生意
昆仑不是做音乐起家、偶然碰上AI的公司，而是把视频、智能体、音乐模型一路堆叠起来的AI公司。Mureka线始于2024年4月的Mureka V1（SkyMusic），公司把O1定义为从"工具"到"作曲级"产出的那一步。其提交深交所的2025年上半年业绩显示，营收约37亿元（≈5.2亿美元/40亿港元），同比增长49%，并点名AI音乐与AI视频为贡献项。一家交出这种增速的公司做音乐模型，与其说是科学项目，不如说是一条业务线。
诚实的局限
上文关于模型行为、语言数量、时长，以及"首个音乐推理大模型"的标签，均来自昆仑自身公告与交易所文件，未经独立审计。MusiCoT的优势是通过团队自有的听感测试与一篇公开论文呈现的，并非针对Suno等对手的第三方盲测，因此"超越竞品"的表述应视为厂商主张。2025年3月333万访问量与86.5%的环比涨幅取自公司季报披露，未见外部分析机构复核。37亿元营收与49%增速为公司半年报数据。我们未实测音色克隆功能，也未评估训练语料与被预设歌手音色的授权情况，而这两点最可能在法律上成为关键。本文只覆盖一家公司的单一产品，不盘点整个AI音乐赛道。
普通人现在能做什么
1. 如果你做内容，把Mureka的API当成一位session乐手：用参考曲而非模糊的风格词去brief它，再判断编配，而不只是前10秒。
2. 如果你是品牌或工作室，在上传任何专有素材前，向昆仑（或任何音乐AI厂商）书面确认数据隔离条款，并核实预设歌手音色可用于商业用途。
3. 如果你关注这个品类，在认定O1领先西方对手前，先等独立盲听对比——厂商演示总是为自己想让你看到的部分优化。