论文页面 - WanSong v1.0 技术报告

来源：https://huggingface.co/papers/2607.14749

摘要

音乐生成基础模型近期引起了显著的行业关注。然而，在支持可控性的同时实现高效生成和高保真长音频仍然具有挑战性。为应对这些需求，我们提出了 WanSong——一种用于长时长、商业级歌曲生成的简洁而强大的方法。与自回归（AR）和级联多阶段流水线（例如，AR 后接扩散）不同，WanSong 是一个纯扩散模型，可直接生成长达 5 分钟的高保真多语种歌曲，并在单次运行中输出双音轨（人声和背景音乐）。此外，我们的扩散框架通过步蒸馏实现了更快的推理，并为微调和定制提供了高效途径，以支持下游编辑任务。

查看 arXiv 页面 (https://arxiv.org/abs/2607.14749) 查看 PDF (https://arxiv.org/pdf/2607.14749) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.14749)

在您的代理中获取该论文：

hf papers read 2607.14749

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2607.14749 以从该页面链接它。

引用此论文的数据集 0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.14749 以从该页面链接它。

引用此论文的 Space 0

没有 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2607.14749 以从该页面链接它。

包含此论文的收藏集 3