我宣布，这就是现在人声最真实的AI音乐模型。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
我宣布，这就是现在人声最真实的AI音乐模型。
原创 数字生命卡兹克 数字生命卡兹克 2026-01-30 10:11 北京
最近AI圈热闹的像过年了一样。
Google和Gemini合体，Moltbot热度一波接一波，大模型也发了一堆，世界模型也来了，真有点科技春晚的感觉了。。。
而音乐模型这边，也出了一个很夯的新货。
就是Minimax昨天推出的音乐模型，Minimax Music 2.5。
说起来这个时间点非常巧。
因为最近正好有个粉丝看了我的Prompt心法那篇文章，给我发了一个他自己开发的小工具，可以上传歌曲文件来反推曲风的提示词，很强很方便。
而我呢，自从两个月前发了b站鬼畜文艺复兴的那篇文章之后，也已经有一阵子没做过音乐了，正好想做点好玩的。
正好，也借着这个机会，就试了一下MiniMax的Music 2.5。
说实话，试了之后，我当时就说出了一句卧槽。
他的真实感，实在太强了，而且，中文，真的无敌。
所以这次，我用Minimax Music 2.5，搭配这个反推提示词的小工具，又做了一首展现一下最近人生状态的一首歌，做完以后，有点灵感，于是配了一个小mv。
人味真的太强了。
体验下来，我觉得Minimax的这次更新，还是很惊喜的。
这次给我印象最深刻的是，人声的真实感。
我自己有一个很喜欢的乐队，叫林肯公园，是玩摇滚的，之前的老主唱就是那种不可多得的摇滚嗓，爆发极强，有一个绝招就是炸音嘶吼，非常有冲击力，就是那种在你耳边突然核爆的感觉。
这种嗓音在现实中都属于提着灯笼找不着，当年我年少无知想要模仿，毫无成果还导致嗓子疼了一周。
AI就更唱不出来这种嗓音了。我们很多时候说一首歌有AI味，和嗓音都有脱不开的关系。AI唱高音经常直直愣愣地就顶上去了，一点都没有人类那种血肉之嗓的爆发力。
但是这次的Minimax，不太一样。。。
我强烈建议身边有耳机的朋友，可以戴上耳机，听一下这首歌49秒之后的那句高潮。
真的是一瞬间炸开，声如裂帛，有点惊到我了。
这真是AI能发出的声音吗。。。
不仅如此。
你还能在这首歌里听到人声的磨砂感和颗粒感。
能听到每一次吐字的口齿摩擦，每一句之间的吸气呼气。
虽然说和林肯公园主唱的嗓音还是没法比，但是在一众AI里，说吊打也是没什么问题。
然后再听一下这首。
这次我换了一个温柔点的风格，讲的是人机恋。
但是带给我的震撼感并没有减弱半分，直接给我整的有点起鸡皮疙瘩，我单曲循环听了无数遍。
因为我一直都是戴耳机听的，本来就能感受到更多声音的细节，然后它开头的那个哼唱又带着很强的气息感，就真的有点像是，在我耳边唱歌。。。
我甚至能感觉到歌手唱的时候把嘴贴到了麦边上，再近点都要喷麦了。。。
然后再往下听，转音，真假音切换，换气，每一个处理都做得很自然，很舒服。
不会出现之前我在听AI唱歌时常有的担心，不会没气吗，怎么还不换气。
就，MiniMax不愧是声音做的最牛逼的，他们对声音的真实感这一块的把控真的还是很强的。
另一个让我印象深刻的，是它的咬字能力，口齿真不是一般的清楚。
一开始我以为它只是中文很强。
就拿这次我做的这个MV举例，我一直在让MiniMax试各种曲风，搞了好几个版本。
每一个版本，可能都会有这样那样的问题，但rap部分，基本上都是一遍过。。。
我给你们放其中一个版本，你可以直接空降到45秒之后，感受一下它的中文rap实力。
之前我用Suno生成这样长段的中文，我往往会用一个小技巧，就是如果模型识别不出来某一个比较复杂的中文字，就换成拼音，或者换成一个更简单的同音字。
这个技巧还是我之前写Suno那篇时总结出来的，Suno的旋律确实牛逼，但是认字程度属实是有点令人发指了，景阳冈的冈字，它经常读错，我必须要打成景阳刚= =
