稀宇科技（MiniMax）正式对外发布新一代音乐生成模型Music 1.5，这一迭代产品不仅打破了此前AI音乐生成时长的瓶颈，更在技术精度与创作自由度上实现跨越式突破，为全球音乐创作者、开发者及相关行业带来全新可能。
相较于前代模型，Music 1.5最直观的升级在于将单首音乐生成时长从常规的1-2分钟扩展至4分钟，足以覆盖完整歌曲的主歌、副歌、桥段等经典结构，满足专业级创作需求。而其背后的四大技术突破，更是奠定了行业领先地位：
模型通过优化语义理解算法，能精准捕捉用户需求中的细节指令。例如用户输入“一首80年代复古disco，前奏加入电吉他滑音，副歌部分鼓点强度提升30%”，Music1.5可精准执行音色选择、节奏调整等操作，避免前代模型常见的“指令偏差”问题，实现“所想即所得”的创作闭环。
针对AI人声“生硬、缺乏情感”的行业痛点，团队引入多维度声线建模技术。通过分析数十万首真人演唱作品，模型可模拟呼吸换气、转音颤音等细腻技巧，甚至能根据歌词情感变化调整音色张力——如演唱抒情歌曲时，人声会自然加入气声质感；演绎摇滚风格时，则呈现更具爆发力的唱腔，让AI生成人声达到“以假乱真”的效果。
在编曲层面，Music1.5实现了对乐器的“细粒度建模”。无论是钢琴的触键力度差异、小提琴的揉弦幅度，还是架子鼓的镲片泛音，都能精准还原。更值得关注的是，模型新增对中国小众及民族乐器的支持，包括箜篌、筚篥、巴乌等传统乐器，且能根据音乐风格自动适配配器逻辑，例如在古风歌曲中，会自然将古筝与二胡进行和声搭配，避免乐器堆砌的违和感。
通过引入“段落逻辑分析算法”，模型可自动划分音乐结构，让主歌、副歌、间奏、尾声之间过渡自然且区分度显著。例如在叙事性歌曲中，主歌部分会以轻柔的编曲铺垫情绪，副歌部分通过乐器层次叠加强化情感爆发，桥段则通过节奏变化制造听觉转折，整体呈现出类似真人创作的“叙事感”，而非简单的旋律重复。
