一位制作人哼出一句钩子，再打上一种情绪。模型没有在提示词落下的瞬间就渲染出音频，而是先勾勒出歌曲的骨架——前奏、主歌、副歌、编排——然后再填进去。
这一停顿，正是深圳上市公司昆仑万维（Kunlun Tech）旗下 Mureka 音乐线的全部主张。多数音乐模型直接从文字生成波形，Mureka 试图在表演之前先规划。
关键要点
- 昆仑万维（Kunlun Tech）于 2025 年 3 月发布 Mureka O1 与 Mureka V6。
- 昆仑万维称 Mureka O1 是全球首个采用音乐思维链（Music Chain-of-Thought，MusiCoT）架构的音乐模型，在生成音频 token 前先规划歌曲结构。
- 公司称 O1 在其评测中超越 Suno V4、发布即登顶 SOTA；Mureka V7（2025 年 7 月）把"良品率"从 43.4% 提升到 57.7%，人声真实度提升 44%。
- Mureka V7.5（2025 年 8 月）借更好的歌词与气息识别改善了中文演唱；Mureka TTS V1 加入 Voice Design，公司并提出 MoE-TTS 框架。
- 昆仑万维称截至 2025 年 3 月底 Mureka 年化收入约 1200 万美元（≈ US$12M），当月全球访问量达 333 万，环比增长 86.5%。
从提示词到结构
核心主张说起来简单、做起来难：先别生成声音，先规划音乐。昆仑万维称 Mureka O1 采用 MusiCoT，在产出音频 token 前先生成整体结构——段落、情绪走向、编曲框架。其赌注是：当模型在出发前就知道终点，歌曲会听上去更连贯。
公司把这条路概括为让 AI 音乐"从工具走向创作"。2025 年 7 月的 Mureka V7 延续"先结构、后生成"，并支持任意长度参考音频作为风格提示，拓宽了创作者的控制方式。换句话说，传统音乐模型像是拿到词就开口唱，而 Mureka 先写下曲式再开嗓。这个区别在副歌衔接与尾奏收束这类细节上最容易听出来。
它引用的跑分
昆仑万维最有力的说法是 Mureka O1 在发布时优于 Suno V4、登顶该领域。这些是公司内部评测，我们无法独立复现——但架构论点可与分数分开看：一个先在形式层面推理、再发声的模型，确有机制减少歌曲中途的尴尬塌陷。
公司强调的质量指标是"良品率"：称其从 V6 的 43.4% 升至 V7 的 57.7%，人声真实度提升 44%，整体音质近乎翻倍。这些数字出自昆仑万维半年报，属公司自报，未经第三方审计。
一个也会说话的音乐模型
Mureka 不止旋律。昆仑万维把产品线延伸到语音：Mureka TTS V1 引入 Voice Design——用文字描述一种音色，系统便生成该音色的语音，可用于真实人物或虚拟角色。公司还提出 MoE-TTS，一种基于混合专家（Mixture-of-Experts）的"角色描述语音合成"框架，用自然语言控制替代固定的标签式控制。
到 2025 年 8 月，Mureka V7.5 专门攻克中文演唱，借助更强的语音识别捕捉唱词与气息变化，再智能切分乐句与停顿，让人声更不机械。对声调承载语义的汉语市场，这比通用的质量微调更关键。对内容创作者而言，能用一个描述就拿到稳定音色，意味着不必为每个角色单独录音或外包配音，成本结构随之改变。
收入的问题
昆仑万维在商业进展上异常具体：称截至 2025 年 3 月底 Mureka 年化收入约 1200 万美元、月流水约 100 万美元，当月全球访问 333 万、环比增长 86.5%，并称增速居全球 AI 音乐品类第一。不过增长数字与真实营收之间仍有距离，尤其当付费意愿与版权顾虑并存时，模型能力只是其中一环。
这种节奏能否持续是开放问题。AI 音乐处在生成媒体里最拥挤也最易惹讼的角落：每一点真实感的提升，都会加剧关于训练数据、创作者授权，以及"原创"到底意味着什么的争论。
诚实的局限
- "Mureka 胜过 Suno"的说法来自昆仑万维自身评测，我们无法独立复现。
- "良品率"数字取自公司半年报，属自报，非第三方审计。
- 我们未通过听感验证音质，且"胜过 Suno"取决于以哪个 Suno 版本作对比。
- 本文未评估训练数据授权、版权风险及中国以外地区的平台可用性。
普通人现在能做什么
1. 用同一段简短需求把 Mureka 与 Suno 或 Udio 的输出对比，用自己的耳朵判断质量。
2. 若你做内容，先把 AI 音乐用于草稿、过场与背景垫乐，而非最终母带，直到你核实授权。
3. 观察"先推理、后生成"的设计是否扩散到其他生成媒体，把它当作趋势而非孤例看待。