一位制作人输入"一首明亮百老汇爵士曲"，走开便拿到成品——旋律、编曲，以及整首歌不走调的人声。过去要花数小时编曲的部分，现在只是一句提示词；过去所有生成式AI（AIGC）音乐工具都会露怯的中段散架，正是昆仑说它最先攻克的。
关键要点
- 昆仑万维 2025 年 3 月 26 日发布 Mureka O1，称其为首个音乐推理模型，建立在 Mureka V6 基座之上。
- O1 用自研框架 MusiCoT，把思维链（CoT）用于音乐：先勾勒整体结构，再预测细粒度音频 token，提升连贯性与编曲。
- Mureka V6 支持纯乐器与带人声生成，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。
- 昆仑称 Mureka 覆盖 100 多个国家和地区，2025 年 3 月全球访问约 333 万，环比增约 86.5%。
- 平台开放 API 与模型微调；昆仑 2025 上半年营收约 37 亿元（约 52 亿美元 / 40 亿港元），同比增 49%，生成式AI（AIGC）音乐与视频列为增长驱动。
为什么结构是软肋
多数文本生成音乐系统是自回归的：一个 token 接一个 token 生成音频，几秒还行，整首歌就崩。副歌漂移、乐器堆叠或消失、人声断线。听众未必说得出哪里不对，却一定能听出乱。昆仑在 O1 上的主张是先推理再渲染：MusiCoT 先搭好段落、转场、器乐编排的全局结构，再填细节。卖点是"撑得住的形状"，而非"每秒更多音符"。MusiCoT 以论文而非内部机密形式对外发表，这一设计选择确是偏离纯粹下一 token 生成的关键一步。优势是否真如宣传之大，只有第三方盲听测试能确认。
模型实际做什么
Mureka V6 是 O1 推理的基座，处理纯音乐与演唱人声，列出 10 种语言（英中日韩法西葡德意俄）。ICL 拓宽声场、收紧人声质感，单次最长约 4.5 分钟。模型外两项功能："歌曲参考"让用户丢音频或链接当提示；"人声克隆"可挑预设或上传自有声音模仿。后者最该警惕，因为它正是音乐生成撞上声音权益之处——一条独立推进、自行发展的法律线。
向开发者敞开大门
昆仑开放两类 API：音乐 API（文字、人声或音频参考进，歌曲与器乐出）和语音 API（播客、预设发音人、人声克隆），并开放 V6 微调，让工作室训练私有风格模型。公司称上传数据不会进入基座模型训练——对任何考虑使用该工具的品牌或厂牌，这是要紧的信任承诺。API 意味着游戏工作室可调它做背景配乐，短视频应用能实时给片段配乐，音乐人能把标志性音色烤进私有模型。风险仍是训练数据与克隆声音背后的权利。
模型背后的生意
昆仑是持续堆叠视频、智能体、音乐模型的公司。Mureka 始于 2024 年 4 月的 V1（SkyMusic），O1 被定位为从"工具"到"作曲家级"的一步。其向深交所披露的 2025 上半年营收约 37 亿元（约 52 亿美元 / 40 亿港元），同比增 49%，并把生成式AI（AIGC）音乐与视频列为贡献项。如此增速下，音乐模型更像财报一行而非科学项目，也解释了为何现在推 API 与微调：变现靠企业、靠开发者，而非只靠消费者积分。
诚实的局限
上文关于模型行为、语言数、时长与"首个音乐推理模型"的说法，全部来自昆仑公告与交易所文件，未经独立审计。MusiCoT 优势经团队自有听感测试与论文呈现，而非对照 Suno 的盲听基准，"胜过竞品"应视为厂商主张。333 万访问与 86.5% 环比增出自季度披露，未经外部核实。37 亿元与 49% 增长是公司半年数字。我们未测人声克隆，也未评估训练语料与预设歌手授权——这些最可能在法律上出问题。本文只覆盖一家公司的单款产品，并未 survey 更广阔的生成式AI（AIGC）音乐领域。
普通人现在能做什么
1. 做内容者，把 Mureka 的 API 当 session 乐手：用参考曲而非模糊曲风词下指令，评判编曲而非只听前 10 秒。
2. 品牌或工作室，上传专有素材前索要数据隔离条款书面说明，并确认人声克隆预设可用于商业。
3. 关注该品类者，在独立盲听对比出炉前，别急着认定 O1 领先西方同行——厂商演示恰优化在它给你看的部分。