一位制作人输入"一首明亮的百老汇爵士曲"，走开便拿到成品——旋律、编曲，以及整首歌都保持角色一致的人声。过去要花数小时编曲的部分，现在只是一句提示词；过去每款 AI 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（Kunlun）于 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 基座模型之上。
- O1 使用自研框架 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，团队认为这提升了连贯性与编曲。
- 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 已覆盖 100 多个国家和地区，2025 年 3 月全球访问约 333 万，环比增长约 86.5%。
- 平台开放了公开 API 与模型微调；昆仑 2025 年上半年营收约 37 亿元（约 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。
为什么结构是弱项
多数文本生成音乐系统都是自回归的：它们像打字员写句子一样，一个 token 接一个 token 地生成音频。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。O1 内部的 MusiCoT 框架以论文而非内部机密形式发表，公司称它先搭好段落、转场、器乐编排的全局结构，再填细节音频。卖点不是"每秒更多音符"，而是"撑得住的形状"。这优势是否真如宣传之大，只有第三方盲听测试能确认，但先建结构再渲染确实是偏离纯下一 token 生成的关键一步。
模型实际做什么
Mureka V6 是 O1 推理所依托的基座模型，处理纯音乐与演唱人声。昆仑列出的 10 种语言包括英、中、日、韩、法、西、葡、德、意、俄。ICL 技术用于拓宽声场、收紧人声质感，单次生成最长约 4.5 分钟——长过一段循环，够一首真正的歌。
模型之外有两项功能。"歌曲参考"让用户丢一段音频或一条 YouTube 链接作为提示，比文字更直接；"人声克隆"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——一条独立推进的法律线。
向开发者敞开大门
昆仑没有把 O1 封在聊天框后，而是放出两类 API：音乐 API（文字、人声或音频参考进，歌曲与器乐出）与语音 API（播客、预设发音人、人声克隆），并开放 V6 微调，让工作室用自有曲库训练私有风格模型。公司称上传数据不会进入其基座模型训练——对任何考虑该工具的品牌或厂牌，这是要紧的信任承诺。
模型背后的生意
昆仑不是偶遇 AI 的音乐公司，而是持续在视频、智能体、音乐上堆叠模型的企业。Mureka 线始于 2024 年 4 月的 Mureka V1（SkyMusic），公司把 O1 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 5.2 亿美元 / 40 亿港元），同比增长 49%，并把 AI 音乐与 AI 视频列为贡献项。如此增速下，音乐模型更像是财报里的一行，而非科学项目。
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 等对手的盲听基准，"胜过竞品"应视为厂商主张。333 万次 3 月访问与 86.5% 环比增长出自公司季度披露，未经外部分析机构核实。37 亿元营收与 49% 增长是公司半年数字。我们未实测人声克隆功能，也未评估训练语料或预设歌手声音的授权——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，并未纵览更广阔的 AI 音乐领域。
普通人现在能做什么
1. 做内容的人，把 Mureka 的 API 当乐手用：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，上传专有素材前向昆仑（或任何音乐 AI 厂商）索要数据隔离条款的书面说明，并确认人声克隆预设可用于商业。
3. 关注该品类的人，在独立盲听对比出炉前，别急着认定 O1 已领先西方同行——厂商演示恰优化在它给你看的部分。