SongGeneration翻译站点

在 AI 音乐生成领域，SongGeneration是腾讯AILab 推出的一款高质量开源模型，它采用创新的 LeVo 架构与音乐编码器，支持歌词输入、风格提示与参考音频生成完整歌曲（包括人声与伴奏），并以其开源和多语言支持赢得了开发者关注。

什么是 SongGeneration？

SongGeneration（又名 LeVo） 是一个基于语言模型与音乐编解码器的歌曲生成系统，由腾讯AILab 发布在 GitHub 和 Hugging Face 上。它可通过混合或双轨 token 表示，生成高保真歌曲音频，实现“人声 + 伴奏”同步输出，是目前领先的开源文本生成音乐方案之一。

核心技术架构解析

LeVo 架构：混合 + 双轨 token

LeVo 模型同时生成mixed tokens（混合轨）与dual-track tokens（人声和伴奏分离），确保歌词与伴奏同步与和谐。

音乐编码器（Music Codec）

使用 MuCodec 编解码音频：先将双轨 token 编码，再通过解码生成高品质音频，保证输出“可听化”效果 。

多首偏好对齐训练

采用 DPO（动态偏好优化）训练，通过预训练和微调融合多种偏好提升生成质量，使生成歌曲更自然、更契合歌词。

支持输入方式和生成方式

• 歌词输入：用户可以输入中文或英文歌词，模型会以此为基础生成音乐。

• 文本描述（可选）：可提供风格、情绪、节奏等提示以指导生成 。

• 参考音频提示（可选）：输入样本音频片段，生成符合该风格的人声与伴奏。

模型提供 base（歌词驱动）版本，并计划推出支持中英文双语与扩展全模型版本 。

如何获取与使用 SongGeneration

1.教库克隆与依赖安装。

git clone https://github.com/tencent-ailab/SongGeneration
pip install -r requirements.txt

2.下载并保存 Hugging Face ckpt 文件（比如 SongGeneration-base v20250520）。

3.执行生成脚本：

sh generate.sh ckpt_path lyrics.jsonl output_path

或使用适合低显存设备的 generate_lowmem.sh。
4.JSONL 输入示例包含 idx, gt_lyric, 可选 descriptions, prompt_audio_path 提示 。

应用场景与潜在价值

• 音乐创作者与作曲人：快速生成 demo 歌曲，为创作提供灵感助力。

• 短内容创作者：为视频、广告生成定制配乐或歌曲。

• AI 音乐研究与教育：模型架构与公开代码有助于研究人员入门与扩展学习。

• 唱片创作实验：结合人声与伴奏分离能力，可用于音频编辑与风格对比研究。

常见问题（FAQ）

Q1：SongGeneration 支持哪些语言？
A1：目前支持中文（汉语）与英文歌词生成，双语模型正在准备中 。

Q2：模型会自动生成伴奏吗？
A2：是的，LeVo 架构同时生成 vokal 和 accompaniment token，使输出具有人声和伴奏。

Q3：低显存 GPU 能运行吗？
A3：可使用 generate_lowmem.sh 脚本，在少于 30GB GPU 环境下生成歌曲 。

Q4：如何控制生成风格？
A4：可以通过 descriptions 输入如“欢快流行风格，钢琴组曲”等文本提示，或上传参考音频为风格范例。

Q5：SongGeneration 如何比较于 SongGen 或 SongBloom？
A5：SongGeneration 基于 LeVo 架构并融合音频 token 与音乐 codec，具备更同步的“人声+伴奏”输出，而 SongGen 是单阶段 AR 模型，SongBloom 专注结构草图+细节微调 。

与其他开源歌曲生成模型对比

提升使用体验的建议

1. 分段生成歌曲：将生成时间切分成小段来构建更长时长作品。

2. 调整 prompt 内容：加入情绪描述（如“悲伤”“节奏感强”）提升效果。

3. 尝试参考音频：上传 10s 风格音轨提升生成风格连贯性。

4. 后期处理：剪辑与混音后处理提升音质与结构完整性。

5. 参与社区贡献：对 GitHub 代码、HF demo 与参数建议提交 PR。

未来发展前瞻

• SongGeneration-full(zh&en) 版本即将发布。

• 更多语言场景多样风格版将扩展模型适配性。

• 用户社区 demo 与模型 fine-tune 紧密合作。

• 与 Tencent Music 等平台集成，如 “AI Songwriter” 工具结合。

总结

SongGeneration（LeVo） 是一个领先的开源 AI 歌曲生成框架，融合歌词、风格提示和音乐 code 架构，生成结构严谨、音质高保真的中英文歌曲。其 LeVo 架构独特，社区活跃，适合 AI 工具使用者快速使用与技术探索。本文从基础技术、应用流程、对比分析和实用建议等角度展开，旨在提升“SongGeneration”关键词排名，吸引精准流量与音乐 AI 开发者关注。