而这次，我基本没咋用上这个技巧。
MiniMax的中文能力，无须多言了。。。
网址在此，非常推荐大家去试试：
https://www.minimaxi.com/audio/music
而且还不只是中文，我偶然间发现它甚至能说维语。
因为我们公司有同事是维族的，我就顺手生成了一首维语歌，让她听听是不是那么回事。
她在求证了一番家人之后，给我的说法是这样的：
除了几个需要连读的地方之外，其他都没啥问题。
懂维语的朋友也可以品鉴一下，把想法打在评论区。
至于粤语，吴语这些，就也都不在话下了。
这是粤语。
这是吴语。
我们至今仍不知道MiniMax在这方面的家底到底有多厚。。。
下一趴，是风格和编曲能力。
正好可以借这一趴和你们聊一下我前面提过的粉丝做的那个提取曲风的小工具。
搭配Minimax Music 2.5一起用，就是一个1+1大于二的效果，非常爽。
网址是这个：www.aimusic-tools.com
点进去之后找到左侧边栏，点分析工具里面的音乐理解，就能看到这个界面了。
上传一段视频之后，点一下开始分析，它就会把歌词曲风都拆解出来，歌词放在左下角的框里，提示词放在右下角的框里。
然后你只需要点一下复制，就可以直接拿到曲风的提示词。
接下来，再把这个曲风复制给Music 2.5就行。
这次靠着这个小东西，我试了很多曲风，有些曲风我之前都不知道专业的说法是什么，但现在上传了音频，就能直接拿到我想要的提示词。
真的是非常好用的一个利器。
接下来，是一批不同曲风的纯享版，大家可以感受一下。
R&B加Dream Pop风，曲风来自蜘蛛侠平行宇宙的插曲，Sunflower。
音乐剧风，来自音乐剧汉密尔顿。
techno电音，来自Anyma音乐节的Eternity。
雷鬼风格。
其实还试了很多，但公众号里放不下了。
几乎每一个风格都给了我不一样的惊喜。
真的挺过瘾的。
想玩的话，直接去官网就行。
打开之后把模型切换到2.5，就可以开始愉快地玩耍了。
整个网页非常简洁，就两个功能区，歌词，和风格。
作为小白如何控制歌词和风格我在之前的文章里写过了，这里再讲一下。
歌词方面，核心是理解歌曲的结构。
拿MiniMax这个歌词区来举例，在歌词框里打一个/，就能看到它有14种段落结构。
正常的歌曲结构，基础点就是前奏-主歌-副歌-主歌-副歌-尾奏，复杂点就是前奏-主歌-预副歌-副歌-再一段主歌-副歌-桥段-副歌-尾奏。
然后，你要把歌词按照结构填进去。
曲风方面，之前我会教你用一个结构化的提示词和AI聊，像这样。
请用 300 字以内、中文、分号分隔的格式，输出可直接喂给 AI 音乐模型的提示词。结构固定：
但现在，用我上面提到的那个小工具也完全没问题。
再说一下价格的事。36块钱10万积分，300积分一首歌，没算错的话，差不多就是一毛钱一首歌。
再加上，初始用户还有10000积分，像我这种玩家，再买一个10万积分也就是36块钱每月的套餐，基本上就完全够用了。
还挺香的。
这次MiniMax唯一让我觉得美中不足的是，模型能力在线，但是功能还太少了，我想要的那些类似Suno的段落编辑功能，上传音乐remix功能，音轨分离功能，现在都还没有。
还有就是什么时候能开放mcp功能，这样我就能把写歌这件事真的封装成skills了。
跪求下个版本更新。。。
做音乐，真的是一件非常快乐的事情。
相信我。
当歌曲出来的那一刻，你也一定可以找到属于你的快乐。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克、水杉、路标、Tashi
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言