SongBloom - 腾讯联合港中文、南大开源的歌曲生成模型

SongBloom是什么

SongBloom是腾讯AI Lab联合香港中文大学（深圳）与南京大学研发的开源歌曲生成模型，解决AI音乐生成中的“塑料感”问题，实现高质量、结构完整的歌曲生成。只需输入10秒参考音频和对应歌词，即可生成2分30秒的双通道/48kHz高保真完整歌曲，包含前奏、主歌、副歌、尾声等完整结构。通过创新技术大幅降低歌词与旋律不匹配的“幻觉生成”现象，音素错误率显著降低，歌词准确性达行业新高度。人声音质细腻度超越顶尖商业模型Suno-V4.5，音乐性媲美专业创作，首次将自回归扩散模型引入长时歌曲生成，结合离散sketch token和VAE latent技术，兼顾结构连贯性与音质细节。

SongBloom的功能特色

• Efficient generation of capacity：仅需 10 秒音频样本和对应歌词，即可快速生成长达 2 分 30 秒的完整歌曲。
• High quality audio output：支持双通道、48kHz 高质量音频生成，音质清晰且专业。
• 创新生成范式：采用交错生成技术，结合自回归草图绘制和扩散模型细化，优化歌曲结构和音质。
• Multi-modal input support：同时支持歌词和音频样本输入，精准融合多模态信息，生成更符合需求的歌曲。
• 开源易用性：项目开源，提供详细指南和多种模型版本，易于部署和使用，适合不同设备运行。
• 接近 SOTA 性能：在音频质量和歌词准确性上接近领域最佳水平，超越现有开源模型。

SongBloom的核心优势

• 高效生成完整歌曲：只需输入10秒参考音频和对应歌词，即可生成2分30秒的双通道/48kHz高保真完整歌曲，包含前奏、主歌、副歌、尾声等完整结构。
• 精准歌词匹配：通过创新技术大幅降低歌词与旋律不匹配的“幻觉生成”现象，音素错误率显著降低，歌词准确性达行业新高度。
• 音质与音乐性出色：人声音质细腻度超越顶尖商业模型Suno-V4.5，音乐性媲美专业创作，接近领域最佳水平。
• High quality output：支持双通道、48kHz 的高质量音频生成，音质清晰且专业，接近领域最佳水平（SOTA）。
• 创新技术：采用交错生成范式，结合自回归草图绘制和扩散模型细化，优化歌曲整体结构和音质，技术领先。
• multimodal fusion：同时支持歌词和音频样本输入，精准融合多模态信息，生成更符合需求的歌曲。

SongBloom官网是什么

• Github repository：https://github.com/tencent-ailab/SongBloom
• HuggingFace Model Library：https://huggingface.co/CypressYang/SongBloom
• arXiv Technical Paper：https://arxiv.org/pdf/2506.07634
• Online Experience Demo：https://cypress-yang.github.io/SongBloom_demo/

SongBloom的适用人群

• music creator：为专业音乐人和业余爱好者提供创作灵感和快速生成歌曲框架，帮助他们探索新的音乐风格和创作方向。
• 音频制作人员：在影视、游戏、广告等行业的音频制作中，用于快速生成背景音乐或主题曲，提升制作效率。
• 音乐教育工作者和学生：作为音乐教育工具，帮助学生理解音乐结构和创作过程，激发学习兴趣，也可辅助教师教学。
• content creator：在社交媒体、短视频等平台，为用户提供个性化的音乐内容，增强互动性和趣味性。
• 企业和品牌方：为企业和品牌生成定制化的音乐，用于产品推广、活动宣传等，提升品牌影响力和用户参与度。