没有AI味的AI音乐来了，Mureka V9.5交出满分音乐答卷

AI音乐这两年火得很快，打开任何一个音乐平台，AI生成的歌单已经多到刷不完。听得多了你会发现一个问题，这些歌听起来都挺像那么回事，却又总觉得差点意思。 旋律从头到尾挤得满满当当，没有一个小节舍得停下来喘口气。人声像被伴奏活活埋掉的配角，怎么都冒不出来。段落之间一个力度撑到底，前一段还在深情款款，后一段突然不知道拐到哪儿去了。情绪断层、结构割裂，像是把几首不同歌的片段硬拼在了一起。 这倒不是哪家产品的问题，整个行业的路子多少都有点偏。很长时间里，行业里把堆满编配当成了完成度，多层乐器一叠，第一耳确实热闹，但经不起细听。热闹底下空落落的，什么都没说出来。这种AI味儿太重的歌，很难直接拿去做商用发行。 7月19日，昆仑万维天工AI在2026世界人工智能大会上发布了新一代音乐生成底座Mureka V9.5，同时推出了基于这个底座的O3反思式音乐推理方案，以及一个全新的创作Agent体验。 V9.5的方向很明确，做更克制、更真实、更贴合创作意图的音乐，说白了就是更有人味儿、更少AI味儿。O3的思路是用test-time scaling让音乐思考从一次性规划变成持续推演，写一段回头看一段，不对就改。创作Agent则是把定稿改成了版本化管理，创作不再是一锤子买卖。 Mureka V9.5发布现场 Mureka V9.5官方视频 一、不是堆编配，是给音乐留出呼吸空间 Mureka的技术路线叫MusiCoT，核心思路是让模型在生成音频之前先形成一套音乐思维，从全曲结构到局部细节，粗到细地组织创作，而不是逐帧瞎蒙。 V9.5在这个基础上往前推了一步，它开始思考一首真实的歌到底是怎么成立的。编配不用时刻拉满，声部得学会呼吸，情绪推进得有留白，所有声音上的选择都该为创作意图服务。它不再追求第一耳让你觉得好厉害，而是在一个更真实的音乐框架里，把Prompt控制、人声表现、音质和情绪表达做扎实。 （AI 自动分析画面的场景、动作和情绪，创作更贴合内容的配乐） 我们回头扫了一遍样本，一致的感觉是，它听起来更克制、更真实，也更不像AI写的。 歌曲《夜色缓缓》 定位：中文流行，对标国内流行市场，情绪捕捉准确 提示词：以柔和钢琴、中文流行，氛围合成器和渐进式弦乐构建电影感情绪，男声贴近演唱，细腻、克制，从低声诉说逐渐走向情感释放。整体像雨夜里未说出口的告别，忧伤但温柔，不煽情却充满力量。 Featuring soft piano, Chinese pop influences, atmospheric synth layers, and gradual strings to create a cinematic emotional atmosphere. Intimate male vocals with delicate, restrained delivery, building from quiet storytelling to emotional release. Like an unspoken goodbye on a rainy night, melancholic yet tender, powerful without being dramatic. 歌曲《Melted Chrome 2》分版 定位：一首标准的西海岸G-Funk，风格极佳，对小众曲风的捕捉，风格极致表达，对合成器和地域文化理解，理解曲风的风格表达，音效选取的有特点，编曲层层递进 提示词： 迷幻西海岸 G-Fu nk 街头说唱。深沉滑动的合成器低音、Moog 哨音、Talkbox 氛围、温暖 Rhodes、哇音吉他与复古磁 带质感，配合松弛靠后的鼓点和沙哑男声，营造低底盘夜间巡游般的迷幻街头氛围。 Psychedelic West Coast G-Funk street rap, featuring deep sliding synth bass, a melted Moog whistle lead, talkbox haze, warm Rhodes, muted wah guitar, warped cassette textures, and a lazy behind-the-beat groove. Raw raspy male vocals deliver relaxed, human street storytelling over a smoky lowrider night-cruise atmosphere, with no trap hi-hats, drill patterns, or EDM drops. 传统AI音乐的习惯做法是默认叠多层乐器、持续填充旋律，觉得这样才有完成感。V9.5把配器逻辑整个翻了过来，声部怎么进怎么出、乐器什么时候上什么时候撤、强弱动态怎么走，全部看提示词的情绪和曲风来定。无效声部主动砍掉，给主旋律和人声腾位置，给情绪转折留白。它在学真人编曲那种轻重交替、张弛有度的习惯。 （仅需上传一张照片与一小段清晰人声,即可快速生成专属 Character） 数据上显示，同一轮100首样本的盲测里，V9.5在旋律、人声、音质和编配上都有提升，指令精准度从6.92提到了7.62。 具体到四个评测维度：第一，编配上它更克制，不把配器密度等同于音乐质量，为主旋律、人声和情绪变化留出了呼吸空间。第二，音乐框架上它更真实，声部进入、段落推进与动态关系更接近真实创作，减少了模板化和复杂堆叠感。第三，人声表现良品率达到61.0%，情绪、唱腔和伴奏之间的关系更自然，听起来更可信。第四，意图优先于炫技这一点尤其明显，97.0%的控制良品率和95.7%的曲风完全体现比例，说明复杂度更多被用于服务Prompt，而不是掩盖音乐判断。 一句话总结，V9.5的任务是把歌做得更自然。 二、不是生成得更多，是想得更深 如果说V9.5解决的是听起来像不像人做的，O3解决的就是想得够不够深。 O3跑在V9.5之上，用test-time scaling把MusiCoT的推理过程拉长了。从能看到的层面来说，它不是简单地把生成拉长或者算更久，而是让模型在生成过程中持续问自己：当前这段旋律还在为整首歌服务吗？编配是不是又把主唱淹了？情绪是不是透支了？结构有没有跑偏？多出来的算力，被用来回头看和自己改，让音乐思维一步步收敛，而不是一次决定后一条道走到黑。 具体来说，这种反思式推理覆盖四个能力。首先，全曲目标不丢，MusiCoT先定好结构、情绪和表达方向，后面每一步判断都回到这个全局目标，不是走一步看一步。其次，生成中持续审视，模型不光判断局部好不好听，还检查当前选择有没有破坏整首歌的一致性。再次，发现偏差后自己改，旋律、编配、人声或情绪跑偏了，后续决策会重新校准，有点像创作者写完一段回头听，觉得不对，删了重来。最后是成本，更高的推理成本换的不是算力炫耀，而是审视、修正和收敛的空间。 这套机制能有效，前提是底座先有了真实感。V9.5提供了一个更克制、更自然的基底，O3不需要从一个充满AI堆叠感的结果开始补救，而是在一个已经不错的底子上打磨。 歌曲《误差》 定位：更拟真的音色，编曲可以理解提示词的感觉 提示词： Minimal Electroni